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, yeni bilgilerin çoğunu bir gün içinde unuttuğumuzu buldu — doğru aralıklarla tekrar etmediğimiz sürece. Aralıklı tekrar, kanıtı en güçlü iki çalışma yönteminden biridir ve algoritma önemlidir: FSRS'nin geliştiricileri, aynı hatırlama düzeyi için SM-2'ye göre %20-30 daha az tekrar gerektiğini tahmin ediyor. Her algoritmanın nasıl çalıştığını ve hangi flashcard uygulamalarının bunları uyguladığını inceliyoruz.
Kartların sizin için hazırlanmasını istiyorsanız en iyi aralıklı tekrar uygulaması StudyGlen'dir: PDF'lerden, notlardan ve YouTube videolarından desteler oluşturur ve her tekrarı varsayılan olarak FSRS ile planlar; web'de, iPhone'da ve Android'de. Kendi kartlarınızı yazıyor ve tam kontrol istiyorsanız en iyi ücretsiz seçim Anki'dir — orada FSRS bir seçenektir. RemNote, kartları notlarının içinde tutan öğrencilere uygundur.
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 çalıştırdı, hâlâ Anki'nin varsayılan planlayıcısıdır ve RemNote'ta da varsayılandır. 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. open-spaced-repetition karşılaştırma testi (10.000 Anki kullanıcısına ait yaklaşık 727 milyon tekrar), FSRS'nin hatırlamayı SM-2'den daha doğru tahmin ettiğini gösteriyor; geliştiricileri aynı hatırlama oranı için %20-30 daha az tekrar olacağını tahmin ediyor. Anki, FSRS'yi 23.10 sürümünde (Ekim 2023) isteğe bağlı bir planlayıcı olarak ekledi; siz FSRS'yi açana kadar varsayılan SM-2 kalır.
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. Tekrar, 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: v23.10'dan (Ekim 2023) beri SM-2'ye isteğe bağlı bir alternatif olarak yerleşiktir; AnkiMobile 23.10+, AnkiDroid 2.17+ ve AnkiWeb tarafından desteklenir.
- RemNote: Varsayılan olan SM-2'nin yanında isteğe bağlı bir planlayıcı (beta) 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 beri Anki'nin varsayılan planlayıcısını çalıştırıyor (FSRS, 2023 sonunda isteğe bağlı bir alternatif oldu) ve RemNote'ta da 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 → 41 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: Varsayılan planlayıcı. FSRS, v23.10'dan beri isteğe bağlı bir alternatiftir.
- 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 hâlâ onun üzerine kurulu olduğu için anlamaya değer; örneğin Brainscape, Güven Tabanlı Tekrar yönteminin kökünün Leitner yöntemine dayandığını söylüyor.
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?
open-spaced-repetition projesi, FSRS'yi SM-2'ye karşı 10.000 Anki kullanıcısına ait yaklaşık 727 milyon tekrar üzerinde karşılaştırdı. Başlık sonuç: FSRS hatırlamayı daha doğru tahmin ediyor. Geliştiricileri bunun, aynı hatırlama oranı için yaklaşık %20-30 daha az tekrar anlamına geldiğini tahmin ediyor — günlük tekrarları olan 2.000 kartlık bir destede bu, haftada saatlerce tasarruf edilmesi demek olabilir.
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, geçmişinize yaklaşık 20 parametre uydurur — elle akıl yürütmesi daha zordur.
Bilgi kartı uygulamanız FSRS sunuyorsa, etkinleştirin. Çoğu kullanıcı için tahmini %20-30'luk tekrar azalması, mevcut en büyük ergonomik kazançtır — Anki'nin onu v23.10 ile yerleşik 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 (varsayılan olarak SM-2, FSRS v23.10'dan beri yerleşik).
- 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 yayımlanmış bir algoritma olmadan idare edebiliyorsanız → Quizlet (Flashcards modunda aralıklı tekrar).
2026'daki çoğu öğrenci için FSRS destekli bir uygulama doğru varsayılandır. Algoritma, bir nedenle SM-2'yi son teknoloji olarak değiştirdi — ve Anki, RemNote ile StudyGlen artık onu yerleşik olarak sunuyor.
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.
