सीखने का समय बढ़ाए बिना याददाश्त बनाए रखने का तरीका
(files.eric.ed.gov)- दीर्घकालिक स्मृति बढ़ाने के लिए, एक ही सामग्री को लगातार पकड़े रहने के बजाय बिना गलती किए प्रदर्शन करने के स्तर तक पहुँचने के बाद रिव्यू के समय को बाँटना अधिक प्रभावी हो सकता है
- Overlearning वह तरीका है जिसमें लक्ष्य स्तर पर पहुँचने के तुरंत बाद वही सामग्री और दोहराई जाती है; इससे 1 सप्ताह बाद प्रदर्शन में मदद मिली, लेकिन 4 सप्ताह बाद फायदा लगभग गायब हो गया
- कुल सीखने का समय समान होने पर भी, दो sessions के बीच का inter-session interval (ISI) और अंतिम learning के बाद test तक का retention interval (RI) सही अनुपात में होना चाहिए ताकि long-term memory बेहतर हो; प्रयोगों में optimal ISI, RI के लगभग 10–30% के दायरे में था
- गणित सीखने में भी अतिरिक्त problems को एक साथ हल करने वाली overlearning ने 1 सप्ताह और 4 सप्ताह बाद scores नहीं बढ़ाए, लेकिन समान संख्या के problems को 1 सप्ताह के अंतराल में बाँटकर हल करने वाले group ने 1 सप्ताह बाद 74% बनाम 49% का बेहतर प्रदर्शन किया
- textbooks और classes में एक ही type के problems को एक साथ देने के बजाय, पुराने content को कई हफ्तों या महीनों में फिर से सामने लाना और कई problem types को मिलाना long-term memory के लिए अधिक उपयुक्त है
Overlearning दीर्घकालिक स्मृति में कम प्रभावी है
- learners को जब किसी specific material या skill को एक बार में पढ़ना होता है, तो उन्हें तय करना पड़ता है कि कब रुकना है
- उदाहरण के लिए, word list में घूमते हुए सभी definitions को एक-एक बार सही ढंग से recall करने के बाद यह तय करना कि उसी list को फिर दोहराना है या नहीं
- Overlearning वह तरीका है जिसमें error-free performance तक पहुँचने के तुरंत बाद भी वही material पढ़ना जारी रखा जाता है
- कई educators मानते हैं कि overlearning long-term memory बढ़ाती है
- math tasks जैसे environments में, जहाँ एक ही type के बहुत सारे problems रखे जाते हैं, students काफी समय overlearning में लगा देते हैं
- करीब 80 वर्षों के experimental literature में, criterion तक पहुँचने के बाद additional learning ने अक्सर बाद के tests में performance बढ़ाया
- हालांकि overlearning पर अधिकांश studies में learning के बाद 1 सप्ताह के भीतर, और कई मामलों में 1 घंटे के भीतर test लिया गया
- long-term retention effect देखने के लिए learning और test के बीच retention interval (RI) को अधिक लंबा रखना जरूरी है
शब्द सीखने के प्रयोग में दिखा 1 सप्ताह का असर और 4 सप्ताह का असर
- एक प्रयोग में participants ने
cicatrix-scarजैसे word-definition pairs को flashcards की तरह बार-बार test करते हुए सीखा- उचित learning condition में list को 5 बार cycle किया गया
- Overlearning condition में list को 10 बार cycle किया गया
- उचित learners में आम तौर पर perfect learning trial 1 बार से ज्यादा नहीं हुआ, जबकि overlearners में अधिकतर कम से कम 3 perfect trials तक पहुँचे
- इसके बाद test 1 सप्ताह या 4 सप्ताह बाद लिया गया
- overlearning ने 1 सप्ताह बाद test में स्पष्ट फायदा दिया
- 4 सप्ताह बाद वह फायदा लगभग detect नहीं हुआ
- दूसरे experiments में भी overlearning का फायदा समय के साथ घटने का pattern दिखा
- फायदा कितने समय तक detect होता है, यह procedure की detailed conditions पर निर्भर करता है
- overlearning अधिक learning time मांगती है, इसलिए इसकी तुलना इस बात से करनी चाहिए कि वही समय किसी और तरीके से लगाने पर क्या असर होता
