맨위로가기

간격 반복 학습

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

간격 반복 학습은 학습된 정보를 복습하는 간격을 점차 늘려 기억력을 향상시키는 학습 방법이다. 1880년대 헤르만 에빙하우스에 의해 처음 고안되었으며, 망각 곡선을 억제하는 데 효과가 있다고 여겨진다. 1970년대 이후 인지 심리학 연구를 통해 그 효과가 입증되었으며, 라이트너 시스템, 슈퍼메모 등 다양한 알고리즘과 소프트웨어가 개발되었다. 간격 반복 학습은 사실 암기, 언어 학습, 수학, 의학 등 다양한 분야에 적용되며, 장기 기억력 향상에 기여하는 것으로 나타났다. 그러나 알고리즘의 효과나 최적의 간격 설정에 대한 논쟁이 존재하며, 단기 기억 측정에 치중된 연구에 대한 비판도 있다.

더 읽어볼만한 페이지

  • 증거 기반 실행 - 무작위 대조 시험
  • 증거 기반 실행 - 효과적 이타주의
    효과적 이타주의는 세상을 가장 효과적으로 이롭게 하는 방법을 탐구하는 철학적 운동으로, 기부, 직업 선택 등을 통해 세계 빈곤, 동물 복지 등을 개선하려 하며, 피터 싱어 등이 주요 인물이다.
  • 기억 - 마음
    마음은 의식, 사고, 지각, 감정, 동기, 행동, 기억, 학습 등을 포괄하는 심리적 현상과 능력의 총체이며, 다양한 분야에서 연구되고 인간 삶의 중추적인 역할을 한다.
  • 기억 - 잠재학습
    잠재학습은 명확한 보상이나 처벌 없이 환경 정보를 습득하는 학습으로, 즉각적인 결과가 나타나지 않으며 인지적 요인이 중요하고, 쥐의 미로 실험과 유아의 모방 행동 연구를 통해 특성이 밝혀졌으며 특정 물질과 뇌 신경 물질의 영향에 대한 연구가 진행되고 있다.
  • 학습 방법 - 과외
    과외는 학업 능력 향상이나 특정 기술 습득을 위해 학교 교육 외에 개별적으로 이루어지는 교육 활동으로, 청소년의 사회성 발달과 긍정적 자아 개념 형성에 기여하며 대한민국에서는 대학 입시를 위한 사교육 형태로 널리 행해지고 있고 과외 관리 시스템을 통해 효율적으로 관리하려는 시도가 이루어지고 있다.
  • 학습 방법 - 잠재학습
    잠재학습은 명확한 보상이나 처벌 없이 환경 정보를 습득하는 학습으로, 즉각적인 결과가 나타나지 않으며 인지적 요인이 중요하고, 쥐의 미로 실험과 유아의 모방 행동 연구를 통해 특성이 밝혀졌으며 특정 물질과 뇌 신경 물질의 영향에 대한 연구가 진행되고 있다.
간격 반복 학습

2. 역사

간격 반복 학습의 개념은 1880년대 독일 심리학자 헤르만 에빙하우스가 '망각 곡선' 연구를 통해 처음 제시했다. 그는 학습한 정보가 시간이 지남에 따라 어떻게 잊히는지를 연구하고, 주기적인 복습이 기억 유지에 효과적임을 밝혔다.[2] 이후 1930년대에는 C. A. Mace와 H. F. Spitzer 등이 간격 반복의 효과를 연구했으나[41] 큰 주목을 받지는 못했다.

1960년대 후반부터 인지심리학 연구가 활발해지면서 간격 반복 학습은 다시 주목받기 시작했다. Landauer와 Bjork 등은 반복 학습의 시간 간격 조절이 기억력 향상에 미치는 영향을 연구했으며,[43][19] 비슷한 시기 Pimsleur 언어 학습 시스템과 Sebastian Leitner의 라이트너 시스템 등 실용적인 학습 방법들이 개발되었다.[44]

1980년대에는 연구가 확장되어 기억 상실증이나 알츠하이머병 등 기억 장애가 있는 사람들에게도 간격 반복 학습이 효과가 있다는 사실이 밝혀졌다.[3][19] 또한 개인용 컴퓨터의 보급과 함께 간격 반복 학습 원리를 적용한 컴퓨터 보조 학습 소프트웨어들이 개발되기 시작했다. 이러한 소프트웨어들은 학습자의 성과에 맞춰 복습 간격을 자동으로 조절해주는 알고리즘(예: SuperMemo의 SM 시리즈[46])을 사용하여 학습 효율을 높이는 데 기여했다.[45] 간격 반복 학습은 새로운 정보 습득뿐만 아니라 기억 장애 환자의 재활에도 유용한 방법으로 활용되고 있다.[50]

2. 1. 초기 연구

간격 반복 학습 방법은 1880년대 독일 과학자 헤르만 에빙하우스에 의해 처음으로 고안되었다. 에빙하우스는 시간이 지남에 따라 학습된 정보가 얼마나 손실되는지를 보여주는 '망각 곡선' 개념을 만들었다. 그는 일정한 간격을 두고 정보를 반복해서 복습하면 이러한 망각을 줄일 수 있다고 생각했다.[2]

C. A. Mace는 1932년에 쓴 책 "''Psychology of Study''"에서 간격 반복 학습을 이용한 학습 효과 증진 개념을 제안한 초기 인물 중 하나이다. 이후 1939년, 미국의 H. F. Spitzer는 아이오와주의 6학년 학생 3,600명을 대상으로 과학 지식 습득에 간격 반복이 효과가 있는지 실험하여 그 효과를 증명했다.[41] 하지만 이러한 초기 연구들은 큰 주목을 받지 못했다. 1960년대에 들어서야 Melton[42], Landauer & Bjork[43] 등 인지 심리학자들이 반복 학습의 시간 간격을 조절하여 기억력을 향상시키려는 연구를 다시 시작했다. 비슷한 시기에 Pimsleur 언어 학습 코스[44]는 간격 반복 학습을 언어 학습 분야에 실용적으로 적용하는 데 선구적인 역할을 했다. 1973년에는 Sebastian Leitner가 단어장을 활용한 범용 간격 반복 학습 시스템인 "라이트너 시스템"을 개발했다.

