Esta página es una traducción automática y puede contener imprecisiones. La versión en inglés es la de referencia. Ver la versión en inglés
Construimos a partir de la evidencia. Ni del ruido ni de la fuerza de voluntad: toda decisión de producto tiene que poder rastrearse hasta algo que puedas comprobar.
Quién construye con este estándar →Un día tiene 24 horas. Ese número no es negociable para nadie.
Si el problema es «quiero, pero no tengo tiempo», lo único que queda no es encontrar más horas, sino aumentar el resultado que obtienes por hora. En cuanto aceptas que la oferta es fija, la pregunta de diseño cambia: ya no es «cómo nos quedamos con más parte de tu día», sino «cuánto más lejos te lleva esa misma hora».
Por eso mibuki no construye maneras de esforzarse más. Construimos productos que implementan la ciencia de la eficiencia. No intentamos aumentar cuánta fuerza de voluntad tienes; aumentamos hasta dónde te lleva la que ya tienes.
Los tres principios de abajo son los criterios que usamos de verdad. No son declaraciones de intenciones: son las reglas que deciden si una función sale o no.
Todo lo que nos planteamos construir tiene que pasar los tres.
Effect size over opinion
No sacamos una función porque parezca prometedora. Antes de adoptar un método de aprendizaje o un diseño conductual, comprobamos qué tamaño tiene el efecto, si se replica y dónde se aplica. Eso implica leer más allá del artículo original: estudios preregistrados, revisiones sistemáticas y metaanálisis, según lo que exija la pregunta.
Adoptamos algo porque se ha demostrado que funciona, no porque sea popular. Y al revés: si no se ha demostrado que funciona, no sale, por mucho ruido que haga. Lo que importa no es el nombre del método, sino a quién le funcionó, en qué medida y bajo qué condiciones.
En la práctica — LangDict usa repetición espaciada. Si esa fue la decisión correcta es algo que resolvemos con precisión de predicción y no con opiniones (principio 03). El método, los datos y las puntuaciones son públicos.
Ver el informe de investigación de Lexa →Remove friction, not add willpower
La gente no abandona porque su fuerza de voluntad sea débil. Abandona porque el diseño tiene fricción. El número de toques antes de empezar, el número de ajustes, el número de decisiones que se te piden: todo eso decide si un hábito sobrevive.
En lugar de decirte que te esfuerces más, eliminamos pasos. Menos ajustes, usable tal como viene, menos decisiones. La meta es un producto que no necesite fuerza de voluntad en absoluto.
Measure it, then publish it
Si afirmamos un efecto, lo publicamos de una forma que puedas comprobar. Esto es una restricción sobre nosotros, no una función: si no podemos dar un número, no afirmamos un resultado.
Y no publicamos solo la conclusión. Publicamos también la línea base, los datos y la métrica, porque un número sin sus condiciones solo puede favorecernos. Un resultado está listo para publicarse cuando quien lo lee podría seguir los mismos pasos y ver lo mismo.
En la práctica — El modelo de memoria de LangDict, Lexa, se compara con los parámetros por defecto de FSRS-7 en tres benchmarks públicos (Anki / Duolingo / maimemo). La línea base es la configuración de fábrica, sin ninguna optimización por usuario aplicada. La métrica, la partición de los datos y las puntuaciones se publican íntegramente.
Leer el informe de investigación de Lexa →Estas promesas son más fuertes que los principios, porque puedes pillarnos incumpliéndolas.
Nada de «aprende 5 veces más rápido». Cuando publicamos un número, la línea base y la medición están en la misma frase que el número.
No escondemos el camino para cancelar ni colocamos botones para provocar toques por error. Si quieres irte, irse es fácil de encontrar.
Ninguna notificación que tome una racha como rehén. El número que queremos hacer crecer no es tu tiempo dentro de la app: es el tiempo que recuperas.
Nada de teatro de recompensas que haga sentir real un progreso sin aprendizaje detrás. Si lo único que se movió fue un contador, no se movió nada.
La respuesta cambia según el producto, así que aquí está producto por producto, con su razón.
Nada que interrumpa la concentración o el aprendizaje lleva anuncios. Lofi Station vende concentración; poner en la misma pantalla algo diseñado para romperla no cuadra. Con LangDict pasa lo mismo: cualquier cosa que desvíe la atención a mitad de sesión juega en contra del sentido de la app.
kikeruka y Atom sí llevan anuncios. Son gratuitas y todavía no hemos construido una diferencia suficiente como para cobrar razonablemente por un plan de pago. Ahora mismo no hay forma de pagar para quitarlos en ninguna de las dos. Cuando haya un plan de pago por el que merezca la pena cobrar, o bien quitaremos los anuncios, o bien haremos que se puedan desactivar.
Así que esto no es un principio: es dónde están de verdad los productos y la financiación en este momento. Cuando eso cambie, cambiará esta página.
| Producto | Anuncios | Por qué |
|---|---|---|
| Lofi Station | Ninguno | Una herramienta para concentrarse no debería albergar cosas que rompen la concentración |
| LangDict | Ninguno | Nada que desvíe la atención a mitad de sesión |
| kikeruka | Sí (sin forma de quitarlos) | Para mantenerla gratuita |
| Atom | Sí | Para mantenerla gratuita |
Un principio que no está implementado no es un principio. Aquí está dónde aterriza cada uno hoy.
| Producto | Principios | Cómo se manifiesta |
|---|---|---|
| LangDict | 01 + 03 | Usa repetición espaciada y publica con cuánta precisión predice en benchmarks públicos |
| Atom | 01 + 02 | Hábitos diseñados como unidades mínimas y desencadenantes, siguiendo la ciencia del comportamiento |
| Lofi Station | 02 | Concentración en el instante en que se abre: se eliminó la fricción de configurar |
| kikeruka | 02 | Escanea y espera; volver a comprobarlo ya no es algo que tengas que hacer |
open-spaced-repetition. FSRS: Free Spaced Repetition Scheduler. GitHub.
open-spaced-repetition. srs-benchmark: Benchmark of Spaced Repetition Algorithms. GitHub.
open-spaced-repetition. anki-revlogs-10k: Anki review logs from 10,000 users. Hugging Face.
Settles, B., & Meeder, B. (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of the 54th Annual Meeting of the ACL.
Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker & Humblot.
Solo listamos obras cuyo autor, año y medio de publicación hemos verificado contra el original.
Last updated: July 2026