Algoritmi di ripetizione spaziata spiegati
Un approfondimento su FSRS, SM-2 e Leitner — gli algoritmi alla base delle moderne app di flashcard. Scopri come funziona ciascuno e quali app (Anki, RemNote, StudyGlen, Brainscape) li implementano meglio.
Nel 1885, Hermann Ebbinghaus scoprì che dimentichiamo il 70% delle nuove informazioni entro 24 ore — a meno che non le ripassiamo a intervalli scientificamente ottimizzati. La ripetizione spaziata è oggi il metodo di studio n.1 basato sulle evidenze, ma l'algoritmo conta: FSRS può pianificare il 20-30% in meno di ripassi rispetto a SM-2 a parità di ritenzione. Analizziamo come funziona ciascun algoritmo e quali app di flashcard li implementano.
Perché l'algoritmo dietro alle Sue flashcard è importante
La ripetizione spaziata funziona mostrandoLe una flashcard appena prima del momento in cui si prevede che la dimenticherà. Quel "appena prima" è l'intero gioco — e lo decide un algoritmo.
Per gran parte della storia digitale della ripetizione spaziata, quell'algoritmo è stato SM-2 (SuperMemo 2), una formula che Piotr Wożniak ha pubblicato nel 1987. Ha alimentato il SuperMemo originale, ogni utente di Anki prima del 2023, ed è ancora lo scheduler predefinito in RemNote. SM-2 è collaudato sul campo — ma è anche rigido: ogni studente riceve le stesse curve di pianificazione indipendentemente da come si comporta la sua specifica memoria.
Nel 2022 un progetto open source chiamato FSRS (Free Spaced Repetition Scheduler) ha cambiato le cose. FSRS adatta un modello statistico alla Sua cronologia di revisioni reale e pianifica ogni carta in base alla probabilità di richiamo prevista. I benchmark su oltre 500 milioni di revisioni Anki mostrano che FSRS richiede il 20-30% di revisioni in meno rispetto a SM-2 per lo stesso tasso di ritenzione. Anki ha adottato FSRS come scheduler predefinito nella versione 23.10 (novembre 2023).
Questa guida spiega come funzionano FSRS, SM-2 e il classico sistema a scatole di Leitner — e quali app di flashcard implementano ciascuno. Se sta scegliendo uno strumento di studio nel 2026, l'algoritmo è il più grande fattore di differenziazione.
FSRS — il Free Spaced Repetition Scheduler
FSRS è un moderno algoritmo di pianificazione open source sviluppato dal 2022 da Jarrett Ye e dalla comunità open-spaced-repetition. È stato progettato per superare SM-2 in precisione ed efficienza trattando la memoria come un modello statistico che si adatta a ogni singolo studente. Anki, RemNote e StudyGlen lo implementano oggi.
Come funziona FSRS — il modello di memoria DSR
FSRS modella la memoria di una singola flashcard usando tre valori, aggiornati dopo ogni revisione:
- Difficoltà (D): Quanto una carta specifica è difficile per Lei. Varia da 1 a 10. Calibrata in base al fatto che Lei prema Di nuovo, Difficile, Bene o Facile.
- Stabilità (S): Quanti giorni occorrono perché la Sua probabilità di richiamare questa carta scenda al Suo obiettivo di ritenzione (predefinito 90%). Cresce dopo revisioni corrette, si azzera dopo gli errori.
- Recuperabilità (R): La Sua probabilità prevista di richiamare questa carta in questo momento — una funzione di D, S e dei giorni dall'ultima revisione.
Con questi tre valori, FSRS risponde a una domanda per ogni carta: dato il Suo obiettivo di ritenzione, qual è il momento più tardi in cui posso pianificare questa revisione aspettandomi comunque che Lei la ricordi?
Cosa rende FSRS diverso da SM-2
SM-2 usa moltiplicatori fissi — tutti ricevono le stesse curve di crescita degli intervalli di serie. FSRS adatta i Suoi parametri personali alla Sua cronologia di revisioni reale tramite gradient descent, tipicamente dopo ~1.000 revisioni. Una volta addestrato, tiene conto di quali tipi di carte trova più difficili, di quanto rapidamente dimentica, e di come gli errori influenzano la stabilità a lungo termine.
Imposta inoltre un obiettivo di "Ritenzione Desiderata" — di solito tra 0,80 e 0,97, con la maggior parte degli utenti intorno a 0,85-0,90. Ritenzione più alta significa più revisioni; più bassa, meno. SM-2 non ha un controllo equivalente.