1978년, 토마스 랜드아우어와 로버트 A. 비요크는 심리학과 학생들을 대상으로 특정 인물의 사진과 이름을 함께 보여주는 실험을 진행했다. 이 실험은 '얼굴-이름 연상' 학습으로 알려져 있는데, 반복적으로 이름과 얼굴을 보면서 간격 반복을 통해 시간이 지남에 따라 특정 인물의 이름과 얼굴을 성공적으로 연결시킬 수 있음을 보여주었다.[19]

1985년에는 샥터(Schacter), 리치(Rich), 스탬프(Stamp)가 연구 대상을 기억 상실증 및 기타 기억 장애가 있는 사람들까지 확장했다. 이 연구를 통해 간격 반복 학습이 일반 학생들의 얼굴-이름 연상 능력 향상뿐만 아니라, 기억력 저하를 겪는 환자들에게도 도움이 될 수 있다는 사실이 밝혀졌다.[3] 1989년, C. J. 캠프(Camp)는 알츠하이머병 환자에게 이 기술을 적용하면 특정 정보를 기억하는 기간을 늘릴 수 있다고 결론지었다.[19] 이러한 결과들은 복습 간격을 점차 늘리는 방식(확장 간격)이 기억력 향상에 가장 큰 효과를 보인다는 것을 시사한다.[3]

간격 반복 학습은 기본적으로 학습자에게 특정 사실을 기억하도록 요청하는 방식으로 진행된다. 사실을 제시하거나 질문할 때마다 시간 간격을 점차 늘려나간다. 만약 학습자가 정보를 정확하게 기억하면, 다음 복습까지의 시간 간격을 두 배로 늘려 정보가 잊히지 않고 신선하게 유지되도록 돕는다. 이 과정을 통해 정보는 장기 기억으로 저장될 가능성이 커진다. 반면, 정보를 기억하지 못하면 이전 단계의 더 짧은 간격으로 돌아가 반복 연습함으로써 학습을 지속시킨다 (Vance & Farr, 2007).[4] 이 '확장 간격' 방식은 처음 정보를 기억할 때 높은 성공률을 보장하고, 점차 간격을 늘려 정보가 오랫동안 기억 속에 남아 언제든 쉽게 떠올릴 수 있도록 하는 데 목적이 있다.[20]

간격 반복 학습 연구가 발전하면서, 이 기술을 사용한 치매 환자들이 몇 주, 심지어 몇 달 후에도 정보를 기억할 수 있다는 사실이 밝혀졌다. 이 기술은 치매 환자들이 특정 물건의 이름, 일상적인 과제 수행 방법, 얼굴-이름 연상, 자신에 대한 정보 등 다양한 사실과 행동을 기억하는 데 성공적인 결과를 보였다 (Small, 2012).[5] 여러 실험 결과들은 간격 반복 학습이 새로운 정보를 배우고 과거 정보를 상기하는 데 유용하다는 것을 뒷받침한다.[3]

Small은 여러 연구 결과를 종합하여 간격 반복 학습이 효과적인 다섯 가지 이유를 제시했다. 첫째, 일상적인 기억 활동과의 관련성을 보여준다. 둘째, 시간 간격을 늘려가며 학습하는 것의 이점을 명확히 한다. 셋째, 알츠하이머병 치매 환자의 뇌 활동을 유지하는 데 도움을 준다. 넷째, 오류 없이 높은 성공률을 보인다. 다섯째, 이 기술이 환자들이 더 많은 것을 수행하고 기억하는 데 실질적인 의미를 갖는다는 것이다.[5] Joltin 등 (2003)[6]의 연구에서는 한 간병인이 알츠하이머병을 앓는 여성에게 전화 통화로 손자의 이름을 반복해서 알려주는 훈련을 실시했다. 이때 냉장고에 붙여둔 손자 사진과 이름을 연관시키도록 도왔다. 훈련 후, 이 여성은 5일 뒤에도 손자의 이름을 기억할 수 있었다.[3]

초기 간격 반복 학습은 주로 단어장 카드를 이용해 이루어졌다. 하지만 실용적인 학습을 위해서는 수천 장의 카드가 필요했고, 이를 관리하고 사용하는 데 많은 노력이 들었다. 1980년대 개인용 컴퓨터가 보급되면서 간격 반복 학습은 컴퓨터 보조 언어 학습 소프트웨어 형태로 구현되기 시작했다. 이러한 소프트웨어는 학습자의 성과에 맞춰 복습 간격을 자동으로 조절하고 최적화하는 것을 목표로 한다.[45] 사용자가 설정한 목표(예: 일정 기간 동안 학습 내용의 90%를 맞히기)를 달성할 수 있도록 소프트웨어가 복습 간격과 학습량을 조절해 준다. 어려운 내용은 쉬운 내용보다 더 자주 제시되며, 난이도는 사용자의 정답 여부에 따라 판단된다.

간격 반복 복습 시점을 계획하는 데에는 여러 종류의 알고리즘이 사용된다.

  • 신경망 기반 알고리즘
  • 라이트너 시스템: 5단계 또는 임의의 단계로 구성
  • SM 계열 알고리즘 (SuperMemo): Piotr Woźniak이 고안했으며, 종이 기반의 SM-0 (1985년 발표)부터 SM-18 (2019년 5월)까지 발전해왔다.[46]


한 연구에서는 복습 간격의 정확한 길이가 알고리즘의 효과에 큰 영향을 미치지 않는다고 주장했지만,[47] 다른 연구에서는 간격 설정 방식(예: 확장 간격과 고정 간격 비교)이 중요하다고 주장하며, 아직 명확한 결론은 내려지지 않았다.[48] 또한, 초기 학습 단계에서는 짧은 간격으로 자주 복습하는 것이 효과적이라는 실험 결과도 있으며, 일부 소프트웨어는 처음 정보를 완전히 기억하기까지의 반복 학습 횟수는 이후의 복습 스케줄 알고리즘에 반영하지 않기도 한다.[49]

더불어 기억 장애 환자의 재활 치료에서도 간격 반복 학습 방법이 효과적이라는 점이 지적되고 있다.[50]

2. 2. 인지 심리학 연구 및 실용적 적용

간격 반복 학습 방법은 1880년대 독일 과학자 헤르만 에빙하우스에 의해 처음 고안되었다. 에빙하우스는 시간이 지남에 따라 학습된 정보의 손실을 나타내는 그래프인 '망각 곡선'을 만들었으며, 일정 기간 동안 여러 간격으로 정보를 복습함으로써 망각 곡선을 늦출 수 있다고 보았다.[2]

간격 반복 학습이 학습 능력 향상에 사용될 수 있다는 개념은 1932년 C. A. 메이스의 저서 ''학습 심리학''에서 제안되었다. 그는 복습 행위가 하루, 이틀, 나흘, 여드레 등 점진적으로 증가하는 간격으로 이루어져야 한다고 주장했다.[7] 1939년, H. F. 스피처는 아이오와주 6학년 학생 3,600여 명을 대상으로 과학적 사실 학습에 대한 간격 반복 학습의 효과를 시험하여 그 유효성을 입증했다.[8][41] 그러나 이러한 초기 연구들은 큰 주목을 받지 못했다.

이후 1960년대 후반에 이르러 멜턴[9][42], 랜드로어와 비요크[10][43] 등 인지심리학자들이 기억 회상을 향상시키기 위해 반복 시점을 조절하는 방법을 탐구하면서 간격 반복 학습 연구가 다시 활발해졌다. 비슷한 시기에 핌슬러 언어 학습 코스는 언어 학습에 간격 반복 학습 이론을 실용적으로 적용했으며,[44] 1973년 세바스찬 라이트너는 플래시 카드(단어장)를 기반으로 한 범용 간격 반복 학습 시스템인 라이트너 시스템을 고안했다.

