Um agendador que estima quando você vai esquecer
O FSRS (Free Spaced Repetition Scheduler) é uma alternativa ao agendador antigo do Anki, baseado no SM-2. Ele usa seu histórico de revisões para estimar quando você provavelmente vai esquecer cada cartão e agenda a próxima revisão para que você o lembre com a probabilidade que escolher, chamada retenção desejada (Desired retention).
Na prática, você deixa de ajustar multiplicadores e intervalos à mão e passa a decidir principalmente um número: que proporção dos cartões você quer lembrar quando eles aparecerem. O FSRS calcula os intervalos a partir daí. Continua sendo repetição espaçada; o que muda é a forma de calcular o espaçamento.
Verifique se todos os aplicativos que você usa são compatíveis
Segundo o manual do Anki, o FSRS funciona no Anki 23.10 ou posterior, no AnkiMobile 23.10 ou posterior, no AnkiWeb e no AnkiDroid 2.17 ou posterior. O manual avisa que, se você estudar em um cliente que não o suporta, as coisas não vão funcionar direito. Antes de ativá-lo, atualize todos os dispositivos em que você revisa.
Essa verificação evita o problema mais frustrante: revisar no celular com uma versão antiga e encontrar intervalos inconsistentes depois de sincronizar. Se algum dos seus dispositivos não puder ser atualizado, resolva isso antes de trocar de agendador.
Ative-o e ajuste as etapas de aprendizado
Você ativa o FSRS na seção FSRS, no fim das opções do baralho, e o manual observa que a configuração é global: não dá para usá-lo em alguns baralhos e em outros não. Antes de ativá-lo, o manual recomenda remover qualquer código de agendamento personalizado que você tenha adicionado.
Ele também pede que as etapas de aprendizado e de reaprendizado fiquem abaixo de um dia, por exemplo 10m ou 30m. O motivo é que o FSRS cuida dos intervalos medidos em dias; se suas etapas já chegam a um dia ou mais, os dois sistemas se sobrepõem. Confira esses campos em todas as predefinições (presets) que você usa.
Escolha a retenção desejada com cuidado
A retenção desejada é a probabilidade de lembrar um cartão quando ele aparece para revisão. O padrão é 90%. Aumentá-la encurta os intervalos e gera mais revisões; diminuí-la significa menos revisões, mas mais cartões esquecidos antes de você vê-los. O manual sugere mantê-la abaixo de 97%, porque a carga de trabalho sobe muito à medida que você se aproxima de 100%.
Uma forma de visualizar, em um exemplo nosso: com 90%, de 200 revisões pendentes você esqueceria cerca de 20. Com uma retenção mais alta, esse número cai, mas o total de revisões aumenta. A retenção é definida por predefinição, então você pode usar um valor mais alto em um baralho ligado a uma prova próxima e um mais baixo em um baralho de manutenção.
Otimize os parâmetros quando tiver histórico
O FSRS tem parâmetros que se adaptam à forma como você lembra, ajustados por um otimizador que analisa seu histórico de revisões. O manual diz que reotimizar mais ou menos uma vez por mês é suficiente e menciona uma verificação de saúde (health check) opcional.
Com poucos dados, o ajuste é menos confiável: o manual cita ter poucas revisões, menos de algumas centenas, como um motivo comum para o FSRS funcionar mal. Se você está começando agora, pode manter os parâmetros padrão e otimizar mais tarde, quando seu histórico tiver crescido.
Teste a troca por duas semanas
Trocar de agendador no meio da temporada de provas acrescenta incerteza justamente quando você menos precisa dela. Se puder, experimente em um período mais tranquilo e observe os números antes de tirar conclusões. Este é um plano nosso, pensado para que a mudança seja fácil de avaliar.
- Atualize todos os dispositivos e sincronize antes de ativar o FSRS.
- Comece com a retenção padrão de 90% e não mexa nas outras configurações.
- Anote todo dia quantas revisões você tem e com que frequência aperta Again.
- Depois de duas semanas, compare essa carga com a que você tinha antes.
- Otimize os parâmetros quando seu histórico passar de algumas centenas de revisões.
O que o FSRS não resolve
Um agendador melhor não conserta cartões mal escritos. Se uma pergunta mistura três ideias ou a resposta é um parágrafo, você vai errar por motivos que nenhum algoritmo consegue corrigir. O FSRS também não substitui a prática que a sua prova exige, como resolver problemas ou escrever respostas longas.
- Cartões ambíguos ou longos demais continuam sendo um problema de redação.
- Avaliações desonestas alimentam o otimizador com dados falsos.
- Acrescentar cartões novos demais continua gerando revisões demais.
- As evidências sobre espaçamento, como a meta-análise de Cepeda e colaboradores (2006), apoiam o princípio geral, não um algoritmo específico.
E na Lumia AI, como a revisão é agendada?
A Lumia AI não usa o FSRS nem oferece opções de baralho como a retenção desejada. Depois de responder a cada cartão, você o avalia como De novo, Difícil, Bom ou Fácil, e a Lumia calcula a próxima data de revisão a partir dessa avaliação.
Se você vem do Anki, pode importar um baralho em formato .apkg com uma prévia, conferir uma amostra e organizá-lo em livros. O conselho é o mesmo de qualquer ferramenta: cartões claros, avaliações honestas e verificações fora do baralho, com problemas ou perguntas novas.
Fontes e escopo deste guia
Estas referências oferecem contexto sobre estudo e aprendizagem. Os exemplos são ilustrativos; não constituem uma avaliação do Lumia AI e não garantem notas nem taxas de retenção.
- Anki: Opções de baralho (Deck Options) — Manual do Anki sobre o FSRS: versões compatíveis, ativação global, retenção desejada e otimização de parâmetros.
- Cepeda et al. (2006): Distributed practice in verbal recall tasks — Meta-análise da prática distribuída; apoia espaçar as revisões em geral e não avalia o FSRS nem a Lumia AI.
- Lumia AI: perguntas frequentes — Fonte oficial sobre o tutor, as trilhas de aprendizagem, a prática e a revisão; os resultados gerados e as configurações ainda exigem verificação.
Abordagem editorial: o texto indica a fonte ao lado das afirmações baseadas em evidências; esta lista identifica o documento, o link e o escopo consultados. Diferenciamos essas referências dos nossos próprios exemplos. Se você encontrar algum erro, inclua a página e a frase ao entre em contato com a equipe.
Revise com cartões claros e avaliações honestas
Importe um baralho .apkg ou crie cartões na Lumia AI e deixe que suas avaliações agendem cada revisão.
Comece grátis