آزمایشگاه آزاد؛ بدون نیاز به ورود
منحنی فراموشی و مرور فاصله‌دار
اگه یک مطلب رو یاد بگیری و دیگه سراغش نری، یادآوری در این مدل چطور تغییر می‌کنه؟ سرعت فراموشی و زمان مرور رو عوض کن و نمودار ۳۰ روزه رو بررسی کن.
آزمایش رو شروع کنبرای شروع، یادآوری اولیه رو ۸۰ و سرعت فراموشی رو ۱ بذار و مرور رو روی «بدون مرور» نگه دار. بعد همین عددها رو با «مرور فاصله‌دار» مقایسه کن.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
بدون مرور یا مرور فاصله‌دار؟
یادآوری اولیه رو ۸۰ و سرعت فراموشی رو ۱ نگه دار. یک بار «بدون مرور» و بار دیگر «مرور فاصله‌دار» رو انتخاب کن و مقدار روز ۳۰ رو بخون.
حدست چیه؟ در همین مدل، کدوم حالت در روز ۳۰ یادآوری بیشتری نشان می‌ده؟
توضیح نتیجه رو ببین
عدد یادآوریِ روز ۳۰ از ۴ به ۴۸ می‌رسه. این اختلاف، نتیجهٔ فرض‌های همین منحنیه؛ عدد ۴۸ درصد یادآوری واقعی یک فرد نیست.
سرعت فراموشی رو تغییر بده
یادآوری اولیه رو ۸۰ و مرور رو «بدون مرور» نگه دار. سرعت فراموشی رو یک بار روی ۰٫۵ و بار بعد روی ۱٫۵ بذار.
حدست چیه؟ کدوم مقدار سرعت فراموشی، عدد روز ۳۰ رو پایین‌تر می‌آره؟
توضیح نتیجه رو ببین
در مدل، سرعت ۰٫۵ به یادآوری ۱۸ و سرعت ۱٫۵ به یادآوری ۱ در روز ۳۰ می‌رسه. پارامتر بزرگ‌تر، افت نمایی رو تندتر می‌کنه.
یادآوری اولیه رو مقایسه کن
سرعت فراموشی رو ۱ و مرور رو «مرور فاصله‌دار» نگه دار. یادآوری اولیه رو یک بار ۶۰ و بار دیگر ۸۰ بذار و خروجی روز ۳۰ رو بخون.
حدست چیه؟ اگر بقیهٔ تنظیم‌ها ثابت بمونن، یادآوری اولیهٔ بیشتر در پایان هم عدد بیشتری می‌ده؟
توضیح نتیجه رو ببین
در این مدل، عدد روز ۳۰ با یادآوری اولیهٔ ۶۰ برابر ۳۶ و با مقدار ۸۰ برابر ۴۸ می‌شه. پس خروجی این منحنی به مقدار شروع هم وابسته‌ست.
پشت این حرکت چه خبره؟
منحنی فراموشی اینجا چطور کار می‌کنه؟
R(t)=S*exp(-k*t/10)
در حالت بدون مرور، مدل یادآوری رو با یک تابع نمایی کم می‌کنه. سرعت فراموشی بیشتر یعنی نمودار تندتر پایین می‌آد. این یک مدل آموزشی ساده‌ست، نه اندازه‌گیری حافظهٔ یک آدم.
مرورهای این مدل چه زمانی‌اند؟
گزینهٔ «مرور زودهنگام» مرورهایی در روزهای ۱ و ۷ رو فرض می‌کنه. برنامهٔ «مرور فاصله‌دار» در تابع مدل روزهای ۱، ۳، ۷، ۱۴، ۲۱ و ۲۸ رو به کار می‌بره؛ این زمان‌ها برای تمرین انتخاب شدن و فاصلهٔ بهینه برای همه نیستن.
چرا فاصلهٔ مرور رو بررسی می‌کنیم؟
در پژوهش‌های یادگیری، تمرین پخش‌شده در چند نوبت بررسی شده و نتیجه به فاصلهٔ بین نوبت‌ها و زمان آزمون بستگی داره. این ویجت فقط یک برنامهٔ ازپیش‌تعیین‌شده رو نمایش می‌ده؛ ازش برنامهٔ شخصی یا قولِ یادآوری نساز.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
یعنی اگه مرور فاصله‌دار رو بزنم، خودم روز ۳۰ دقیقاً ۴۸ درصد رو یادم می‌مونه؟
نه؛ ۴۸ فقط خروجی عددیِ این مدل با تنظیم فعلیه. حافظهٔ واقعی با نوع مطلب، روش تمرین، فرد و زمان سنجش فرق می‌کنه. این نمودار رو برای دیدن اثر فرض‌های مدل به کار ببر، نه پیش‌بینی نتیجهٔ امتحانت.
سؤال‌های رایج
عدد روز ۳۰ یعنی چی؟
این عدد، خروجی درصدیِ مدل برای ۳۰ روز بعده و به یادآوری اولیه، سرعت فراموشی و نوع مرور بستگی داره. اندازه‌گیری واقعی حافظه نیست.
فاصله‌های ۱، ۳، ۷ و ۱۴ روز بهترین برنامه‌ان؟
نه؛ این‌ها زمان‌های انتخاب‌شده در همین مدل هستن. فاصلهٔ مناسب به هدف یادگیری، مطلب و مدت زمانی که می‌خوای یادت بمونه بستگی داره.
چرا شمارندهٔ مرور فاصله‌دار ۵ رو می‌گه؟
تابع مدل شش روز مرور رو در ۱، ۳، ۷، ۱۴، ۲۱ و ۲۸ به کار می‌بره، اما خروجی شمارنده عدد ۵ رو می‌ده. شمارنده با خود برنامه جور نیست؛ ازش تعداد دقیق مرور رو نتیجه نگیر.
این شبیه‌سازی می‌تونه بگه من چقدر از درس رو یادم می‌مونه؟
نه؛ تنظیم‌های این صفحه مدل آموزشی‌ان و با آزمون حافظهٔ تو یا سنجش درس خاصی ارتباط ندارن.