Hatırlatma (Retrieval), Aralıklı Tekrar (Spacing) ve Karıştırma (Interleaving)

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

Hatırlatma (retrieval), aralıklı tekrar (spacing) ve karıştırma (interleaving) — çalışmayı zahmetli hale getiren ve sonuç olarak öğrenileni kalıcı kılan üç somut çalışma tekniği. Hatırlatma uygulaması (retrieval practice), öğrenciden bir cevabı tanımasını değil, hafızasından üretmesini ister; aralıklı tekrar (spacing), bu uygulamayı tek bir oturumda toplu yapmak yerine zaman içinde dağıtır; karıştırma (interleaving), problem türlerini türlerine göre bloklar hâlinde toplamak yerine birbirine karıştırır. Bu üçünü birleştiren ortak bir imza vardır: her biri çalışma sırasındaki performansı düşürürken, çalışma sonrasındaki öğrenmenin kalıcılığını yükseltir — işte performans–öğrenme açığı uygulamalî karşılığı budur. Bunlar Bilişsel Psikoloji iş atlarıdır ve YZ destekli öğrenmede talepte karşılık veren bir LLM, istenildiği anda cevap vererek hatırlatma işlemini ortadan kaldırdığı, programı düzleştirdiği ve karışımı düzgünleştirdiği için, bunlar üretici YZnin en kolay aşındırdığı somut davranışlardır. Bu sayfa teknikler sayfasıdır. Bunların arkasındaki ilke — daha zahmetli çalışmanın neden daha kalıcı öğrenme ürettiğine dair Bjork’un çaba–öğrenme ödünleşimi — İstenen Zorluklar sayfasında ele alınmıştır; bu sayfa ise her tekniğin ne olduğunu, derlemin çalışmalarının neyi ölçtüğünü ve YZ’nin bunları nasıl uyguladığını ya da zayıflattığını ele almaktadır.

Düşünülmesi Gerekenler

• Hiç bir bölümü, tanıdık gelene kadar tekrar tekrar okudunuz, sonra bir hafta sonra açıklayamadınız mı? O tekrar okuma size aslında ne verdi?
• Hatırlatma uygulaması, kontrol etmeden önce hafızadan cevap vermek demektir. Bir YZ asistanı bir tuş uzağınızdayken, bu hatırlatmanın gerçekleşebilmesi için çalışma rutininizde neyin doğru olması gerekirdi?
• Aralıklı tekrar sistemleri, incelemeyi bir öğrencinin seçmeyeceği aralıklarda planlar. Yanlış hissedilen bir program bir avantaj mıdır yoksa bir kusur mu?
• Karıştırma, problem türlerini birbirine karıştırır ve bloklamadan daha dağınık hissedilir. Derlem karıştırmaya ilişkin neredeyse hiç doğrudan YZ kanıtı sunmuyorsa, onu benimsemede ne kadar güven duymalısınız — ve kararınızı neye dayandırırdınız?
• Akgun ve Toker (2026), bir YZ ile serbestçe sohbet eden öğrencilerin, en iyi ön testten sonra bile en kötü performansı gösterdiğini buldu. Serbest sohbet koşulunda, yapılandırılmış koşulun sahip olduğu ama onun eksik olduğu şey neydi?
• Tsiligkiris (2026), daha derin LLM sorusunun görev kalitesini artırdığını ancak hatırlamayı artırmadığını buldu. Bu, akıcılığı öğrenmenin kanıtı olarak kullanmak konusunda size ne söylüyor?

Giriş

Hatırlatma uygulaması, aralıklı tekrar ve karıştırma genellikle birlikte öğretilir ve birlikte anılır, çünkü ayrı ayrı keşfedilmiş olsalar da benzer davranırlar: her biri çalışmanın nasıl göründüğünü, ne kadarının kalacağı uğruna feda eder. Bilgi tabanında bunlar İstenen Zorluklar ilkesinin örnekleri olarak görünürler; ancak aynı zamanda bağımsız olarak da uygulanabilirler — bir değerlendirici aralıkları planlayabilir, bir özel öğretmen cevabı saklayabilir, bir müfredat madde türlerini karıştırabilir, temeldeki teoriye başvurmadan. Uygulamalî karakterleri, bunların Bilişsel Psikoloji ile YZ tasarımı arasındaki doğal köprü olmalarının nedenidir ve aşağıdaki çalışmaların bir yerine iki sonuç ölçütü rapor etme eğiliminde olmalarının nedenidir: çalışma sırasındaki performans ve bir gecikmeden sonraki kalıcılık.