1978년, 토머스 랜드아우어와 로버트 A. 비요크는 심리학과 학생들을 대상으로 특정 인물의 사진과 이름을 보여주는 얼굴-이름 연상 실험을 진행했다. 이 실험을 통해 간격 반복 학습이 시간이 지남에 따라 이름과 얼굴을 연관시키는 데 효과적임을 확인했다.[19]

간격 반복 학습의 적용은 기억 장애가 있는 이들에게도 확장되었다. 1985년 샥터, 리치, 스탬프는 연구 대상을 기억 상실증 및 기타 기억 장애가 있는 사람들로 확장하여 간격 반복 학습이 이들에게도 도움이 될 수 있음을 보여주었다.[3] 1989년 C. J. 캠프는 알츠하이머병 환자에게 이 기술을 적용하면 특정 정보를 기억하는 기간을 늘릴 수 있다는 결론을 내렸다.[19] 이러한 결과는 시간 간격을 점차 늘리는 방식(확장 간격)이 기억력 향상에 가장 큰 효과를 보인다는 것을 시사한다.[3]

간격 반복 학습은 특정 사실을 기억하도록 요청하는 방식으로 진행되며, 사실을 제시하거나 질문할 때마다 시간 간격을 늘린다. 만약 학습자가 정보를 정확하게 기억하면 다음 복습까지의 시간 간격을 두 배로 늘려 정보가 잊히지 않도록 한다. 이를 통해 정보는 장기 기억에 저장될 수 있다. 만약 정보를 기억하지 못하면 이전 단계의 간격으로 돌아가 반복 연습을 통해 학습을 지속한다 (Vance & Farr, 2007).[4] 이러한 확장 간격 방식은 초기 학습 성공률을 높이고, 점차 간격을 늘려 정보가 오랫동안 기억 속에 남아 필요할 때 쉽게 떠올릴 수 있도록 돕는다.[20] 연구 결과, 이 기술을 사용한 치매 환자들이 몇 주, 심지어 몇 달 후에도 정보를 기억할 수 있다는 것이 밝혀졌다. 치매 환자들은 이 기술을 통해 특정 물건의 이름, 일상적인 작업, 얼굴-이름 연상, 자신에 대한 정보 등 다양한 사실과 행동을 성공적으로 기억할 수 있었다 (Small, 2012).[5] 충분한 실험적 증거들은 간격 반복 학습이 새로운 정보를 배우고 과거 정보를 상기하는 데 가치가 있음을 보여준다.[3]

Small은 여러 연구 결과를 종합하여 간격 반복 학습이 효과적인 다섯 가지 이유를 제시했다. 첫째, 일상적인 기억과의 관련성을 보여준다. 둘째, 시간 간격을 늘려 학습하는 것의 이점을 보여준다. 셋째, 알츠하이머병 치매 환자의 뇌를 활성 상태로 유지하는 데 도움을 준다. 넷째, 오류 없이 높은 성공률을 보인다. 다섯째, 환자가 더 많은 것을 수행하고 기억하는 데 의미를 부여한다.[5] Joltin 등 (2003)의 연구에서는[6] 한 간병인이 알츠하이머병을 앓는 여성에게 전화로 손주의 이름을 반복적으로 알려주고, 냉장고에 붙은 손주 사진과 연관 짓도록 훈련했다. 훈련 후, 이 여성은 5일 뒤에도 손주의 이름을 기억할 수 있었다.[3]

1980년대 개인용 컴퓨터가 보급되면서 간격 반복 학습은 컴퓨터 지원 언어 학습(CALL) 소프트웨어를 통해 구현되기 시작했다. 이를 통해 수천 개의 학습 항목에 대한 복습 일정을 자동으로 관리하고 통계를 수집하는 것이 가능해졌다.[45] 소프트웨어는 사용자의 학습 성과에 맞춰 반복 간격을 조절하여 목표 성과 수준(예: 특정 시점에서 전체 자료의 90%를 정확히 기억)에 도달하도록 돕는다. 어려운 내용은 더 자주, 쉬운 내용은 덜 자주 제시되며, 난이도는 사용자가 정답을 얼마나 쉽게 맞히는지에 따라 결정된다.

초기 연구 데이터에 따르면, 복습 간격을 점차 늘리는 확장 간격 방식이 테스트 시점에서 더 높은 정확도를 보였다.[11] 확장 간격 방식이 효과적인 이유는 각 복습 사이에 시간이 경과하면서 정보를 떠올리는 것이 더 어려워지고, 이 과정에서 정보가 장기 기억 속에 더 깊이 처리되기 때문이다. 또한, 첫 번째 복습이 비교적 초기에 이루어져 성공적인 기억 회상 경험을 제공하고, 이는 다음 복습에서의 성공 가능성을 높인다.[12][13] 확장 간격 방식이 일반적으로 간격 반복 학습과 연관되지만, 일정한 간격으로 복습하는 균일 간격 방식 역시 간격 반복 학습의 한 형태이다.[12]

Bui 등이 수행한 2013년 연구에서는 간격 반복 학습의 효과가 학습자의 작업 기억 용량과 과제의 복잡성에 따라 달라질 수 있음을 조사했다. 연구 결과, 작업 기억 용량이 높은 참가자들이 간격 반복 학습의 이점을 더 많이 누렸고, 특히 어려운 과제에서 더 나은 성과를 보였다.[14]

전통적으로 간격 반복 학습은 주로 사실이나 의미 정보 암기에 사용되었으나, 최근 연구에서는 단순 암기를 넘어선 분야에도 적용되고 있다. Pashler, Rohrer, Cepeda, Carpenter의 연구[15]에서는 참가자들이 간격 반복 학습 또는 집중 학습 방식으로 간단한 수학 원리를 학습했다. 간격 반복 학습 그룹은 마지막 연습 세션 후 진행된 최종 테스트에서 더 높은 점수를 받았다.[15] 이는 간격 반복 학습이 사실 암기뿐만 아니라 특정 원리나 공식(예: y = mx + b)의 적용이 필요한 수학과 같은 분야에도 유용할 수 있음을 시사한다. 또한 이 연구에서는 학습 중 피드백의 중요성도 확인되었는데, 오답을 제시한 참가자에게 잠시 후 정답을 알려주면 다음 테스트에서 정답을 맞힐 확률이 높아졌다.

더 나아가 최근 연구에서는 복잡한 절차적 기술 습득에도 간격 반복 학습이 적용되고 있다. 예를 들어, 신경외과 수련 과정에 대한 파일럿 연구에서는 6주간의 시뮬레이션 모듈에 간격 반복 학습을 통합한 결과, 수련의들의 복잡한 수술 절차 수행 능력이 향상되었다. 구조화된 반복 연습을 한 그룹은 전통적인 방식으로 훈련받은 그룹에 비해 객관적인 성과 지표에서 유의미한 개선을 보였다.[16] 이는 간격 반복 학습이 의료 훈련의 다른 분야에서 이미 입증된 것처럼[17] 수술적 맥락에서도 절차적 지식 습득을 효과적으로 촉진할 수 있음을 시사한다.