Quali app di flashcard usano FSRS
- Anki: Scheduler predefinito dalla v23.10 (novembre 2023) su desktop, AnkiDroid e AnkiMobile. SM-2 resta disponibile come alternativa.
- RemNote: Disponibile come scheduler opzionale accanto a SM-2.
- StudyGlen: Algoritmo predefinito per tutti i mazzi di flashcard generati dall'IA — nessuna configurazione manuale necessaria.
Quando FSRS vince chiaramente
Mazzi grandi (2.000+ carte), obiettivi di ritenzione a lungo termine e difficoltà eterogenea (alcune carte facili, altre difficili). Più dati di revisione accumula, più FSRS supera SM-2.
Quando FSRS non fa differenza
Sotto le ~1.000 revisioni, FSRS non riesce ancora ad adattare un modello personale significativo — ripiega sui parametri predefiniti e offre prestazioni simili a SM-2. Per lo studio occasionale o il cramming a breve termine, la scelta dell'algoritmo è in gran parte cosmetica.
SM-2 — l'algoritmo classico di Anki
SM-2 è stato pubblicato da Piotr Wożniak nel 1987 come parte di SuperMemo — la prima applicazione commerciale di ripetizione spaziata. Ha alimentato lo scheduler predefinito di Anki dal lancio nel 2006 fino alla fine del 2023, ed è ancora il predefinito in RemNote. Quattro decenni di utilizzo nel mondo reale ne hanno fatto il riferimento con cui viene confrontato ogni altro algoritmo di SRS.
Come funziona SM-2
SM-2 tiene traccia di due numeri per carta:
- Fattore di facilità (EF): Un moltiplicatore, inizializzato a 2,5, che controlla la velocità con cui crescono gli intervalli.
- Intervallo: Giorni tra le revisioni.
Dopo ogni revisione:
- Se ha sbagliato la carta, riporti l'intervallo a 1 giorno e mantenga l'EF.
- Se è passata, moltiplichi l'intervallo corrente per l'EF (aumentando leggermente l'EF per Facile, abbassandolo per Difficile).
Una sequenza SM-2 tipica potrebbe essere: 1 giorno → passa → 6 giorni → passa → 15 giorni → passa → 37 giorni → passa → 92 giorni...
Punti di forza
SM-2 è semplice, trasparente e non ha bisogno di dati di addestramento. Funziona dalla prima revisione. Il suo comportamento è prevedibile a mano — può guardare l'EF e l'intervallo di una carta e spiegare esattamente perché è stata pianificata dove è stata. Oltre 35 anni di uso reale ne fanno il predefinito più sicuro per qualsiasi SRS.
Limitazioni
I moltiplicatori di SM-2 sono universali — l'algoritmo non si adatta ai singoli studenti. Se la Sua memoria per i fatti di geografia decade più velocemente di quella per le equazioni, SM-2 le tratta allo stesso modo. Non ha inoltre un obiettivo di ritenzione esplicito: non può chiedere il 95% di ritenzione al posto del ~85% implicito prodotto dai moltiplicatori.
Quali app usano SM-2
- Anki: Disponibile come scheduler di ripiego. Era il predefinito finché v23.10 non è passato a FSRS.
- RemNote: Scheduler predefinito.
- SuperMemo: L'app originale di Piotr Wożniak. Ancora in sviluppo attivo — il SuperMemo moderno usa SM-18, un discendente di SM-2.
Il sistema Leitner — ripetizione spaziata su carta
Il sistema Leitner, inventato nel 1972 dal giornalista scientifico tedesco Sebastian Leitner, precede ogni algoritmo di SRS digitale. È un metodo con carte fisiche che ha ispirato l'intera categoria — e vale la pena capirlo perché alcune app (incluso il modo Learn di Quizlet) ne usano ancora una versione semplificata.
Come funziona Leitner
Ha un insieme di scatole numerate (classicamente 5). Tutte le carte nuove iniziano nella Scatola 1.
- • Risposta corretta — sposti la carta nella scatola successiva più alta.
- • Risposta sbagliata — rimandi la carta nella Scatola 1.
Ogni scatola ha la sua frequenza di revisione: Scatola 1 ogni giorno, Scatola 2 ogni due giorni, Scatola 3 ogni quattro giorni, e così via. Le carte che ricorda costantemente si spostano verso le scatole più alte; quelle che dimentica vengono riportate in revisione frequente.