Test Etkisi: Hatırlatma Uygulaması, Tekrar Okumayı Geçer

Hatırlatma uygulaması — materyali tekrar okumak yerine onu hatırlamayı denemek — hafızayı ek çalışmadan daha fazla güçlendirir ve derlem bu bulguyu yeniden tartışılacak bir konu olarak değil, üzerine inşa edilecek kadar yerleşik olarak ele alır. Öğrenmeyi öğrenmeye ilişkin kapsam derlemesi, hatırlatma uygulamasını üç katmanlı çerçevesinin (bilişsel ve üst bilişsel becerilerin boyutları, öz düzenleme süreçleri, hatırlatma uygulaması gibi Araçlar) Araçlar katmanına yerleştirir; onu, üretici YZ aşırı güvenine karşı denge kurmak ve öğrenen etkililiğini korumak için tasarlanmış, öğrenmeyi öğrenmenin somut ve öğretilebilir bir bileşeni olarak konumlandırır.

Derlemdeki en bilgilendirici test bir ayrışmadır. Tsiligkiris (2026), bir nöroekonomi örnek görevinde 22 lisansüstü öğrencinin istek metni bazında Büyük Dil Modelleri (LLM) etkileşimlerini kaydetti ve derinliği (açıklama arayan "neden/nasıl/açıkla" istek metinlerinin oranı) hacim ve tempodan ayırdı. Derinlik, bağımsız olarak puanlanan görev kalitesini doğrudan yordadı (β = 6,27, p = ,006) ancak görev sonrası anında hatırlamayla sıfır ilişki gösterdi (β = −0,014, p = ,728); hatırlama kazanımlarını ise temel bilgi düzeyi belirledi. Yazarın verdiği okuma, açıklama geliştirmenin anlamayı, hatırlatmanın ise pekiştirmeyi yönlendirdiği ve YZ destekli çalışmada açık hatırlatma talepleri olmadan öğrencilerin çok azını hatırlamaya ihtiyaç duymadan yüksek akıcılık yaşayabilecekleridir. Bu, bir yokluk olarak ifade edilen bir hatırlatma bulgusudur: mekanizma devreye girmemiş olduğundan kalıcılık sonucu değişmemiştir.

Hatırlatma uygulaması evrensel bir kaldıraç değildir ve derlem bunu açıkça söyler. Rachatasumrit, Koedinger ve Carvalho (2025), 95 katılımcıyla bilgi içeriğini (birebir gerçekler ile genellenebilir beceriler, geometri-alan materyalleri) çalışma programıyla çaprazlayan 2×2'lik bir deney yürüttü. Bir içerik–uygulama etkileşimi buldular (β = 0,41, p = ,038, d = 0,38): saf uygulama testi gerçekler için daha yüksek öğrenme kazanımları üretirken, örnek tümleşik uygulama beceriler için daha yüksek kazanımlar üretti. Yazarlar ayrıca hatırlatma uygulaması kazanımlarının sık sık tanıdık olmayan problemlere yayılmadığını belirtir. Böylece hatırlatma uygulaması, hedefin belirli bir içerik için hafıza olduğu yerlerde en güçlüdür ve hedefin genellenebilir bir beceri olduğu yerlerde çözümlü örneklerle eşleştirilmesi gerekir — YZ tasarım sonucu olarak da Akıllı Özel Öğretim'in öğrenilen bilgi bileşenine göre örnek-uygulama oranını uyarlaması gerektiğinin nedenididir.

Aynı mantık, kopya kağıdı çalışmasında da işler: Chen, Sakhnini ve Istead, bir kopya kağıdı hazırlamayı lojistik değil, etkin ve üretici bir çalışma stratejisi olarak (seçim, yoğunlaştırma, örgütleme) ele alır ve YZ çağı riskini, bu yapının hazırlanmasının dışa devredilmesi ve onu oluşturmanın sağladığı üst bilişsel provasının kaybedilmesi olarak çerçeveler.

