[!info] related notes

• 所属 MOC: 学习与掌握 MOC
• 前置概念: 学习
• 并列概念: 主动提取、交错练习
• 易混淆概念: 固定复习日历；间隔原则不等于固定的 1-3-7-14-30 表
• 关系笔记: 如何学习一个知识并达到掌握、学习中的掌握

学习中的间隔效应

一句话定义

间隔效应（spacing effect） 指把多次学习或复习分散到不同时间点，通常比在同一时间段连续重复更有利于长期保持。

核心模型

集中学习：
学习 → 学习 → 学习 → 学习

间隔学习：
学习 → 时间 → 提取 → 更长时间 → 提取 → 更长时间 → 提取

间隔的价值不在于机械等待，而在于让下一次学习发生在“答案已经不再处于工作记忆中、但仍有机会成功重建”的状态。

间隔不是固定的 1-3-7-14-30

固定时间表可以作为入门模板，但不是普适规律。

研究显示：

• 希望保持的时间越长，合适的学习间隔通常也应变长；
• 间隔太短，下一次几乎只是重复阅读；
• 间隔太长，可能完全无法提取，需要更多重新学习。

因此更合理的策略是：

根据实际提取难度动态延长间隔，而不是死记一个日历。

SRS / FSRS 等系统的意义就在于根据你的表现估计下一次复习时点。

间隔最好和主动提取结合

单纯“隔几天再看一遍”不如：

隔几天
  ↓
先闭卷提取
  ↓
再打开笔记核对
  ↓
根据表现决定下次间隔

见 主动提取。

适合什么知识

• 词汇、事实、定义；
• 数学公式和解题模式；
• 计算机概念和命令；
• 长期需要保持的专业知识；
• 需要长期熟练的操作流程。

复杂技能的间隔复习不一定是“看卡片”，也可以是重新做一道题、写一次代码、完成一次配置或解释一个故障。

最小例子

今天学习 DoH：

• 当天：建立模型并第一次闭卷解释；
• 之后某天：不打开笔记，画出请求路径；
• 再以后：比较一个新情境，例如浏览器 DoH 与系统 DNS 冲突；
• 若仍能顺利完成，继续拉长下一次间隔。

边界与常见误解

• 间隔学习 ≠ 必须每天复习。
• 复习次数多 ≠ 间隔合理。
• 固定复习表不是科学定律，只是调度启发式。
• 仅靠 SRS 不等于掌握：复杂知识还需要应用和迁移。
• 对完全陌生的知识，先连续建立基本模型，再开始拉开间隔通常更合理。

掌握验收

• 能解释为什么固定的 1-3-7-14-30 只能是启发式，而不是间隔效应本身。
• 能根据一次提取“过易 / 适中 / 失败”的表现，合理判断下一次间隔应该延长、维持还是缩短。
• 能为一个复杂技能设计“间隔 + 主动提取/应用”的复习，而不只是隔几天重读。

证据入口

• Cepeda et al. (2008), Spacing effects in learning: a temporal ridgeline of optimal retention, DOI: https://doi.org/10.1111/j.1467-9280.2008.02209.x
• Cepeda et al. (2009), Optimizing distributed practice: theoretical analysis and practical implications, DOI: https://doi.org/10.1027/1618-3169.56.4.236
• Dunlosky et al. (2013), DOI: https://doi.org/10.1177/1529100612453266

学习检查

1. 为什么 1-3-7-14-30 不能被当作普适定律？
2. 如果一次复习几乎毫不费力，下一次间隔通常应该怎样调整？
3. 为什么间隔学习最好和主动提取结合？