- अभी-अभी सीखी गई चीज़ को लगातार पढ़ते रहने की तुलना में, कुछ सप्ताह, कुछ महीने या कुछ साल पहले पढ़ी गई चीज़ों को review करना आम तौर पर ज्यादा फायदा दे सकता है
- इसका मतलब यह नहीं है कि study time घटाया जाए, या repeated practice को ही नकारा जाए
- सवाल error-free performance तक पहुँचने के तुरंत बाद उसी material की practice जारी रखने की efficiency का है
- overlearning के लिए उपयुक्त स्थितियाँ भी हैं
- अगर लक्ष्य long-term memory नहीं बल्कि short-term performance है, तो यह उपयोगी हो सकती है
- pilots, soldiers और nurses की emergency procedures जैसी स्थितियों में, जहाँ errors या delayed responses गंभीर परिणाम ला सकते हैं, यह desirable या necessary हो सकती है
spacing effect समान समय को ज्यादा लंबे समय तक टिकाए रखता है
- learning time distribution research में आम तौर पर fixed total learning time को दो sessions में बाँटा जाता है, और दोनों sessions के बीच inter-session interval (ISI) को adjust किया जाता है
- ISI 0 हो तो इसे massed learning माना जाता है
- retention interval (RI) हमेशा दूसरे learning session से test तक के समय के रूप में मापा जाता है
- बाद के test performance आम तौर पर massed study की तुलना में spaced study में बहुत बेहतर होते हैं
- यही परिणाम spacing effect है
- spacing effect को explain करने वाली कई theories हैं, लेकिन यह चर्चा research scope से बाहर है
- long-term memory के लिए दो learning sessions को कितना दूर रखना चाहिए, यह अब तक कम ज्ञात सवाल था
- experiments ने लंबे retention intervals का उपयोग कर इस सवाल को address किया
optimal spacing test तक बचे समय पर निर्भर करती है
- पहले spacing experiment में Swahili-English word pairs सीखे गए
- ISI 5 मिनट से 14 दिन तक था
- RI 10 दिन पर fixed था
- final recall काफी हद तक ISI पर निर्भर था, और 1-day ISI में सबसे अच्छा था
- दूसरे experiment में कम जाने-पहचाने objects के names सीखे गए
- RI 6 महीने था
- ISI 5 मिनट से 6 महीने तक था
- effect पहले experiment से अधिक बड़ा था, और optimal ISI लगभग 1 महीना था
- दोनों experiments में optimal ISI, RI के लगभग 10–20% के स्तर पर था
- 10-दिन RI में 1-दिन ISI optimal था, जो RI का 10% है
- 6-महीने RI में 1-महीना ISI optimal था, जो RI का 17% है
- लगभग 1,300 लोगों पर चल रहे web-based experiment के preliminary results भी इसी दिशा में हैं
- ISI को 15 सप्ताह तक और RI को 50 सप्ताह तक साथ-साथ बदला गया
- optimal ISI, RI के अनुसार बदलता था और लगभग RI के 10–30% के दायरे में था
- इस relationship को तीन patterns में summarize किया जा सकता है
- ISI कोई भी हो, RI लंबा होने पर test scores गिरते हैं
- RI fixed हो तो ISI लंबा होने पर scores पहले बढ़ते हैं और फिर घटते हैं
- RI लंबा होने पर optimal ISI भी साथ में लंबा होता है
classes, textbooks और software design के लिए बदलाव
- spacing effect वास्तविक education periods से जुड़े लंबे time ranges में भी मजबूत दिखता है
- बहुत छोटा interval, बहुत लंबे interval से भी खराब performance दे सकता है
- long-term memory को जितना ज्यादा देखा जाए, spacing effect घटने के बजाय बढ़ने की tendency रखता है
- primary और secondary classes में हर सप्ताह अलग spelling या vocabulary list देने के बजाय, same material को कई महीनों में छिटपुट तरीके से रखना students के लिए अधिक फायदेमंद हो सकता है