Aralıklı Tekrar ve Dağıtılmış Çalışma

Aralıklılık etkisi — aynı toplam çalışmanın, tek bir oturumda toplu yapıldığında değil oturumlara dağıtıldığında daha kalıcı öğrenme üretmesi — bu üç teknikten algoritmik olarak en çok kullanılanıdır ve derlemin uygulamalî sistemleri bunun çevresinde kurulmuştur.

Memdora, aralıklılığı bir mühendislik problemi olarak ele alan en açık örnektir. Planlamayı Ebbinghaus unutma eğrisine dayandırır, inceleme yapılmadığında yeni öğrenilen materyalin kabaca %70'inin 24 saat içinde unutulduğu rakamini gösterir ve güncel en gelişmiş aralıklı tekrar algoritması olarak tanımlanan FSRS-6'yı tümleştirir. Argümanı, planlamanın tek başına yeterli olmadığıdır: mevcut araçlar, kart etkileşimini yazarların yetersiz bir model olarak nitelendirdiği, hatırlatma uygulamasına ilişkin bilişsel bilim kanıtlarından yararlanamayan tek ikili bir hareket olan "çevir ve kendi kendine puanla"ya indirger. Memdora’nın katkısı bu nedenle Dil, Ezbere ve Sınav kategorileri boyunca, her biri hakemli dergilerde yayınlanmış kanıtlarla eşlenen 17 bilişsel temelli etkileşim türünden oluşan bir sınıflandırmasıdır; ayrıca gerçek bilişsel katılımı telafi eden, uygulamada geçirilen zamana göre değil, çaba temelli bir ödül sistemi, kartları okuma anında oluşturan birleşik bir üretim hattı ve tek tek kart düzeyinde öğrenme çıktılarını raporlayan bir sınıf katmanıdır.

Akgun ve Toker (2026), derlemin aralıklılığın nasıl yapılandırıldığına* dair en güçlü deneysel kanıtını sağlar. Uygulamalî istatistik dersinde 87 lisans öğrencisinin katıldığı üç kollu bir randomize çalışmada, üç grup da yedi hafta boyunca sayı ve zamanlaması aynı aralıklı oturumlarda çalıştı; yalnızca etkileşim yapısı farklıydı. Uyarlanabilir aralıklı hatırlatma (G1) en yüksek test sonrası puanına (M = 78,19) ve gözlemlenen en yüksek çalışma çabasına (M = 0,85) ulaştı; sabit aralıklı hatırlatma (G2) onu izledi (M = 74,55, çaba 0,74); dayatılan hatırlatma olmadan öğrenci yönlendirmeli YZ çalışması her ikisinde de sonuncu oldu (M = 67,28, çaba 0,49). Çok değişkenli etki anlamlıydı (Wilks' Λ = ,664, kısmi η² = ,185), kalıcılıkta G1, G3'ün d = 0,92 (p = ,003) önüne geçti. Pedagojik olarak önemli olan ayrıntı, G1'in aracısının saklayacak biçimde yapılandırılmış olmasıdır: YZ Hakkında Yanlış Kanılar için yanıta bağlı sorgulamalar, yüzeysel cevaplardan sonra açıklama talepleri, yalnızca yeterli kavramsal katılımda ilerleme ve doğrudan çözümlerin izin verilen çıktılarından açıkça çıkarılması. Yazarların kendi okumaları, ön testin bağımsız bir müdahale değil, önceden yüklenen bir katalizör olduğu ve yararlarının açık uçlu YZ erişiminden sağ çıkmadığıdır.

Bir randomize saha deneyi, etkili doz olarak toplu zamana karşı dağıtımı rapor eder: haftalık ustalık, katılan dakikalardan ziyade tamamlanan özel ders haftalarını izledi ve her ek tamamlanmış hafta 55 üzerinden 2,00 puan ekledi (p = ,018) (Yang, Van Alstyne ve Dellarocas (2026)).

