A curva do esquecimento: por que você esquece o que estudou (e como a revisão espaçada vira o jogo)
Você estuda um tema com atenção, entende tudo, fecha o caderno satisfeito. Três dias depois, na hora de resolver questões, metade parece ter evaporado. Isso não é falta de inteligência. É o funcionamento normal da memória, e ele foi medido pela primeira vez há quase 140 anos.
O experimento que mediu o esquecimento
Em 1885, o psicólogo alemão Hermann Ebbinghaus fez algo inédito: usou a si mesmo como cobaia para medir quanto da memória se perde com o tempo. Ele decorava listas de sílabas sem sentido e, depois de intervalos que iam de minutos a um mês, media quanto tempo economizava para reaprender a mesma lista. O resultado virou a famosa curva do esquecimento: a perda é muito rápida nas primeiras horas e dias e depois desacelera.
Poderia ser só uma curiosidade histórica, mas em 2015 os pesquisadores Jaap Murre e Joeri Dros, da Universidade de Amsterdã, repetiram o experimento com o mesmo método. Um participante passou 70 horas decorando e reaprendendo listas após 20 minutos, 1 hora, 9 horas, 1 dia, 2 dias e 31 dias. A curva obtida foi muito parecida com a original. E veio um detalhe curioso: um pequeno “salto para cima” no ponto de 24 horas, que os autores relacionam ao efeito do sono na consolidação da memória 1.
Espaçar é melhor do que concentrar
Se o esquecimento é inevitável, a estratégia é reativar a memória antes que ela se perca por completo. É o chamado efeito de espaçamento: distribuir as revisões ao longo do tempo rende muito mais do que estudar tudo de uma vez, na véspera.
Em 2006, Nicholas Cepeda e colegas reuniram centenas de experimentos sobre o tema numa meta-análise publicada no Psychological Bulletin. A conclusão foi consistente: a prática distribuída supera a prática concentrada, e o intervalo ideal entre revisões cresce conforme você precisa lembrar por mais tempo 2.
Dois anos depois, o mesmo grupo testou isso em larga escala, com mais de 1.350 pessoas. Elas aprendiam fatos, revisavam depois de intervalos de até 3,5 meses e faziam a prova final até um ano depois. O intervalo ótimo ficou em cerca de 20% do tempo até a prova quando ela era em poucas semanas, caindo para cerca de 5% quando a prova era um ano depois 3. Ou seja: não existe um intervalo mágico fixo. Ele depende de quando você precisa lembrar.
O problema: calcular isso na mão é impossível
Imagine fazer essa conta para 800 cartões, cada um com uma dificuldade diferente, revisado em dias diferentes, com acertos e erros diferentes. É aqui que entra a tecnologia.
O FSRS (Free Spaced Repetition Scheduler) é um algoritmo de agendamento baseado em pesquisas publicadas em conferências e revistas de ciência da computação. Em 2022, Junyao Ye, Jingyong Su e Yilong Cao apresentaram na conferência KDD um modelo que estima a memória de cada item a partir de dados reais de revisões e calcula o melhor momento de revisar 4. Em 2023, o trabalho foi ampliado na revista IEEE Transactions on Knowledge and Data Engineering 5. O FSRS é o algoritmo usado pelo Anki, um dos aplicativos de flashcards mais usados por estudantes de Medicina e concurseiros.
Como o Meu Caderno aplica isso
- Cada cartão tem a própria agenda. O Meu Caderno usa o FSRS para estimar a estabilidade e a dificuldade de cada flashcard e marcar a revisão para pouco antes de você esquecer.
- Você escolhe a retenção. Quer lembrar de 90% do conteúdo na prova? Ajuste a retenção desejada e o algoritmo recalcula os intervalos.
- Os cartões saem do seu resumo. Você não precisa digitar tudo duas vezes: o que você organiza no caderno vira flashcard, então o espaçamento começa no mesmo dia em que você estuda.
- Só aparece o que precisa. Em vez de reler o caderno inteiro, você revisa apenas os cartões que estão “vencendo” hoje.
Comparado a um caderno de papel ou a reler PDFs, a diferença é simples: a ciência diz quando revisar, e o Meu Caderno faz essa conta por você, todos os dias.
Referências
- Murre, J. M. J., & Dros, J. (2015). Replication and analysis of Ebbinghaus’ forgetting curve. PLOS ONE, 10(7), e0120644. doi:10.1371/journal.pone.0120644
- Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380. doi:10.1037/0033-2909.132.3.354
- Cepeda, N. J., Vul, E., Rohrer, D., Wixted, J. T., & Pashler, H. (2008). Spacing effects in learning: A temporal ridgeline of optimal retention. Psychological Science, 19(11), 1095–1102. doi:10.1111/j.1467-9280.2008.02209.x
- Ye, J., Su, J., & Cao, Y. (2022). A stochastic shortest path algorithm for optimizing spaced repetition scheduling. Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, 4381–4390. doi:10.1145/3534678.3539081
- Su, J., Ye, J., Nie, L., Cao, Y., & Chen, Y. (2023). Optimizing spaced repetition schedule by capturing the dynamics of memory. IEEE Transactions on Knowledge and Data Engineering, 35(10), 10085–10097. doi:10.1109/TKDE.2023.3251721
Este artigo tem caráter informativo e resume pesquisas publicadas. Os resultados citados foram obtidos nas condições de cada estudo.