Espaçamento, prática de recuperação e intercalação aplicados à matemática

Resultados

1. Prática intercalada em matemática (Rohrer & Taylor)

Os estudos de laboratório de Rohrer e Taylor fizeram crianças praticarem quatro tipos de problemas de matemática, seja em blocos (AAAA BBBB) ou intercalados (ABCD ABCD). O intercalamento prejudicou o desempenho durante a sessão, mas dobrou as pontuações nos testes do dia seguinte [1] — o padrão característico de uma dificuldade desejável.

Taylor & Rohrer (2010, Applied Cognitive Psychology) conduziram um ECR em sala de aula: 7.º ano (n=140) recebeu prática bloqueada ou intercalada ao longo de nove semanas, sendo testado sem aviso duas semanas depois. O material praticado de forma intercalada obteve pontuação maior [2][3].

Rohrer, Dedrick & Stershic (2015, J. Educational Psychology 107(3), 900-908) conduziram um ECR de dose-resposta (n=126, 7.º ano): uma dose maior de intercalamento nas mesmas folhas de exercícios aumentou as pontuações tanto em atrasos de ~2-dias quanto de 1-mês, sem tempo extra de prática [4]. O benefício não é um artefato da semelhança superficial entre os tipos de problema — ele persiste mesmo quando os problemas intercalados parecem bastante diferentes, consistente com o treinamento de intercalamento de seleção de estratégia, não de memorização mecânica [5]. Pesquisas com professores avaliaram o intercalamento como altamente viável — requer apenas reordenar os problemas existentes [2][3].

2. Dificuldades desejáveis de Bjork (UCLA)

Robert & Elizabeth Bjork (1994) cunharam o termo “dificuldades desejáveis”: condições que retardam a aquisição costumam melhorar a retenção e transferência a longo prazo, porque o desempenho durante a aprendizagem e a própria aprendizagem são dissociáveis [6]. Cinco dificuldades têm forte evidência: espaçamento, intercalamento, prática de recuperação, geração e prática variada [7]. O design instrucional otimizado para sessões suaves e sem erros (repetição massiva, bloqueio, releitura) produz aprendizagem que parece boa, mas não perdura.

3. O efeito de teste (Roediger & Karpicke)

Roediger & Karpicke (2006) compararam estudo repetido versus teste repetido do mesmo material. Imediatamente depois, os estudantes apresentaram melhor desempenho (~83% vs. ~71% de recordação); uma semana depois o padrão se inverteu (~40% vs. ~61%) [8]. O benefício da prática de recuperação aumenta com o atraso antes do teste criterial — o mesmo padrão do intercalamento. Implicação: um ciclo “resposta, depois feedback” deve ser o evento principal de aprendizagem, não uma avaliação acrescentada à instrução.

4. Intervalos ótimos de espaçamento — a linha de crista temporal de Cepeda et al.

Cepeda, Vul, Rohrer, Wixted & Pashler (2008, Psychological Science, >1.350 participantes) variaram o intervalo entre estudo e reaprendizagem e testaram a retenção até um ano depois. O intervalo ótimo não é fixo — como fração do atraso final do teste, ele varia ~20-40% para um objetivo de 1 semana até ~5-10% para um objetivo de 1 ano [9]. Fazer maratona de estudo antes de um questionário que você precisa lembrar por um ano gera subespaçamento; revisões espaçadas um mês apartadas para lembrar algo por uma semana geram sobreespaçamento — exatamente a tensão que os agendadores adaptativos (SM-2, FSRS, HLR) buscam resolver.

5. Algoritmos de repetição espaçada usados em softwares reais

Leitner (1972). Os cartões ficam em caixas (clássicamente 5) com cadências fixas (~1, 2, 4, 7, 14 dias); uma resposta correta promove o cartão, uma incorreta o reinicia para a caixa 1 [14].

SM-2 (Woźniak, 1987). Cada item tem um fator de facilidade (EF), iniciando em 2,5, com piso em 1,3. Intervalos: I(1)=1, I(2)=6, I(n)=I(n-1)×EF a partir daí. Uma avaliação de qualidade de 0-5 ajusta o EF via EF’ = EF + (0,1 − (5−Q)×(0,08 + (5−Q)×0,02)); Q<3 reinicia o item [15].