이처럼 간격 반복 학습은 사실 학습, 수학, 절차적 기술 습득 등 다양한 영역과 과제(확장 간격 또는 균일 간격)에서 유용한 학습 도구로 활용될 수 있다.[15] 수년간의 연구를 통해 간격 반복 학습의 활용과 구현 방법이 발전해 왔으며, 여전히 많은 연구자들의 관심 대상이다.[18] 기억력에 어려움을 겪는 환자들의 상태를 개선하기 위한 여러 기술 중 하나로 간격 반복 학습이 주목받고 있으며, 사실 기억부터 자전거 타기, 과거 사건 회상에 이르기까지 다양한 기억 영역에 적용될 수 있다.[19] 학습 직후 내용을 회상하는 '회복 연습'을 늘리는 것은 장기 기억을 강화하는 기술로 알려져 있으며, 간격 반복 학습은 이러한 회복 연습의 효과를 극대화하는 방법 중 하나로, 학습 능력을 향상시키려는 아동이나 기억 장애가 있는 노인에게 유용하게 사용될 수 있다.[20]

간격 반복 학습의 복습 간격을 결정하는 알고리즘에는 여러 종류가 있다.

종류설명
신경망 기반인공 신경망을 이용하여 복습 간격을 최적화하는 방식
라이트너 시스템플래시 카드를 여러 단계의 상자로 나누어 관리하는 방식 (주로 5단계 또는 임의 단계)
SuperMemo SM-familyPiotr Woźniak이 개발한 알고리즘 시리즈로, 초기 버전(SM-0, 1985)부터 최신 버전(SM-18, 2019)까지 다양하게 존재함[46]



복습 간격의 정확한 길이가 알고리즘 효과에 큰 영향을 미치지 않는다는 연구[47]와 간격 자체가 중요하며 확장 간격과 고정 간격 간에 차이가 있다는 연구[48]가 공존하는 등, 최적의 간격 설정에 대해서는 아직 논의가 진행 중이다. 또한, 초기 학습 단계에서는 짧은 간격으로 자주 복습하는 것이 효과적이라는 실험 결과도 있으며, 일부 소프트웨어는 초기 기억 형성 단계의 반복 학습은 이후의 장기적인 복습 스케줄 알고리즘에 반영하지 않기도 한다.[49]

간격 반복 학습은 기억 장애 환자의 재활에도 효과적인 방법으로 알려져 있다.[50]

2. 3. 현대적 발전: 컴퓨터 및 소프트웨어 활용

1980년대 개인용 컴퓨터의 보급이 확대되면서 간격 반복 학습은 컴퓨터 보조 언어 학습(CALL) 소프트웨어를 통해 구현되기 시작했다. 이러한 소프트웨어는 학습자의 학습 성과에 맞춰 간격 반복을 최적화하는 것을 목표로 한다.[45] 사용자가 설정한 목표(예: 특정 기간 내에 학습 자료의 90% 정답률 달성)를 달성할 수 있도록 소프트웨어가 반복 간격과 학습량을 조절하며, 어려운 내용은 쉬운 내용보다 더 자주 제시된다. 내용의 난이도는 주로 사용자의 정답 여부를 기준으로 판단한다.

간격 반복을 위한 스케줄링 알고리즘에는 여러 종류가 있다.

  • 신경망 기반 알고리즘
  • 라이트너 시스템: 일반적으로 5단계 또는 임의의 단계로 구성된다.
  • SM 계열 알고리즘 (SuperMemo영어): Piotr Woźniak이 고안한 방식으로, 1985년 발표된 종이 기반의 SM-0부터 2019년 5월의 SM-18까지 다양한 버전이 존재한다.[46]


한 연구에서는 복습 간격의 정확한 길이가 알고리즘의 효과에 큰 영향을 미치지 않는다고 주장한다.[47] 반면, 간격 자체가 중요하며(확대 간격과 고정 간격 비교 포함), 간격의 길이가 중요하다고 주장하는 연구도 있어 아직 명확한 결론에 이르지 못했다.[48] 또한, 최초 학습 단계에서는 짧은 간격으로 반복하는 것이 효과적이라는 실험 결과도 있으며, 일부 소프트웨어는 처음 내용을 기억하기까지의 반복 학습 과정을 이후의 스케줄링 알고리즘에 반영하지 않기도 한다.[49]

이 외에도 기억 장애 환자의 재활 치료에서도 간격 반복 학습 방법이 효과적인 것으로 알려져 있다.[50]

3. 알고리즘

간격 반복 학습의 복습 시점을 계획하는 데 사용되는 다양한 알고리즘들이 있다. 주요 알고리즘 계열은 다음과 같다.


  • 라이트너 시스템
  • 신경망 기반 알고리즘[52][21][22]
  • SuperMemo에서 사용하는 SM 계열 알고리즘[23][46]
  • DASH (''Difficulty, Ability, and Study History'') 군 알고리즘[24][25]
  • SSP-MMC (''Stochastic Shortest Path Minimizing Memory Cost'') 알고리즘[26][27][28] 및 이와 밀접하게 관련된 FSRS (''Free Spaced Repetition Scheduler'') 알고리즘[29]


알고리즘 설계 시 복습 간격의 정확한 길이가 학습 효과에 얼마나 영향을 미치는지에 대해서는 논쟁이 있다. 일부에서는 간격 길이가 큰 영향을 주지 않는다고 주장하는 반면,[53][32][47] 다른 한편에서는 간격 설정(예: 확장 간격과 고정 간격 비교)이 매우 중요하다고 본다.[54][33][48] 이 문제에 대한 실험 결과는 아직 명확한 결론 없이 혼재되어 있다.

3. 1. 라이트너 시스템

세 개의 세션을 보여주는 애니메이션


라이트너 시스템(Leitner system)은 1970년대 독일의 과학 저널리스트 제바스티안 라이트너가 제안한 방법으로, 플래시 카드를 효율적으로 사용하기 위해 널리 활용된다. 이 시스템은 간격 반복의 원리를 단순하게 구현한 것으로, 학습자가 카드를 점점 더 긴 간격으로 복습하도록 설계되었다.

라이트너 시스템에서는 플래시 카드를 학습자가 각 카드의 내용을 얼마나 잘 알고 있는지에 따라 여러 그룹으로 나눈다. 학습자는 카드를 보고 답을 떠올리려 시도한다. 답을 맞히면 해당 카드는 다음 단계의 그룹으로 이동하고, 틀리면 다시 첫 번째 그룹으로 돌아간다. 각 다음 그룹은 카드를 다시 복습해야 할 때까지의 시간 간격이 더 길게 설정되어 있다.

라이트너가 그의 저서 ''어떻게 배우는가''(So lernt man Lernen|조 레른트 만 레르넨de)에서 설명한 원래 방법에서는, 학습 상자를 여러 칸으로 나누고 각 칸의 크기(예: 1cm, 2cm, 5cm, 8cm, 14cm)에 따라 복습 주기를 정했다. 특정 칸이 카드로 가득 차면, 학습자는 그 칸에 있는 카드 중 일부를 복습하고, 기억하는지 여부에 따라 카드를 다음 칸으로 보내거나 이전 칸으로 되돌려 보냈다.

라이트너 시스템은 단어장을 기반으로 한 범용 간격 반복 학습 시스템으로 개발되었으며,[44] 간격 반복을 스케줄링하는 여러 알고리즘 중 하나로 분류된다. 이 시스템은 보통 5단계 또는 임의의 단계로 구성된다.