Artılar
- 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)
- Son tarih belirleyin; StudyGlen yeni kartları buna göre dağıtır, böylece deste o gün taze olur, her tekrarı ise FSRS planlar
- Ayrıca quizler, eğitim çizgi romanları ve canlı quiz oturumları oluşturur
- Otomatik algılamayla 41 dil
- Kredi tabanlı fiyatlandırmayla ücretsiz katman mevcut (bir kez ödeyin, krediler asla sona ermez)
- Görsel hafıza desteği için bilgi kartlarında yapay zeka tarafından oluşturulmuş eğitim görselleri
- Bilgi kartları için ücretsiz iPhone ve Android uygulamaları — cömert ücretsiz katman: sınırsız tekrar ve her gün ücretsiz bir AI destesi
Eksiler
- Daha yeni platform, büyüyen topluluk
- Ekstra AI oluşturma ve kart görselleri kredi kullanır
- Hazır paylaşımlı deste kütüphanesi yok
Artılar
- Ücretsiz ve açık kaynak (masaüstü ve Android)
- Hem FSRS hem SM-2 algoritmalarını destekler (FSRS isteğe bağlıdır)
- 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
Eksiler
- Dik öğrenme eğrisi — yeni başlayanlar için
- Yerleşik yapay zeka kart oluşturma yok (manuel oluşturma veya eklentiler gerektirir)
- iOS uygulaması 24,99$ (tek seferlik)
- Masaüstü tarzı arayüz
Artılar
- 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
Eksiler
- AI üretimi için PDF'nin tamamını yükleme yok (metni yapıştırın)
- CBR tescillidir; planlaması FSRS gibi yayımlanmış değildir
- Sınırsız kütüphane erişimi için Pro gerekli (yıllık faturalandırmada aylık 7,99$'dan başlar)
- Anki'ye kıyasla sınırlı kart özelleştirmesi
Artılar
- SM-2 veya FSRS aralıklı tekrar doğrudan not alma iş akışına entegre
- Yapay zeka notlarınızdan otomatik olarak bilgi kartları oluşturur
- Çift yönlü bağlantılar, bağlantılı kavramların bilgi grafiğini oluşturur
- Çalışma materyalleri için PDF açıklaması ve içe aktarma
- Not alma, bilgi kartları ve tekrarı tek çalışma alanında birleştirir
Eksiler
- Varsayılan SM-2'dir; FSRS isteğe bağlı bir betadır
- Basit bir bilgi kartı uygulamasından daha dik öğrenme eğrisi
- Ücretsiz katman yapay zeka kredilerini, açıklamalı PDF'leri ve görsel maskelemeyi sınırlar
- Anki'den daha küçük topluluk ve daha az hazır deste
Artılar
- Kullanıcılar tarafından oluşturulmuş bilgi kartı setlerinden oluşan devasa kütüphane
- Yapay zeka çalışma kılavuzları notlarınızı bilgi kartı setlerine dönüştürür
- Cilalanmış mobil uygulamalar (çevrimdışı indirmeler Quizlet Plus ile)
- Birden fazla çalışma modu (Öğren, Test, Eşleştirme oyunu)
- Kolay başlangıçlı tanıdık arayüz
Eksiler
- Aralıklı tekrar planlayıcısı yayımlanmamış (dört puanlama düğmesi)
- Tam AI erişimi için Quizlet Plus gerekir (App Store'da 9,99$/ay)
- Reklam destekli ücretsiz katman
- Anki destesi içe aktarma veya dışa aktarma yok
- Kendi görsellerinizi yüklemek için Quizlet Plus gerekir
Özellik Karşılaştırma Tablosu
| Özellik | StudyGlen | Anki | Brainscape | RemNote | Quizlet |
|---|---|---|---|---|---|
| Aralıklı Tekrar Algoritması | FSRS | FSRS/SM-2 | CBR | SM-2/FSRS | Evet (yayımlanmamış) |
| Yapay Zeka Kart Oluşturma | Evet | Eklentiler | Evet | Evet | Evet |
| PDF Yükleme | Evet | Eklentiler | Metni yapıştır | Evet | Evet |
| 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 | iOS + Android | Evet | Evet | Evet | Evet |
Uygulamada Görün
StudyGlen'in herhangi bir ders materyalinden saniyeler içinde nasıl bilgi kartları oluşturduğunu izleyin.
Sık Sorulan Sorular
FSRS ne anlama gelir?
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 (Ekim 2023) isteğe bağlı bir planlayıcı olarak ekledi.
FSRS nasıl çalışır?
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.
