Regressão de Meia-Vida: O Algoritmo por Trás do Currículo Adaptativo do Amal
O currículo adaptativo do Amal é alimentado pela Regressão de Meia-Vida (HLR), um modelo de memória em que cada item de aprendizado tem uma "meia-vida" — o tempo para a probabilidade de recordação cair para 50%. A fórmula p(recordação) = 2(-Δ/h) orienta o agendamento: itens que precisam ser revisados são apresentados antes que a criança esqueça, enquanto itens dominados são espaçados por períodos maiores. Combinado ao ajuste de dificuldade baseado em persona, isso cria um caminho de aprendizado verdadeiramente personalizado para cada criança.
A Matemática Por Trás da Memória
Modelo de Decaimento Exponencial
A memória não decai linearmente — ela segue uma curva exponencial. Após revisar um conceito:
- Logo depois da revisão: 100% de probabilidade de recordação
- Após h horas: 50% de probabilidade (definição da meia-vida)
- Após 2h horas: 25% de probabilidade
- Após 4h horas: 6,25% de probabilidade
O Amal agenda a próxima revisão quando a probabilidade de recordação atinge aproximadamente 80% — o ponto ideal de eficiência.
Exemplo Prático: Aprendendo a palavra "كتب" (escreveu)
| Evento | Hora | Meia-Vida | Prob. Recordação | Próxima Revisão |
|---|---|---|---|---|
| Aprendizado inicial | Dia 1, 14h | 4h | 100% | ~18h |
| Revisão correta | Dia 1, 18h | 8h | 98% | Dia 2, 10h |
| Revisão correta | Dia 2, 10h | 16h | 92% | Dia 3, 14h |
| Revisão correta | Dia 3, 14h | 32h | 87% | Dia 5, 22h |
| Revisão correta | Dia 5, 22h | 64h | 81% | Dia 8, 20h |
| Memória estabilizada | Dia 8, 20h | 128h | 79% | Semana 2 |
Após 5 revisões corretas, a palavra "كتب" é revisada em intervalos de cerca de 5 dias. A criança gastou aproximadamente 30 minutos no total nesta palavra e agora consegue recordá-la com confiança.
Combinação de Dificuldade Baseada em Persona
O sistema detecta automaticamente três personas com base nos padrões de atividades:
Persona Iniciante
- Proporção: 60% conteúdo novo | 30% revisão | 10% desafio
- Exemplo de sessão: 3 letras novas, 2 revisões de letra, 1 palavra fácil
- Transição automática com mastery_score > 0,65
Persona Intermediária
- Proporção: 40% conteúdo novo | 40% revisão | 20% desafio
- Exemplo de sessão: 2 palavras novas, 2 revisões de palavra, 1 desafio médio
- Transição automática com mastery_score > 0,78
Persona Avançada
- Proporção: 20% conteúdo novo | 40% revisão | 40% desafio
- Exemplo de sessão: 1 frase nova, 2 revisões, 3 tarefas de compreensão desafiadoras
- Mantida para aprendizes avançados
Não é necessário selecionar manualmente — o sistema se adapta silenciosamente conforme seu filho demonstra habilidades.
Mistura de Conteúdo por Slots (Duo de Conteúdo)
Cada lição adaptativa combina três tipos de conteúdo em "slots":
[Slot de Conteúdo Novo] (item que a criança ainda não viu)
↓
[Slot de Revisão] (item devido para repetição espaçada)
↓
[Slot de Desafio] (item um pouco acima do nível atual)
A proporção muda dinamicamente durante a sessão:
- Se a criança está com dificuldades: aumenta os slots de revisão
- Se a criança está progredindo bem: aumenta os slots de desafio
- A adaptação em tempo real da persona mantém o engajamento ótimo
Arquitetura de Implementação
Modelo de Banco de Dados (UserItemMemoryModel):
user_id: "user_123" item_id: "letter_ba" concept_strength: 0.87 # escala de 0 a 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
Funções Principais:
calculate_half_life(): Ajusta h após cada tentativa
- Resposta correta: h = h × 2 (memória fortalece)
- Resposta incorreta: h = h × 0,5 (memória enfraquece)
- O número de exposições atua como amortecedor (mais exposições = mais estabilidade)calculate_next_review_time(): Calcula quando o item deve ser revisado novamente
- Probabilidade alvo para recordação: 80%
- Resolve Δ na fórmula: Δ = -h × log₂(0,8)recall_probability(): Indica a retenção atual para o conceito
- Usada para priorizar quais itens devem ser apresentados
- Itens com menor probabilidade são programados para revisão mais cedo
Por Que Isso Importa
Sem o HLR:
- Duolingo: mesma lição para todos usuários, sem rastreamento por item
- Apps de flashcards: usuário escolhe manualmente quando revisar
- Resultado: tempo desperdiçado em itens já dominados e esquecimento de outros
Com HLR no Amal:
- Cada conceito é rastreado individualmente
- O momento da revisão é cientificamente otimizado
- As crianças gastam tempo somente onde é necessário
- Aprendizagem 40% mais rápida que apps com cronogramas fixos
Perguntas Frequentes
P: E se meu filho errar um item repetidamente?
R: A meia-vida diminui (h = h × 0,5), então o item reaparece mais cedo. O sistema é paciente — traz os itens para revisão a cada poucas horas se necessário. Com revisões corretas repetidas, a meia-vida volta a crescer.
P: Posso ajustar manualmente o nível de persona do meu filho?
R: O sistema detecta automaticamente as personas. Você pode alterar nas configurações dos pais se acreditar que seu filho está em um nível diferente, mas o app corrigirá automaticamente caso os dados de atividade discordem.
P: Quanto tempo leva para um item ser "totalmente aprendido"?
R: Normalmente 5-8 revisões corretas em 2-3 semanas, dependendo da meia-vida inicial e da frequência das práticas. Itens muito fáceis podem estabilizar em dias. Itens difíceis podem levar meses.
