Aralıklı Tekrar Algoritmaları Açıklanıyor
FSRS, SM-2 ve Leitner'e derinlemesine bakış — modern flashcard uygulamalarını çalıştıran algoritmalar. Her birinin nasıl çalıştığını ve hangi uygulamaların (Anki, RemNote, StudyGlen, Brainscape) bunları en iyi şekilde uyguladığını öğrenin.
1885'te Hermann Ebbinghaus, bilimsel olarak optimize edilmiş aralıklarla tekrar etmediğimiz sürece yeni bilgilerin %70'ini 24 saat içinde unuttuğumuzu keşfetti. Aralıklı tekrar artık 1 numaralı kanıta dayalı çalışma yöntemidir, ancak algoritma önemlidir: FSRS, aynı hatırlama oranı için SM-2'ye göre %20-30 daha az tekrar planlayabilir. Her algoritmanın nasıl çalıştığını ve hangi flashcard uygulamalarının bunları uyguladığını inceliyoruz.
Bilgi kartlarınızın arkasındaki algoritma neden önemli
Aralıklı tekrar, bir bilgi kartını tam unutmanız tahmin edilmeden hemen önce size göstererek çalışır. "Hemen önce" kısmı işin tamamıdır — ve bunu bir algoritma belirler.
Aralıklı tekrarın dijital tarihinin büyük bölümünde bu algoritma, Piotr Wożniak'ın 1987'de yayımladığı bir formül olan SM-2 (SuperMemo 2) idi. Orijinal SuperMemo'yu, 2023 öncesi her Anki kullanıcısını çalıştırdı ve hâlâ RemNote'ta varsayılan planlayıcıdır. SM-2 sahada kanıtlanmıştır — ancak aynı zamanda katıdır: her öğrenci, belirli hafızasının nasıl davrandığına bakılmaksızın aynı planlama eğrilerini alır.
2022'de FSRS (Free Spaced Repetition Scheduler) adlı açık kaynak bir proje bunu değiştirdi. FSRS, gerçek tekrar geçmişinize istatistiksel bir model uydurur ve her kartı tahmini hatırlama olasılığına göre planlar. 500 milyondan fazla Anki tekrarı üzerindeki karşılaştırma testleri, aynı hatırlama oranı için FSRS'nin SM-2'den %20-30 daha az tekrar gerektirdiğini gösteriyor. Anki, FSRS'yi 23.10 sürümünde (Kasım 2023) varsayılan olarak benimsedi.
Bu rehber, FSRS, SM-2 ve klasik Leitner kutu sisteminin nasıl çalıştığını ve her birini hangi bilgi kartı uygulamalarının uyguladığını açıklar. 2026'da bir çalışma aracı seçiyorsanız, algoritma en büyük farklılaştırıcıdır.
FSRS — Free Spaced Repetition Scheduler
FSRS, 2022'den bu yana Jarrett Ye ve open-spaced-repetition topluluğu tarafından geliştirilen modern, açık kaynaklı bir planlama algoritmasıdır. Hafızayı, her bireysel öğrenciye uyum sağlayan istatistiksel bir model olarak ele alarak SM-2'yi doğruluk ve verimlilikte geçmek üzere tasarlandı. Anki, RemNote ve StudyGlen bugün hepsi bunu uyguluyor.
FSRS nasıl çalışır — DSR hafıza modeli
FSRS, tek bir bilgi kartının hafızasını her tekrardan sonra güncellenen üç değer kullanarak modeller:
- Zorluk (D): Belirli bir kartın sizin için ne kadar zor olduğu. 1-10 arası değişir. Yeniden, Zor, İyi veya Kolay basıp basmadığınıza göre kalibre edilir.
- Kararlılık (S): Bu kartı hatırlama olasılığınızın hatırlama hedefinize (varsayılan %90) düşmesi için kaç gün gerektiğidir. Doğru tekrarlardan sonra artar, başarısızlıklardan sonra sıfırlanır.
- Geri Çağırılabilirlik (R): Şu anda bu kartı hatırlama konusundaki tahmini olasılığınız — D, S ve son tekrarınızdan bu yana geçen günlerin bir fonksiyonu.
Bu üç değerle FSRS her kart için tek bir soruyu yanıtlar: hatırlama hedefiniz göz önünde bulundurulduğunda, bu tekrarı hâlâ hatırlamanızı bekleyebileceğim en geç zamanı ne zaman planlamalıyım?
