Questa pagina è una traduzione automatica e può contenere imprecisioni. Fa fede la versione inglese. Vedi la versione inglese
Costruiamo a partire dalle prove. Non dall'hype e non dalla forza di volontà — ogni decisione di prodotto deve poter essere ricondotta a qualcosa che puoi verificare.
Chi costruisce con questo standard →Una giornata dura 24 ore. Quel numero non è negoziabile per nessuno.
Se il problema è “vorrei, ma non ho tempo”, l'unica mossa che resta non è trovare più ore, ma alzare il risultato che ottieni da ogni ora. Una volta accettato che l'offerta è fissa, la domanda di design cambia: non “come ci prendiamo una fetta più grande della tua giornata” ma “quanto più lontano ti porta la stessa ora”.
Per questo mibuki non costruisce modi per sforzarsi di più. Costruiamo prodotti che implementano la scienza dell'efficienza. Non cerchiamo di aumentare quanta forza di volontà hai; aumentiamo quanto lontano ti porta quella che hai già.
I tre principi qui sotto sono i criteri che usiamo davvero. Non sono dichiarazioni d'intenti: sono le regole che decidono se una funzione viene rilasciata.
Tutto ciò che pensiamo di costruire deve passare tutti e tre.
Effect size over opinion
Non rilasciamo una funzione perché sembra promettente. Prima di adottare un metodo di studio o un design comportamentale, verifichiamo quanto è grande l'effetto, se si replica e dove si applica. Vuol dire leggere oltre l'articolo originale: studi pre-registrati, revisioni sistematiche e meta-analisi, a seconda di ciò che la domanda richiede.
Adottiamo qualcosa perché è stato dimostrato che funziona, non perché va di moda. Vale anche il contrario: se non è stato dimostrato che funziona, non entra nel prodotto, per quanto se ne parli. Non conta il nome del metodo, ma per chi ha funzionato, di quanto e a quali condizioni.
In pratica — LangDict usa la ripetizione dilazionata. Se sia stata la scelta giusta è una questione che risolviamo con l'accuratezza di previsione, non con le opinioni (principio 03). Metodo, dati e punteggi sono tutti pubblici.
Vedi il report di ricerca su Lexa →Remove friction, not add willpower
Le persone non mollano perché hanno una volontà debole. Mollano perché il design ha attrito. Il numero di tocchi prima di iniziare, il numero di impostazioni, il numero di decisioni che ti vengono chieste — è tutto questo a decidere se un'abitudine sopravvive.
Invece di dirti di impegnarti di più, cancelliamo passaggi. Meno impostazioni, usabile così com'è, meno decisioni. L'obiettivo è un prodotto che non richieda alcuna forza di volontà.
Measure it, then publish it
Se dichiariamo un effetto, lo pubblichiamo in una forma che puoi verificare. È un vincolo su di noi, non una funzionalità: se non riusciamo a produrre un numero, non dichiariamo un risultato.
E non pubblichiamo solo la conclusione. Pubblichiamo anche la baseline, i dati e la metrica, perché un numero senza le sue condizioni può soltanto farci fare bella figura. Un risultato è pronto per la pubblicazione quando chi legge può seguire gli stessi passi e vedere la stessa cosa.
In pratica — Il modello di memoria di LangDict, Lexa, è confrontato con i parametri predefiniti di FSRS-7 su tre benchmark pubblici (Anki / Duolingo / maimemo). La baseline è la configurazione standard, senza alcuna ottimizzazione per singolo utente. Metrica, suddivisione dei dati e punteggi sono tutti pubblicati.
Leggi il report di ricerca su Lexa →Queste promesse sono più forti dei principi, perché puoi coglierci mentre le violiamo.
Niente “impari 5 volte più in fretta”. Quando pubblichiamo un numero, la baseline e il modo in cui è stato misurato stanno nella stessa frase del numero.
Non nascondiamo il percorso di disdetta e non piazziamo pulsanti per intercettare tocchi sbagliati. Se vuoi andartene, la via d'uscita è facile da trovare.
Nessuna notifica che tiene in ostaggio una serie. Il numero che vogliamo far crescere non è il tempo che passi nell'app: è il tempo che ti torna indietro.
Niente teatrino di ricompense che fa sembrare reale un progresso senza alcun apprendimento dietro. Se l'unica cosa che si è mossa è un contatore, non si è mosso nulla.
La risposta cambia da prodotto a prodotto, quindi eccola prodotto per prodotto, con il motivo.
Nulla che interrompa la concentrazione o lo studio porta pubblicità. Lofi Station vende concentrazione; mettere sulla stessa schermata qualcosa progettato per spezzarla non sta in piedi. LangDict è lo stesso caso — qualsiasi cosa distolga l'attenzione durante una sessione lavora contro lo scopo dell'app.
kikeruka e Atom la pubblicità ce l'hanno. Sono gratuite, e non abbiamo ancora costruito una differenza sufficiente per chiedere ragionevolmente un pagamento per un piano a pagamento. In questo momento, in nessuna delle due esiste un modo di pagare per rimuoverla. Quando ci sarà un piano a pagamento che valga la pena far pagare, sceglieremo se togliere la pubblicità o renderla disattivabile.
Quindi questo non è un principio: è il punto in cui i prodotti e i finanziamenti si trovano davvero adesso. Quando quello cambierà, cambierà questa pagina.
| Prodotto | Pubblicità | Perché |
|---|---|---|
| Lofi Station | Nessuna | Uno strumento per concentrarsi non deve ospitare cose che spezzano la concentrazione |
| LangDict | Nessuna | Nulla che distolga l'attenzione durante una sessione |
| kikeruka | Sì (non c'è modo di rimuoverla) | Per tenerla gratuita |
| Atom | Sì | Per tenerla gratuita |
Un principio che non è implementato non è un principio. Ecco dove atterra ciascuno oggi.
| Prodotto | Principi | Come si vede |
|---|---|---|
| LangDict | 01 + 03 | Usa la ripetizione dilazionata e pubblica con quanta accuratezza prevede su benchmark pubblici |
| Atom | 01 + 02 | Abitudini progettate come unità minime e inneschi, seguendo la scienza del comportamento |
| Lofi Station | 02 | Concentrazione dal momento in cui si apre — l'attrito della configurazione è stato rimosso |
| kikeruka | 02 | Scansiona e aspetta; tornare a controllare non è più una cosa che devi fare |
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.
Elenchiamo solo le opere di cui abbiamo verificato autore, anno e sede di pubblicazione sull'originale.
Last updated: July 2026