Quase todo artigo sobre repetição espaçada diz «use o Anki» e para por aí. Este é para o estudante de medicina que quer entender o que a ciência de base realmente diz — e onde cada app que afirma implementá-la faz escolhas simplificadoras que importam.
Em resumo: a repetição espaçada é um dos achados mais replicados de toda a psicologia cognitiva. O mecanismo é sólido. Já os algoritmos que o aproximam variam em fidelidade, e a distância entre os melhores e os que a maioria dos apps de fato entrega é maior do que o marketing sugere. Para quem precisa reter um currículo médico de quatro anos, essas distâncias se acumulam.
O achado básico
O efeito de espaçamento é mais ou menos isto: com a mesma quantidade total de tempo de estudo, distribuir as sessões produz melhor retenção de longo prazo do que concentrá-las. O achado tem mais de um século — Ebbinghaus mapeou uma versão da curva do esquecimento em 1885 — mas a literatura empírica moderna começa mesmo nos anos 1970 com Bjork, e foi replicada a ponto de ser uma das coisas mais confiavelmente verdadeiras da ciência cognitiva.
O detalhe que importa para o design de apps está em o artigo de Cepeda de 2008 [Cepeda et al., 2008] View in bibliography → , que mapeou não apenas se o espaçamento funciona, mas qual espaçamento funciona melhor para cada intervalo de retenção. O resultado central: o intervalo ótimo entre sessões repetidas fica em torno de 10–20% do intervalo de retenção que você quer. Se precisa lembrar de algo daqui a 100 dias, sessões separadas por 10–20 dias são quase ótimas. Se precisa lembrar daqui a 4 anos, o intervalo ótimo é da ordem de 5–10 meses.
É o segundo número que importa na medicina. Quase todos os apps de repetição espaçada são calibrados para um horizonte de retenção de 30–90 dias (típico de uma prova pontual). Medicina é um horizonte de quatro anos, com a prova de habilitação no fim. O algoritmo ótimo para «revisar a prova da semana que vem» não é o ótimo para «ainda saber isso daqui a dois anos».
Da ciência ao algoritmo: SM-2, FSRS, SuperMemo 18
Três algoritmos cobrem essencialmente todos os apps sérios de repetição espaçada em 2026. Eles diferem em como escolhem o próximo intervalo.
SM-2 (1987). O algoritmo que o Anki usou por padrão na maior parte de sua história. Cada cartão tem um «fator de facilidade» que sobe quando você acerta sem esforço e desce quando erra; o próximo intervalo é o atual multiplicado por esse fator, com limites. É simples, fácil de implementar, e tem uma falha bem documentada: os cartões difíceis caem num «inferno de facilidade» em que são agendados com frequência demais, enquanto os fáceis nunca são testados longe o bastante para dar sinal real de retenção. O SM-2 foi projetado em 1987 para um programa com algumas centenas de cartões; escala para milhares, mas a calibração sofre.
FSRS (Free Spaced Repetition Scheduler, 2022–2024). Desenvolvido por Jarrett Ye e outros como substituto moderno e de código aberto do SM-2. Modela cada cartão com três parâmetros — dificuldade, estabilidade, recuperabilidade — e ajusta 19 pesos sobre o histórico de revisões de cada usuário para prever a probabilidade de lembrar um cartão em dado intervalo. A versão atual, FSRS-5, é de 2024 e é o padrão no Anki moderno, no Mochi e em outros. Comparado ao SM-2, produz de 10 a 30% menos revisões para a mesma retenção. Para um estudante de medicina com 15.000 cartões ativos, são horas por semana.
SuperMemo 18 (2019, com atualizações posteriores). A linhagem do SuperMemo original, desenvolvido desde 1985 por Piotr Wozniak. O SuperMemo 18 implementa o SM-18, o mais recente de uma linha de modelos de memória de dois componentes que inspirou o projeto do FSRS. É o algoritmo de SRS teoricamente mais rigoroso disponível — e o menos acessível. Roda no Windows, tem interface notoriamente datada, e quase nenhum estudante o usa.