3. 2. 신경망 기반 알고리즘

간격 반복 학습을 위한 스케줄링 알고리즘의 한 종류로 신경망을 기반으로 한 방식이 있다.[52][21][22]

3. 3. SM 계열 알고리즘 (SuperMemo)

SM 알고리즘군은 수퍼메모 소프트웨어에서 사용하는 간격 반복 스케줄링 알고리즘 군이다.[23][46] 이 알고리즘은 Piotr Woźniak|피오트르 보지니아크pol가 고안한 방식으로, SM-0 (종이와 펜으로 구현, 1985년 발표)부터 시작하여 SM-18 (2019년 5월, 수퍼메모 18에 포함)까지 다양한 버전이 개발되었다.[23][46]

3. 4. 기타 알고리즘

간격 반복 학습을 스케줄링하는 알고리즘에는 여러 종류가 있다. 주요 알고리즘 계열은 다음과 같다.

  • 신경망 기반 알고리즘[52][21][22]
  • 라이트너 시스템: 5단계 또는 임의의 단계를 사용하는 방식[44]
  • SM 계열 알고리즘 (SuperMemo): 피오트르 보지니아크가 개발한 방식으로, 종이와 펜으로 구현된 SM-0(1985년 발표)부터 SM-18(2019년 5월)까지 다양한 버전이 존재한다.[23][46]
  • DASH (''Difficulty, Ability, and Study History'') 군 알고리즘[24][25]
  • SSP-MMC (''Stochastic Shortest Path Minimizing Memory Cost'') 알고리즘[26][27][28] 및 이와 밀접하게 관련된 FSRS (''Free Spaced Repetition Scheduler'') 알고리즘[29]. FSRS는 Anki 23.10 버전[30]과 RemNote 1.16 버전[31]부터 사용 가능하다.


복습 간격의 정확한 길이가 알고리즘의 효과에 큰 영향을 미치지 않는다는 주장이 있는 반면,[53][32][47] 간격 설정(예: 확장 간격과 고정 간격 비교)이 매우 중요하다고 주장하는 연구도 있다.[54][33][48] 이 문제에 대한 실험 결과는 아직 명확한 결론을 내리지 못하고 혼재되어 나타난다.

한편, 최초 학습 단계에서는 짧은 간격으로 반복하는 것이 효과적이라는 실험 결과도 있으며, 일부 소프트웨어는 처음 내용을 기억하기까지의 반복 학습 과정을 이후의 복습 스케줄 알고리즘에 반영하지 않기도 한다.[49]

3. 5. 알고리즘 효과에 대한 논쟁

간격 반복을 스케줄링하는 알고리즘에는 여러 종류가 있다. 주요 알고리즘 계열은 다음과 같다.

  • 신경망 기반[52][21][22]
  • 라이트너 시스템
  • SM 계열 알고리즘 (SuperMemo): 피오트르 워즈니악이 고안한 방식으로, SM-0(종이 구현, 1985년 발표)부터 SM-18(2019년 SuperMemo 18에 포함)까지 존재한다.[23][46]
  • DASH (Difficulty, Ability, and Student History)[24][25]
  • SSP-MMC (Stochastic Shortest Path Minimizing Memory Cost)[26][27][28] 및 이와 밀접하게 관련된 FSRS (Free Spaced Repetition Scheduler)[29]. FSRS는 Anki 23.10 버전[30] 및 RemNote 1.16 버전[31]부터 사용 가능하다.


알고리즘의 효과에 대해서는 서로 다른 견해가 존재한다. 한편에서는 복습 간격의 정확한 길이가 알고리즘의 효과에 큰 영향을 미치지 않는다고 본다.[53][32][47] 다른 한편에서는 고정 간격과 늘어난 간격(확장 간격)의 비교를 포함하여 간격 설정이 매우 중요하다고 주장한다. 이 논쟁과 관련한 실험 결과는 아직 명확한 결론을 내리지 못하고 혼재된 양상을 보인다.[54][33][48]

4. 구현

간격 반복 학습은 다양한 방식으로 구현될 수 있으며, 대표적으로 소프트웨어, 종이 플래시 카드, 오디오 학습 형태 등이 있다.

특히 간격 반복 학습 소프트웨어(Spaced Repetition Software, SRS)는 단어장 학습 방식을 기반으로 사용자가 입력한 내용을 알고리즘을 통해 최적의 시점에 복습하도록 돕는다. 사용자는 학습 시 정답 확인 후 난이도를 평가하여 다음 복습 주기를 조절할 수 있다. 소프트웨어 없이 직접 플래시 카드를 관리할 경우, 라이트너 시스템과 같은 방법을 활용할 수 있다. 많은 소프트웨어는 음성 지원, 자동 카드 생성, 부가 정보 제공, 커뮤니티 연동 등 학습 효과를 높이는 추가 기능을 제공하기도 한다.

다양한 간격 반복 학습 소프트웨어와 다른 구현 방식에 대한 자세한 정보는 아래 하위 섹션에서 확인할 수 있다.

4. 1. 소프트웨어

Anki로 러시아어 어휘를 암기하는 모습


대부분의 간격 반복 학습 소프트웨어(spaced repetition software, SRS)는 물리적인 플래시 카드나 단어장을 이용하는 학습 방식을 모델로 한다. 암기할 항목은 질문(문제)과 답변(해답)의 쌍으로 프로그램에 입력된다. 검토할 시점이 되면 화면에 질문이 표시되고, 사용자는 답변을 시도해야 한다. 답변 후, 사용자는 직접 정답을 확인하고 문제의 난이도를 주관적으로 평가하여 프로그램에 알린다. 프로그램은 이 정보를 바탕으로 알고리즘에 따라 해당 쌍의 다음 학습 일정을 조정한다. 컴퓨터 프로그램이 없으면 사용자는 직접 플래시 카드의 학습 일정을 관리해야 하는데, 이는 시간이 많이 소요될 뿐만 아니라 라이트너 시스템과 같은 비교적 단순한 알고리즘에 의존하게 되는 한계가 있다.[34]

검토 일정을 최적화하기 위해 간격 반복 알고리즘 개발은 예측 모델링에 초점을 맞추고 있다. 이러한 알고리즘은 특정 방정식을 사용하여 가장 효과적인 검토 시기를 결정하고자 한다.[35]

소프트웨어에는 다음과 같은 추가적인 개선 사항이나 기능이 포함되는 경우가 많다.

  • 자신감 기반 반복: 사용자가 각 디지털 플래시 카드에 대한 자신의 이해도나 자신감을 1~5점 척도 등으로 평가한다. 자신감이 낮게 평가된 카드는 사용자가 높은 등급으로 변경할 때까지 더 자주 반복된다.[36][37]
  • 질문이나 답변에 음성 파일을 활용하여 발음이나 듣기 능력을 훈련할 수 있다.
  • 질문-답변 쌍의 자동 생성 기능. 예를 들어, 외국어 어휘 학습 시 '단어 표기', '발음', '의미' 정보를 한 번만 입력하면 관련된 여러 학습 카드를 자동으로 생성해 준다.
  • 단어가 포함된 예문이나 사전 참조 등 추가적인 학습 정보가 자동으로 검색되어 제공된다.
  • 간격 반복 학습 기능을 온라인 커뮤니티 기능과 결합하여 사용자들이 직접 만든 학습 자료(코스)를 공유하는 등의 활동이 가능하다.