Punti di forza e limiti
Leitner è il SRS più semplice possibile — non ha bisogno di matematica e funziona con carte di carta e una scatola da scarpe. La sua pianificazione è molto più grossolana di SM-2 o FSRS, e gli intervalli non si adattano alla memoria individuale o alla difficoltà della carta. Per apprendimento a breve termine o ambienti di studio che rifiutano gli strumenti digitali, va ancora bene. Per la maggior parte degli usi moderni, qualsiasi SRS digitale con SM-2 — e specialmente con FSRS — pianificherà le revisioni in modo più efficiente.
FSRS vs SM-2: quale algoritmo rende meglio?
Il team di Anki ha eseguito benchmark su oltre 500 milioni di log di revisione confrontando FSRS con SM-2. Il risultato principale: per lo stesso tasso di ritenzione, FSRS richiede circa il 20-30% di revisioni in meno. Su un mazzo di 2.000 carte con revisioni quotidiane, si traduce in ore risparmiate ogni settimana.
Dove FSRS vince chiaramente
- Ritenzione a lungo termine (intervalli di 30+ giorni): il tracciamento adattivo della stabilità di FSRS pianifica gli intervalli lunghi con più precisione dei moltiplicatori fissi di SM-2.
- Mazzi a difficoltà mista: FSRS impara la difficoltà per singola carta; i moltiplicatori universali di SM-2 sovrapianificano le carte facili e sottopianificano quelle difficili.
- Utenti con 1.000+ revisioni: FSRS ha bisogno di dati di addestramento per personalizzarsi. Una volta che li ha, il divario con SM-2 si allarga a ogni revisione aggiuntiva.
Dove SM-2 regge ancora
- Mazzi piccoli (sotto le 500 carte): FSRS non può ancora adattare un modello personale; i predefiniti di SM-2 sono competitivi.
- Studenti alle primissime armi: SM-2 funziona dal primo giorno senza configurazione. Anche FSRS con parametri predefiniti va bene, ma il vantaggio reale appare solo dopo aver accumulato dati.
- Interpretabilità: la pianificazione di SM-2 è prevedibile a partire da (EF, intervallo). Il modello adattato di FSRS è di fatto una piccola rete neurale — più difficile da ragionare a mano.
Se la Sua app di flashcard offre FSRS, lo attivi. Per la maggior parte degli utenti, la riduzione del 20-30% delle revisioni è il più grande guadagno ergonomico disponibile — per questo il team di Anki lo ha reso predefinito in v23.10. Le uniche ragioni per restare su SM-2 sono un mazzo molto piccolo, una cronologia di revisioni ridotta, o una migrazione a metà mazzo che non vuole riottimizzare.
Quale algoritmo dovrebbe usare?
Un rapido schema decisionale:
- 1.
Mazzo grande (1.000+ carte) e obiettivo di ritenzione a lungo termine → FSRS. Anki, RemNote o StudyGlen lo implementano tutti.
- 2.
Mazzo piccolo e studio a breve termine (un singolo esame, un frasario di lingua) → qualsiasi algoritmo va bene, Leitner puro incluso. Non ci pensi troppo.
- 3.
Vuole zero configurazione e carte generate dall'IA → StudyGlen (FSRS predefinito, l'IA genera carte da PDF, note o immagini).
- 4.
Vuole il massimo controllo e accesso a mazzi della community → Anki (FSRS predefinito dalla v23.10, SM-2 disponibile come alternativa).
- 5.
Prende appunti lunghi e vuole flashcard integrate → RemNote (SM-2 predefinito, FSRS disponibile).
- 6.
Vuole set di flashcard curati da esperti con una revisione semplice basata sulla fiducia → Brainscape (usa CBR, uno scheduler proprietario non FSRS).
- 7.
Ha bisogno della più grande libreria di flashcard esistente e non Le serve un vero SRS → Quizlet (in stile Leitner, non un vero SRS).
Per la maggior parte degli studenti nel 2026, un'app basata su FSRS è il predefinito giusto. L'algoritmo ha sostituito SM-2 come stato dell'arte per un motivo — e l'infrastruttura per addestrarlo è ormai integrata in ogni grande strumento di flashcard.
App che implementano questi algoritmi
Ecco le cinque app di flashcard più usate per la ripetizione spaziata, raggruppate in base all'algoritmo che eseguono sotto il cofano. I verdetti e i pro/contro qui sotto La aiutano a confrontarle — ma se sta ancora decidendo tra algoritmi, torni alla sezione Quale algoritmo dovrebbe usare.
