Kurikula adaptive e Amal-it funksionon me Regresionin Gjysmë-Javësor (HLR), një model kujtese ku çdo element mësimor ka një "gjysmë-javë" — koha gjatë së cilës probabiliteti i kujtimit bie në 50%. Formula p(recall) = 2(-Δ/h) udhëheq planifikimin: elementët që duhen rikontrolluar shfaqen përpara se fëmija të harrojë, ndërsa elementët e zotëruar planifikohen më larg në kohë. Duke kombinuar këtë me përshtatjen e vështirësisë sipas personazhit, krijohet një rrugë mësimi plotësisht personale për çdo fëmijë.
Matematika pas kujtesës
Modeli i Dekadencës Eksponenciale
Kujtesa nuk zbehet në mënyrë lineare — ajo ndjek një kurbë eksponenciale. Pas ripërpunimit të një koncepti:
- Pasi sapo është rishikuar: probabiliteti i kujtimit 100%
- Pas h orësh: probabiliteti i kujtimit 50% (sipas definicionit të gjysmë-javës)
- Pas 2h orësh: probabiliteti i kujtimit 25%
- Pas 4h orësh: probabiliteti i kujtimit 6.25%
Amal planifikon rishikimin tjetër kur probabiliteti i kujtimit arrin afërsisht 80% — pika optimale e efikasitetit.
Shembull: Mësimi i fjalës "كتب" (shkroi)
| Ngjarja | Koha | Gjysmë-Java | Prob. Kujtimi | Rishikim i radhës |
|---|---|---|---|---|
| Mësimi fillestar | Dita 1, 14:00 | 4h | 100% | ~18:00 |
| Rishikim i saktë | Dita 1, 18:00 | 8h | 98% | Dita 2, 10:00 |
| Rishikim i saktë | Dita 2, 10:00 | 16h | 92% | Dita 3, 14:00 |
| Rishikim i saktë | Dita 3, 14:00 | 32h | 87% | Dita 5, 22:00 |
| Rishikim i saktë | Dita 5, 22:00 | 64h | 81% | Dita 8, 20:00 |
| Kujtesë e qëndrueshme | Dita 8, 20:00 | 128h | 79% | Java 2 |
Pas 5 rishikimeve të sakta, "كتب" rishikohet rreth çdo 5 ditë. Fëmija e ka kaluar afërsisht 30 minuta në këtë fjalë dhe tani e kujton me siguri.
Përshtatja e Vështirësisë sipas Personazhit
Sistemi zbulon automatikisht tre persona bazuar në modelet e aktivitetit:
- Persona Fillestar
- Raporti: 60% përmbajtje e re | 30% ripërpunim | 10% sfidë
- Shembull sesioni: 3 shkronja të reja, 2 rishikime shkronjash, 1 fjalë e lehtë
- Kalimi automatik kur mastery_score > 0.65
- Persona Mesatar
- Raporti: 40% përmbajtje e re | 40% ripërpunim | 20% sfidë
- Shembull sesioni: 2 fjalë të reja, 2 rishikime fjalësh, 1 sfidë mesatare
- Kalimi automatik kur mastery_score > 0.78
- Persona Avancuar
- Raporti: 20% përmbajtje e re | 40% ripërpunim | 40% sfidë
- Shembull sesioni: 1 fjali e re, 2 rishikime, 3 detyra sfiduese të kuptimit
- Kënduar për nxënësit e avancuar
Nuk nevojitet përzgjedhje manuale — sistemi përshtatet heshturazi sipas aftësive të fëmijës.
Përzierja e Përmbajtjes në Byte (Content Duo)
Çdo mësim adaptiv përzien tri "byte" përmbajtjeje:
[Byte për Përmbajtje të Re] (Elementi që fëmija nuk e ka parë)
↓
[Byte për Rishikim] (Elementi që duhet përsëritur në mënyrë të ndarë në kohë)
↓
[Byte për Sfidë] (Elementi pak më i avancuar se niveli aktual)
Raporti ndryshon në kohë reale gjatë sesionit:
- Nëse fëmija ka vështirësi: përqendrohet më shumë në byte rishikimi
- Nëse fëmija e përparon: përqendrohet më shumë në byte sfidash
- Përshtatja në kohë reale e personazhit ruan motivimin maksimal
Arkitektura e Implementimit
Modeli i Bazës së të Dhënave (UserItemMemoryModel):
user_id: "user_123"
item_id: "letter_ba"
concept_strength: 0.87 # shkala 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
Funksionet Kryesore:
calculate_half_life(): Rregullon h pas çdo përpjekjeje- Përgjigje e saktë: h = h × 2 (kujtimi forcohet)
- Përgjigje e pasaktë: h = h × 0.5 (kujtimi dobësohet)
- Numri i ekspozimeve vepron si dembuese (më shumë ekspozime = më stabil)
calculate_next_review_time(): Kur duhet shfaqur sërish ky element?- Probabiliteti i qëlluar i kujtimit: 80%
- Llogarit Δ në formulë: Δ = -h × log₂(0.8)
recall_probability(): Cili është nivel aktual i mbajtjes së konceptit?- Përdoret për prioritarizimin e elementëve për ripërpunim
- Elementët me probabilitet më të ulët planifikohen më shpejt
Përse Është i Rëndësishëm Ky Model
- Pa HLR:
- Duolingo: i njejti mësim për të gjithë përdoruesit, pa ndjekje për secilin element
- Aplikacionet me kartela: përdoruesit vetë zgjedhin kur të rishikojnë
- Rezultat: kohë e humbur me elementë të njohur, elementë të harruar
- Me HLR në Amal:
- Çdo koncept ndiqet individualisht
- Koha e rishikimit është optimizuar shkencërisht
- Fëmijët harxhojnë kohë vetëm aty ku ka rëndësi
- Mësimi është 40% më i shpejtë se aplikacionet me orare fikse
Pyetjet e Shpeshta
Pyetje: Çfarë ndodh nëse fëmija gabon një element shumë herë?
Përgjigje: Gjysmë-java zvogëlohet (h = h × 0.5), kështu që ai element shfaqet më shpejt sërish për ripërpunim. Sistemi tregohet i durueshëm — e rikthen atë çdo disa orë nëse duhet. Në fund, me rishikime të vazhdueshme të sakta, gjysmë-java rritet përsëri.
Pyetje: A mund ta përshtas manualisht nivelin persona i fëmijës?
Përgjigje: Sistemi zbulon automatikisht personazhet. Mund të ndërhysh në cilësimet e prindit nëse mendon se fëmija është në një nivel të ndryshëm, por app do të korrigjojë automatikisht bazuar në të dhënat e aktivitetit.
Pyetje: Sa kohë duhet që një element të jetë "mësuar plotësisht"?
Përgjigje: Zakonisht 5-8 rishikime të sakta gjatë 2-3 javëve, varësisht nga gjysmë-java fillestare dhe frekuenca e praktikës. Elementët shumë të lehtë stabilizohen brenda ditësh. Elementët e vështirë mund të kërkojnë muaj.