다음은 간격 반복 학습 기능을 구현한 소프트웨어의 예시이다.

  • Anki
  • [https://ankimono.com/ ankimono]
  • Course Hero
  • 듀오링고
  • [https://engram.pro/ engram]
  • LearnThatWord
  • Memrise
  • MochiMochi
  • Mnemosyne
  • OpenCards
  • P-Study System
  • Skritter
  • SuperMemo


더 자세한 단어장 소프트웨어 정보(간격 반복 기능 유무 포함)는 단어장 소프트웨어 목록(영문)에서 찾아볼 수 있다.

4. 2. 종이 플래시 카드



라이트너 시스템은 1970년대 독일의 과학 저널리스트 제바스티안 라이트너가 제안한 방법으로, 플래시 카드를 효율적으로 사용하기 위해 널리 쓰인다. 이는 간격 반복의 원리를 간단하게 구현한 것으로, 카드를 점차 더 긴 간격을 두고 복습하는 방식이다.

이 방법에서는 학습자가 플래시 카드 내용을 얼마나 잘 아는지에 따라 카드를 여러 그룹으로 나눈다. 학습자는 카드의 답을 기억하려 시도하고, 성공하면 카드를 다음 그룹으로 옮긴다. 만약 답을 기억하지 못하면 카드는 다시 첫 번째 그룹으로 돌아간다. 뒤쪽 그룹일수록 카드를 다시 복습하기까지의 간격이 길어진다.

라이트너가 자신의 저서 ''So lernt man Lernen|조 레른트 만 레르넨de''(『어떻게 배우는가』)에서 제시한 원래 방법에서는, 학습 상자의 칸막이 크기(1cm, 2cm, 5cm, 8cm, 14cm)에 따라 복습 주기가 정해졌다. 각 칸이 가득 찼을 때만 학습자는 그 칸의 카드 일부를 복습했고, 기억하는지에 따라 카드를 앞 칸이나 뒤 칸으로 이동시켰다.

4. 3. 오디오 학습

졸업 간격 복습은 1967년 폴 핌슬러에 의해 발표된 간격 반복 학습의 한 유형이다.[38] 이는 핌슬러 언어 프로그램에 사용되며, 다른 형태의 간격 반복 학습과는 달리 처음 몇 번의 반복 사이의 시간 간격이 매우 짧기 때문에(초 또는 분 단위로 측정) 프로그래밍된 오디오 학습에 특히 적합하다. 핌슬러의 논문에 발표된 간격은 다음과 같다: 5초, 25초, 2분, 10분, 1시간, 5시간, 1일, 5일, 25일, 4개월, 2년.

많은 간격 반복 학습 소프트웨어(spaced repetition software; SRS)는 단어장을 이용하는 학습 형태를 모델로 한다. 기억할 항목은 문제와 해답의 쌍으로 저장된다. 그 쌍이 학습될 때, 문제 부분이 화면에 표시되고, 사용자는 해답을 요구받는다. 해답을 한 후, 사용자는 스스로 해답을 표시하고, 프로그램에 문제의 난이도를 주관적으로 알린다. 프로그램은 그 간격 반복 알고리즘에 의해, 그 쌍의 다음 학습 시기를 결정한다. 만약, 이러한 소프트웨어가 없다면, 사용자는 단어장의 스케줄 관리를 손으로 해야 했고, 라이트너 시스템과 같은 단순화된 것을 이용할 수밖에 없었다.

이러한 소프트웨어의 대부분에는 다음과 같은 기능이 추가되는 경우가 많다.

  • 문제나 해답에 음성 파일을 활용할 수 있어, 음성으로 단어, 문장 인식 훈련이 가능하다.
  • 문제 해답 쌍의 자동 생성. (예를 들어, 어휘 습득에는 단어의 ''문자 표기'', 그 ''발음'', 그 ''의미''의 3가지가 필요하지만, 이것들을 한 번 입력하면 자동으로 쌍을 생성해 주는 것은 유용하다.)
  • 추가 정보의 자동 취득. 예를 들어, 예문이나 사전 참조의 자동화.
  • 간격 반복과 소셜 네트워크, 커뮤니티 연계. 예를 들어, 생성한 단어장의 공유 등.


구현 예:

  • Anki
  • [https://ankimono.com/ ankimono]
  • Course Hero
  • Duolingo
  • [https://engram.pro/ engram]
  • LearnThatWord
  • Memrise
  • MochiMochi
  • Mnemosyne
  • OpenCards
  • P-Study System
  • Skritter
  • SuperMemo


더 자세한 단어장 소프트웨어 정보(간격 반복의 유무 포함)는 단어장 소프트웨어 목록(영어)을 참조.

5. 연구 및 응용

간격 반복 학습 방법은 1880년대 독일 과학자 헤르만 에빙하우스에 의해 처음 고안되었다. 에빙하우스는 시간이 지남에 따라 학습된 정보가 사라지는 과정을 보여주는 망각 곡선 그래프를 만들었으며, 일정한 간격을 두고 정보를 반복해서 복습하면 망각을 늦출 수 있다고 보았다.[2]

이후 1978년 토마스 랜드아우어와 로버트 A. 비요크는 심리학과 학생들을 대상으로 특정 인물의 사진과 이름을 함께 보여주는 실험을 통해 간격 반복의 효과를 확인했다. 이 실험에서 학생들은 반복적으로 이름과 얼굴을 접하며 간격 반복 학습을 통해 시간이 지나도 특정 인물의 이름과 얼굴을 더 잘 연관시킬 수 있었다.[19]

연구는 점차 확대되어, 1985년 샥터, 리치, 스탬프는 기억 상실증 등 기억 장애가 있는 사람들에게도 간격 반복 학습이 도움이 될 수 있음을 보여주었다.[3] 1989년에는 C. J. 캠프가 알츠하이머병 환자에게 이 기술을 적용하여 특정 정보를 기억하는 기간을 늘릴 수 있음을 확인했다.[19] 이러한 연구들은 점차 시간 간격을 늘려가는 방식(확장 간격)이 기억력 향상에 특히 효과적임을 시사했다.[3]

간격 반복 학습은 기본적으로 어떤 사실을 기억하도록 요청하면서, 성공적으로 기억해낼 때마다 다음 복습까지의 시간 간격을 점진적으로 늘리는 방식으로 진행된다. 만약 정보를 정확히 기억하면 시간 간격을 늘려 정보가 장기 기억으로 저장되도록 돕고, 기억하지 못하면 이전 단계로 돌아가 다시 연습한다.[4] 이러한 확장 간격 방식은 처음 정보를 기억할 때 성공률을 높이고, 점차 간격을 늘려 정보가 오랫동안 기억 속에 남아 있도록 하는 데 효과적이다.[20] 연구에 따르면, 확장 간격 방식이 효과적인 이유는 복습 간격이 길어질수록 정보를 다시 떠올리는 것이 더 어려워지며, 이 과정에서 기억 정보에 대한 더 깊은 수준의 처리가 일어나기 때문이다. 또한, 학습 초기에 비교적 짧은 간격으로 첫 복습을 진행하여 성공 경험을 쌓게 하는 것도 이후 학습 효과를 높이는 데 기여한다.[12][13] 확장 간격 방식 외에도 일정한 간격으로 복습하는 균일 간격 방식 역시 간격 반복 학습의 한 형태로 사용된다.[12]