Pros
- L'algoritmo FSRS si adatta ai tuoi pattern di memoria personali per tempi di revisione ottimali
- L'IA genera flashcard da PDF, testo e immagini (nessuna creazione manuale necessaria)
- Imposta il tuo tasso di ritenzione target e FSRS pianifica le revisioni matematicamente
- Genera anche quiz, fumetti educativi e sessioni di quiz dal vivo
- 37 lingue con rilevamento automatico
- Piano gratuito disponibile con prezzi basati su crediti (nessun abbonamento)
- Immagini educative generate dall'IA sulle flashcard come ausili per la memoria visiva
Cons
- Piattaforma più nuova, comunità in crescita
- Nessuna app mobile ancora (basata su web responsive)
- Nessuna libreria di mazzi condivisi predefiniti
Pros
- Gratuito e open source (desktop e Android)
- Supporta sia algoritmo FSRS che SM-2 (FSRS è predefinito per i nuovi utenti)
- Modelli di carte, tipi di note e parametri di pianificazione altamente personalizzabili
- Enorme comunità con migliaia di mazzi condivisi (AnKing per medicina, ecc.)
- Funziona completamente offline su tutte le piattaforme
- Potente ecosistema di addon estende le funzionalità
Cons
- Curva di apprendimento ripida — intimidatorio per i principianti
- Nessuna generazione IA delle carte integrata (richiede creazione manuale o addon)
- L'app iOS costa $24,99 (una tantum)
- Design dell'interfaccia datato
Pros
- La Ripetizione Basata sulla Fiducia (CBR) adatta la frequenza di revisione alla tua fiducia autovalutata (scala 1-5)
- Ampio marketplace di classi flashcard certificate e create da esperti
- App mobile native curate (iOS e Android)
- Monitoraggio dettagliato dei progressi e dashboard di analisi
- Strumenti per insegnanti e classi integrati
Cons
- Nessuna generazione IA delle carte da contenuti caricati
- CBR è proprietario — meno trasparente e supportato dalla ricerca rispetto a FSRS
- Abbonamento Pro richiesto per accesso completo alla libreria ($9,99/mese)
- Personalizzazione delle carte limitata rispetto ad Anki
Pros
- Ripetizione spaziata SM-2 integrata direttamente nel flusso di lavoro per appunti
- L'IA genera flashcard dai tuoi appunti automaticamente
- Il collegamento bidirezionale crea un grafo della conoscenza di concetti connessi
- Annotazione e importazione PDF per materiali di studio
- Combina appunti, flashcard e revisione in un unico spazio di lavoro
Cons
- L'algoritmo SM-2 è meno efficiente di FSRS (richiede circa il 20-30% di revisioni in più per la stessa ritenzione)
- Curva di apprendimento più ripida rispetto a una semplice app di flashcard
- Il piano gratuito limita le funzioni IA e lo spazio di archiviazione
- Comunità più piccola e meno mazzi predefiniti rispetto ad Anki
Pros
- Enorme libreria di 800M+ set di flashcard creati dagli utenti
- Magic Notes IA converte gli appunti in flashcard
- App mobile curate con accesso offline
- Multiple modalità di studio (Impara, Test, gioco di Abbinamento)
- Interfaccia familiare con onboarding facile
Cons
- Nessun vero algoritmo di ripetizione spaziata — usa un sistema base a scatole stile Leitner
- Le funzioni IA richiedono l'abbonamento Quizlet Plus ($7,99/mese)
- Piano gratuito pieno di pubblicità
- Ottimizzato per lo studio intensivo a breve termine, non per la ritenzione a lungo termine
- Nessun input OCR da immagini
Tabella Comparativa delle Funzionalità
| Funzionalità | StudyGlen | Anki | Brainscape | RemNote | Quizlet |
|---|---|---|---|---|---|
| Algoritmo SR | FSRS | FSRS/SM-2 | CBR | SM-2 | Base |
| Generazione Carte con IA | Sì | Addon | No | Sì | Sì |
| Caricamento PDF | Sì | Addon | No | Sì | No |
| Tipi di Carte | Base, Cloze, Immagine | Base, Cloze, Personalizzato | Solo base | Base, Cloze | Base, Diagramma |
| Analisi delle Revisioni | Sì | Sì | Sì | Limitato | Limitato |
| Piano Gratuito | Gratuito | Gratuito | Limitato | Limitato | Con pubblicità |
| App Mobile | No | Sì | Sì | Sì | Sì |
Guardalo in Azione
Guarda come StudyGlen genera flashcard da qualsiasi materiale di studio in pochi secondi.