Derlemin iki bulgusu daha, aralıklılığın neyi doğru yaptığını ve neleri henüz doğru yapmadığını netleştirir. Schuetze, Yan ve Carvalho (2025), altı oturumluk bir biriktirmeli yeniden öğrenme veri kümesine Bilgi İzleme modelleri uydurdu ve BKT, BKT-with-Forgetting ve Additive Factors Model’in, geriye dönük olarak uydurulduğunda öğrenme eğilimlerini yansıttığını (AUC 0,74–0,79) buldu; ancak dağıtılmış bir eğitmenin gerektireceği türden zamana dayalı çapraz doğrulama altında, gelecek performansı sırasıyla kabaca %58, %51 ve %47 fazla tahmin ettiler ve aralıklılık etkisini yakalayamadı — bazen aralıklılık koşulları arasındaki sıralamayı ters tahmin ettiler. Başka bir deyişle, uyarlanabilir sistemler tarafından yapılan planlama kararları, aralıklılığın bağlı olduğu etkinin ta kendisini temsil etmeyen modellere dayanıyor olabilir. Ve LLM öğrenci modellemesi ve uzun süreli bellek tasarım boşluğunu doğrudan adlandırır: çoğu özel ders sisteminin uzunlamasına belleği yoktur ve bu tür belleğin aralıklı tekrar ve unutma eğrileriyle nasıl etkileşime girmesi gerektiği açık bir soru olmaya devam etmektedir.

Derlemin henüz göstermedikleri

Hiçbir uygulamalî sistem kendi kalıcılık kanıtını üretmemiştir: Memdora makalesi, geleneksel aralıklı tekrar araçlarına göre artırılmış kalıcılık rapor eder, ancak bu iddianın arkasında gecikmeli aralıklı bir sonuç çalışması tanımlamaz; ve kanıta dayalı hatırlatma ile aralıklı uygulamayı engelleyen içerik üretme maliyetini kaldırmak için otomatik olarak kartlar üreten, planlamayı dereceli SM-2 ve FSRS algoritmaları yerine ikili bir "biliyorum / hâlâ öğreniyorum" puanlamasına basitleştiren iki dilli ders yardımcısı, hiçbir öğrenme çıktısı çalışmasının yürütülmediğini, yalnızca önceden kaydedilmiş bir protokolün var olduğunu açıkça belirtir. Planlama makinesi, üretmesi amaçlanan öğrenmeden daha iyi kanıtlanmıştır.

Karıştırma

Karıştırma — bir çalışma oturumunda problem veya madde türlerini türlerine göre bloklamak yerine birbirine karıştırmak — bu derlemde üçünden en zayıf kanıtlananıdır ve bu, olduğundan fazla büyütülmek yerine açıkça ifade edilmelidir. Karıştırma, İstenen Zorluklar sayfasında yalnızca zahmetli koşulların bir listesindeki bir örnek olarak görünür ve bilgi tabanındaki hiçbir çalışma, karıştırma uygulamasını bloklamalı bir kontrol grubuna karşı test etmez.

Derlemin içerdiği şey, komşu ve dikkatlice ayrılması gereken bir konudur. Öğrenen görev seçimini benzetme, Karıştırma ve Bloklamayı, güçlü hedefleme, zayıf hedefleme ve sonuç temelli kurallarla birlikte, Ustalık Öğrenmesi Simülasyon sekiz aday öğrenen stratejisinden ikisi olarak modeller. Oradaki bulgu, hafızadan çok seçim mimarisiyle ilgilidir: bazı öğrenen stratejileri, aşırı çalışma yoluyla ilerlemeyi sistematik olarak geciktirir ve görev seçimi kısıtları, uyumsuz stratejileri düzeltirken Karıştırma, Bloklama, Güçlü Hedefleme ve Zayıf Hedefleme’yi sabit aşırı çalışma düzeylerinde bırakmıştır. Bu, karıştırmanın bir sistemin barındırabileceği veya kısıtlayabileceği bir seçilebilir davranış olduğuna dair kanıttır — karıştırmanın kalıcılığı artırdığına dair kanıt değildir. Derlemdeki kalan anıntılar, sözün ilgisiz anlamlarıdır (From Confusion to Consolidation: A Staged Conversational Workflow for Post-Lecture Review içinde ara devrelerle karıştırılmış aracı aşamaları; bir geometri Karşılaştırma testi (Benchmark) karıştırılmış görsel-metinsel çözüm yörüngeleri) ve bunlar karıştırma kanıtı olarak sayılmamalıdır.

