연습 & 멱법칙
놀랍도록 다양한 기술(타이핑, 읽기, 산술 문제 풀기, 장비 조립) 전반에 걸쳐 성능은 멱법칙에 따라 향상됩니다:
y = a · x^(−b)
여기서 y = 시행당 오류 수(또는 시행당 시간), x = 누적 연습 시행 횟수, a = 초기 성능 수준, b = 학습률 지수(개선의 경우 b > 0)입니다.
멱법칙은 깔끔한 특성을 가집니다: 로그-로그 공간에서는 직선이 됩니다.
ln y = ln a − b · ln x
로그-로그 공간에서 직선의 기울기: −b. 기울기가 가파르면 = 더 빠른 학습. 초기 성능 수준 a와 관계없이 동일한 지수 b가 학습률을 설명합니다.
왜 로그-로그일까요? 초기 연습은 큰 향상을 가져오고, 이후 연습은 수확 체감을 가져옵니다. 선형 플롯은 극적인 초기 하락 다음 평탄한 꼬리를 보여줍니다. 로그-로그는 자기 유사 구조를 드러냅니다: 연습을 두 배로 늘리면 오류가 같은 비율 2^(−b)만큼 감소합니다.
학습률 계산하기
학습자가 시행 1에서 100개의 오류를 만들고 시행 8에서 50개의 오류를 만든다면, b는 무엇입니까?
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 & 지수 망각
Hermann Ebbinghaus(1885)는 시간이 지남에 따라 무의미한 음절의 보존을 측정했고 보존이 지수 감소를 따른다는 것을 발견했습니다:
r(t) = e^(−t/S)
여기서 r(t) = 시간 t에서 보존된 분수, S = 기억 강도(각 검토마다 증가). t = 0일 때: r = 1(100% 보존). t = S일 때: r = 1/e ≈ 37%입니다.
간격 효과: 거의 망각하는 순간(r ≈ 0.8 이하일 때)에 자료를 검토하면 학습 직후에 검토하는 것보다 S가 더 크게 증가합니다.
최적 검토 시간: S가 각 검토마다 고정된 인수 k만큼 증가하면, 최적 간격은 기하학적 수열을 형성합니다. S₀로 학습한 후 S₀, k·S₀, k²·S₀, ... 시간에 검토하세요. 각 간격은 이전 간격보다 k배 더 깁니다.
경험적 데이터의 전형적인 k 값: 2.0–2.5. 1일, 2일, 4일, 8일, 16일에 검토하는 학생은 이 기하학적 간격 패턴을 따릅니다.
최적 검토 간격 계산하기
학생은 초기 기억 강도 S₀ = 2일로 자료를 배웁니다. 각 검토는 S에 k = 2.5를 곱합니다. 학생은 보존이 80%로 떨어지기 직전에 검토합니다(r ≥ 0.80 임계값).
임계값에서: e^(−t/S) = 0.80, 따라서 t = −S · ln(0.80) ≈ S · 0.223입니다.
교과 과정을 그래프로
분기 프로그램은 방향 그래프 G = (V, E)를 정의합니다:
- 꼭짓점 V: 교육 노드(콘텐츠 블록, 질문, 피드백)
- 모서리 E: 학생 응답 분류로 레이블된 전환(정답, 부분 정답, 오답, 명확화)
각 학생은 G를 통해 항목 꼭짓점에서 출구 꼭짓점까지 경로를 따릅니다. 경로는 각 단계에서 어떤 모서리가 활성화되는지에 전적으로 달려 있습니다.
그래프 구조가 결정하는 속성:
1. 도달 가능성: 모든 꼭짓점을 항목에서 도달할 수 있습니까? 도달 불가능한 꼭짓점은 죽은 콘텐츠입니다 — 학생이 절대 볼 수 없습니다.
2. 사이클 감지: 그래프에 사이클이 있습니까? 사이클은 학생이 무한정 반복될 수 있음을 의미합니다. 적응형 프로그램은 의도적으로 사이클을 사용합니다(재시도 루프) 하지만 최종 종료를 보장해야 합니다(진행을 강제하는 최대 시도 모서리).
3. 경로 길이 분포: 전형적인 학생은 몇 단계를 밟습니까? 좋은 분기 프로그램은 고급 학생이 짧은 경로를 택하게 하고, 어려움을 겪는 학생은 더 긴 교정 경로를 택하게 합니다.
분기 프로그램의 속성 분석하기
5개의 질문 노드(Q1–Q5)와 3개의 교정 노드(R1–R3)가 있는 분기 프로그램을 고려하세요. 고급 학생 경로: Q1 → Q2 → Q3 → Q4 → Q5. 어려움을 겪는 학생 경로: Q1 → R1 → Q1 → Q2 → R2 → Q2 → Q3 → Q4 → Q5.
그래프는 최대 시도 모서리를 통해 진행을 보장합니다: Qn에서 3번의 실패 시도 후, 학생은 성과에 관계없이 Qn+1로 진행합니다.