SpacedRepetitionFunktionen

SpacedRepetitionFunktionen bezeichnet in der Lerntechnologie eine Klasse von Funktionen oder Modulen, die das zeitliche Scheduling von Lernwiederholungen steuern. Sie unterstützen spaced repetition, indem sie aus der bisherigen Leistung des Lernenden den optimalen nächsten Wiederholungstermin ableiten. Typische Ziele sind die Maximierung der Langzeitretention bei geringem Lernaufwand.

Die Funktionen verwenden typischerweise Zustandsgrößen wie das Intervall seit der letzten Abfrage, einen Schwierigkeits- oder Ease-Factor, die Anzahl der bisherigen Wiederholungen und eine Bewertung der aktuellen Antwort. Die Eingaben fließen in eine Logik ein, die den nächsten Zeitpunkt, ggf. den Schwierigkeitsgrad und ggf. das Intervall neu festlegt. Die Ausgaben umfassen das neue Intervall, den angepassten Ease Factor und Hinweise, ob ein neuer Durchlauf nötig ist.

Viele Spaced-Repetition-Modelle basieren auf bekannten Algorithmen, etwa dem SM-2-Ansatz, bei dem eine Bewertung der Antwort (Quality) die Intervalle und den Faktor anpasst. Andere Modelle verwenden lineare oder exponentielle Intervalserhöhungen, Lapse-Behandlung bei längeren Pausen und Mechanismen zur Stabilisierung von Lernpfaden. Die Algorithmen können als heuristische Regeln, statistische Modelle oder maschinelles Lernen implementiert sein, oft mit Parametern, die auf den individuellen Lernverlauf angepasst werden.

Anwendungen finden sich in Lern-Apps, Sprachkursen und digitalen Lernmanagementsystemen. Vorteile sind bessere Retention, individualisierte Planung und effizienterer Lernaufwand; Nachteile ergeben sich aus Abhängigkeit von Datengenauigkeit, anfänglicher Kalibrierung und möglicher Vernachlässigung in bestimmten Fachgebieten.

---