Karıştırma’nın buradaki yerinin dayanağı bu nedenle, diğer iki teknikle aynı teorik aile ve Bilişsel Psikoloji literatüründeki konumudur, bu bilgi tabanındaki bir çalışma değil. Onu açık yuva olarak ele alın.

YZ Bu Teknikleri Nasıl Uygular ve Zayıflatır

Uygulama. YZ’nin en savunulabilir katkısı, bu tekniklerin sıkıcı olan, pedagojik olarak ilgi çekici olmayan kısımlarıdır: planlama ve üretim. Uyarlanabilir planlama, Memdora’da FSRS-6 ile ve zaman içinde ustalığı tahmin eden bilgi izleme mimarilerinde uygulanır; uyarlanabilir ön test, önceki oturum performansı sinyallerini okuyarak zayıf alanlarda kavramsal derinliği yükseltirken güçlü alanlarda zorluğu koruyan Akgun ve Toker’ın yanıta bağlı aracısıyla uygulanır; otomatik kart ve ön test üretimi, kart içeriği hazırlamanın zaten aralıklı uygulamayı engelleyen maliyet olduğu iki dilli ders yardımcısında uygulanır. Uzunlamasına öğrenci belleği, bunların herhangi birinin dönemler boyunca sürmesini sağlayacak mimaridir ve Woollaston ve arkadaşları (2026), bunu bilinçli biçimde yapmak için tasarım sözlüğünü sağlar: kasıtlı sürtünme, dinamik İskeleleme (Scaffolding), insan-denetime tabi gözetim ve azami değil, göz önünde bulundurulmuş YZ kullanımı.

Zayıflatma. Başarısızlık biçimi somut ve tekrar tekrar belgelenmiştir. Woollaston ve ark. (2026), altı pedagojik risklerinin birincisine önceden bilgi etkinleştirme adını verir: içerik önceden getirip sunan aracılar, ön bilgiyi etkinleştiren hatırlatma uygulamasını atlar, böylece öğrenci bir cevap almadan önce bildiklerini asla hatırlamaz veya tümleştirmez. Önceki Bilgi, aynı atlama riskini üretici YZ'nin genel bir özelliği olarak belirtir ve tasarım karşı önlemini ekler — sağlamadan önce etkinleştirin. Akıcılık yanılsaması, öğrenci tarafındaki mekanizmadır: bir LLM talepte karşılık tam ve tutarlı açıklamalar sunar, böylece öğrenci içsel hatırlama ve yeniden yapılandırmaya daha az çaba ayırırken oturum verimli hissedilir — ki bu tam olarak Tsiligkiris (2026)'nin ölçtüğü ayrışmadır. Üç kollu ön test çalışması aynı noktayı deneysel olarak ortaya koyar: serbest YZ erişimi ve dayatılmış hatırlatma içermeyen kol, dönem sonu kalıcılıkta en kötü performansı gösterdi ve etkileşim hacmi kollar arasında anlamlı biçimde farklılık göstermedi, böylece açık öğrencilerin ne kadar katıldığından çok yapı tarafından üretilmiştir.