간격 반복 학습의 효과는 개인의 작업 기억 능력이나 학습 과제의 복잡성에 따라 달라질 수 있다. Bui 등의 2013년 연구에 따르면, 작업 기억 능력이 높은 참가자들이 간격 반복 학습을 통해 더 큰 효과를 보였으며, 특히 어려운 과제에서 더 나은 성과를 나타냈다.[14]

전통적으로 간격 반복 학습은 주로 단어나 역사적 사실과 같은 정보를 암기하는 데 사용되었지만,[15] 최근에는 그 적용 범위가 수학 문제 풀이나[15] 신경외과 수술 훈련과 같은 복잡한 절차적 기술 습득[16][17] 등 다양한 영역으로 확장되고 있다. 여러 연구를 통해 간격 반복 학습은 새로운 정보를 배우고 과거 정보를 효과적으로 상기시키는 데 유용한 방법임이 입증되었으며,[3] 여전히 많은 연구자들의 관심 속에서 그 원리와 응용 방안이 탐구되고 있다.[18]

5. 1. 언어 학습

간격 반복 학습을 이용하여 학습 효과를 높이자는 개념은 1932년 C. A. Mace가 저술한 "''Psychology of Study''"에서 처음 제안된 사례 중 하나이다. 이후 1939년에는 미국의 H. F. Spitzer가 아이오와주의 6학년 학생 3,600명을 대상으로 과학 지식 습득 과정에서 간격 반복의 효과를 실험하여 그 유효성을 실증하였다.[41] 그러나 이러한 초기 연구들은 큰 주목을 받지 못했으며, 1960년대에 이르러서야 인지심리학자들이 반복 시점 조정을 통해 기억력을 향상시키려는 시도를 하면서 다시 연구되기 시작했다.[42][43]

언어 학습 분야에서는 Pimsleur 언어 학습 코스[44]가 간격 반복을 실질적으로 적용한 선구적인 사례로 꼽힌다. 또한 1973년 세바스티안 라이트너는 단어장을 활용한 범용 간격 반복 학습 시스템인 라이트너 시스템을 개발했다.

초기 간격 반복 학습은 주로 종이 단어장 형태로 이루어졌으나, 수천 개에 달하는 카드를 관리하는 데 많은 노력이 필요했다. 1980년대 개인용 컴퓨터가 보급되면서 간격 반복 학습은 컴퓨터 보조 언어 학습 소프트웨어를 통해 구현되기 시작했다. 이러한 소프트웨어는 학습자의 성과에 맞춰 반복 간격을 자동으로 조절하여 학습 효과를 최적화하는 것을 목표로 한다.[45] 예를 들어, 특정 기간 내에 학습 내용의 90%를 정답으로 맞히는 것을 목표로 설정하면, 소프트웨어는 반복 간격과 학습량을 조절한다. 어려운 내용은 더 자주, 쉬운 내용은 덜 자주 제시되며, 난이도는 사용자의 정답 여부로 판단한다.

간격 반복 학습의 시점을 결정하는 알고리즘에는 여러 종류가 있다.

  • 인공신경망 기반 알고리즘
  • 라이트너 시스템: 일반적으로 5단계 또는 사용자가 설정한 임의의 단계로 구성된다.
  • SuperMemo 알고리즘 계열 (SM-family): Piotr Woźniak이 개발했으며, 초기 버전인 SM-0(1985년, 종이 기반)부터 SM-18(2019년)까지 다양한 버전이 존재한다.[46]


복습 간격의 정확한 길이가 학습 효과에 미치는 영향에 대해서는 연구마다 의견이 다르다. 일부 연구에서는 간격의 정확한 길이가 알고리즘 효과에 큰 영향을 미치지 않는다고 주장하는 반면,[47] 다른 연구에서는 간격 설정(확대 간격과 고정 간격 비교 등)이 중요하다고 주장하며, 아직 명확한 결론에 이르지 못했다.[48] 또한, 초기 학습 단계에서는 짧은 간격으로 반복하는 것이 효과적이라는 실험 결과도 있으며, 일부 소프트웨어는 처음 내용을 기억하기까지의 반복 학습 횟수는 이후의 반복 간격 계산에 반영하지 않기도 한다.[49]

이 외에도 간격 반복 학습은 기억 장애 환자의 재활에도 효과적인 것으로 알려져 있다.[50]

5. 2. 의학 및 기타 분야

또한, 기억 장애의 재활에서도 이 방법이 효과적이라고 지적되고 있다.[50]

5. 3. 수학 학습

간격 반복 학습은 전통적으로 단어나 역사적 사실과 같은 정보를 암기하는 데 주로 사용되어 왔다. 단순히 정보를 기억하는 것을 넘어, 복잡한 조작이나 사고 과정이 필요한 분야에는 적용하기 어렵다고 여겨졌다.[15]

그러나 최근 연구에서는 간격 반복 학습이 수학 문제 풀이와 같은 과제에도 효과적일 수 있다는 가능성이 제기되었다. 파슬러, 로러, 세페다, 카펜터가 진행한 연구가 대표적이다.[15] 이 연구에서 참가자들은 간단한 수학 원리를 간격 반복 학습 방식 또는 집중 학습 방식으로 학습했다. 연구 결과, 마지막 연습 이후 진행된 최종 시험에서 간격 반복 학습 그룹의 점수가 더 높게 나타났다.[15]

이는 간격 반복 학습이 단순한 사실 암기뿐만 아니라, 특정 원리나 공식(예: 일차 함수의 표준형 y = mx + b)을 이해하고 적용해야 하는 수학과 같은 분야의 학습에도 유용하게 활용될 수 있음을 시사한다. 또한, 이 연구에서는 학습 과정에서 피드백을 제공하는 것이 중요하다는 점도 발견했다. 만약 학습자가 오답을 제시했을 경우, 일정 시간이 지난 뒤 정답을 알려주면 다음 시험에서 정답을 맞힐 확률이 높아지는 것으로 나타났다.[15]

결론적으로 간격 반복 학습은 사실 학습은 물론, 수학이나 절차적 기술 습득과 같이 다양한 학습 영역과 과제에 적용될 수 있는 유용한 도구로 평가받고 있다.[15][18]

6. 비판

오랫동안 간격 반복 학습에서는 복습 간격을 점차 늘리는 확대 간격 방식이 가장 효과적이라고 여겨져 왔다. 하지만 여러 연구에서 확대 간격 방식과 일정한 간격으로 복습하는 균일 간격 방식을 비교한 결과, 두 방식 간에 효과 차이가 거의 없거나 아예 없다는 결과가 나오기도 했다.[39] 존 L. 돕슨(John L Dobson)의 연구에서는 특정 조건에서 균일 간격 방식이 확대 간격 방식보다 더 효과적일 수 있다는 결과도 있었다.[39] 이러한 결과 차이는 초기 연구들이 복습 간격의 조건이나 학습 기간 동안 얼마나 성공적으로 반복했는지 등의 요인을 충분히 고려하지 않았기 때문일 수 있다는 추측이 있다.[12]

