FSRS: algoritma pengulangan berspasi yang modern dan efisien

ABC dari FSRS

• FSRS adalah algoritma pengulangan berspasi modern yang dikembangkan oleh Jarrett Ye, yang mempelajari pola ingatan pengguna dan merencanakan jadwal ulasan dengan lebih efisien dibanding algoritma SM2 bawaan Anki.
• Tujuan algoritma pengulangan berspasi adalah mengoptimalkan interval ulasan untuk menghitung kapan sebuah kartu dapat diingat dengan probabilitas tertentu.
• FSRS didasarkan pada 'model tiga komponen memori', dan model ini mencakup tiga variabel yang cukup untuk menjelaskan keadaan memori: retrievability, stability, dan difficulty.

Cara kerja FSRS

• Setiap kali pengguna meninjau kartu, keadaan memori yang terkait dengan kartu tersebut berubah, dan FSRS hanya mempertimbangkan satu kali ulasan per hari.
• FSRS menganalisis riwayat ulasan pengguna dan menggunakan machine learning untuk menghitung parameter yang paling sesuai dengan riwayat ulasan tersebut.
• Jika pengguna tidak memiliki riwayat ulasan yang cukup, digunakan parameter default yang ditemukan dengan menganalisis miliaran data ulasan dari sekitar 20.000 pengguna.

Perbandingan FSRS dengan algoritma bawaan Anki

• FSRS dapat mencapai tingkat retensi ingatan yang sama dengan 20–30% lebih sedikit ulasan dibanding algoritma bawaan Anki.
• Pengguna dapat menetapkan tingkat retensi ingatan yang diinginkan untuk menyeimbangkan jumlah ulasan dan jumlah yang diingat.
• FSRS merencanakan jadwal kartu dengan lebih baik ketika terjadi keterlambatan ulasan, misalnya saat pengguna tidak menggunakan Anki selama beberapa minggu.

Informasi tambahan

• Jika versi Anki adalah 23.10 atau lebih baru, Anda perlu membaca panduan tersebut, dan jika menggunakan versi yang lebih lama dari 23.10, Anda dapat menggunakan versi standalone FSRS.
• Jika ingin membandingkan performa FSRS dengan algoritma lain, lihat halaman benchmark dan FSRS vs SM-17.
• Jika memiliki pertanyaan tambahan tentang FSRS, periksa FAQ.
• Jika ingin mempelajari lebih lanjut tentang algoritma pengulangan berspasi, Anda dapat merujuk ke dokumentasi terkait.

GN⁺ berpendapat:

• Algoritma FSRS menawarkan pendekatan inovatif untuk mengoptimalkan jadwal ulasan dengan mempelajari pola ingatan pengguna.
• Fitur yang memungkinkan pengguna menetapkan tingkat retensi ingatan yang diinginkan menghadirkan pengalaman belajar yang dipersonalisasi sesuai kebutuhan dan preferensi pelajar.
• FSRS dapat membantu menghemat waktu pelajar dan memaksimalkan efektivitas belajar melalui perencanaan ulasan yang lebih efisien dibanding algoritma Anki yang ada.