기억 유지 계산기

추정이 작동하는 방법

이 모델은 1885년 헤르만 에빙하우스가 설명한 망각 곡선에 근거하며, 유지율이 시간에 걸쳐 지수적으로 떨어집니다: 유지율 = e^(−t ÷ S), 여기서 t는 학습 이후 시간이고 S는 기억의 강도, 곧 안정성을 일 단위로 나타낸 것입니다. 새로 배운 복습 전의 기억은 안정성이 낮아 빠르게 희미해집니다. 각 복습이 이를 강화합니다. 여기서 안정성은 2일에서 시작해 복습마다 대략 두 배가 되는데, 이는 간격 반복이 성공적 회상 사이의 간격을 늘리는 방식을 본뜬 것입니다.

풀이 예: 2일 전에 배웠고 한 번 복습했습니다. 복습 한 번이면 안정성은 2 × 2 = 4일이므로 유지율 = e^(−2 ÷ 4) = e^(−0.5) ≈ 61%입니다. 유지율이 50%를 지나는 지점은 S × ln(2) = 4 × 0.693 ≈ 학습 후 2.8일이므로, 이 기억은 더 미끄러지지 않도록 또 한 번의 복습이 곧 필요한 참입니다.

복습에 주는 의미

망각 곡선의 교훈은 타이밍입니다. 기억이 절반 아래로 떨어지기 직전에 복습하는 것이, 아직 잘 아는 것을 다시 읽거나 이미 잊은 것을 되살리려 애쓰는 것보다 훨씬 효율적입니다. 그래서 백분율보다 복습 날짜가 더 중요합니다. 내려가는 길에 기억을 붙잡으면 각 복습은 비용이 적게 들면서 훨씬 더 많은 안정성을 삽니다. 너무 오래 두면 처음부터 다시 배우게 됩니다.

수치를 실제 뇌의 판독이 아니라 지침으로 다루십시오. 실제 유지율은 자료를 얼마나 깊이 이해했는지, 그것이 얼마나 독특하고 의미 있는지, 수면, 그리고 어떻게 복습했는지에 달려 있습니다. 능동적 회상과 자가 시험이 수동적 재독보다 훨씬 더 오래가는 기억을 만드는데, 단순한 곡선은 이를 담지 못합니다. 모델은 또 각 복습이 성공적이었다고 가정합니다. 답을 회상하지 못한 복습은 같은 방식으로 기억을 강화하지 않습니다. 현명하게 쓰면, 무언가를 언제 다시 집어야 할지에 대한 좋은 신호가 되는데, 이것이 바로 간격 반복 시스템이 자동화하는 일입니다.