Domande Frequenti
FSRS sta per Free Spaced Repetition Scheduler. È un algoritmo di ripetizione spaziata open source sviluppato dal 2022 da Jarrett Ye e dalla comunità open-spaced-repetition. Anki l'ha adottato come scheduler predefinito nella versione 23.10 (novembre 2023), sostituendo SM-2.
FSRS modella la memoria di ogni flashcard usando tre valori: Difficoltà (quanto la carta è difficile per Lei), Stabilità (quanti giorni prima che la Sua probabilità di richiamo scenda al Suo obiettivo di ritenzione) e Recuperabilità (la Sua attuale probabilità prevista di ricordare la carta). Dopo ogni revisione, FSRS aggiorna questi valori e pianifica la revisione successiva nel momento ottimale per raggiungere il tasso di ritenzione target. Dopo circa 1.000 revisioni è in grado di adattare parametri personalizzati ai Suoi specifici pattern di memoria tramite gradient descent.
SM-2, pubblicato da Piotr Wożniak nel 1987, usa moltiplicatori fissi per far crescere gli intervalli in base a come valuta ogni revisione. FSRS, rilasciato nel 2022, adatta un modello statistico alla Sua cronologia di revisioni e pianifica ogni carta in base alla probabilità di richiamo prevista. I benchmark su oltre 500 milioni di revisioni Anki mostrano che FSRS richiede circa il 20-30% di revisioni in meno rispetto a SM-2 per lo stesso tasso di ritenzione, perché si adatta ai singoli studenti e alla difficoltà a livello di carta. SM-2 è più semplice e non ha bisogno di dati di addestramento; FSRS è più preciso una volta che ha cronologia di revisioni sufficiente per personalizzarsi.
Per praticamente qualsiasi uso digitale moderno, sì. Il sistema a scatole di Leitner (1972) usa intervalli fissi tra scatole (ad esempio 1 giorno, 2 giorni, 4 giorni) che non si adattano alla memoria individuale o alla difficoltà a livello di carta. FSRS calcola dinamicamente la lunghezza dell'intervallo a partire dalla Sua cronologia di revisioni e punta esplicitamente a un tasso di ritenzione da Lei scelto. Leitner resta valido per le flashcard di carta o per le app più semplici, ma qualsiasi SRS con FSRS — o anche SM-2 — pianificherà le revisioni in modo più efficiente.
Secondo i manutentori di Anki, riottimizzare 3-4 volte all'anno è sufficiente una volta che il Suo mazzo ha 1.000+ revisioni. Una riottimizzazione più frequente (ad esempio settimanale) produce miglioramenti trascurabili e non vale il tempo speso. Un buon innesco è quando le carte totali revisionate raddoppiano approssimativamente.
Anki (predefinito dalla v23.10), RemNote (come alternativa a SM-2) e StudyGlen (predefinito per le flashcard generate dall'IA) supportano tutti FSRS nativamente. L'algoritmo stesso è open source — le implementazioni MIT-licensed in Python e Rust si trovano nell'organizzazione open-spaced-repetition su GitHub — quindi è lecito aspettarsi che altre app lo adottino col tempo.
FSRS ha bisogno di dati di revisione per adattare un modello personalizzato. Sotto le ~1.000 revisioni ripiega sui parametri predefiniti e si comporta in modo simile a SM-2, quindi non vedrà ancora la riduzione del 20-30%. Detto ciò, non c'è alcuno svantaggio nell'abilitare FSRS presto: Anki ora lo fa automaticamente, e i guadagni di precisione personalizzata iniziano a comparire non appena ha accumulato cronologia di revisioni sufficiente.
Dipende dall'app di destinazione. StudyGlen accetta caricamenti .apkg e .colpkg direttamente e può convertire su richiesta il tuo stato di pianificazione SM-2 di Anki — intervalli, ease, lapses — in FSRS, così le carte che hai già studiato non ripartono dal giorno zero. La maggior parte degli altri strumenti o non accetta .apkg del tutto, o tratta le carte importate come nuove e perde la tua cronologia di revisioni. Se conservare anni di pianificazione Anki è importante per te, verifica che l'app di destinazione supporti esplicitamente la conversione SM-2 → FSRS prima di migrare. Il piano gratuito di StudyGlen include 5 importazioni al giorno; i pacchetti crediti sbloccano importazioni illimitate.
Prova la Migliore App di Ripetizione Spaziata Gratis
Carica un PDF, incolla i tuoi appunti o scansiona un'immagine — ottieni flashcard IA con pianificazione della ripetizione spaziata FSRS in pochi secondi
Inizia la Ripetizione Spaziata Gratis