무엇을 해결하는가
학기 1주차에 만든 캔버스는 10주차에 원하는 캔버스가 아닙니다. 분리되었다고 생각한 주제가 연결됩니다. 먼 클러스터가 단일 챕터로 붕괴합니다. 새로운 자료가 단일 단어였던 노드를 폭발시킵니다.
Reflow가 없으면 두 가지 옵션만 남습니다: 캔버스를 얼린 상태로 점점 잘못되게 두거나, 손으로 다시 그리거나 — 시간을 낭비하고 해마가 이미 부호화한 모든 공간 단서를 깨뜨리는 것.
Reflow Physics가 세 번째 옵션입니다. 캔버스가 스스로 재정렬되며, 모든 스트로크가 그린 곳에 정확히 유지됩니다.
어떻게 작동하는가
어떤 노드든 드래그하세요 — 개념, 클러스터, 손글씨 단락. 손가락이나 펜이 움직이는 동안, 이웃 요소가 부드러운 물리 시스템처럼 반응합니다: 가까운 노드는 비례적으로 따라가고, 먼 노드는 거의 움직이지 않으며, 고스트 디스플레이스먼트가 확정 전에 제안된 최종 레이아웃을 보여줍니다.
놓으세요. Reflow가 단일 유려한 애니메이션으로 정착합니다. 내부적으로, 모든 스트로크는 원래 ID, 원래 타임스탬프, Time Travel에서의 원래 오디오 링크를 유지합니다. 공간 단서는 업데이트되고, 정체성은 그렇지 않습니다.
Reflow는 손으로 그린 화살표와 Cross-Zone Bridges를 존중합니다: 늘어나고, 구부러지고, 호흡합니다 — 그러나 결코 끊어지지 않습니다. 연결은 레이아웃의 일급 시민입니다.
세 가지 모드:
- 로컬 Reflow — 단일 노드를 드래그; 즉시 클러스터만 재정렬.
- 클러스터 Reflow — 클러스터 롱 프레스; 내부 구조가 보존되는 동안 전체 영역이 단위로 드래그 가능.
- Atlas Reflow — 대륙 줌에서 Atlas 보기의 과목 영역 전체를 드래그하면 같은 캔버스 안에서 영역들이 서로 재정렬됩니다.
실행 취소와 다시 실행이 Reflow 수준에서 작동합니다. 잘못된 재정렬은 한 번 탭으로 되돌립니다 — 모든 레이아웃 상태가 체크포인트입니다.
배후의 과학
해마는 당신이 쓴 것보다 더 많은 것을 부호화합니다: 어디에 썼는지를 부호화합니다. O’Keefe와 Moser의 장소 세포 작품 (Nobel 2014)은 아파트를 매핑하는 같은 신경 집단이 안정된 공간 좌표를 가질 때 개념도 매핑한다는 것을 보여주었습니다. 정적 지도는 이 세포를 강화하고, 혼돈은 그것을 파괴합니다.
Reflow의 디자인 제약은 직접적인 결과입니다: 공간적 변화는 유려하고 의도적이어야 하며, 결코 갑작스럽지 않아야 합니다. 새 위치로 텔레포트하는 노드는 장소 세포 매핑을 재설정하고, 중간 위치를 통해 미끄러지는 노드는 그것을 보존합니다. 물리는 장식적이지 않습니다 — 기억이 재정렬에서 살아남는 방법입니다.
Flanigan 연구진의 2024년 메타분석은 손글씨의 이점을 g = 0.248로 제시합니다 — 작지만 신뢰할 수 있는 크기이며, 시험 전에 필기를 복습한 학생들에게서는 그 이점이 오히려 커집니다. 손글씨의 값은 쓰는 동안 치러지지 않고, 나중에 다시 펼친 그 페이지 위에서 회수됩니다. 그래서 그 페이지는 당신이 실제로 쓴 바로 그것이어야 합니다. Reflow가 옮기는 것은 배치이지 잉크가 아닙니다: 스트로크는 결코 다시 렌더링되지 않고, 다시 래스터화되지 않으며, 당신의 손이 만든 압력/기울기/속도를 잃지 않습니다. (van der Meer의 고밀도 EEG는 손글씨가 타이핑보다 넓은 뇌 신경망을 동원함을 보여줍니다 — 신경학적 상관일 뿐, 얼마나 학습되었는지의 척도는 아닙니다.)
마지막으로 생성 효과 (Slamecka & Graf, 1978)는 양방향으로 자릅니다. 개념이 어디에 속하는지 결정하고 — 이해가 깊어짐에 따라 그 결정을 수정하는 — 행위는 그 자체가 부호화를 강화하는 생성적 동작입니다.
다음에 오는 것
- 존별 중력 — 다른 과목에 대한 다른 reflow 강도.
- Reflow 타임라인 — 캔버스의 레이아웃 역사 스크롤.
- 자동 Reflow 제안 — 여러 세션에 걸쳐 클러스터가 서로 표류하는 것을 Atlas가 감지할 때 통합 제안.
- Reflow 인식 내보내기 — 최신 레이아웃을 보존하면서 역사적 위치에 대한 딥 링크를 유지하는 PDF와 SVG.