Retenção de memória após dias

Professores, tutores e designers de aplicativos de aprendizagem costumam precisar de um único número honesto sobre quanto de uma aula ainda está disponível para lembrar após um atraso, não de mais um ensaio sobre teoria da memória. Esta calculadora de retenção de memória após dias aplica o modelo clássico de esquecimento exponencial de primeira ordem: o percentual restante é o percentual inicial vezes e elevado a menos a taxa de decaimento vezes os dias. Você escolhe a taxa de decaimento em inversos de dia, informa quantos dias se passaram desde a codificação e, se quiser, parte de um percentual já abaixo de cem quando algum esquecimento já ocorreu. Sete dias a uma taxa de 0.1 por dia a partir de uma codificação completa devolvem cerca de 49.66 por cento ainda lembrados, mais o percentual esquecido complementar, o fator de decaimento adimensional e a meia-vida em dias implicada por essa mesma taxa. Um atraso de zero dias devolve o percentual inicial inalterado.

O que o esquecimento exponencial após um atraso de fato calcula

A recordação humana após uma única sessão de codificação costuma ser modelada como um desvanecimento exponencial suave, não como uma queda linear nem como um penhasco súbito. O modelo usado aqui é a mesma lei de primeira ordem que aparece nas curvas de esquecimento no estilo de Ebbinghaus e em todo tratamento introdutório da retenção de memória como função do tempo: o percentual retido é o percentual inicial vezes exp de menos a taxa de decaimento vezes os dias.

A taxa de decaimento k é uma constante positiva com unidades de um por dia; um k maior significa que o traço some mais rápido e um k menor significa que o material é mais estável. Multiplicar k pelos dias decorridos produz o produto adimensional kt que fica no expoente, de modo que dobrar a taxa ou o atraso multiplica o expoente e eleva ao quadrado o fator restante quando o outro termo permanece fixo.

O percentual esquecido complementar é simplesmente o percentual inicial menos o percentual restante, o que mantém as duas parcelas somando de volta ao início em vez de inventar um terceiro resíduo. O campo de meia-vida é ln(2) dividido por k e responde a uma pergunta de planejamento relacionada: quantos dias até a parcela restante ser metade daquilo com que você começou.

Um atraso de zero dias é um caso de identidade válido —o fator de decaimento é um e o percentual restante é o inicial— porque nenhum tempo passou para o traço sumir. O modelo não pretende ser um motor completo de repetição espaçada: não agenda revisões, não muda k após uma recuperação bem-sucedida nem mistura a dificuldade do item. Ele responde a uma intenção de busca com clareza: dada uma taxa de decaimento escolhida, qual percentual do material ainda é lembrado após um número declarado de dias.

Quem usa uma estimativa de esquecimento e por quê

Coaches de preparação para exames e plataformas de tutoria incorporam o caminho gratuito do navegador para que um aluno veja por que esperar duas semanas sem revisão deixa bem menos de uma aula do que esperar dois dias, usando uma taxa de decaimento que o coach escolheu a partir de dados de sala e não um padrão oculto.

Backends de cartões e de LMS chamam o mesmo módulo puro quando precisam de uma prévia transparente da recordação restante antes de investir em um agendador de repetição espaçada mais pesado que atualiza a estabilidade após cada revisão. Professores podem demonstrar a leitura da meia-vida: escolha k de modo que ln(2)/k seja sete dias e mostre que uma semana depois a parcela restante é metade do início, uma verificação de sala mais limpa do que pedir que a turma avalie e a uma potência confusa à mão.

Validação falha não consome saldo, o que mantém baratos os scripts exploratórios quando um desenvolvedor envia de propósito um atraso negativo ou uma taxa nula. Prefira esta capacidade quando você já tem uma taxa de decaimento e só precisa do percentual restante após um atraso; se o plano inclui agendamento de revisões, dificuldade ou uma atualização de estabilidade após a recuperação, coloque essas políticas fora desta avaliação exponencial pura.