Hatırlatma talebini koruma. Derlem, küçük bir tasarım özellikleri kümesinde birleşir. Ön test aracısının politikası en somut olanıdır: doğrudan çözümleri yapılandırma yoluyla saklamak, yanlış kanıları sorgulamak, yüzeysel girişimlerden sonra açıklama talep etmek ve yalnızca yeterli kavramsal katılımda ilerlemek. Tsiligkiris, LLM kullanımından sonra kapalı araç çıktıları yoluyla hatırlatma taleplerini gömmeyi önerir — kısa cevaplı sorular, hafızadan çizilmiş kavram haritaları, model olmadan öğreterek öğrenme açıklamaları — ve iskelelemeyi kontrolden ayırmak, böylece model açıklama ve Geri Bildirim için kullanılabilir olurken farklı kontrol noktaları bağımsız hatırlama gerektirir. KnowLoop, dağıtılmış bir sistemde öğreterek öğrenme biçimini gösterir: bir Akran aracısı, öğrenenlerin ifade edemediği boşlukları ortaya çıkaran yansıtıcı öğreterek öğrenmeyi iskeleyeler ve katılımcılarından açıklama ile pekiştirme arasında katı aşamalar gibi değil akıcı biçimde gezinmelerini istemiştir. Chen, Sakhnini ve Istead, değerlendirme tarafındaki karşılığını ekler — yapının ta kendisinden ziyade hazırlama sürecine değer vermek — Schorr ve arkadaşları (2026) ise bu araçları, aşırı güveni azaltan ve öğrenen etkililiğini destekleyen öğrenilebilir beceriler olarak konumlandırır. Bunların hepsinin altında tek pazarlık dışı olan şey yatar: bir şey, öğrencinin modelin önceden vermediği bir cevabı üretmesini gerektirmelidir.

Kanıtların Sınırları

• Küçük örneklemler ve tek bağlamlar. Ön test çalışmasının analitik örneklemi, tek bir uygulamalî istatistik dersinde 89 lisans öğrencisinden oluşur, kollar başına 27–34 öğrenci vardır; LLM etkileşim çalışması n = 22 ile tek gruplu bir tasarıma sahiptir ve nedensel bir iddiayı desteklemez; öğreterek öğrenme çalışması 22 katılımcıya sahiptir. Ön test yazarları, genellenebilirlik için alanlar ve görev türleri boyunca tekrarlanma gerektiğini belirtir.
• Kısa veya hiç olmayan kalıcılık aralıkları. Etkileşim derinliği çalışması yalnızca anında hatırlamayı test etti, gecikmeli bir ölçüm yoktur, böylece sıfır bulgusu özellikle kısa dönem kalıcılık için bir sıfır bulgusudur. Memdora’nın kalıcılık avantajı ve LLM derinliği ayrışması da, aralıklılık literatürünün gerektireceği haftalar boyunca izlenmez; ön test çalışmasının yedi haftalık penceresi derlemin en uzunudur.
• Öz bildirim ve vekil ölçümleri. Ön test çalışmasındaki çalışma çabası, konuşma kayıtlarına karşı bir derecelendirme anahtarına göre iki puanlayıcı tarafından puanlanan davranışsal bir göstergedir; yazarların açıkça belirttiği gibi bu, içsel motivasyonel durumun bir ölçüsü değildir. LLM derinliği ölçüsü, açıklama aramanın yüzeysel biçimini yakalayan, kalite yerine anahtar kelime temelli bir vekildir.
• Ölçümleme ve modelleme sınırları. Derlemdeki Bilgi İzleme modelleri, tam olarak aralıklılık kararlarının gerektiği yerde başarısız olur ve yazarlar geçmiş başarıları, dağıtım gerçekçisi doğrulama yerine geriye dönük tüm veri kümesi uydurmasına bağlar. İki dilli yardımcının kart kalitesi, temel gerçekliğe karşı doğrulanmamıştır, otomatik olgu kontrolü katmanı yoktur ve hiç sonuç çalışması yürütmemiştir.
• Karıştırma burada neredeyse hiç doğrudan kanıt içermez. Yukarıda belirtildiği gibi, derlem bloklamalı-karıştırmalı hiçbir karşılaştırma içermez, yalnızca Karıştırma’nın birkaç strateji arasından biri olduğu bir benzetim vardır.
• Konu olunan kitleler ve içerik. Kanıt tabanı, yükseköğretimde, STEM ve istatistik materyalinde ve geometri ile çoklu regresyon içeriğinden gerçek-beceri ayrımlarında yoğunlaşır; K-12 ortamlarına, beşeri bilimlere ve yazmaya ve Batı dışı sınıflara genelleme, bu çalışmalarla kurulmamıştır.

