La Pratica & la Legge di Potenza
Su un'ampia gamma di abilità — dattilografia, lettura, risoluzione di problemi aritmetici, assemblaggio di attrezzature — le prestazioni migliorano secondo una legge di potenza:
y = a · x^(−b)
dove y = errori per tentativo (o tempo per tentativo), x = tentativi di pratica cumulativi, a = livello di prestazione iniziale, b = esponente del tasso di apprendimento (b > 0 per il miglioramento).
La legge di potenza ha una proprietà elegante: nello spazio log-log, diventa una linea retta.
ln y = ln a − b · ln x
Pendenza della linea nello spazio log-log: −b. Pendenza più ripida = apprendimento più veloce. Lo stesso esponente b descrive il tasso di apprendimento indipendentemente dal livello di prestazione iniziale a.
Perché log-log? La pratica iniziale produce guadagni significativi; la pratica successiva produce ritorni decrescenti. Un grafico lineare mostra un calo iniziale drammatico e poi una coda piatta. Log-log rivela la struttura auto-simile: ogni raddoppio della pratica riduce gli errori della stessa frazione 2^(−b).
Calcolo del Tasso di Apprendimento
Se uno studente fa 100 errori al tentativo 1 e 50 errori al tentativo 8, qual è b?
y₁ = a · 1^(−b) = a = 100
y₈ = a · 8^(−b) = 100 · 8^(−b) = 50
8^(−b) = 0.5 → −b · ln(8) = ln(0.5) = −0.693 → b = 0.693 / ln(8) = 0.693 / 2.079 ≈ 0.333
Ebbinghaus & Oblio Esponenziale
Hermann Ebbinghaus (1885) ha misurato la sua stessa ritenzione di sillabe senza senso nel tempo e ha scoperto che la ritenzione segue un decadimento esponenziale:
r(t) = e^(−t/S)
dove r(t) = frazione trattenuta al tempo t, S = forza della memoria (aumenta con ogni revisione). A t = 0: r = 1 (100% trattenuto). A t = S: r = 1/e ≈ 37%.
L'effetto di spaziatura: rivedere il materiale nel momento del quasi-oblio (quando r ≈ 0.8 o inferiore) produce un aumento maggiore in S rispetto alla revisione immediatamente dopo l'apprendimento.
Tempistica di revisione ottimale: se S cresce di un fattore fisso k ad ogni revisione, gli intervalli ottimali formano una sequenza geometrica. Dopo l'apprendimento con S₀, rivedi ai tempi S₀, k·S₀, k²·S₀, .... Ogni intervallo è k volte più lungo del precedente.
Valori tipici di k da dati empirici: 2.0–2.5. Uno studente che rivede i giorni 1, 2, 4, 8, 16 segue questo modello di spaziatura geometrica.
Calcolo degli Intervalli di Revisione Ottimali
Uno studente impara il materiale con una forza di memoria iniziale S₀ = 2 giorni. Ogni revisione moltiplica S per k = 2.5. Lo studente rivede poco prima che la ritenzione scenda all'80% (soglia r ≥ 0.80).
Alla soglia: e^(−t/S) = 0.80, quindi t = −S · ln(0.80) ≈ S · 0.223.
Il Curriculum come Grafo
Un programma di ramificazione definisce un grafo diretto G = (V, E) dove:
- Vertici V: nodi istruttivi (blocchi di contenuto, domande, feedback)
- Archi E: transizioni etichettate da classificazioni di risposte degli studenti (corretto, parziale, non corretto, chiarimento)
Ogni studente traccia un percorso attraverso G da un vertice di ingresso a un vertice di uscita. Il percorso dipende interamente da quali archi si attivano ad ogni step.
Proprietà che la struttura del grafo determina:
1. Raggiungibilità: ogni vertice può essere raggiunto dall'ingresso? Un vertice irraggiungibile è contenuto morto — lo studente non può mai vederlo.
2. Rilevamento di cicli: il grafo contiene cicli? Un ciclo significa che uno studente può fare un ciclo indefinitamente. I programmi adattivi usano i cicli deliberatamente (retry loop) ma devono garantire un'uscita eventuale (un arco max-attempts che forza il progresso).
3. Distribuzione della lunghezza del percorso: quanti passaggi fa lo studente tipico? Un buon programma di ramificazione consente agli studenti avanzati di percorrere percorsi brevi; gli studenti in difficoltà percorrono percorsi di remediale più lunghi.
Analisi delle Proprietà di un Programma di Ramificazione
Considera un programma di ramificazione con 5 nodi di domanda (Q1–Q5) e 3 nodi di remediale (R1–R3). Un percorso di studente avanzato: Q1 → Q2 → Q3 → Q4 → Q5. Un percorso di studente in difficoltà: Q1 → R1 → Q1 → Q2 → R2 → Q2 → Q3 → Q4 → Q5.
Il grafo garantisce il progresso tramite archi max-attempts: dopo 3 tentativi falliti a qualsiasi Qn, lo studente avanza a Qn+1 indipendentemente dalle prestazioni.