FSRS'yi SM-2'den ayıran nedir
SM-2 sabit çarpanlar kullanır — herkes kutudan çıktığı gibi aynı aralık büyüme eğrilerini alır. FSRS, genellikle ~1.000 tekrardan sonra gradient descent kullanarak kişisel parametrelerinizi gerçek tekrar geçmişinize uydurur. Eğitildikten sonra hangi kart türlerini daha zor bulduğunuzu, ne kadar hızlı unuttuğunuzu ve başarısızlıkların uzun vadeli kararlılığı nasıl etkilediğini hesaba katar.
Ayrıca bir "Hedef Hatırlama" değeri belirlersiniz — genellikle 0,80 ile 0,97 arasında, çoğu kullanıcı 0,85-0,90 civarında kalır. Daha yüksek hatırlama daha fazla tekrar anlamına gelir; daha düşük ise daha az. SM-2'nin böyle bir kontrolü yoktur.
FSRS kullanan bilgi kartı uygulamaları
- Anki: Masaüstü, AnkiDroid ve AnkiMobile'da v23.10'dan (Kasım 2023) bu yana varsayılan planlayıcı. SM-2 yedek olarak mevcut kalır.
- RemNote: SM-2 ile birlikte isteğe bağlı bir planlayıcı olarak kullanılabilir.
- StudyGlen: Yapay zeka tarafından oluşturulan tüm bilgi kartı desteleri için varsayılan algoritma — manuel yapılandırma gerekmez.
FSRS'nin açıkça kazandığı durumlar
Büyük desteler (2.000+ kart), uzun vadeli hatırlama hedefleri ve karma zorluk (bazı kartlar kolay, bazıları zor). Ne kadar çok tekrar verisi biriktirirseniz, FSRS o kadar SM-2'den üstün olur.
FSRS'nin önemli olmadığı durumlar
~1.000 tekrarın altında, FSRS henüz anlamlı bir kişisel model uyduramaz — varsayılan parametrelere geri döner ve SM-2'ye benzer şekilde performans gösterir. Rahat çalışma veya kısa vadeli sınav hazırlığı için algoritma seçimi büyük ölçüde kozmetiktir.
SM-2 — Anki'nin klasik algoritması
SM-2, Piotr Wożniak tarafından 1987'de SuperMemo'nun — ilk ticari aralıklı tekrar uygulamasının — parçası olarak yayımlandı. 2006 lansmanından 2023 sonuna kadar Anki'nin varsayılan planlayıcısını çalıştırdı ve hâlâ RemNote'ta varsayılandır. Kırk yıllık gerçek dünya kullanımı, onu diğer tüm SRS algoritmalarının karşılaştırıldığı temel haline getirdi.
SM-2 nasıl çalışır
SM-2, her kart için iki sayı izler:
- Kolaylık faktörü (EF): 2,5'e ayarlanmış, aralıkların ne kadar hızlı büyüdüğünü kontrol eden bir çarpan.
- Aralık: Tekrarlar arasındaki günler.
Her tekrardan sonra:
- Kartta başarısız olduysanız, aralığı 1 güne sıfırlayın ve EF'yi tutun.
- Geçtiyseniz, mevcut aralığı EF ile çarpın (Kolay için EF'yi biraz artırın, Zor için azaltın).
Tipik bir SM-2 kart dizisi şöyle olabilir: 1 gün → geç → 6 gün → geç → 15 gün → geç → 37 gün → geç → 92 gün...
Güçlü yönleri
SM-2 basit, şeffaftır ve eğitim verisine ihtiyaç duymaz. İlk tekrardan itibaren çalışır. Davranışı elle tahmin edilebilir — bir kartın EF ve aralığına bakıp neden o şekilde planlandığını tam olarak açıklayabilirsiniz. 35+ yıllık gerçek dünya kullanımı, onu herhangi bir SRS için en güvenli varsayılan haline getirdi.
Sınırlamalar
SM-2'nin çarpanları evrenseldir — algoritma bireysel öğrencilere uyum sağlamaz. Coğrafya bilgileri için hafızanız denklemlerden daha hızlı bozuluyorsa, SM-2 onları aynı şekilde ele alır. Ayrıca açık bir hatırlama hedefi yoktur: çarpanların ürettiği örtük ~%85 yerine %95 hatırlama isteyemezsiniz.
SM-2 kullanan uygulamalar
- Anki: Yedek planlayıcı olarak mevcuttur. v23.10 FSRS'ye geçene kadar varsayılandı.
