Chi's Journal
← 返回首頁
#182 · AI tutor 讀書筆記 · 32 分鐘
AI tutor 讀書筆記2026.06.08#182

複習的最佳時機:間隔效應與演算法始祖 SM-2

究竟要一天一點慢慢讀,還是考前臨時抱佛腳?從 Ebbinghaus 的自我實驗、Cepeda 的 meta-analysis 與倒 U 型最佳間隔曲線,一路走到間隔複習軟體的演算法始祖 SM-2——記錄「複習時機」怎麼從模糊的經驗,變成一條可以計算的公式。AI tutor 讀書筆記 Day 11。

間隔複習筆記總覽:從 Ebbinghaus 的間隔效應、Cepeda 的倒 U 曲線到 SM-2 演算法

上一篇討論完遺忘,接著就進入到如何複習來避免遺忘!究竟在學習一項知識時,應該要選擇一天一點慢慢讀,還是考前臨時抱佛腳更有用呢?

間隔記憶,還是集中記憶?

同樣是 Ebbinghaus 這位創造無意義音節來做實驗的專家,他在自己的記憶實驗中發現,如果第一天只重複記憶幾次,第二天再重複幾次,第三天他就可以非常快速地找回記憶,因此他的結論就認為 「間隔記憶」會比「集中記憶」好,反轉了當時大多認為勤能補拙、花時間越多記住越多的線性思維

隨後比較具有代表性的研究則是 Nicholas Cepeda 的《Distributed practice in verbal recall tasks: A review and quantitative synthesis》。這個 Meta-analysis 分析了 184 篇文獻、317 個實驗、839 筆評估,發現在各種語文記憶材料上,間隔練習都有著顯著的優勢,而且不只是統計上的顯著性,實際的差距幅度也很大——以後面會提到的 2008 年實驗來說,在最佳間隔複習的人,最終回憶成績比集中練習多了 64%。

最佳的複習時機是什麼時候?

那既然間隔效應有助於學習,最好的複習時機會是什麼時候呢?Cepeda 的團隊研究了「間隔長度」與「目標保留時間」的關係,想藉此回答是否存在一條公式,可以根據學生的「目標測試日期」來反推「最佳複習日期」。

這個實驗(1,354 名受試者)隨機將參與者分配到不同的複習間隔與測試日期,最後發現記憶的留存率會呈現一個明顯的倒 U 型曲線,也就是說,對於任何一個特定的目標測試時間(RI),都存在一個最優的複習間隔(Gap)。如果間隔時間太短,那概念就像集中練習,對於長期記憶的強化表現很差;但如果間隔時間太長,那學習者可能已經完全遺忘了原始內容,就跟重新學習一樣無法有效強化長期記憶。

倒 U 曲線:複習間隔太短像集中練習、太長則忘光重學,中間有最佳點
每個目標日期,都有一個複習間隔的甜蜜點(Cepeda et al., 2008)

若要具體的例子來解釋,論文的實測結果是:

  • 目標是 7 天後的測試,最佳間隔約 1 天
  • 目標是 35 天後的測試,最佳間隔約 11 天
  • 目標是 70 天後的測試,最佳間隔約 21 天
  • 目標是 350 天後的測試,最佳間隔約 21 天

乍看之下間隔時間一路變長,但如果換算成「占目標時間的比例」,照論文的說法,大約是從 1 週目標的 20–40%,降到 1 年目標的 5–10%。也就是說學習目標放得越遠,最佳間隔時間雖然還在增加,但增加的速度會慢慢遞減。

能不能把甜蜜點變成一套系統?

SM-2 的評分回饋:每次複習後評 0 到 5 分,高分拉長間隔,低於 3 分回到第一天重學
每張卡自己的難度,由你每次的評分慢慢調出來

那既然「最佳間隔」不是一個固定數字、會隨著目標時間一直跑,有沒有可能把它變成一套能自動幫每筆知識算出甜蜜點的系統?

後續就有一位 Woźniak 做了和 Ebbinghaus 類似的自我實驗,他不僅記錄遺忘時間,還嘗試加入不同的複習週期,並發現隨著複習次數的增加,記憶的穩定性會呈非線性增長。

最後他就根據自己的實驗歸納出了公式:I(n) = I(n-1) × EF。

這個公式的意思就是,第 n 次複習後的間隔天數,等於 n-1 次的間隔天數 × EF(不過前兩次是固定的:第一次 1 天、第二次 6 天,從第三次起才開始 × EF)。

所以 EF=2.5 時間隔大概會是:1 → 6 → 15 → 38 → 95 天這樣拉開(小數的天數規定無條件進位)。

SM-2 演算法的複習間隔:1、6、15、38、95 天,越記得牢間隔拉越開
EF=2.5 時的間隔數列:每答對一次,下次見面就更遠

EF 是「易度因子」,起始值是 2.5,但如果每筆資訊都固定同一個倍率會太僵化,所以這套演算法會再透過用戶的主動回饋(grading)來動態調整每張卡自己的 EF。

在每次複習後,系統會根據你的評分(0~5 分)更新 EF,答到 5 分 EF 才會升、4 分持平、3 分以下會往下降;而且只要 q<3 就等於沒通過,此時間隔就直接歸零、回到第 1 天重學。

SM-2 的局限

這個就是現代間隔複習軟體的演算法始祖「SM-2」,雖然這個算法還是有不少局限,但也是第一次把遺忘這個抽象概念轉化成明確的計算邏輯。

他的局限包含:

  1. 遺忘就重來:如果兩年後我忘記 Apple 這個單字,又想再學一次,他會把我當沒學過的嬰兒一樣教,重複不必要的短間隔複習。
  2. 難度固定:這算法假設了一個知識的難度是穩定的,但是根據之前的 schema theory,我學習知識的難度是會隨著我腦袋的 schema 改變的,舉例來說如果我知道字根字首的概念,那我記住同類字首的單字會記得很快。
  3. 元素互動性:同樣概念,這個系統已經假設所有的知識都是獨立的因子,但是當這個概念相當複雜(學 B 之前要先懂 A),這種複雜性很高的知識就不太會利用排程、間隔複習的方式學習。

參考文獻

  • Ebbinghaus, H. (1885/1913). Memory: A Contribution to Experimental Psychology.
  • 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
  • Woźniak, P. (1990). SM-2 演算法規格(SuperMemo)
L
Linda
1999 年出生的內容工作者,擅長知識收斂與 SEO 策略。這裡是我實踐「將自我產品化」、累積數位資產的個人實驗場。

讀完了 — 接著看

Next Questions
遺忘機制筆記總覽:從 Ebbinghaus 遺忘曲線、R/S 變數、Tulving 線索實驗到 Bahrick 五十年追蹤AI tutor 讀書筆記

遺忘不等於消失:從遺忘曲線到五十年後的記憶

#180 · 27 分鐘
陳述性與程序性知識筆記總覽:習得三階段與 Polanyi 的內隱知識AI tutor 讀書筆記

為什麼 AI 寫不出我心裡 90 分的文案:陳述性與程序性知識

#175 · 20 分鐘
長期記憶筆記總覽:編碼儲存提取、處理層次理論、Bartlett 重建式記憶與 schema 四特性AI tutor 讀書筆記

記憶不是複製,而是重建:處理層次與 schema

#174 · 28 分鐘