FSRS (padrão atual do Anki). Monitora três variáveis de estado por cartão: Estabilidade S (dias até que a probabilidade de recordação decaia para 90%), Dificuldade D (1-10) e Recuperabilidade R (0-1, decaindo segundo uma curva de lei de potência, não exponencial). Um único ajuste, retenção desejada (tipicamente 0,85-0,95, padrão ~0,90), dirige o agendador a inverter a curva de esquecimento e escolher o intervalo onde o R previsto atinge esse alvo. FSRS-6 ajusta ~19-21 pesos por aprendiz a partir do histórico de revisões via descida de gradiente, superando o fator de facilidade fixo do SM-2 quando há dados suficientes (~1.000+ revisões) [10].

Half-Life Regression (Duolingo; Settles & Meeder, 2016, ACL). Modela a meia-vida de memória h de cada item como uma função log-linear das contagens prévias de acertos/erros; probabilidade de recordação p = 2^(−Δt/h) — uma curva exponencial explícita (em comparação à lei de potência do FSRS). Reduziu o erro de previsão em mais de 45% em relação às linhas de base e aumentou o engajamento diário em 12% em um teste A/B ao vivo [11].

Fio condutor. Todos os quatro agendam a próxima exposição para o momento em que a probabilidade de recordação está prestes a cruzar um limiar alvo — não antes (repetição desperdiçada), não muito depois (já esquecido). Eles diferem quanto a a curva de esquecimento ser fixa (Leitner, SM-2) ou ajustada por item/aprendiz (FSRS, HLR), e quanto ao formato exponencial versus lei de potência.

6. Limiares de aprendizagem por domínio

A aprendizagem por domínio de Bloom exige ~80-90% de acurácia antes de avançar, com remediação abaixo do limiar [12][13]. Um substituto barato e comum, especialmente em programas de fluência factual K-12, é “N corretas consecutivas” (geralmente 3), que reinicia imediatamente ao errar [13]. Pesquisas recentes de tutoria adaptativa descobriram que elevar a barra de domínio de ~0,95 para ~0,98 de probabilidade de domínio estimada melhorou o desempenho em lições subsequentes dependentes — o limiar tradicional subestima o conteúdo pré-requisito [12]. A literatura de fluência factual enfatiza que o domínio deve ser avaliado após um intervalo, não apenas na sessão de treinamento, pois a acurácia de recordação imediata superestima o domínio duradouro [13].

7. Curvas de esquecimento

A curva clássica de Ebbinghaus: perda acentuada no início (~42% esquecido em 20 minutos, ~67% em 24 horas) seguida por uma longa cauda de achatamento [16]. Ebbinghaus modelou isso como aproximadamente exponencial, mas o consenso moderno — e a razão pela qual o FSRS substituiu seu próprio modelo exponencial por uma curva de lei de potência no FSRS-4,5/6 — é que o esquecimento real desacelera mais rápido do que a decaimento exponencial puro prevê [16][10].

8. Habilidade matemática procedural vs. conceitual

O trabalho de Rohrer/Taylor foca na habilidade procedural: qual método se aplica a qual problema. O benefício do intercalamento é teorizado como proveniente da prática de discriminação — notar qual estratégia um problema exige, algo que a prática bloqueada nunca requer, pois o bloco revela a estratégia [1][2][5]. Para a compreensão conceitual, o espaçamento e a prática de recuperação ainda ajudam via o mesmo mecanismo de fortalecimento de traço, mas o intercalamento acrescenta valor de transferência — reconhecer a aplicabilidade de um conceito em um contexto novo e misto [6][7][8]. Em resumo: a fluência procedural requer recuperação espaçada e intercalada; a compreensão conceitual requer recuperação espaçada e ganha ainda mais com o intercalamento quando múltiplos conceitos estão ativos.

Implicações de design para o Math Challenge

1. Agendar por nó de habilidade, não por questão. Acompanhe unidades como “subtração de 2 dígitos com empréstimo” como a entidade agendável — as habilidades matemáticas se generalizam em muitas instâncias de questões, ao contrário de flashcards.

2. Algoritmo recomendado concreto: FSRS-lite com início frio Leitner. Novas habilidades com <20 pontos de dados usam uma escada simples ao estilo Leitner (1 → 3 → 7 → 16 → 35 dias, reinicia ao erro, sem ajuste necessário). Quando houver tentativas suficientes, troque para um modelo estilo FSRS semeado com os pesos padrão publicados do FSRS-6, refazendo o ajuste periodicamente offline. Exponha um único parâmetro ajustável: retenção desejada = 0,90 por padrão, ajustável por faixa etária (0,85 para as idades mais jovens a fim de reduzir frustração, 0,92+ para usuários mais velhos/competitivos).

