Šta je Half-Life Regression: Algoritam iza Amal-ovog prilagodljivog kurikuluma
Prilagodljivi kurikulum Amal aplikacije koristi Half-Life Regression (HLR), model pamćenja gdje svaki element učenja ima svoju "vrijeme poluraspada" — vrijeme potrebno da vjerovatnoća prisjećanja padne na 50%. Formula p(prisjećanja) = 2^(-Δ/h) određuje raspored ponavljanja: stavke za pregled se pojave prije nego dijete zaboravi, a savladani pojmovi se prikazuju rjeđe. Uz personalizaciju po tipu učenika, ovo stvara jedinstveno prilagođeno obrazovno iskustvo za svako dijete.
Matematika iza pamćenja
Model eksponencijalnog odstupanja
Pamćenje ne opada linearno već po eksponencijalnoj krivulji. Nakon ponovnog učenja koncepta:
- Nakon pregleda: 100% vjerovatnoća prisjećanja
- Nakon h sati: 50% vjerovatnoća (definicija pola-vremena)
- Nakon 2h sati: 25% vjerovatnoća
- Nakon 4h sati: 6,25% vjerovatnoća
Amal zakazuje sljedeći pregled kad vjerovatnoća dođe otprilike do 80% — optimalna tačka efikasnosti.
Primjer: Učenje riječi "كتب" (pisao)
| Događaj | Vrijeme | Pola-vrijeme (h) | Vjerovatnoća prisjećanja | Sljedeći pregled |
|---|---|---|---|---|
| Prvo učenje | Dan 1, 14:00 | 4h | 100% | oko 18:00 |
| Ispravan pregled | Dan 1, 18:00 | 8h | 98% | Dan 2, 10:00 |
| Ispravan pregled | Dan 2, 10:00 | 16h | 92% | Dan 3, 14:00 |
| Ispravan pregled | Dan 3, 14:00 | 32h | 87% | Dan 5, 22:00 |
| Ispravan pregled | Dan 5, 22:00 | 64h | 81% | Dan 8, 20:00 |
| Stabilno pamćenje | Dan 8, 20:00 | 128h | 79% | Naredna sedmica |
Nakon 5 ispravnih pregleda, "كتب" se ponovo pregledava otprilike na svakih 5 dana. Dijete je ukupno potrošilo oko 30 minuta na ovu riječ i sada je pouzdano može prisjetiti.
Personalizacija po profilu učenika
Sistem automatski prepoznaje tri tipa korisnika prema obrascima aktivnosti:
Početnik
- Omjer: 60% novog sadržaja | 30% ponavljanje | 10% izazov
- Primjer: 3 nova slova, 2 ponavljanja slova, 1 laka riječ
- Automatska promjena profila kada mastery_score > 0.65
Srednji nivo
- Omjer: 40% novog sadržaja | 40% ponavljanje | 20% izazov
- Primjer: 2 nove riječi, 2 ponavljanja riječi, 1 srednje težak izazov
- Automatska promjena profila kada mastery_score > 0.78
Napredni nivo
- Omjer: 20% novog sadržaja | 40% ponavljanje | 40% izazov
- Primjer: 1 nova rečenica, 2 ponavljanja, 3 teška zadatka za razumijevanje
- Ostaje za iskusne učenike
Nije potrebna ručna selekcija — sustav se sam prilagođava kako dijete napreduje.
Miješanje sadržaja po slotovima (Content Duo)
Svaki prilagodljivi čas sadrži tri "slota" sadržaja:
[Slot novog sadržaja] (Stavka koju dijete nije vidjelo)
↓
[Slot ponavljanja] (Stavka za periodično ponavljanje)
↓
[Slot izazova] (Stavka malo iznad trenutnog nivoa)
Omjer se dinamički mijenja tokom sesije:
- Ako se dijete muči: povećava se udio ponavljanja
- Ako dijete napreduje: povećava se udio izazova
- Prilagođavanje profila u realnom vremenu održava angažman
Implementaciona arhitektura
Model baze podataka (UserItemMemoryModel):
user_id: "user_123"
item_id: "letter_ba"
concept_strength: 0.87 # skala 0-1
half_life_hours: 32
exposures: 7
correct_count: 6
last_reviewed_at: 2026-03-28 18:45
next_review_due_at: 2026-03-30 20:45
Glavne funkcije:
calculate_half_life(): prilagođava h nakon svakog pokušaja- Tačan odgovor: h = h × 2 (pamćenje jača)
- Netačan odgovor: h = h × 0.5 (pamćenje slabi)
- Broj prikaza smanjuje varijabilnost (više prikaza = stabilnije)
calculate_next_review_time(): računa kada je sljedeći pregled poteban- Meta vjerovatnoća prisjećanja: 80%
- Rješenje za Δ u formuli: Δ = -h × log₂(0.8)
recall_probability(): trenutni procenat zadržavanja pojma- Koristi se za određivanje prioriteta prikazivanja
- Stavke sa nižom vjerovatnoćom prvo idu na pregled
Zašto je ovo važno
- Bez HLR sistema:
- Duolingo koristi isti raspored za sve, nema praćenja pojedinačnih stavki
- Aplikacije s fleškartama zahtijevaju ručno biranje ponavljanja
- Rezultat: gubljenje vremena na već poznatim, zaboravljanje važnih stavki
- Uz HLR u Amal-u:
- Svaki koncept se pojedinačno prati
- Raspored ponavljanja je naučno optimiziran
- Djeca uče brže i efektnije
- Učenje je 40% brže u odnosu na aplikacije s fiksnim rasporedom
Često postavljana pitanja (FAQ)
P: Šta ako dijete često pogriješi na nekoj stavci?
O: Pola-vrijeme se smanjuje (h = h × 0.5), tako da se ponovo brzo pojavljuje. Sistem je strpljiv i vraća stavke na pregled svakih nekoliko sati dok se ne savladaju.
P: Mogu li ručno promijeniti profil svog djeteta?
O: Sistem automatski detektuje profil, ali u roditeljskim postavkama možete ručno preuzeti kontrolu. Aplikacija će automatski korigovati ako se podaci o aktivnosti ne slažu.
P: Koliko vremena je potrebno da se stavka u potpunosti savlada?
O: Obično 5-8 ispravnih pregleda unutar 2-3 sedmice, zavisno od početnog pola-vremena i učestalosti prakse. Lagane stavke mogu biti savladane u nekoliko dana, a teške i mjesecima.
