Retención de memoria tras días

Docentes, tutores y diseñadores de aplicaciones de aprendizaje suelen necesitar un único número honesto sobre cuánto de una lección sigue disponible para recordar tras una demora, no otro ensayo de teoría de la memoria. Esta calculadora de retención de memoria tras días aplica el modelo clásico de olvido exponencial de primer orden: el porcentaje restante es el porcentaje inicial por e elevado a menos la tasa de decaimiento por los días. Usted elige la tasa de decaimiento en inversos de día, indica cuántos días han pasado desde la codificación y, si lo desea, parte de un porcentaje ya inferior a cien cuando ya se ha producido algo de olvido. Siete días a una tasa de 0.1 por día desde una codificación completa devuelven cerca del 49.66 por ciento aún recordado, más el porcentaje olvidado complementario, el factor de decaimiento adimensional y la semivida en días que implica esa misma tasa. Una demora de cero días devuelve el porcentaje inicial sin cambio.

Qué calcula de verdad el olvido exponencial tras una demora

El recuerdo humano tras una sola sesión de codificación suele modelarse como un desvanecimiento exponencial suave, no como una caída lineal ni como un acantilado súbito. El modelo usado aquí es la misma ley de primer orden que aparece en las curvas de olvido al estilo de Ebbinghaus y en todo tratamiento introductorio de la retención de memoria en función del tiempo: el porcentaje retenido es el porcentaje inicial por exp de menos la tasa de decaimiento por los días.

La tasa de decaimiento k es una constante positiva con unidades de uno por día; un k mayor significa que la huella se desvanece más rápido y un k menor significa que el material es más estable. Multiplicar k por los días transcurridos produce el producto adimensional kt que ocupa el exponente, de modo que duplicar la tasa o la demora multiplica el exponente y eleva al cuadrado el factor restante cuando el otro término se mantiene fijo.

El porcentaje olvidado complementario es simplemente el porcentaje inicial menos el porcentaje restante, lo que mantiene las dos partes sumando de nuevo al inicio en lugar de inventar un tercer residuo. El campo de semivida es ln(2) dividido por k y responde a una pregunta de planificación relacionada: cuántos días hasta que la parte restante sea la mitad de aquello con lo que usted empezó.

Una demora de cero días es un caso de identidad válido —el factor de decaimiento es uno y el porcentaje restante es el inicial— porque no ha transcurrido tiempo para que la huella se desvanezca. El modelo no pretende ser un motor completo de repetición espaciada: no programa repasos, no cambia k tras una recuperación exitosa ni mezcla la dificultad del ítem. Responde a una intención de búsqueda con claridad: dada una tasa de decaimiento elegida, qué porcentaje del material se recuerda aún tras un número declarado de días.

Quién usa una estimación del olvido y para qué

Los coaches de preparación de exámenes y las plataformas de tutoría integran la ruta gratuita del navegador para que un alumno vea por qué esperar dos semanas sin repaso deja mucho menos de una lección que esperar dos días, usando una tasa de decaimiento que el coach eligió a partir de datos de aula y no un valor oculto.

Los backends de fichas y de LMS llaman al mismo módulo puro cuando necesitan una vista previa transparente del recuerdo restante antes de invertir en un programador de repetición espaciada más pesado que actualiza la estabilidad tras cada repaso. Los docentes pueden demostrar la lectura de la semivida: elija k de modo que ln(2)/k sea siete días y muestre que una semana después la parte restante es la mitad del inicio, una comprobación de aula más limpia que pedir al alumnado evaluar e a una potencia enrevesada a mano.

La validación fallida no consume saldo, lo que mantiene baratos los scripts exploratorios cuando un desarrollador envía a propósito una demora negativa o una tasa nula. Prefiera esta capacidad cuando ya tiene una tasa de decaimiento y solo necesita el porcentaje restante tras una demora; si su plan incluye programación de repasos, dificultad o una actualización de estabilidad tras la recuperación, superponga esas políticas fuera de esta evaluación exponencial pura.