- RemNote: Varsayılan planlayıcı.
- SuperMemo: Piotr Wożniak'ın orijinal uygulaması. Hâlâ aktif olarak geliştiriliyor — modern SuperMemo, SM-2'nin bir torunu olan SM-18'i kullanıyor.
Leitner sistemi — kağıt üzerinde aralıklı tekrar
Alman bilim gazetecisi Sebastian Leitner tarafından 1972'de icat edilen Leitner sistemi, her dijital SRS algoritmasından öncedir. Fiziksel kart yöntemidir ve tüm kategoriye ilham verdi — bazı uygulamalar (Quizlet'in Öğren modu dahil) hâlâ bunun basitleştirilmiş bir sürümünü kullandığı için anlamaya değer.
Leitner nasıl çalışır
Numaralandırılmış bir dizi kutunuz vardır (klasik olarak 5). Tüm yeni kartlar Kutu 1'de başlar.
- • Doğru cevap — kartı bir üst kutuya taşıyın.
- • Yanlış cevap — kartı Kutu 1'e geri gönderin.
Her kutunun kendi tekrar sıklığı vardır: Kutu 1 her gün, Kutu 2 iki günde bir, Kutu 3 dört günde bir vb. Sürekli hatırladığınız kartlar üst kutulara doğru kayar; unuttuğunuz kartlar sık tekrara geri çekilir.
Güçlü yönleri ve sınırları
Leitner, mümkün olan en basit SRS'dir — sıfır matematiğe ihtiyaç duyar ve kağıt kartlar ve bir ayakkabı kutusuyla çalışır. Planlaması SM-2 veya FSRS'den çok daha kabadır ve aralıklar bireysel hafızaya veya kart zorluğuna uyum sağlamaz. Kısa vadeli öğrenme veya dijital araçları reddeden çalışma ortamları için hâlâ uygundur. Çoğu modern kullanım durumu için, SM-2 çalıştıran herhangi bir dijital SRS — ve özellikle FSRS — tekrarları daha verimli planlayacaktır.
FSRS vs SM-2: hangi algoritma daha iyi performans gösteriyor?
Anki ekibi, FSRS'yi SM-2'ye karşı karşılaştırmak için 500 milyondan fazla tekrar kaydı üzerinde karşılaştırma testleri yaptı. Başlık sonuç: aynı hatırlama oranı için FSRS yaklaşık %20-30 daha az tekrar gerektirir. Günlük tekrarları olan 2.000 kartlık bir destede bu, haftalar arası saatler tasarrufu anlamına gelir.
FSRS'nin açıkça kazandığı yerler
- Uzun vadeli hatırlama (30+ gün aralıklar): FSRS'nin uyarlanabilir kararlılık takibi, uzun aralıkları SM-2'nin sabit çarpanlarından daha doğru planlar.
- Karma zorluklu desteler: FSRS kart başına zorluk öğrenir; SM-2'nin evrensel çarpanları kolay kartları fazla planlar ve zor kartları yetersiz planlar.
- 1.000+ tekrarı olan kullanıcılar: FSRS kişiselleştirmek için eğitim verisine ihtiyaç duyar. Bir kez elde ettiğinde, SM-2 üzerindeki fark her ek tekrarla genişler.
SM-2'nin hâlâ tutunduğu yerler
- Küçük desteler (500 kartın altında): FSRS henüz kişisel bir model uyduramaz; SM-2'nin varsayılanları rekabetçidir.
- Yepyeni öğrenciler: SM-2 ilk günden sıfır kurulumla çalışır. Varsayılan parametrelerle FSRS de uygundur, ancak anlamlı avantaj yalnızca veri biriktirdikten sonra ortaya çıkar.
- Yorumlanabilirlik: SM-2'nin planlaması (EF, aralık) üzerinden tahmin edilebilirdir. FSRS'nin uydurulmuş modeli fiilen küçük bir sinir ağıdır — elle akıl yürütmesi daha zordur.
Bilgi kartı uygulamanız FSRS sunuyorsa, etkinleştirin. Çoğu kullanıcı için %20-30'luk tekrar azalması, mevcut en büyük ergonomik kazançtır — Anki ekibinin v23.10'da varsayılan hale getirmesinin nedeni budur. SM-2 ile kalmanın tek nedenleri çok küçük bir deste, ince bir tekrar geçmişi veya yeniden optimize etmek istemediğiniz bir deste ortası geçiştir.
