Можно учить иностранные слова без интервальных повторений. Но зачем?

Когда я учился в университете, то активно изучал английские слова. Тогда ещё не использовал какой-то специальный софт для этого. Я просто записывал слова в тетрадь: в первом столбце — слово на английском, во втором — транскрипция, в третьем — перевод на русский.

Затем закрывал английскую часть листа, смотрел на перевод и пытался вспомнить слово.

Сначала этот способ работал. Но когда количество слов и фраз начало приближаться к тысяче, система сломалась. Чтобы пройти всю тетрадь, приходилось выделять почти час. Это быстро стало утомлять, и удовольствие от изучения языка постепенно исчезло.

Главная проблема была очевидна: одни слова я уже знал очень хорошо, а другие постоянно забывал. Но повторять ^[1] всё равно приходилось весь список подряд.

Получалось, что я тратил большую часть времени на уже знакомые слова вместо того, чтобы сосредоточиться на новых и сложных.

Именно эту проблему решают интервальные повторения.

Кривая забывания Эббингауза

Ещё в XIX веке немецкий психолог Герман Эббингауз решил выяснить, как человек забывает ^[2] новую информацию.

Он хотел исследовать память ^[3] в максимально чистом виде, без влияния смысла, личного опыта ^[4] и знакомых ассоциаций. Поэтому вместо настоящих слов использовал бессмысленные слоги вроде “бов”, “гис” и “лоч”. Эббингауз заучивал их, а затем через разные промежутки времени проверял, сколько сможет вспомнить.

Результаты своих исследований он опубликовал в 1885 году. На их основе появился график, который позже стали называть кривой забывания ^[5].

Оказалось, что мы забываем информацию неравномерно. Быстрее всего она исчезает из памяти вскоре после изучения. Затем скорость забывания постепенно снижается.

Это хорошо объясняет знакомую ситуацию: сегодня новое английское слово кажется очевидным, а через несколько дней ты смотришь на него так, будто никогда раньше не видел.

При этом повторение укрепляет воспоминание. Если периодически возвращаться к материалу, он забывается медленнее. А значит, нет необходимости каждый день повторять абсолютно всё. Достаточно возвращаться к информации через постепенно увеличивающиеся промежутки времени.

Знания о кривой забывания легли в основу системы интервальных повторений

Очевидно, что знания о кривой забывания очень легко ложатся на специальный алгоритм, который можно использовать в приложениях для изучения иностранных слов.

Вместо того чтобы каждый раз проходить весь список с самого начала, приложение пытается показать слово примерно тогда, когда оно начинает забываться.

Сложные слова появляются чаще. Хорошо знакомые постепенно откладываются на недели, месяцы, а иногда и годы.

Благодаря этому человек тратит время не на бесконечное повторение уже выученного, а прежде всего на слова, которые рискуют выпасть из памяти.

Один из самых простых примеров такого подхода — система Лейтнера. В ней карточки распределяются по нескольким ящикам.

Если человек отвечает правильно, карточка переходит в следующий ящик и показывается реже. Если ошибается, карточка возвращается назад и снова начинает появляться чаще.

В приложении похожая система может выглядеть так:

• сначала слово повторяется на следующий день;

• затем через два дня;

• потом через четыре;

• через восемь;

• через шестнадцать;

• и так далее.

Чем больше правильных ответов, тем длиннее становится интервал.

Это уже намного эффективнее обычной тетради. Но у такого подхода есть проблема: разные слова могут двигаться по одной и той же схеме, хотя запоминаются они совершенно по-разному.

Например, слово cat один человек запомнит после первого повторения. А какое-нибудь thorough будет забывать снова и снова.

Поэтому более продвинутые алгоритмы учитывают не только правильность ответа, но и историю изучения конкретной карточки.

Как работает FSRS в Anki

Один из современных алгоритмов интервального повторения — FSRS (Free Spaced Repetition Scheduler). Он используется в Anki и пытается предсказать, насколько вероятно, что пользователь вспомнит конкретную карточку в определённый день.

FSRS анализирует историю повторений: когда человек видел карточку, как отвечал и сколько времени прошло с предыдущего занятия.

Упрощённо алгоритм оценивает три характеристики:

• сложность — насколько тяжело пользователю даётся карточка;

• стабильность — насколько прочно информация закрепилась в памяти;

• воспроизводимость — вероятность вспомнить карточку прямо сейчас.

