学習スケジューリング
間隔反復アルゴリズム
SM-2、ライトナー、FSRSがどのように復習をスケジュールするか — そしてDeckbaseがFSRSをデフォルトにしている理由。
アルゴリズムの概要
間隔反復アルゴリズムは、復習した後に再びカードをいつ表示するかを決定します。目標は、忘れてしまう直前のタイミングで各復習をスケジュールし、最小の労力で最大の定着を得ることです。
異なるアルゴリズムは、この判断を異なる方法で行います。固定されたボックスを使うもの、固定された数式を使うもの、機械学習による記憶モデルを使うものがあります。Deckbaseは、あなた個人の想起履歴に適応するためFSRSを使用しますが、他のアルゴリズムを理解しておくことも——特に他のアプリから移行する場合には——有用です。
簡易比較
| アルゴリズム | 仕組み | 最適な用途 |
|---|---|---|
| FSRS | 難易度、安定性、想起可能性で記憶をモデル化し、復習履歴から間隔を個別化する。 | 長期学習、混合デッキ、大規模なカードライブラリ。 |
| SM-2 | 前回の評価に基づく易度係数で間隔を掛け合わせる。 | シンプルで予測可能なスケジューリング、小〜中規模デッキ。 |
| ライトナー | ボックス間でカードを移動する。正解は前進、失敗は後退。 | 初心者、シンプルなアプリ、少量の事実の学習。 |
FSRS
FSRS（フリー間隔反復スケジューラ）は、Jarrett Ye氏によって作られたオープンソースのアルゴリズムです。難易度、安定性、想起可能性という3つの値で各カードの記憶をモデル化し、固定ルールを適用する代わりにあなた個人の復習履歴から間隔を計算します。
FSRSは各学習者に適応するため、同じ定着率目標に対してSM-2と比べて通常は日々の復習量を20〜30%削減します。Deckbaseのデフォルトスケジューラであり、Anki 23.10以降でも利用可能です。
- 実際の想起パターンに間隔を適応させる。
- 同じ定着率でも通常は復習が少ない。
- SM-2やライトナーより複雑で、より多くの復習履歴があるほど効果的。
SM-2
SM-2は、1987年にPiotr Wozniak氏によって作られたSuperMemo-2アルゴリズムです。Ankiは長年、SM-2の改変版をデフォルトスケジューラとして使用しており、現在もフォールバックとして利用できます。
SM-2は「易度係数」と呼ばれる単一の値を追跡します。カードを「簡単」と評価すると易度係数が上がり、今後の間隔がより速く伸びます。「もう一度」や「難しい」と評価すると易度係数が下がり間隔が縮みます。このアルゴリズムはシンプルで頑健ですが、記憶を直接モデル化しておらず、繰り返し失念すると「イーズヘル」に陥ることがあります。
- 理解・実装がシンプル。
- 小〜中規模のデッキでよく機能する。
- 大規模で長期的なライブラリではFSRSより効率が劣る。
ライトナーシステム
ライトナーシステムは最もシンプルな間隔反復法です。カードはボックス1から始まります。正解するとカードは次のボックスに移動し、復習頻度が下がります。不正解の場合はボックス1に戻ります。
ライトナーは説明しやすく、ソフトウェアなしでも機能するため、紙のフラッシュカードシステムや基本的なアプリに見られます。欠点は、間隔が実際の想起確率ではなくボックス番号で固定されることです。同じボックスにある2枚のカードでも、記憶の強さは大きく異なる場合があります。
- 学びやすく教えやすい。
- 少量で焦点を絞った事実の集合に適している。
- 大規模なデッキや長期的な定着目標には理想的ではない。
復習ステップとアルゴリズムの関係
どの方法を使っても、カードは同じように始まります — 新しいカードのときや、忘れてしまったときは、数分後、次は少し長く、その次はもっと長く、という間隔で表示されます。「卒業」すると、数分おきではなく、数日おきに表示されるようになります。卒業した後の動き方は、方法によって変わります：
FSRS
卒業する前: 他の方法と同じ、数分から少しずつ長くなるステップ。
卒業した後: そのカードをどれくらい覚えているかをもとに、待つ日数を自分で決めます。
SM-2
卒業する前: 他の方法と同じ、数分から少しずつ長くなるステップ。
卒業した後: 最初は決まった日数だけ待ち、正解するたびに少しずつ長く待つようになります。
ライトナー
卒業する前: 他の方法と同じ、数分から少しずつ長くなるステップ。
卒業した後: 「ボックス1」に入ります。正解すると上のボックスへ（待つ時間が長くなり）、間違えると下のボックスに戻ります。
なぜDeckbaseはFSRSを使うのか
DeckbaseがFSRSを選んだのは、それが個人の記憶に適応する唯一の主流アルゴリズムだからです。SM-2とライトナーはすべての学習者に同じスケジュールを適用します。FSRSはあなたの評価から学習し、実際の忘却曲線に合った間隔を計算します。
この適応性は、何ヶ月も何年も学習する場合に最も重要になります。数億件のAnki復習データを用いた独立ベンチマークによると、FSRSはSM-2と比べて予測誤差を約3分の2削減し、これは通常、同じ定着率で20〜30%少ない復習数を意味します。
DeckbaseでのFSRSの動作の詳細は DeckbaseにおけるFSRS.
よくある質問
初心者にはどのアルゴリズムが最適ですか？
ライトナーが最も理解しやすいですが、長期的な定着にはFSRSの方が優れています。DeckbaseのようなモダンなアプリはFSRSの調整を自動的に行うため、ほとんどの初心者はFSRSでうまくいきます。
SM-2は古いのですか？
SM-2は大規模なデッキに対してFSRSより古く効率が劣りますが、現在も機能します。小さなデッキを持っている場合や、予測可能なルールを好む場合はSM-2で問題ありません。
ライトナーやSM-2をFSRSの代わりに使えますか？
はい — 設定 → 間隔反復アルゴリズムから、いつでもFSRS・SM-2・ライトナーを選択でき、切り替えることもできます。FSRSは長期的な学習で両者を上回ることが多いためデフォルトになっていますが、SM-2やライトナーを好む場合はそちらも完全にサポートされています。
SM-2の間隔はAnkiから引き継がれますか？
いいえ。AnkiデッキをDeckbaseにインポートすると、カードはFSRSの間隔で新たに開始します。復習履歴とSM-2の易度係数は引き継がれません。