- university classes में अगर cumulative final exam नहीं होता, तो पुराने material को फिर से पढ़ने का incentive कम हो जाता है
- cumulative exams पुराने content की relearning को प्रेरित कर सकते हैं
- immersive foreign language courses में short duration के कारण पर्याप्त spacing बनाना मुश्किल होता है
- शुरुआती learning level ऊँचा दिख सकता है, लेकिन आगे चलकर तेजी से forgetting हो सकती है
- math learning में भी वही pattern देखा गया
- permutation task सीखने वाले students को 3 problems या 9 problems दिए गए एक experiment में, extra 6 problems ने strong overlearning बनाई, लेकिन 1 सप्ताह और 4 सप्ताह बाद score improvement detect नहीं हुआ
- उसी task के दूसरे experiment में, 4 problems को 1 सप्ताह के interval वाले दो sessions में बाँटकर हल करने वाला group, सभी problems को एक session में हल करने वाले group से 1 सप्ताह बाद test में 74% बनाम 49% बेहतर था
- एक session में 4 problems हल करने वाला group, आधे problems हल करने वाले group से reliably ज्यादा नहीं था, और scores 49% बनाम 46% थे
- ज्यादातर math textbooks ठीक पिछले unit से related problems को एक problem set में concentrate करती हैं, जिससे massed learning और overlearning दोनों साथ-साथ encourage होते हैं
- alternative है shuffle format, जिसमें एक unit के practice problems को textbook के बाकी हिस्से में distribute किया जाता है
- उदाहरण के लिए, parabola unit के तुरंत बाद parabola problems का केवल कुछ हिस्सा रखा जा सकता है, और बाकी parabola problems बाद के practice sets में रखे जा सकते हैं
- problem types को मिलाने से time spacing के साथ-साथ discrimination learning भी पैदा होती है
- standard format में one-sample t-test unit के बाद सिर्फ one-sample t-test problems आते हैं, जिससे यह distinguish करने की practice कम मिलती है कि कौन-सी problem features किस procedure selection की ओर इशारा करती हैं
- shuffle format में problem types मिलते हैं, इसलिए student को हर problem के लिए सही strategy ढूँढनी पड़ती है
- यह benefit temporal spacing effect से independent लगता है
- exam preparation में answer देखने से पहले खुद recall करने की retrieval practice आम तौर पर अच्छी strategy है
- गलती के बाद correct answer feedback मिलना चाहिए
- computer-based education पहले से ही retrieval practice और fast feedback काफी देती है, लेकिन long-term memory optimize करने के लिए learning sessions को schedule करने के अवसर अभी पर्याप्त रूप से उपयोग नहीं किए गए हैं
- educational practice, tradition और trends की तुलना में empirical evidence के अधिक करीब आ सकती है
2 टिप्पणियां
Hacker News टिप्पणियां
यह खुद इस शोध की आलोचना नहीं है, लेकिन खासकर जब “optimization” की बात हो, तो पूरे संदर्भ को ध्यान में रखना चाहिए
देर से होने वाले test के समय knowledge retention को अधिकतम करने के लिए “learning, retention period, test” को optimize करना और सीखे गए ज्ञान की value को अधिकतम करना अलग चीजें हैं
सीखने की value बढ़ानी हो तो ऐसी चीजें सीखना बेहतर है जिन्हें तुरंत इस्तेमाल किया जा सके और तुरंत ही दूसरी learning में integrate किया जा सके। जितनी जल्दी और जितना ज्यादा आप उसे इस्तेमाल करेंगे, value भी उतनी बढ़ेगी और retention भी बेहतर होगा
