Half-Life Regression: الگوریتم پشت برنامه آموزشی انطباقی Amal
برنامه آموزشی انطباقی Amal با استفاده از مدل حافظه Half-Life Regression (HLR) طراحی شده است؛ مدلی که در آن هر مطلب آموزشی یک «نیمهعمر» دارد — مدت زمانی که احتمال بهخاطرسپاری به ۵۰٪ کاهش مییابد. فرمول p(recall) = 2^(-Δ/h) زمانبندی مرورها را هدایت میکند: مطالبی که موعد مرور دارند قبل از فراموش شدن کودک نمایش داده میشوند و مطالبی که تسلط کامل روی آنها به دست آمده، با فاصله زمانی بیشتر مرور میشوند. به همراه تطبیق سختی براساس شخصیت یادگیرنده، این الگوریتم مسیر یادگیری کاملاً شخصیسازیشدهای برای هر کودک فراهم میکند.
ریاضیات پشت حافظه
مدل کاهش نمایی
حافظه به صورت خطی کاهش نمییابد، بلکه روندی نمایی دارد. بعد از مرور یک مفهوم:
- مستقیماً بعد از مرور: احتمال بهخاطرسپاری ۱۰۰٪
- بعد از h ساعت: احتمال بهخاطرسپاری ۵۰٪ (تعریف نیمهعمر)
- بعد از ۲h ساعت: احتمال بهخاطرسپاری ۲۵٪
- بعد از ۴h ساعت: احتمال بهخاطرسپاری ۶.۲۵٪
Amal مرور بعدی را زمانی برنامهریزی میکند که احتمال بهخاطرسپاری حدود ۸۰٪ باشد — نقطه بهینه کارایی.
مثال عملی: یادگیری کلمه «كتب»
| رویداد | زمان | نیمهعمر | احتمال بهخاطرسپاری | مرور بعدی |
|---|---|---|---|---|
| آموزش اولیه | روز ۱، ساعت ۲ بعدازظهر | ۴ ساعت | ۱۰۰٪ | حدود ساعت ۶ بعدازظهر |
| مرور صحیح | روز ۱، ساعت ۶ بعدازظهر | ۸ ساعت | ۹۸٪ | روز ۲، ساعت ۱۰ صبح |
| مرور صحیح | روز ۲، ساعت ۱۰ صبح | ۱۶ ساعت | ۹۲٪ | روز ۳، ساعت ۲ بعدازظهر |
| مرور صحیح | روز ۳، ساعت ۲ بعدازظهر | ۳۲ ساعت | ۸۷٪ | روز ۵، ساعت ۱۰ شب |
| مرور صحیح | روز ۵، ساعت ۱۰ شب | ۶۴ ساعت | ۸۱٪ | روز ۸، ساعت ۸ شب |
| حافظه پایدار | روز ۸، ساعت ۸ شب | ۱۲۸ ساعت | ۷۹٪ | هفته ۲ |
بعد از ۵ مرور صحیح، کلمه «كتب» تقریباً هر ۵ روز مرور میشود. کودک حدود ۳۰ دقیقه کل وقت خود را روی این کلمه صرف کرده و توانایی یادآوری آن را به خوبی دارد.
تطبیق سختی مبتنی بر شخصیت یادگیرنده
سیستم به طور خودکار سه نوع شخصیت یادگیری را بر اساس الگوی فعالیت تشخیص میدهد:
شخصیت مبتدی
- نسبت: ۶۰٪ محتوی جدید | ۳۰٪ مرور | ۱۰٪ چالش
- جلسه نمونه: ۳ حرف جدید، ۲ مرور حرف، ۱ کلمه آسان
- تغییر خودکار با امتیاز تسلط بیشتر از ۰.۶۵
شخصیت متوسط
- نسبت: ۴۰٪ محتوی جدید | ۴۰٪ مرور | ۲۰٪ چالش
- جلسه نمونه: ۲ کلمه جدید، ۲ مرور کلمه، ۱ چالش متوسط
- تغییر خودکار با امتیاز تسلط بیشتر از ۰.۷۸
شخصیت پیشرفته
- نسبت: ۲۰٪ محتوی جدید | ۴۰٪ مرور | ۴۰٪ چالش
- جلسه نمونه: ۱ جمله جدید، ۲ مرور، ۳ تمرین درک مطلب چالشبرانگیز
- مناسب یادگیرندگان حرفهای، به صورت پایدار حفظ میشود
انتخاب دستی نیاز نیست — سیستم به شکل بیصدا با پیشرفت کودک سازگار میشود.
