이 페이지는 기계 번역이며 표현이 부정확할 수 있습니다. 영어 페이지가 정본입니다. 영어 페이지 보기

간격 반복이란 무엇인가

간격 반복(spaced repetition, 분산 학습)은 한 번에 몰아서 공부하는 대신 같은 자료로 시간 간격을 두고 여러 번 돌아와, 더 오래 기억에 남기는 방법입니다.

어떤 방법인가

연달아 열 번 읽는 대신 1일째, 3일째, 일주일 뒤, 한 달 뒤에 다시 돌아옵니다. 간격 그 자체가 메커니즘입니다 — 얼마나 남는지를 바꿔 놓습니다.

간격이 지나면 그 항목을 절반쯤 잊은 상태가 되고, 떠올리기 어려운 그 부담이 오히려 기억을 강하게 만듭니다. 벼락치기는 직후에 보는 시험에서 더 좋아 보이고 몇 주 뒤 시험에서는 더 나빠집니다. 간격 학습은 정반대의 곡선을 그립니다.

실제로 하려면 카드마다 언제 다시 나올지를 정하는 스케줄러가 필요합니다. Anki의 SM-2와, 더 최근의 FSRS가 잘 알려진 것들입니다.

여기서는 동료 심사를 거친 연구만 인용합니다.

Ebbinghaus는 자기 자신을 유일한 피험자로 삼아 무의미 철자를 외우고, 시간이 지남에 따라 얼마나 남는지를 측정했습니다. 이것이 망각 곡선이고, 이 발상의 출발점입니다.

동시에 이것은 피험자가 한 명뿐인, 무의미 철자를 쓴 자기 실험이기도 합니다. 그 숫자들이 실제 어휘 학습으로 그대로 옮겨진다는 보장은 어디에도 없습니다.

Cepeda et al. (2006)은 언어적 회상 과제에 대한 분산 학습 문헌을 종합해, 간격을 둔 학습이 몰아서 하는 학습보다 보유율에서 우수하다고 보고합니다. 단일 실험이 아니라 리뷰이자 양적 종합이기 때문에, 어떤 개별 연구보다 강한 근거입니다.

Cepeda et al. (2008)은 최적 간격이 상수가 아니라 시험까지 남은 기간에 따라 달라진다는 것을 보였습니다. 오래 기억해야 할수록 간격도 길게 잡아야 합니다.

🔴 실무적으로 가장 중요한 지점입니다. 유일하게 옳은 간격이란 존재하지 않습니다 — 스케줄러가 존재하는 이유가 바로 이것입니다.

Settles와 Meeder (2016)는 Duolingo의 대규모 복습 로그로 기억 보유 모델(HLR)을 학습시켜, 간격 선택을 기계학습 문제로 다뤘습니다. 이후 스케줄러 연구의 기준점 가운데 하나입니다.

간격 반복의 이름으로 이야기되지만 근거가 뒷받침하지 않는 주장들입니다.

Cepeda et al. (2008)이 보인 것은 최적 간격이 당신이 신경 쓰는 보유 기간에 따라 달라진다는 점입니다. 어디선가 본 고정 표가 당신의 목표에 맞을 특별한 이유는 없습니다.

Ebbinghaus는 피험자 한 명, 무의미 철자로 실험했습니다. “20분에 42%를 잊는다”를 외국어 어휘 학습에 곧바로 가져오는 것은 비약입니다.

확인된 것은 장기적인 기억 보유입니다. 총 학습 시간이 줄어든다는 결과가 아닙니다. 다음 주 시험이라면 벼락치기가 실제로 유리할 수 있습니다.

“복습 시점 예측이 맞았다”와 “이 사람이 더 잘 배웠다”는 같은 양이 아닙니다. 우리가 공개하는 것은 앞의 것입니다.

LangDict는 간격 반복을 채택했고, 그 판단이 옳았는지를 예측 정확도를 측정해 확인합니다.

최적 간격이 상황에 따라 달라진다면 고정 표는 답이 될 수 없고, 모델이 정해야 합니다. LangDict에서는 자체 모델 Lexa가 다음 복습일을 정합니다.

Lexa는 예측 대상 카드만이 아니라 같은 사용자의 다른 카드 복습 이력을 문맥으로 읽어 들이므로, 하나의 공용 모델이 사용자별 적합 단계 없이 개인화합니다.

공개된 세 벤치마크(Anki / Duolingo / maimemo)에서 FSRS-7의 기본 설정과 비교한 결과를 평가 지표·데이터 분할·점수와 함께 공개합니다. 여기서 비교하는 것은 기억 보유의 예측 정확도이지, 학습 성과가 아닙니다.

여기에는 저자·연도·게재처를 원문과 대조해 확인한 문헌만 싣습니다. 학술지 논문은 권·호·페이지까지 Crossref에서 대조했습니다.

Last updated: July 2026