अगर आपको कोई जरूरी knowledge सीखना है जिसका short term में इस्तेमाल नहीं होगा, जैसे दुर्लभ brain surgery complications से निपटने का तरीका, तो उस knowledge को इस्तेमाल करने का तरीका बनाना होगा। “retention period” के दौरान बार-बार देखने लायक कोई useful project बनाना और दुर्लभ स्थितियों से निपटने की summary को लगातार update करना, ऐसा किया जा सकता है
इसलिए कुल learning value के लिए topic selection, topic progression, और “learning, selective testing, use, use, use” को optimize करना चाहिए। “Use” में motivation, test, revision और value realization सब मिलकर आते हैं
बच्चों के लिए multiplication tables को रटकर याद करने का तरीका ठीक हो सकता है
यह textbook content के बजाय दिलचस्प native materials में context के भीतर नए शब्द सीखने के लिए प्रेरित करता है, और असल में सामने आए sentences से personal corpus बनाने देता है
जल्द ही web और epub के अलावा YouTube, manga, HDMI input, game emulators जैसे और media तक विस्तार करने की योजना है
दूसरे लोगों के बनाए flashcards import करने पर भी, यह ऐसे tools देता है जिनसे रुचि के original materials या अपने corpus में related sentences आसानी से मिल सकें। शब्द और kanji-level tracking analysis भी और जोड़ा जाएगा, और यह offline-first तथा privacy-friendly है
[Mods: it might be helpful to tag this paper as written in 2007]
यह paper learning के लिए spaced repetition के idea को सामने रखने वाला लेख लगता है, और आज productivity/learning culture में Ali Abdaal जैसे उदाहरणों की तरह यह काफी popular हो चुका है
“Math textbooks भी spacing को encourage करने वाला format आसानी से अपना सकते हैं” वाला हिस्सा, middle school math tutoring करते समय असल में textbooks में implemented दिखता है। हर chapter के अंत में general chapter review test होता है, और उसके बाद पिछले chapters के topics revise करने वाला “Cumulative Practice” होता है
जैसा paper जोर देता है, ऐसी संरचना students को उस topic को long-term memory में बनाए रखने में खास तौर पर मदद करती है
computer-based education ने long-term retention को optimize करने के तरीके से learning sessions schedule करने के अवसर का अभी तक पूरा फायदा नहीं उठाया है—इस हिस्से पर, Anki नाम का बहुत popular software ठीक ऐसे ही “spaced repetition” protocol को implement करता है
Anki का data model काफी अनोखा है; यह उसकी flexibility से भी जुड़ा है, लेकिन इसमें अनपेक्षित drawbacks और pitfalls भी हैं
Rust में backend फिर से लिखने के बजाय, थोड़ा ज्यादा स्पष्ट philosophy वाला spaced repetition tool और थोड़ा ज्यादा polished UI हो तो अच्छा होगा
व्यक्तिगत रूप से, “जिस चीज को खुद बेहतर सीखना चाहता हूं, उसे दूसरों को सिखाना” मेरे लिए सबसे अच्छी long-term retention strategy रही है
ऊपर से यह reasonable और smart वजहों जैसा लगता है, लेकिन असली वजह curse of knowledge है। system के अंदर का व्यक्ति उस system को बाहर से नहीं देख पाता। वह assumptions रखता है, opaque या कभी-कभी misleading terms इस्तेमाल करता है, और circular logic का प्रयोग करता है
नया व्यक्ति उन terms या circular logic को नहीं जानता, इसलिए उसके लिखे explanations अगले joiner को मेरी बातों की तुलना में ज्यादा आसानी से समझ आ सकते हैं। और ऐसा लिखा गया documentation मुझे भी system को नए नजरिए से दिखाता है। शायद इसे जरूरी नहीं कि ऐसे ही काम करना पड़े
teaching assistant student से कहता है, “देखो, मैं तुम्हें इतनी देर समझाता रहा कि मुझे भी समझ आ गया!”