A hierarquia, simplificada: SM-18 (mais preciso, mais difícil de usar) > FSRS-5 (moderno, aberto, bem implementado) > SM-2 (mais antigo, ainda funciona, subótimo em escala). Se em 2026 seu app usa SM-2 por padrão, quem o faz ou não mexe no algoritmo há uma década ou está escolhendo simplicidade em vez de fidelidade.
O que «espaçamento ótimo» significa num currículo médico de 4 anos
Aplique o resultado de Cepeda à medicina e você obtém algo que quase ninguém internaliza antes dos anos clínicos:
- A farmacologia do primeiro ano — que você precisa recuperar na habilitação e de novo anos depois — deveria idealmente ser revisada em intervalos que se aproximam de meses quando já passou um ano, não de dias.
- Material no nível do conceito (o mecanismo de uma classe de fármacos) decai mais devagar que o de detalhe (o β-bloqueador específico contraindicado na intoxicação por cocaína). Eles pedem cronogramas diferentes.
- Currículos de alto volume e alta aposta são exatamente o caso em que a fraqueza de calibração do SM-2 aparece: revisão frequente demais dos cartões que você domina, e não frequente o bastante dos que estão derivando para a região de falha de intervalo longo.
A falha clássica é esta: um estudante do segundo ano abre o Anki lá pelo mês catorze e vê 600 cartões maduros vencidos. O trabalho ele fez; foi o algoritmo que o chamou vezes demais aos cartões fáceis, e os difíceis vão ser errados igual no dia da prova, porque nunca foram testados nos intervalos longos onde a retenção de fato se forma.
O conserto não é «fazer mais revisões». O conserto é o algoritmo.
Erros comuns
Quatro erros sobre os quais a literatura é inequívoca, e que a prática dos estudantes comete rotineiramente.
1. Tratar o SRS como «revisar todos os cartões todos os dias». É a falha de quem usa um calendário no lugar de um SRS. O sentido do algoritmo é justamente que você não vê todo cartão diariamente: uma vez maduros, a maioria deveria estar em intervalos de semanas ou meses. Quem trata a fila do Anki como tarefa diária a cumprir se prejudica, porque premia gerenciar a pilha em vez de deixar o algoritmo trabalhar.
2. Ignorar a interação com as dificuldades desejáveis. O quadro das dificuldades desejáveis de Bjork [Bjork, 1994] View in bibliography → diz que condições de prática que parecem mais duras — inclusive intervalos longos em que alguma recuperação falha — produzem retenção de longo prazo mais forte. Usuários de SRS «resgatam» cartões apertando «de novo» rápido demais, zerando o intervalo, porque a falha incomoda. A falha é o sinal. Uma tentativa de recuperação que quase dá certo [Roediger & Karpicke, 2006] View in bibliography → cria mais memória do que uma que dá certo sem esforço.
3. Confiar demais no algoritmo. Nenhum algoritmo de repetição espaçada — SM-2, FSRS, SM-18 — produz compreensão. Produz retenção do que está no cartão. Se o cartão pergunta «o que converte angiotensina I em angiotensina II?» e a resposta é «ECA», o algoritmo vai garantir diligentemente que você lembre esse par para sempre. Não vai garantir que você entenda o sistema renina-angiotensina. O SRS vem depois da compreensão, não no lugar dela.
4. Tratar a repetição espaçada como o sistema de estudo inteiro. O SRS é uma ferramenta. É a ferramenta para reter fatos que você já entendeu. Não é para construir compreensão, nem para testar integração entre tópicos, nem para pegar a lacuna metacognitiva entre reconhecer e recuperar. Quem estuda medicina só com Anki tem fraquezas previsíveis nas provas clínicas, porque raciocínio clínico não é um problema com formato de flashcard.
Onde isso encaixa num sistema de estudo real
Se você leva a literatura sobre espaçamento a sério, a implicação para a medicina não é «faça mais Anki». É mais ou menos assim:
- Construa primeiro a compreensão com as ferramentas feitas para isso: aulas, aprendizagem baseada em problemas, desenhar as coisas à mão, discutir casos em voz alta.
- Uma vez que o conceito esteja entendido, codifique num sistema de repetição espaçada os fatos discretos que você precisa recuperar sob demanda. Deixe o cronograma com o algoritmo.
- Combine o cronograma do SRS com prática de recuperação no nível do conceito — tentativas sem consulta de reconstruir um sistema de memória — que o formato de cartão não consegue testar.