После успешного повторения вероятность вспомнить слово высокая. Со временем она постепенно снижается. Задача алгоритма — выбрать подходящий момент для следующего показа.

В Anki после просмотра ответа пользователь должен сам оценить, насколько хорошо он вспомнил карточку:

• Снова — не вспомнил;

• Трудно — вспомнил с трудом;

• Хорошо — дал нормальный правильный ответ;

• Легко — ответил почти сразу.

После каждого ответа FSRS обновляет свои оценки.

Если пользователь нажимает Снова, карточку нужно показать раньше. После Трудно интервал увеличится незначительно. После Хорошо карточка получит обычный интервал, а после Легко — более длинный.

С точки зрения ^[6] эффективности это разумный подход. Но лично мне не нравится, что часть ответственности за работу алгоритма перекладывается на пользователя.

После каждого ответа приходится дополнительно решать, что именно выбрать: Трудно или Хорошо, Хорошо или Легко.

Вместо того чтобы думать о значении слова, контексте и самом языке, пользователь начинает оценивать собственную память и управлять алгоритмом.

Мне кажется, хорошая система должна работать незаметно для пользователя.

Как, на мой взгляд, должна работать хорошая система

Если память можно приблизительно моделировать математически ^[7], зачем заставлять человека вручную управлять этой моделью?

В хорошей системе пользователь должен просто учить слова: проходить тренировки, отвечать на вопросы и использовать язык. Всё остальное должно происходить внутри приложения.

Алгоритм может самостоятельно учитывать косвенные сигналы:

• соотношение правильных и неправильных ответов;

• количество ошибок подряд;

• скорость ответа;

• использование подсказок;

• опечатки;

• стабильность правильных ответов на длинных интервалах.

Этих данных достаточно, чтобы приблизительно определить, насколько хорошо человек запомнил слово.

Пользователю не нужно думать о метриках. Ему нужно думать о языке.

Именно такой подход я постарался реализовать в своём приложении.

Как интервальные повторения работают в VibeLing

В VibeLing используется собственный упрощённый алгоритм, построенный на тех же основных идеях: сложные слова нужно показывать чаще, а хорошо знакомые — реже.

Весь процесс разделён на два этапа.

Первый этап: интенсивное изучение

Первые дни после добавления слово находится в режиме интенсивного изучения.

Чтобы перейти к интервальным повторениям, пользователь должен правильно ответить на вопросы с этим словом девять раз. Обычно приложение показывает его три раза в день, причём в разных типах заданий.

Если пользователь ошибается, переход просто откладывается. Важно набрать девять правильных ответов, а не уложиться ровно в три дня.

В идеальном случае процесс выглядит так:

• в первый день — три правильных ответа;

• во второй день — ещё три;

• в третий день — ещё три;

Второй этап: интервальные повторения

После интенсивного изучения слово переходит в режим интервальных повторений. Теперь оно появляется только в дни, когда действительно должно быть повторено.

Базовая последовательность интервалов выглядит примерно так:

1 день → 2 дня → 4 дня → 8 дней → 16 дней → 32 дня → 64 дня → 128 дней → 256 дней → 512 дней.

Теоретически слово никогда не получает статус “выучено навсегда”. Оно просто переходит на всё более длинные интервалы — вплоть до нескольких лет.

Но такая ровная последовательность возможна только при идеальных ответах. В реальности интервалы меняются в зависимости от того, как пользователь справляется со словом.

На расписание влияют:

• с какой попытки пользователь ответил правильно;

• скорость ответа;

• использование подсказок;

• соотношение неправильных ответов к правильным за последние 10 тренировок.

Изначально коэффициент сложности равен единице. Если пользователь ошибается, долго думает или использует подсказку, коэффициент снижается, а следующий интервал становится короче. Поэтому простые слова довольно быстро переходят на большие интервалы, а сложные появляются чаще.

При этом слово не получает ярлык “сложное” навсегда. Для расчёта используется статистика только по последним десяти ответам. Если пользователь перестал ошибаться, коэффициент постепенно восстанавливается, а интервалы снова начинают расти.

В результате приложение самостоятельно решает, когда показать слово в следующий раз. Пользователю не нужно выбирать между Снова, Трудно и Легко или разбираться в принципах работы алгоритма.

Он просто учит язык, а система подстраивается под его ответы.

Приложение называется VibeLing ^[8] и доступно на iOS и Android. Буду рад, если попробуете его и поделитесь обратной связью. А я продолжу делать алгоритм ещё лучше и не перекладывать эту работу на пользователей.