दिलचस्प है, लेकिन मैंने और ज्यादा evidence की उम्मीद की थी। paper materials को mix करके spacing बनाने और फिर exposure कराने वाले shuffle method की बात करता है, लेकिन यह हिस्सा कि इससे सच में retention बढ़ता है, opinion जैसा लगता है
और “ISI और RI के बीच hypothetical interaction” आखिर है क्या, समझ नहीं आया। पर्याप्त experiments करके असल में plot कर सकते हैं न? hypothetical interaction graph तो कोई भी बना सकता है
अगर आपको इस लेख की सामग्री या learning about learning में रुचि है, तो submitter का ब्लॉग पढ़ने की जोरदार सलाह दूंगा: https://www.justinmath.com/blog/
spaced repetition, interleaving, active recall जैसे केवल input-based automatic spaced repetition apps से संभव तरीकों के अलावा, visual elements और दूसरे elements को मिलाने वाली dual coding या free recall जैसी elaboration practice भी शामिल है
इन elements और learner की motivation, progress, और पहचानी गई “blindspot” misconceptions को समझाने वाले elements लागू करने के लिए, GPT-3 से पहले से ही Psychology master’s program के साथ Revision.ai विकसित करता आया हूं
https://www.justinmath.com/why-is-the-edtech-industry-so-dam...
यह सिर्फ एक खास spaced learning strategy पर 4-page article है। न तो यह सच में क्रांतिकारी है, न ही techniques का comprehensive collection है
“लोग जो सीखते हैं उसका काफी हिस्सा भूल जाते हैं, इसलिए students ऐसी learning strategies से फायदा उठा सकते हैं जो टिकाऊ knowledge देती हैं। लेकिन long-term retention को सबसे efficient तरीके से कैसे हासिल किया जाए, इस बारे में हैरानी की बात है कि बहुत कम जानकारी है” वाले हिस्से पर, मुझे हमेशा लगा है कि असली समस्या information की relevance ही होती है
लोगों को किसी artificial nonsense test से आगे बढ़कर कुछ याद रखने का practical reason चाहिए। efficient techniques अच्छी हैं, लेकिन “सीखो क्योंकि करना है” के अलावा सीखने की कोई वजह न हो, तो motivation तोड़ने वाली चीज उससे ज्यादा कुछ नहीं
जब आप सच में दिलचस्प चीज सीखते हैं, तो flashcards, बहुत बड़े notes, advanced techniques खोजने की जरूरत नहीं पड़ती। वह लगभग तुरंत, बिना मेहनत के याद हो जाती है
शायद कोई ऐसी व्यवस्था है जो information की relevance को अवचेतन रूप से मापती है और absorption level को शारीरिक रूप से adjust करती है। एक तरह की “learning rate”, कह सकते हैं
“best of the best” माने जाने वाले students को पढ़ाते समय enjoyment शब्द इस्तेमाल करना काफी painful लगता है, फिर भी enjoyment महत्वपूर्ण है, और कम से कम semester के अधिकांश समय में students पर effectiveness से भी ज्यादा असर डालता है। बस इसलिए कि उन्हें “सीखने को कहा गया” है
मूल रूप से semester के 70% समय में ज्यादातर students 40 घंटे study नहीं करते। वास्तविक काम लगभग 30 घंटे का होता है, और effectively शायद सिर्फ 15 घंटे। जिन subjects में interest naturally नहीं आता, उनमें उन्हें interested या motivated करने वाला bridge नहीं होता
2021 में GPT-3 के साथ flashcard app Revision.ai में “किसी concept को क्यों सीखना चाहिए” वाली motivational cards generate करके डालना शुरू किया था। तीसरे item में पढ़ सकते हैं: https://www.revision.ai/articles/20ThingsRevisionAIDoesForBe...