간격 반복 학습 연구에서 간격은 두 가지 방식으로 측정될 수 있다. 첫 번째는 절대 간격으로, 전체 학습 및 테스트 기간 내의 모든 시도 횟수를 의미한다. 두 번째는 상대 간격으로, 각 테스트 사이의 시도 횟수 간격을 의미한다. 예를 들어, 총 30번의 시도(절대 간격 30) 동안 확대 간격(예: 1–5–10–14)으로 복습할 수도 있고, 균일 간격(예: 5–5–5–5–5–5)으로 복습할 수도 있다. 어떤 복습 일정이 더 효과적인지를 비교할 때 이 두 간격 개념을 구분하는 것이 중요하다.[12]

또한, 기존의 반복 학습 연구들에 대한 일반적인 비판 중 하나는 상당수의 연구가 단기적인 기억력 향상만을 측정했다는 점이다. 장기 기억에 미치는 효과를 제대로 검증하지 못했다는 지적이 있다. 카픽(Karpicke)과 바우언슈미트(Bauernschmidt)는 이러한 점을 고려하여 장기 기억 효과에 초점을 맞춘 연구를 진행했다.[12] 이들은 참가자들을 확대 간격 그룹과 균일 간격 그룹으로 나누어 학습시킨 뒤, 일주일 후에 최종 기억력 테스트를 실시했다. 연구 결과, 어떤 종류의 복습 일정(상대 간격)을 사용했는지는 최종 기억력 점수에 큰 영향을 미치지 않았다. 오히려 효과적인 장기 기억 형성에 가장 중요했던 것은 반복 테스트 사이의 총 시간 간격(절대 간격)이었다.[12] 즉, 얼마나 자주 복습하는지(상대 간격)보다는 전체 학습 기간 동안 복습에 충분한 시간을 확보하는 것(절대 간격)이 장기 기억 형성에 더 중요할 수 있음을 시사한다.

참조

[1] 논문 The right time to learn: mechanisms and optimization of spaced learning 2016-01-25
[2] 웹사이트 Why We Can't Remember What We Learn and What To Do About It https://interactive.[...] Wharton 2023-12-03
[3] 논문 A comparison of adjusted spaced repetition versus a uniform expanded repetition schedule for learning a name-face association in older adults with probable Alzheimer's disease 2008
[4] 논문 Spaced Retrieval for Enhancing Memory: Implications for Nursing Practice and Research https://journals.hea[...] 2007-09
[5] 논문 A new frontier in spaced retrieval memory training for persons with Alzheimer's disease 2012-06
[6] 논문 Spaced-retrieval over the telephone: An intervention for persons with dementia https://www.tandfonl[...] 2003-01-01
[7] 서적 Psychology of Study
[8] 논문 Studies in retention
[9] 논문 The situation with respect to the spacing of repetitions and memory
[10] 서적 Practical aspects of memory Academic Press
[11] 웹사이트 Archived copy http://bjorklab.psyc[...] 2014-12-10
[12] 논문 Spaced retrieval: absolute spacing enhances learning regardless of relative spacing. 2011
[13] 논문 Is expanding retrieval a superior method for learning text materials? 2010
[14] 논문 The Roles of Working Memory and Intervening Task Difficulty in Determining the Benefits of Repetition 2013
[15] 논문 Enhancing learning and retarding forgetting: Choices and consequences 2007
[16] 논문 Applying objective metrics to neurosurgical skill development with simulation and spaced repetition learning 2023-03-10
[17] 논문 Spaced Effect Learning and Blunting the Forgetfulness Curve 2022
[18] 논문 Using Spaced Retrieval as an Intervention During Speech-Language Therapy 2008
[19] 논문 Effects of Spaced Retrieval Training on Semantic Memory in Alzheimer's Disease: A Systematic Review 2014-02
[20] 논문 Expanding repetition practice promotes short-term retention, but equally spaced repetition enhances long-term retention. 2007
[21] 웹사이트 Implementing a neural network for repetition spacing https://www.supermem[...] 2017-07-15
[22] 논문 KARL: Knowledge-Aware Retrieval and Representations aid Retention and Learning in Students 2024-02-19
[23] 웹사이트 Algorithm SM-18 https://supermemo.gu[...]
[24] 학위논문 Probabilistic Models of Student Learning and Forgetting https://scholar.colo[...] 2014
[25] 학위논문 Memory Models for Spaced Repetition Systems https://hdl.handle.n[...] 2022-04-28
[26] 웹사이트 Spaced Repetition Algorithm: A Three-Day Journey from Novice to Expert https://github.com/o[...] 2023-11-14
[27] 서적 Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining Association for Computing Machinery 2022-08-14
[28] 서적 IEEE Transactions on Knowledge and Data Engineering 2023-10-01
[29] 웹사이트 fsrs4anki https://github.com/o[...] 2023-11-14
[30] 웹사이트 Anki Release 23.10 https://github.com/a[...] 2023-11-14
[31] 웹사이트 RemNote Release 1.16 https://feedback.rem[...] 2024-04-25
[32] 논문 Untangling the benefits of multiple study opportunities and repeated testing for cued recall
[33] 서적 The Foundations of Remembering: Essays in Honor of Henry L. Roediger, III https://books.google[...] Psychology Press 2011
[34] 뉴스 Spaced repetition: a hack to make your brain store information https://www.theguard[...] The Guardian 2019-01-30
[35] 논문 Enhancing human learning via spaced repetition optimization 2019-03-05
[36] 웹사이트 Confidence-Based Repetition (CBR) https://www.brainsca[...] 2015-05-12
[37] 웹사이트 Brainscape's 'Confidence-Based Repetition' Methodology https://www.brainsca[...] 2008-07-15
[38] 논문 A Memory Schedule Blackwell Publishing 1967-02
[39] 웹사이트 Effect of uniform versus expanding retrieval practice on the recall of physiology information https://www.research[...] 2024-08
[40] 서적 Human Memory: Theory and Practice 1997
[41] 논문 Studies in retention 1939
[42] 논문 The situation with respect to the spacing of repetitions and memory 1970
[43] 논문 Optimum rehearsal patterns and name learning Academic Press 1978
[44] 기타
[45] 문서 '#소프트웨어 참조'
[46] 웹사이트 The true history of spaced repetition - SuperMemo.com https://www.supermem[...]
[47] 논문 Untangling the benefits of multiple study opportunities and repeated testing for cued recall 2000
[48] 웹사이트 Chapter 6:Is Expanded Retrieval Practice a Superior Form of Spaced Retrieval? http://www.psych.wus[...]
[49] 웹사이트 What spaced repetition algorithm does Anki use? http://ankisrs.net/d[...]
[50] 간행물 クモ膜下出血後の記憶障害患者に対する間隔伸張法を中心とした作業療法 https://cir.nii.ac.j[...]
[51] 서적 Human Memory: Theory and Practice 1997
[52] 웹인용 Implementing a neural network for repetition spacing https://www.supermem[...] 2017-07-15
[53] 논문 Untangling the benefits of multiple study opportunities and repeated testing for cued recall 2000
[54] 웨이백 Chapter 6:Is Expanded Retrieval Practice a Superior Form of Spaced Retrieval? http://psychnet.wust[...] 20190130220509


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com