3. Limiar de domínio em duas etapas. Exija 3 respostas corretas consecutivas em dificuldade crescente dentro de uma habilidade como sinal de “aprendido provisoriamente” (a convenção comum de fluência de fatos [13]), mas não marque a habilidade como “dominada” para agendamento até que ela também sobreviva a uma revisão espaçada correta com intervalo ≥3-dia — codificando diretamente a lição do efeito teste de que sequências de recall imediato superestimam a aprendizagem durável.

4. Nunca bloquear a prática por habilidade quando 2+ habilidades estiverem em rotação. Quando uma segunda habilidade estiver pendente de revisão, intercale-a com a lição atual na mesma sessão (ABAB/ABCABC), em vez de terminar os problemas de uma habilidade antes de iniciar a próxima — a mudança de maior alavancagem e custo zero que a literatura apoia [1][2][4].

5. Proporção de interleaving na sessão: ~40-60% de novo/atual-lição misturado com ~40-60% de revisão pendente, extraído de 2-4 outras habilidades, misturado ao nível da questão (não blocos de 3-4 problemas do mesmo tipo). Para pré-K/K, favoreça 70/30 novo/revisão e intercale no máximo 2 habilidades, dadas as restrições de memória de trabalho que a literatura de dificuldades desejáveis aponta como condição limite [6][7].

6. Revisões são sempre recuperação, nunca reexposição passiva. Um evento de revisão exige que a criança produza uma resposta antes que qualquer explicação seja mostrada, mesmo para material “já aprendido” [8].

7. Escalar os intervalos de revisão ao tempo que a habilidade precisa durar, não a uma cadência fixa de calendário. Classifique habilidades como “de unidade” (intervalos mais curtos, ~20-30% da janela de retenção) vs. “fundamentais” (intervalos progressivamente maiores, ~5-10% de um horizonte de um ano quando bem estabelecidas), conforme a linha de crista de Cepeda [9].

8. Acompanhar Dificuldade separadamente da Estabilidade por habilidade, como faz o FSRS, de modo que uma criança que tem dificuldade receba tanto um próximo intervalo mais curto quanto ganhos de estabilidade menores por resposta correta comparado a quem achou fácil — evitando que um algoritmo de facilidade fixa trate um chute acertado como domínio genuíno.

9. Modelar o esquecimento com curva de lei de potência, não exponencial puro, para estimativas de colocação/dificuldade adaptativa de “quanto esta criança esqueceu desde a última prática” — uma exponencial pura superestima o esquecimento em atrasos longos e subestima logo após a aprendizagem [16][10].

10. Instrumentar assinaturas Rohrer como métricas internas. Acompanhe acurácia na mesma sessão e acurácia de recall retardado (por exemplo, um pequeno quiz de aquecimento sobre habilidades de ontem) como KPIs separados; espere que a acurácia em sessões intercaladas às vezes pareça mais baixa que em sessões bloqueadas enquanto a acurácia retardada é maior — não deixe que uma queda na acurácia da mesma sessão dispare a volta ao bloqueio.

11. Reportar “praticado” vs. “aprendido” separadamente para pais/professores. Exiba o sinal de domínio em duas etapas (item 3) em vez da acurácia bruta da sessão, evitando a armadilha onde uma sequência no mesmo dia parece domínio e depois falha na próxima revisão não anunciada.

12. Feedback do tutor de IA deve provocar recuperação antes de revelar soluções. Em resposta a um erro, ofereça primeiro uma dica estruturada para recuperação (efeito geração [6][7]); reserve exemplos totalmente resolvidos para uma segunda tentativa errada.

Perguntas abertas para o dono do projeto

1. O estado de agendamento deve viver por criança-por-habilidade apenas, ou devemos também manter um ajuste de parâmetros FSRS a nível populacional para semear os agendamentos de novas crianças antes que existam dados suficientes delas?
2. A retenção desejada deve ser um valor fixo de 0,90 em toda a plataforma, ou um parâmetro ajustável para usuários mais velhos/nível de doutorado, como o Anki expõe a usuários avançados?
3. A rotulagem de habilidades “de unidade” vs. “fundamentais” deve ser criada manualmente por nó curricular, ou inferida a partir da profundidade do grafo de pré-requisitos?
4. A proporção de interleaving interage com o sistema de sinal comportamental anti-trapaça — a mistura de tipos de habilidade facilita ou dificulta a detecção de padrões de tempo?
5. A barra de domínio em duas etapas (sequência + revisão retardada) deve bloquear a progressão para a próxima unidade curricular, ou afetar apenas o agendamento de revisões enquanto a progressão permanece baseada em outro limiar de acurácia?