इन cards को disable करने की वजह simple थी। students को जरूरत पड़ने पर इन्हें दिखाने का सही timing आखिर तक नहीं पकड़ पाया। app बंद हो तो वे motivated नहीं होते, इसलिए cards नहीं देखते; और learning session के बीच में दिखाने पर card या AI-generated example flow तोड़ देता था [https://www.instagram.com/p/CVVlIuVg31W/]
related short या medium-length YouTube videos recommend करके उन्हें visual material या overload learning से “break” बनाने की भी कोशिश की, लेकिन इससे student performance नहीं बढ़ा। आखिरकार लगता है कि अभी भी यह naturally learning में बहने के बजाय करवाया जा रहा काम जैसा महसूस होने की समस्या हल नहीं हुई
students की interest बढ़ाने के लिए कोई technical/conceptual ideas हों तो सुनना चाहूंगा। पाया कि lecture slides को clear visual elements वाले practice sets में बदलने और [https://www.instagram.com/p/C5ByftwiJ00/] content को छोटे हिस्सों में बांटकर progress दिखाने से students ज्यादा पढ़ने के लिए motivated होते हैं। related paper में test anxiety और tension भी कम होने की संभावना थी
अगर motivated subject कुछ ऐसा है जिसे practice किया जा सकता है, तो खुद करके आप बेहतर याद रख सकते हैं। यह भी एक तरह से spaced repetition की तरह काम करता है। लेकिन astrophysics या macroeconomics जैसे fields में ऐसा करना कठिन है
motivation हो तो उसी topic पर दूसरी किताब उठाने की संभावना भी बढ़ती है, और यह भी spaced repetition का एक और रूप है
overlearning के widespread होने की वजह शायद यह नहीं कि यह individual के लिए लाभकारी है, बल्कि यह कि teacher बहुत सारे students को एक साथ संभाल सके
बिल्कुल सही learning amount measure करने के लिए teacher को हर student के साथ individually काम करना होगा, और नए बने knowledge की quality के हिसाब से practice problems देने होंगे
लेकिन system कुल मिलाकर teacher के प्रभाव को scale करने के लिए mass education के हिसाब से बना है
जापानी पढ़ते हुए सीखने के लिए iOS/macOS टूल Manabi Reader को मैं full-time बना रहा हूँ: https://reader.manabi.io
यह reading और flashcards को जोड़ता है, और आप जो भी शब्द और कांजी पढ़ते व सीखते हैं, उन सभी को track करता है। इसी आधार पर यह analyze करता है कि कोई लेख पढ़ने या JLPT लक्ष्य हासिल करने के लिए आपको क्या सीखना होगा, और text में अनजाने शब्दों व सीख रहे शब्दों को highlight करता है
अगला flashcard काम SM2 algorithm को FSRS से बदलना है, और ऐसा बनाना है कि content पढ़ने मात्र से flashcards की passive revision हो जाए
मुझे लगता है कि flashcards को घंटों तक एक-एक करके revise करने के तरीके में learning speed के लिहाज़ से कुछ छूट जाता है। पढ़ते समय flashcards की passive revision के अलावा, मैं दूसरी revision techniques भी experiment करने वाला हूँ, जैसे एक page भर की vocabulary और छिपाए जा सकने वाले answers को एक साथ देखना
हमारा मन peripheral vision और एक साथ बहुत सारी जानकारी को scan करके input लेने की प्रक्रिया से भी absorb करता है। भूलने की curve पर research आधारित learning apps का अंतिम रूप मौजूदा flashcard UI ही है, इस पर मुझे यकीन नहीं है
Manga, PDF, YouTube, game emulator जैसी Reader features और सभी languages में expansion पर भी काम चल रहा है
अगर समान research में रुचि है तो https://supermemo.guru देखने लायक है। थोड़ा छिपा हुआ “about” page https://supermemo.guru/wiki/SuperMemo_Guru:About पर है
लेखक ने इस विषय और इसके इतिहास पर, application लिखने तक सहित, काफी समय लगाया है
https://supermemo.guru/wiki/School_damages_your_brain
neuroscience में papers publish करने वाले व्यक्ति के नज़रिए से देखें तो यह पूरी तरह कचरा है
पहले मैंने इस पर पढ़ाई की थी कि पढ़ाई कैसे करना बेहतर होता है, और यह उसी समय पता चला कि यह spacing learning से जुड़ा एक पेपर है। इस तरह की सामग्री का सार संकलित करने वाली एक किताब भी है, रुचि रखने वाले लोग उसे एक बार देख सकते हैं.
अनुवाद : कैसे पढ़ाई करें
मूल पुस्तक : Make It Stick
https://www.yes24.com/Product/Goods/15341766