Hangi algoritmayı kullanmalısınız?
Hızlı bir karar çerçevesi:
- 1.
Büyük deste (1.000+ kart) ve uzun vadeli hatırlama hedefi → FSRS. Anki, RemNote veya StudyGlen hepsi bunu uyguluyor.
- 2.
Küçük deste ve kısa vadeli çalışma (tek bir sınav, bir dil rehberi) → herhangi bir algoritma işe yarar, düz Leitner dahil. Üzerine fazla düşünmeyin.
- 3.
Sıfır kurulum artı yapay zeka tarafından oluşturulmuş kartlar istiyorsanız → StudyGlen (varsayılan olarak FSRS, yapay zeka PDF'lerden, notlardan veya görsellerden kart oluşturur).
- 4.
Maksimum kontrol artı topluluk destelerine erişim istiyorsanız → Anki (v23.10'dan beri varsayılan FSRS, SM-2 yedek olarak mevcut).
- 5.
Uzun biçimli notlar alıyorsanız ve yerleşik bilgi kartları istiyorsanız → RemNote (varsayılan SM-2, FSRS mevcut).
- 6.
Basit güven temelli tekrarla uzman küratörlüğünde bilgi kartı setleri istiyorsanız → Brainscape (FSRS olmayan tescilli bir planlayıcı olan CBR'yi kullanır).
- 7.
Mevcut en büyük bilgi kartı kütüphanesine ihtiyacınız varsa ve gerçek SRS'ye ihtiyacınız yoksa → Quizlet (Leitner tarzı, gerçek SRS değil).
2026'daki çoğu öğrenci için FSRS destekli bir uygulama doğru varsayılandır. Algoritma, bir nedenle SM-2'yi son teknoloji olarak değiştirdi — ve onu eğitmek için altyapı artık her büyük bilgi kartı aracına yerleşiktir.
Bu algoritmaları uygulayan uygulamalar
Aralıklı tekrar için en yaygın kullanılan beş bilgi kartı uygulaması, arka planda çalıştırdıkları algoritmaya göre gruplandırılmıştır. Aşağıdaki kararlar ve artılar/eksiler karşılaştırmanıza yardımcı olur — ancak hâlâ algoritmalar arasında karar veriyorsanız, Hangi algoritmayı kullanmalısınız bölümüne geri dönün.
Pros
- FSRS algoritması, optimal tekrar zamanlaması için kişisel hafıza kalıplarınıza uyum sağlar
- Yapay zeka, PDF, metin ve görsel girişinden bilgi kartları oluşturur (manuel kart oluşturma gerekmez)
- Hedef hatırlama oranınızı belirleyin, FSRS tekrarları matematiksel olarak planlar
- Ayrıca quizler, eğitim çizgi romanları ve canlı quiz oturumları oluşturur
- Otomatik algılamayla 37 dil
- Kredi tabanlı fiyatlandırmayla ücretsiz katman mevcut (abonelik yok)
- Görsel hafıza desteği için bilgi kartlarında yapay zeka tarafından oluşturulmuş eğitim görselleri
Cons
- Daha yeni platform, büyüyen topluluk
- Henüz mobil uygulama yok (duyarlı web tabanlı)
- Hazır paylaşımlı deste kütüphanesi yok
Pros
- Ücretsiz ve açık kaynak (masaüstü ve Android)
- Hem FSRS hem SM-2 algoritmalarını destekler (yeni kullanıcılar için varsayılan FSRS)
- Yüksek düzeyde özelleştirilebilir kart şablonları, not türleri ve planlama parametreleri
- Binlerce paylaşımlı desteyle devasa topluluk (tıp için AnKing vb.)
