Aralıklı Tekrar Algoritmaları Karşılaştırması: SuperMemo SM-2 vs. SM-17 Mimarisi

Aralıklı tekrar (spaced repetition) yönteminin kurucusu Polonyalı araştırmacı Dr. Piotr Woźniak, insan hafızasının unutma eğrisini modellemek için kırk yılı aşkın bir süre harcamıştır. 1980'lerin sonunda geliştirdiği ilk bilgisayarlı formül olan SM-2, günümüzde Anki, Quizlet ve kendi dil öğrenme uygulamamız Polyvo gibi birçok popüler platformun temelini oluşturmaktadır. Ancak aradan geçen yıllar ve biriken milyonlarca veri satırı, çok daha hassas bir model olan SM-17 algoritmasını doğurmuştur.

Klasik SM-2 Modelinin Sınırları

SM-2 algoritması, her bir kart için bir sonraki tekrar aralığını (interval) doğrusal cebirsel adımlarla hesaplar. Ancak bu klasik yapının bazı zayıf yönleri vardır:

• Geçmiş Verilerin Yok Sayılması: SM-2, bir sonraki aralığı belirlerken sadece son tekrarın sonucunu (q) ve mevcut Kolaylık Katsayısını (EF) dikkate alır. Kullanıcının o kartı geçmişte ne kadar istikrarlı bildiğini hesaba katmaz.
• Dalgalanan E-Katsayısı (EF): Kullanıcının arka arkaya verdiği birkaç düşük puan, EF değerini hızla düşürür ve kartın gereğinden sık karşımıza çıkmasına neden olarak "hafıza tıkanıklığı" (ease hell) yaratır.
• Sabit Interval Çarpanları: İlk iki tekrar aralığının sırasıyla 1 ve 6 gün olarak sabitlenmiş olması, her bilgi kartının zorluk derecesinin aynı olduğu varsayımına dayanır ki bu biyolojik olarak doğru değildir.

Modern SM-17 Yaklaşımı: Üç Boyutlu Hafıza Modeli

SM-17 algoritması sabit formüller yerine, her bir bilgi kartının durumunu üç temel hafıza değişkeni üzerinden dinamik olarak izler:

1. Retrievability (R - Hatırlanabilirlik): Bilginin tam o anda zihinden geri çağrılma olasılığıdır. Zaman geçtikçe %100'den sıfıra doğru düşer.
2. Stability (S - Kararlılık): Bellek izinin gücünü temsil eder. Kararlılık ne kadar yüksekse, Hatırlanabilirlik (R) o kadar yavaş düşer. Başarılı her tekrarda Kararlılık artar.
3. Difficulty (D - Zorluk): Kartın öğrenilmesinin ne kadar zor olduğunu gösteren 0 ile 1 arasında bir katsayıdır.

SM-17, bu 3 parametreyi kullanarak her kullanıcı için özelleştirilmiş bir unutma eğrisi çizer ve bir sonraki tekrar zamanını, kullanıcının o kartı hatırlama olasılığının tam %90 olduğu anı hedefleyerek belirler.

Karşılaştırma Tablosu

Özellik	SM-2 Algoritması	SM-17 Algoritması
Temel Yaklaşım	Sabit Matematiksel Formül	Dinamik Bellek Simülasyonu
Değişken Sayısı	2 (EF, Repetitions)	3 (Retrievability, Stability, Difficulty)
Geçmiş Analizi	Yok (Sadece son adım)	Var (Tüm tekrar geçmişi)
Hesaplama Gücü	Çok Düşük (İstemci taraflı kolay)	Yüksek (Veri analitiği gerektirir)

Polyvo'daki Tercihimiz ve Simülatör

Polyvo uygulamasının web sürümünde, hızlı ve internet bağlantısından bağımsız çalışabilmesi için SM-2 mimarisini tercih ettik. Ancak bu algoritmanın "hafıza tıkanıklığı" dezavantajını önlemek için E-Katsayısına 1.3 alt sınırı koyarak ve akıllı veri sınırlandırmaları ekleyerek optimize ettik. Ayrıca sitemizdeki Aralıklı Tekrar Simülatörü sayesinde kullanıcıların bu katsayıları değiştirerek bellek stabilitesini grafikler üzerinden görselleştirmesini sağladık. Bu derinlemesine çalışmalar, Polimelo'nun eğitim modüllerinin temelini oluşturmaktadır.