- Combine com intercalação entre sistemas, que é o que faz as questões integradas funcionarem no dia da prova.
- E combine isso com checagens metacognitivas explícitas (preveja seu acerto antes de se autoavaliar; compare previsão e resultado; acompanhe a lacuna ao longo do tempo). É a parte que quase todo mundo pula, e a que mais consistentemente separa uma boa nota de uma excelente.
A repetição espaçada é essencial. Não é suficiente. O quadro «completo» é mais ou menos: o espaçamento cuida do quando, a prática de recuperação do tipo de tentativa, a intercalação de como os tópicos se misturam, e a metacognição de se sua sensação de domínio está calibrada. Os apps de SRS entregam sobretudo o primeiro. Os bons empurram para o segundo. Quase nenhum trata do terceiro ou do quarto.
Ferramentas que implementam FSRS-5 direito
Se você vai escolher um app de repetição espaçada para medicina em 2026, FSRS-5 deveria ser o mínimo. A lista das implementações sérias:
- Anki (com FSRS-5 ativado, não com o SM-2 padrão). Grátis no desktop e no Android, 25 $ uma vez no iOS. O ecossistema de baralhos da comunidade não tem rival. A documentação do FSRS já faz parte do manual oficial.
- Mochi. FSRS-4 nativo, com FSRS-5 em beta em 2026. Melhor para quem quer uma implementação limpa e não depende de baralhos comunitários.
- RemNote. Usa um algoritmo próprio inspirado no SuperMemo em vez do FSRS. Bom se você quer anotações e cartões numa ferramenta só.
- Fluera. Usa FSRS-5 com uma diferença: opera sobre conceitos que você desenhou ou escreveu, não sobre flashcards isolados. O algoritmo é o mesmo; a superfície é outra. A aposta é que agendar a recuperação sobre o seu trabalho manuscrito — com o contexto junto — produz codificação mais forte do que agendar a mesma recuperação sobre cartões despidos. Escrevemos sobre isso ao tratar do princípio de base e de por que a reaprendizagem sucessiva importa.
O caminho Anki é o consolidado e a escolha certa para a maioria. O caminho Fluera é para quando você também quer sua repetição espaçada sobre um canvas que mostre como os conceitos se conectam — exatamente a parte que os flashcards, por projeto, removem.
Os limites honestos do SRS na medicina
Vale dizer com clareza, porque a comunidade do SRS às vezes exagera na venda: há coisas que a repetição espaçada faz mal na formação médica.
Não produz raciocínio clínico. Ir de «sabe os fatos sobre insuficiência cardíaca» para «reconhece uma insuficiência de início recente num homem de 68 anos com edema bilateral nas pernas e ortopneia» é outra habilidade cognitiva. É a habilidade para a qual existem os estágios, e o SRS te dá o substrato, não a síntese.
Não produz habilidade procedimental. A literatura sobre aquisição de habilidades motoras é um campo próprio, e os princípios da repetição espaçada não se transferem de forma limpa para «como faço uma paracentese».
Não produz comunicação nem empatia. Nem estão em questão.
O que o SRS faz é uma coisa específica, e faz muito bem: manter um fato que você aprendeu disponível num momento futuro distante em que você precisa dele. Para a medicina é um ingrediente crítico, mas é um ingrediente, não a refeição.
Comece grátis com o Fluera — conceitos, recuperação e espaçamento num só canvas →
No que isso se resume
A ciência de cinquenta anos sobre espaçamento é verdadeira e vale para você. O algoritmo SM-2, de quarenta anos, já não é a melhor implementação dela; o FSRS-5 é. Quase todos os apps em 2026 ou entregam FSRS-5 ou estão migrando; se o seu não, isso é um sinal.
Além da questão do algoritmo, a pergunta arquitetural maior é sobre o que o algoritmo opera. Se opera sobre flashcards despidos, você ganha o benefício do espaçamento mas perde o contexto que torna útil o fato recuperado. Se opera sobre algo mais rico — um conceito num canvas, uma conexão num mapa, um pedaço da sua própria letra — você ganha os dois.
Escolha o algoritmo a sério. Depois escolha, com a mesma seriedade, a superfície em que ele roda.