- Tüm platformlarda tamamen çevrimdışı çalışır
- Güçlü eklenti ekosistemi işlevselliği genişletir
Cons
- Dik öğrenme eğrisi — yeni başlayanlar için korkutucu
- Yerleşik yapay zeka kart oluşturma yok (manuel oluşturma veya eklentiler gerektirir)
- iOS uygulaması 24,99$ (tek seferlik)
- Eski arayüz tasarımı
Pros
- Güven Temelli Tekrar (CBR), tekrar sıklığını kendi derecelendirdiğiniz güvene (1-5 ölçeği) göre uyarlar
- Sertifikalı, uzman yapımı bilgi kartı sınıflarının geniş pazaryeri
- Cilalanmış yerel mobil uygulamalar (iOS ve Android)
- Detaylı ilerleme takibi ve analitik panosu
- Yerleşik öğretmen ve sınıf araçları
Cons
- Yüklenen içerikten yapay zeka kart oluşturma yok
- CBR tescilli — FSRS'den daha az şeffaf ve araştırma destekli
- Tam kütüphane erişimi için Pro aboneliği gerekli (9,99$/ay)
- Anki'ye kıyasla sınırlı kart özelleştirmesi
Pros
- SM-2 aralıklı tekrar doğrudan not alma iş akışına entegre
- Yapay zeka notlarınızdan otomatik olarak bilgi kartları oluşturur
- Çift yönlü bağlantılar, bağlantılı kavramların bilgi grafiğini oluşturur
- Çalışma materyalleri için PDF açıklaması ve içe aktarma
- Not alma, bilgi kartları ve tekrarı tek çalışma alanında birleştirir
Cons
- SM-2 algoritması FSRS'den daha az verimli (aynı hatırlama için ~%20-30 daha fazla tekrar gerektirir)
- Basit bir bilgi kartı uygulamasından daha dik öğrenme eğrisi
- Ücretsiz katmanda yapay zeka özellikleri ve depolama sınırlı
- Anki'den daha küçük topluluk ve daha az hazır deste
Pros
- 800 milyondan fazla kullanıcı tarafından oluşturulmuş bilgi kartı setinin devasa kütüphanesi
- Magic Notes yapay zekası notları bilgi kartlarına dönüştürür
- Çevrimdışı erişimli cilalanmış mobil uygulamalar
- Birden fazla çalışma modu (Öğren, Test, Eşleştirme oyunu)
- Kolay başlangıçlı tanıdık arayüz
Cons
- Gerçek aralıklı tekrar algoritması yok — temel Leitner tarzı kutu sistemi kullanır
- Yapay zeka özellikleri Quizlet Plus aboneliği gerektirir (7,99$/ay)
- Reklam yoğun ücretsiz katman
- Uzun vadeli hatırlama değil, kısa vadeli sınav çalışması için optimize edilmiş
- Görsel OCR girişi yok
Özellik Karşılaştırma Tablosu
| Özellik | StudyGlen | Anki | Brainscape | RemNote | Quizlet |
|---|---|---|---|---|---|
| Aralıklı Tekrar Algoritması | FSRS | FSRS/SM-2 | CBR | SM-2 | Temel |
| Yapay Zeka Kart Oluşturma | Evet | Eklentiler | Hayır | Evet | Evet |
| PDF Yükleme | Evet | Eklentiler | Hayır | Evet | Hayır |
| Kart Türleri | Temel, Boşluk Doldurma, Görsel | Temel, Boşluk Doldurma, Özel | Sadece Temel | Temel, Boşluk Doldurma | Temel, Diyagram |
| Tekrar Analitiği | Evet | Evet | Evet | Sınırlı | Sınırlı |
| Ücretsiz Katman | Ücretsiz | Ücretsiz | Sınırlı | Sınırlı | Reklamlı |
| Mobil Uygulama | Hayır | Evet | Evet | Evet | Evet |
Uygulamada Görün
StudyGlen'in herhangi bir ders materyalinden saniyeler içinde nasıl bilgi kartları oluşturduğunu izleyin.
Sık Sorulan Sorular
FSRS, Free Spaced Repetition Scheduler anlamına gelir. 2022'den bu yana Jarrett Ye ve open-spaced-repetition topluluğu tarafından geliştirilen açık kaynaklı bir aralıklı tekrar algoritmasıdır. Anki, onu 23.10 sürümünde (Kasım 2023) SM-2'nin yerine varsayılan planlayıcı olarak benimsedi.
FSRS, her bilgi kartının hafızasını üç değer kullanarak modeller: Zorluk (kartın sizin için ne kadar zor olduğu), Kararlılık (geri çağırma olasılığınızın hatırlama hedefinize düşmesi için kaç gün gerektiği) ve Geri Çağırılabilirlik (kartı hatırlama konusundaki mevcut tahmini olasılığınız). Her tekrardan sonra FSRS bu değerleri günceller ve hedef hatırlama oranınıza ulaşmak için bir sonraki tekrarı optimal anda planlar. Yaklaşık 1.000 tekrardan sonra, gradient descent kullanarak belirli hafıza kalıplarınıza kişiselleştirilmiş parametreler uydurabilir.
