Você acerta uma questão hoje. Amanhã ela ainda parece óbvia. Duas semanas depois, porém, as mesmas alternativas já provocam hesitação. Escolher quando rever esse conteúdo é um problema diferente de escolher o que estudar. É desse intervalo que o FSRS cuida.
A sigla vem de Free Spaced Repetition Scheduler, que podemos traduzir como agendador livre de repetição espaçada. Ele usa o histórico de respostas para estimar a lembrança de um item e propor a próxima revisão. Não observa sua memória diretamente: trabalha com um modelo, atualizado a cada tentativa.
Da agenda fixa a uma estimativa de memória
Uma agenda de revisões em 1, 7 e 30 dias tem uma vantagem: é fácil de entender. Sua limitação aparece quando assuntos muito diferentes recebem exatamente o mesmo tratamento. Algo que você usa todos os dias e algo que acabou de conhecer dificilmente precisam de intervalos idênticos.
O FSRS faz parte de uma trajetória de agendadores que inclui o SuperMemo 2, conhecido como SM-2. O Anki, aplicativo de cartões de estudo, utilizou durante anos uma adaptação desse algoritmo. O FSRS passou a oferecer outra forma de calcular os intervalos, com estados de memória atualizados a partir das revisões.1
Três palavras que explicam o modelo
Dificuldade representa a resistência do item à aprendizagem. Estabilidade descreve a duração estimada da lembrança; no modelo, relaciona-se ao intervalo em que a probabilidade de recordar cai para 90%. Recuperabilidade é a chance estimada de lembrar naquele momento. Estabilidade e recuperabilidade não são sinônimos: uma lembrança pode ser estável e, ainda assim, enfraquecer após muito tempo sem revisão.1
Pense numa questão que você respondeu com segurança várias vezes. O modelo pode permitir um intervalo maior para ela. Se a tentativa seguinte falhar, a estimativa muda. A data exibida é uma decisão de agendamento baseada nessas informações, não um prazo de validade do conhecimento.
O que mudou ao longo das versões
As versões 1 e 2 foram experimentais; a 3 foi a primeira distribuição pública. A 4 chegou ao Anki, a 4.5 mudou a curva de esquecimento e a 5 incorporou revisões do mesmo dia. A 6 tornou ajustável a forma dessa curva. O projeto já descreve a versão 7, com mudanças para intervalos fracionários e revisões no mesmo dia.2
O estado da arte precisa ser lido com uma pergunta: melhor em qual comparação? Prever acertos em um conjunto de históricos não é o mesmo que demonstrar melhor aprendizagem numa especialidade médica. Resultados também dependem da base de dados e de usar parâmetros padrão ou ajustados para cada pessoa. Por isso, “versão mais recente” e “resultado garantido” não são equivalentes.
Como isso entra no RQExpert
A implementação atual usa as equações do FSRS 6 com 21 parâmetros padrão. Os parâmetros são números que regulam o comportamento do modelo. O estado de memória de cada questão muda com suas respostas, mas esses parâmetros ainda não são otimizados individualmente a partir do histórico do aluno.
No app, uma resposta errada recebe o grau de revisão “novamente”. Entre as corretas, chute, dúvida e certeza correspondem a graus crescentes. Essa tradução é uma escolha do RQExpert: permite que um acerto por palpite tenha efeito diferente de um acerto seguro. Informar certeza apenas para aumentar o intervalo prejudica a informação que o agendador recebe.
Outra escolha é a meta de retenção: a probabilidade de lembrança que orienta o próximo encontro. No uso do FSRS, elevar essa meta geralmente exige mais revisões. Ela não representa a nota prevista numa prova de título.3 O algoritmo organiza uma parte do trabalho; compreender a explicação e conferir a fonte continuam sendo tarefas de quem estuda.
Referências e documentação
- FSRS4Anki. The Algorithm. Documentação das variáveis e equações do agendador.
- Open Spaced Repetition. SRS Benchmark. Histórico das versões e comparação de modelos de previsão. Documentação consultada em setembro de 2026.
- Manual do Anki. FSRS. Retenção desejada, parâmetros e carga de revisão. O comportamento descrito para o Anki não deve ser atribuído automaticamente a outros aplicativos.
Texto de WJM. Atualizado em .
Conteúdo sobre métodos de estudo. Os recursos descritos se referem à versão em testes do RQExpert.