ترکیب محتوی مبتنی بر بخشها (Content Duo)
هر درس انطباقی سه بخش محتوی را ترکیب میکند:
[بخش محتوی جدید] (مطلبی که کودک ندیده است)
↓
[بخش مرور] (مطلبی که زمان مرور آن رسیده است)
↓
[بخش چالش] (مطلب کمی بالاتر از سطح فعلی)
نسبت این بخشها به صورت پویا در طول جلسه تغییر میکند:
- اگر کودک در حال تلاش است: سهم بخشهای مرور افزایش مییابد
- اگر کودک عملکرد خوبی دارد: سهم بخشهای چالش بیشتر میشود
- تنظیم شخصیت در زمان واقعی باعث بهینه ماندن انگیزه میشود
معماری پیادهسازی
مدل پایگاه داده (UserItemMemoryModel):
user_id: "user_123" item_id: "letter_ba" concept_strength: 0.87 # مقیاس ۰ تا ۱ 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
توابع اصلی:
calculate_half_life(): تنظیم h پس از هر تلاش- پاسخ صحیح: h = h × ۲ (تقویت حافظه)
- پاسخ اشتباه: h = h × ۰.۵ (ضعیف شدن حافظه)
- تعداد مشاهده به عنوان کاهنده نوسانات (هرچه تعداد بیشتر باشد، حافظه پایدارتر است)
calculate_next_review_time(): زمان مرور بعدی کی است؟- هدف احتمال بهخاطرسپاری: ۸۰٪
- حل Δ در فرمول: Δ = -h × log₂(0.8)
recall_probability(): احتمال یادآوری فعلی این مفهوم چقدر است؟- برای اولویتبندی مطالب جهت نمایش به کار میرود
- مطالب با احتمال کمتر زودتر برنامهریزی میشوند
چرا این موضوع اهمیت دارد
بدون HLR:
- دوولینگو: یک درس یکسان برای همه کاربران، بدون پیگیری هر آیتم جداگانه
- اپلیکیشنهای فلشکارت: کاربران باید مرور را خودشان انتخاب کنند
- نتیجه: وقتگذرانی روی مطالب شناختهشده و فراموششده
با HLR در Amal:
- هر مفهوم به صورت مجزا پیگیری میشود
- زمانبندی مرور بر اساس علم بهینه شده است
- کودکان فقط روی مطالب مهم وقت میگذارند
- ۴۰٪ یادگیری سریعتر نسبت به اپهایی با برنامه ثابت
پرسشهای متداول
س: اگر کودک من مدام جواب یک آیتم را اشتباه بدهد چه؟
ج: نیمهعمر آن کاهش مییابد (h = h × ۰.۵) و سریعتر دوباره ظاهر میشود. سیستم صبور است و اگر لازم باشد هر چند ساعت مطالب را برای مرور بازمیگرداند. در نهایت با مرورهای صحیح مکرر، نیمهعمر دوباره افزایش مییابد.
س: آیا میتوانم سطح شخصیت یادگیری کودک را دستی تنظیم کنم؟
ج: شخصیتها به طور خودکار شناسایی میشوند. اگر فکر میکنید که کودک در سطح متفاوتی است، میتوانید در تنظیمات والدین تغییر دهید ولی اپ بهصورت خودکار در صورت عدم تطابق دادهها اصلاح میکند.
س: چقدر طول میکشد یک آیتم «کاملاً یادگرفته» شود؟
ج: معمولاً ۵ تا ۸ مرور صحیح در مدت ۲ تا ۳ هفته، بستگی به نیمهعمر اولیه و دفعات تمرین دارد. آیتمهای بسیار آسان ممکن است در چند روز تثبیت شوند، اما آیتمهای سختتر ممکن است ماهها طول بکشد.