Piotr Wożniak tarafından 1987'de yayımlanan SM-2, her tekrarı nasıl derecelendirdiğinize göre aralıkları büyütmek için sabit çarpanlar kullanır. 2022'de yayımlanan FSRS, tekrar geçmişinize bir istatistiksel model uydurur ve her kartı tahmini hatırlama olasılığına göre planlar. 500+ milyon Anki tekrarı üzerindeki karşılaştırma testleri, FSRS'nin aynı hatırlama oranı için SM-2'den yaklaşık %20-30 daha az tekrar gerektirdiğini gösteriyor, çünkü bireysel öğrencilere ve kart düzeyindeki zorluğa uyum sağlar. SM-2 daha basittir ve eğitim verisine ihtiyaç duymaz; FSRS, kişiselleştirmek için yeterli tekrar geçmişine sahip olduğunda daha doğrudur.
Hemen hemen her modern dijital kullanım durumu için evet. Leitner kutu sistemi (1972), bireysel hafızaya veya kart düzeyindeki zorluğa uyum sağlamayan sabit kutu arası aralıklar kullanır (örneğin 1 gün, 2 gün, 4 gün). FSRS, tekrar geçmişinize dayalı olarak aralık uzunluğunu dinamik olarak hesaplar ve seçtiğiniz bir hatırlama oranını açıkça hedefler. Leitner, kağıt bilgi kartları veya en basit uygulamalar için hâlâ iyidir, ancak FSRS — hatta SM-2 — çalıştıran herhangi bir SRS, tekrarları daha verimli planlayacaktır.
Anki bakımcılarına göre, desteniz 1.000+ tekrara sahip olduğunda yılda 3-4 kez yeniden optimizasyon yeterlidir. Daha sık yeniden optimizasyon (örneğin haftalık) ihmal edilebilir iyileştirmeler sağlar ve zaman kaybıdır. İyi bir tetikleyici, toplam incelenmiş kartlarınızın yaklaşık iki katına çıkmasıdır.
Anki (v23.10'dan beri varsayılan), RemNote (SM-2'ye alternatif olarak) ve StudyGlen (yapay zeka tarafından oluşturulan bilgi kartları için varsayılan) hepsi FSRS'yi yerel olarak destekler. Algoritmanın kendisi açık kaynaktır — MIT-licensed Python ve Rust uygulamaları GitHub'daki open-spaced-repetition organizasyonunda yaşar — bu nedenle zamanla daha fazla uygulamanın bunu benimsemesini bekleyin.
FSRS, kişiselleştirilmiş bir model uydurmak için tekrar verisine ihtiyaç duyar. Yaklaşık 1.000 tekrarın altında varsayılan parametrelere geri döner ve SM-2'ye benzer şekilde davranır, bu nedenle henüz %20-30'luk tekrar azalmasını görmezsiniz. Ancak FSRS'yi erken etkinleştirmenin bir dezavantajı yoktur: Anki artık bunu otomatik olarak yapıyor ve kişiselleştirilmiş doğruluk kazanımları, yeterli tekrar geçmişi biriktirdiğiniz anda ortaya çıkmaya başlıyor.
Hedef uygulamaya bağlı. StudyGlen, .apkg ve .colpkg yüklemelerini doğrudan kabul eder ve isteğe bağlı olarak Anki SM-2 planlama durumunuzu — aralıklar, kolaylık, tekrar sayısı — FSRS'ye dönüştürebilir; böylece öğrendiğiniz kartlar sıfır gününe dönmez. Diğer araçların çoğu ya .apkg'yi hiç kabul etmez ya da içe aktarılan kartları sıfırdan başlatarak inceleme geçmişinizi yitirir. Yıllarca biriktirdiğiniz Anki planlamasını korumak sizin için önemliyse, taşınmadan önce hedef uygulamanın SM-2 → FSRS dönüşümünü açıkça destekleyip desteklemediğini kontrol edin. StudyGlen'in ücretsiz katmanında günde 5 içe aktarma; kredi paketleri sınırsız erişim sağlar.
1 Numaralı Aralıklı Tekrar Uygulamasını Ücretsiz Deneyin
PDF yükleyin, notlarınızı yapıştırın veya görsel tarayın — FSRS aralıklı tekrar planlamasıyla saniyeler içinde yapay zeka bilgi kartları alın
Ücretsiz Aralıklı Tekrara Başla