FSRS ile SM-2 arasındaki fark nedir?
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. open-spaced-repetition'ın yaklaşık 727 milyon Anki tekrarı üzerindeki karşılaştırma testi, FSRS'nin hatırlamayı SM-2'den daha doğru tahmin ettiğini gösteriyor, çünkü bireysel öğrencilere ve kart düzeyindeki zorluğa uyum sağlar; geliştiricileri aynı hatırlama oranı için yaklaşık %20-30 daha az tekrar olacağını tahmin ediyor. SM-2 daha basittir ve eğitim verisine ihtiyaç duymaz; FSRS, kişiselleştirmek için yeterli tekrar geçmişine sahip olduğunda daha doğrudur.
FSRS, Leitner sisteminden daha mı iyi?
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'de FSRS parametrelerini ne sıklıkla yeniden optimize etmeliyim?
Anki kılavuzuna göre ayda bir kez optimize etmek yeterlidir. Çok daha sık, örneğin her gün optimize etmenin sağladığı ek fayda azdır. Düzensiz çalışıyorsanız iyi bir tetikleyici, toplam incelenmiş kartlarınızın yaklaşık iki katına çıkmasıdır.
Hangi bilgi kartı uygulamaları FSRS'yi destekliyor?
Anki (v23.10'dan beri isteğe bağlı), RemNote (SM-2'nin yanında isteğe bağlı bir beta) ve StudyGlen (her deste için planlayıcı) 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.
Anki destemde 1.000'den az kart varsa FSRS'yi etkinleştirmeli miyim?
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 tahmini %20-30'luk tekrar azalmasını henüz görmezsiniz. Ancak FSRS'yi erken etkinleştirmenin dezavantajı azdır: Anki'nin deste seçeneklerinden açarsınız ve kişiselleştirilmiş doğruluk kazanımları, yeterli tekrar geçmişi biriktirdiğiniz anda ortaya çıkmaya başlar.
Anki destemi yeni bir aralıklı tekrar uygulamasına taşıyıp planlamayı koruyabilir miyim?
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; RemNote bunun bir istisnasıdır ve .apkg destelerini tekrar geçmişiyle birlikte içe aktarır. Yıllarca biriktirdiğiniz Anki planlamasını korumak sizin için önemliyse, taşınmadan önce hedef uygulamanın SM-2 → FSRS dönüşümünü açıkça destekleyip desteklemediğini kontrol edin. StudyGlen'e içe aktarma, hesabınız varsa ücretsizdir; günde 20 desteye kadar aktarabilirsiniz.
Kullanımı daha kolay en iyi Anki alternatifi hangisi?
Anki'nin planlamasını seviyor ama kurulumunu sevmiyorsanız, StudyGlen varsayılan olarak aynı FSRS algoritmasını kullanır, kartları sizin için bir PDF'ten, notlardan veya YouTube videosundan hazırlar ve .apkg destelerinizi tekrar geçmişi FSRS'ye dönüştürülmüş hâlde içe aktarır. Brainscape ve RemNote ile başlamak da Anki'den daha kolaydır ve ikisi de yapay zeka ile kart yazabilir — Brainscape yapıştırdığınız metinden, RemNote ise içinde tuttuğunuz notlardan.
FSRS planlamasını cebinizde mi istiyorsunuz?
StudyGlen mobil uygulaması iPhone ve Android'de aynı FSRS zamanlayıcısını çalıştırır, tekrarlar çevrimdışı da çalışır.
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 BaşlaBu araçları deneyin
PDF'den Bilgi Kartları
PDF belgelerinizi yükleyin ve yapay zekanın FSRS aralıklı tekrarlı akıllı bilgi kartı desteleri oluşturmasını sağlayın. Ders notları, ders kitapları ve çalışma materyalleri için mükemmel.
Aracı açMetinden Bilgi Kartları
Çalışma notlarınızı, ders kitabı içeriğinizi veya herhangi bir metni yapıştırın. Yapay zeka saniyeler içinde FSRS aralıklı tekrarlı optimize edilmiş bilgi kartı desteleri oluşturur.
Aracı açYouTube'dan Bilgi Kartları
YouTube video URL'sini yapıştırın ve AI'nın transkriptten anahtar kavramları çıkararak optimal akılda kalıcılık için FSRS aralıklı tekrar ile akıllı bilgi kartları oluşturmasına izin verin.
Aracı aç