Espacia las revisiones en intervalos crecientes después de cada recuperación exitosa
Después de cada revisión exitosa, aumenta el intervalo antes de la siguiente — así es como haces que los recuerdos duren años con la misma inversión total de tiempo.
Why it works
Cada recuperación exitosa reinicia la curva del olvido en una línea base más alta — la pendiente del olvido posterior es menos pronunciada que antes. Esto significa que la próxima revisión puede retrasarse más mientras todavía captura el material antes de que se degrade por debajo de un umbral útil. Los intervalos crecientes con el tiempo significan que el tiempo total de revisión cae mientras aumenta la retención, un retorno compuesto que no ocurre con horarios de revisión fijos o aleatorios.
How to do it
- Después de una primera revisión exitosa, espera aproximadamente el doble de tiempo antes de la segunda (por ejemplo, 1 día → 2 días → 4 días).
- Si la recuperación falla en algún intervalo, trátalo como un elemento nuevo y reinicia el horario desde 1 día.
- Usa una app de flashcards (Anki usa un algoritmo de repetición espaciada) o un horario simple basado en calendario para el seguimiento explícito.
- Calibra el multiplicador de expansión hacia abajo si tienes una fecha límite de uso a corto plazo, hacia arriba si necesitas retención de por vida.
Evidencia
El efecto de espaciado está entre los hallazgos más replicados en toda la investigación de memoria. El metaanálisis de Cepeda et al. (2006) de 317 experimentos confirmó grandes ventajas de la práctica distribuida. Los algoritmos de repetición espaciada (Leitner, SM-2) aplican este hallazgo computacionalmente. (rct)
Las proporciones óptimas de espaciado dependen del periodo objetivo de retención; la heurística de duplicación es una aproximación. Para retención a muy largo plazo (años), los intervalos óptimos son mucho más largos de lo que sugiere la simple duplicación.
Fuentes
- Cepeda et al. (2006), Distributed practice in verbal recall tasks, Psychological Bulletin
- Ebbinghaus, H. (1885/1913), Memory: A contribution to experimental psychology
Error común
Usar revisiones semanales fijas en lugar de intervalos crecientes — los horarios fijos sobre-revisan elementos bien retenidos y sub-revisan los frágiles, desperdiciando tiempo en ambos extremos.
Practica esto con IX Coach
More practices for La Curva del Olvido: Cómo Decae la Memoria y Cómo Combatirla
- Revisa el material nuevo dentro de las 24 horas de haberlo aprendido
La curva del olvido es más pronunciada en el primer día — una breve revisión antes de dormir captura el material cuando está en mayor riesgo.
- Usa lo que olvidas como diagnóstico, no como veredicto
Rastrea qué elementos se olvidan en cada intervalo de revisión — ese patrón revela la estructura de tus vacíos de conocimiento con más precisión que cualquier autoevaluación.
- Sobreaprende hasta que la recuperación sea fluida, luego detente
Continúa la práctica un poco más allá del punto de la primera recuperación correcta — el sobreaprendizaje comprime la curva del olvido sin requerir proporcionalmente más tiempo.
- Programa el aprendizaje antes de dormir para aprovechar la consolidación nocturna
Los recuerdos nuevos se consolidan más efectivamente durante el sueño — aprender poco antes de dormir y revisar poco después de despertar aprovecha esta biología.
- Mezcla la revisión de material antiguo con el estudio de material nuevo en cada sesión
Reserva parte de cada sesión para recuperar material antiguo antes de que se caiga por completo de la curva del olvido.
Conceptos relacionados
- El Efecto de Evaluación: Por Qué la Práctica de Recuperación Supera al Reestudio
Retrieval practice, elaborative interrogation, and why the act of remembering makes memories stronger
- Recuerdo activo: la forma más eficaz de estudiar
The testing effect, retrieval practice, and how to build active recall into every session
- Interferencia Contextual: Por Qué la Práctica Variada Vence a la Repetición en Bloque
Blocked vs. varied practice, the spacing effect, and why practice that feels harder builds skills that last