슈퍼메모 방법에서 얻어진 결과로 향상시키기 위한 컴퓨터 어플리케이션 기억할만한 것들


SM-2

슈퍼메모 방법에서 얻어진 결과로 향상시키기 위한 컴퓨터 어플리케이션

https://www.supermemo.com/en/archives1990-2015/english/ol/sm2

이 텍스트는 P.A.워즈니악의 포즈난의 기술대학 석사학위 논문인 학습의 향상에서 가져온 것이다.

1987년 12월 슈퍼메모 프로그램을 처음 작성했다. (터보 파스칼 3.0, IBM PC) 이 것은 두 가지 방법에서 슈퍼메모 메소드를 향상시킨다.
1. 개선 프로시져를 가장 낮은 확률 아이템에 적용한다. (종이 기반의 슈퍼메모 아이템은 페이지로 그룹되어 있음)
2. 이들 다른 어려움 수준에 기반해 아이템 사이를 다르게 한다.

사잇 반복 인터벌을 관찰을 통해 임의적 상수 팩터에의해 증가하도록 했다. (영어 어휘에 대한 SM-0알고리즘에서는 두가지가 있었음) 그래서 사잇 반복 인터벌을 계산하기 위해 다음 공식을 적용하기로 했다.

I(1):=1
I(2):=6
for n > 2
  I(n):=I(n-1)*EF

I(n) 은 n번째 반복 (하루단위) 후에 사잇 반복 인터벌
EF - 쉬움 팩터, 기억하기 쉬운 정도 (이전에는 E-Factor라고 했음)

E-Factor 는 가장 어려운 것은 1.1 가장 쉬운것은 2.5를 가진다. 슈퍼메모에서 처음 아이템이 들어가면 E-Factor 는 2.5이다. 반복을 통해 그 값이 점진적으로 작아진다. 그래서 아이템이 리콜하기 쉽다면 더 큰 값으로 E-Factor 를  줄여준다 ?

짧게, 첫 슈퍼메모를 구현한 후 E-Factor 는 1.3아랫값으로는 안된다고 했다. 1.3보자 작은 값이면 불평스러울 정도로 반복되며 그 연산결과가 잘못되기 때문이었다. 

새로운 E-Factor 값을 계산하기 위해 프로그램에서는 0~5 사이 스케일을 가진다. 기본 계산식은 다음과 같다.

EF' := f(EF, q)
EF' : 새로운 E-Factor
EF : E-Factor 의 이전 값
q : 반응의 품질
f : EF'를 계산하기 위해 사용된 함수

EF' := EF-0.8+0.28*q-0.02*q*q

reduced form of
EF' := EF+(0.1-(5-q)*(0.08+(5-q)*0.02))

만약 4이면 변화되지 않음을 확인하자

알고리즘 SM-2는 컴퓨터 기반 슈퍼메모에서 사용되며 각 아이템에 대해 쉬움 팩터의 계산을 통해 이뤄진다

1. 지식을 가능한 최소의 아이템으로 분리
2. 모든 아이템의 E-Factor 를 2.5로 설정
3. 다음 인터벌을 사용해 아이템을 반복
  I(1):=1
  I(2):=6
  for n > 2: I(n):=I(n-1)*EF
  여기서:
  I(n) 은 n번째 반복 (하루 단위)후에 사잇 반복 인터벌
  EF - 주어진 아이템의 E-Factor 
  만약 인터벌이 프랙션이면 가장 가까운 정수로 반올림
4. 각 반복에서 반복의 품질은 0-5 단계 스케일이다
  5 - 완벽히 기억
  4 - 맞는 답이지만 주저함
  3 - 맞는 답이지면 꽤 어렵게 답변
  2 - 틀린 답, 맞는 답을 떠올릴 수 있을 것 같음
  1 - 틀린 답; 결과가 기억남
  0 - 완전히 모름
5. 각 반복 후에 다음 계산식을 통해 최근에 반복된 아이템의 E-Factor 를 수정
  EF' := EF+(0.1-(5-q)*(0.08+(5-q)*0.02))
  여기서:
  EF' 는 새로운 E-Factor
  EF 는 이전 E-Factor
  q 는 0-5 사이의 정도 스케일, 답변의 품질
  만약 EF가 1.3보다 작으면 1.3
6. 만약 반응 품질이 3보다 작으면 E-Factor 를 변경하지 않고 시작부분의 반복을 시작한다. (새롭게 아이템을 기억하는 것으로 간주하고 I(1), I(2)만 사용)
7. 4보다 작은 값에 대해 주어진 날짜에서 계속 반복한다. 모든 아이템이 최소한 4이상이 되도록 계속 반복한다.

E-Factor 찾기에 사용된 프로시져는 아주 효과적이다. 슈퍼메모 프로그램에서 E-Factor분포를 표시하기 위한 옵션을 살펴볼 수 있다. E분포는 반복을 통해 몇달 사이에 대략적으로 생성된 주어진 데이터베이스로 보여진다. 이 의미는 E-Factor는 충분한 기간에도 변하지 않으며 이후 반복에서 사잇 반복 인터벌은 증가해야 함에 따라 실제 팩터로 연관된다.

SM-2 알고리즘 (영어 어휘 습득)을 처음 사용하는 동안 나는 10,255 개의 항목을 암기했습니다. 데이터베이스를 만들고 반복하는 데 필요한 시간은 하루에 41 분입니다. 이것은 270 항목 / 년 / 분의 취득 비율에 해당합니다. 전체 보존 기간은 89.3 % 였지만, 적절하게 결정된 E 요인을 나타내지 않는 최근에 기억 된 항목 (3 주 미만의 간격)을 제외하면 보존 기간은 92 %에 달합니다. SM-0과 SM-2 알고리즘을 비교할 때, 전자의 경우, 주어진 페이지의 항목을 반복하면서 힌트가 주어지기 때문에 인위적으로 유지율이 높다는 사실을 고려해야합니다. 문제의 것보다 앞선 항목은 정답을 쉽게 제안 할 수 있습니다.
따라서 SM-2 알고리즘은 양적 비교에서 놀랄만한 것은 아니지만 1985 년 최적 간격 개념 도입 이후 SuperMemo 방법의 두 번째 큰 개선을 나타냈다. 이전에 페이지 그룹으로 분류하고 E-Factor를 도입하는 것은 향상된 알고리즘의 두 가지 주요 구성 요소. 시행 착오 접근법에 의해 구축 된 SM-2 알고리즘은 실제로 그 개념을 유도 한 거의 모든 기본 가정의 정확성을 입증했습니다.

덧글

댓글 입력 영역