Bağlı kavramlar

• Pedagojik Kalıplar — Aralıklı hatırlatma dizileri ve kodlama sırasında yardım etmenin kalıcılık maliyeti
• İstenen Zorluklar — bu üç tekniğin uygulamaya koyduğu ilke
• Bilişsel Psikoloji — hafıza, kodlama ve hatırlatma, üçünün de teorik yuvası
• Önceki Bilgi — hatırlatma uygulaması, öğrencinin sahip olduğunun etkinleştirilmesi olarak
• Metabiliş — akıcılığın öğrenmeyi yansıtıp yansıtmadığını yargılamak
• Öz Düzenlemeli Öğrenme — bir YZ’nin sizin için planlayabileceği veya cevaplayabileceği şeyi istikrarlı biçimde çalışmak
• Ustalık Öğrenmesi — ustalık eşiğinden sonraki kalıcılık ve onu sürdüren aralıklılık
• Bilgi İzleme — planlama kararlarını doğru ya da yanlış yapan modeller
• Bilişsel Yükü Dışarı Aktarma — hatırlatmanın bir araca devredildiğinde ortaya çıkan başarısızlık biçimi
• Öğrenmenin Aktarımı — tekniklerin ele aldığı performans–öğrenme açığı
• Biçimlendirici Değerlendirme — kapalı araç kontrol noktaları, hatırlatma olayları olarak
• Verimli Başarısızlık — yardım almadan önce denemek
• Öğrenenler — akıcı değil kalıcı öğrenmenin neyin hesaba katıldığı

Bağlı makaleler

• Do Gains from Generative AI-Enabled Adaptive Pretesting Persist? Evidence from a Retention Study — Akgun & Toker: yedi hafta boyunca uyarlanabilir aralıklı hatırlatma, sabit hatırlatma ve öğrenci yönlendirmeli YZ
• Memdora: Designing Cognitively-Grounded Flashcard Interactions for AI-Powered Spaced Repetition — Memdora: FSRS-6 planlaması ve kanıta dayalı kart etkileşimlerinin sınıflandırması
• What Students Ask Matters: LLM Interaction Depth, Task Quality, and Immediate Recall in Higher Education — Tsiligkiris: açıklama derinliği görev kalitesini ama anında hatırlamayı yordamıyor
• Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content — Gerçekler için hatırlatma uygulaması, beceriler için çözümlü örnekler; içerik–uygulama etkileşimi
• Capturing Session-to-Session Dynamics of Learning and Forgetting: Testing the Limits of Knowledge Tracing Models — Bilgi izleme modelleri, zamana dayalı doğrulamada aralıklılık etkisini yakalayamıyor
• A Bilingual, LLM-Mediated Lecture Companion for Self-Regulated Learning: Architecture, Theoretical Framework, Comparative and Usability Evaluation, and a Pre-Registered Outcomes Protocol — Aralıklı uygulamanın içerik üretme maliyetini kaldıran otomatik kart üretimi
• Make or Take: How Students Navigate Self-Created and Instructor-Provided Cheat Sheets — Kopya kağıdı hazırlamayı üretici çalışma olarak görmek; hazırlamayı YZ ile dışa devretmek
• From Confusion to Consolidation: A Staged Conversational Workflow for Post-Lecture Review — Açıklamanın ortaya çıkarmadığı boşlukları gün yüzüne çıkaran öğreterek öğrenmeyle pekiştirme
• Simulating Learners' Task-Selection Strategies and System Constraints in Mastery Learning — Görev seçimi kısıtları altında modellenen öğrenen stratejileri olarak Karıştırma ve Bloklama
• PersonaVLM: Long-Term Personalized Multimodal LLMs — Uzunlamasına öğrenci belleği ve aralıklı tekrar ile unutma eğrileriyle açık ilişkisi
• Learning-to-learn in the age of generative AI: A scoping review and conceptual framework — Öğrenmeyi öğrenme çerçevesinin Araçlar katmanında hatırlatma uygulaması
• Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning — Önceden içerik getiren aracılar hatırlatma uygulamasını atlıyor; kasıtlı sürtünme durumu
• When AI Tutors Speak: Evidence from a Randomized Field Experiment — YZ Özel Öğretmenler Konuştuğunda: Bir Randomize Saha Deneyinden Kanıtlar