420610a41d
- 가격 2,900원 통일, 기능 게이트 문서화 - 코드 규모 45,641줄/71 API/15 모델/26 페이지 - 실현가능성/시장성 섹션 전면 재작성 - 2022 교육과정 프리셋, 학교 관리 4대 기능 반영 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
440 lines
16 KiB
Markdown
440 lines
16 KiB
Markdown
# ReLoop v2 복습 알고리즘 상세 설명
|
||
|
||
> 이 문서는 ReLoop v2의 복습 스케줄링이 어떻게 작동하는지를 코드 레벨에서 설명합니다.
|
||
|
||
## 요약: 두 가지 경로
|
||
|
||
ReLoop은 **두 가지 복습 스케줄링 경로**를 가지고 있고, 사용자의 행동에 따라 자동으로 갈림:
|
||
|
||
| 경로 | 언제 사용? | 핵심 아이디어 |
|
||
|------|-----------|-------------|
|
||
| **SM-2 하이브리드** | 사용자가 "어려웠어/괜찮았어/쉬웠어"를 선택했을 때 | 체감 난이도로 다음 복습 간격 결정 |
|
||
| **에빙하우스 망각곡선** | 난이도 선택 없이 결과만 기록했을 때 (legacy) | 기억 감쇄 시뮬레이션으로 복습 시점 계산 |
|
||
|
||
현재 앱의 주요 UI(복습 세션, e-book 뷰어, 처음 풀기)는 모두 `selfDifficulty`를 보내므로 **SM-2 경로가 기본**이다.
|
||
|
||
---
|
||
|
||
## 경로 1: SM-2 하이브리드 (메인)
|
||
|
||
### 1.1 개념
|
||
|
||
SM-2는 SuperMemo 2의 약자로, 1987년에 만들어진 간격 반복 알고리즘이다. 핵심 아이디어:
|
||
|
||
- 각 문제(태그)마다 **EF (Ease Factor, 쉬움 계수)**를 관리한다 (기본값 2.5)
|
||
- 쉽다고 느끼면 EF가 올라가고, 어렵다고 느끼면 내려간다
|
||
- 다음 복습 간격 = `이전 간격 × EF`
|
||
- EF가 높을수록 간격이 빠르게 벌어진다
|
||
|
||
ReLoop은 여기에 **페르소나 배율**을 곱해서 학습자 유형별로 조정한다.
|
||
|
||
### 1.2 EF (Ease Factor) 업데이트
|
||
|
||
사용자가 "어려웠어/괜찮았어/쉬웠어"를 선택할 때마다:
|
||
|
||
```
|
||
어려웠어 → EF = max(1.3, 현재EF - 0.3) // 급격히 하락
|
||
괜찮았어 → EF = 현재EF // 변동 없음
|
||
쉬웠어 → EF = max(1.3, 현재EF + 0.15) // 소폭 상승
|
||
```
|
||
|
||
- 최소 EF는 **1.3** (이 이하로 내려가지 않음)
|
||
- 초기 EF는 **2.5**
|
||
- EF는 `SkillSnapshot.easeFactor` 필드에 저장됨 (태그별로 하나)
|
||
- 기억 강도 S₀는 별도로 `SkillSnapshot.s0` (0~1)에 저장됨
|
||
|
||
**예시:**
|
||
```
|
||
시작: EF = 2.5
|
||
어려웠어: EF = 2.5 - 0.3 = 2.2
|
||
괜찮았어: EF = 2.2 (그대로)
|
||
쉬웠어: EF = 2.2 + 0.15 = 2.35
|
||
어려웠어: EF = 2.35 - 0.3 = 2.05
|
||
어려웠어: EF = 2.05 - 0.3 = 1.75
|
||
어려웠어: EF = 1.75 - 0.3 = 1.45
|
||
어려웠어: EF = max(1.3, 1.45 - 0.3) = 1.3 ← 바닥
|
||
```
|
||
|
||
### 1.3 복습 간격 계산
|
||
|
||
```
|
||
페르소나 배율 (pf):
|
||
상위권 (senior) = 1.3 → 간격이 30% 더 넓어짐
|
||
중위권 (mid) = 1.0 → 기본
|
||
하위권 (junior) = 0.8 → 간격이 20% 좁아짐
|
||
벼락치기 (crammer)= 0.6 → 간격이 40% 좁아짐
|
||
|
||
학습 강도 배율 (if):
|
||
엄격 (strict) = 0.7 → 간격이 30% 좁아짐 (더 자주 복습)
|
||
균형 (moderate) = 1.0 → 기본
|
||
여유 (relaxed) = 1.4 → 간격이 40% 넓어짐 (덜 자주 복습)
|
||
```
|
||
|
||
**어려웠어 → 무조건 1일 후** (어떤 상황이든):
|
||
```
|
||
간격 = 1일
|
||
```
|
||
|
||
**처음 푸는 문제 (iteration = 0):**
|
||
```
|
||
괜찮았어 → 간격 = round(3 × pf × if)일
|
||
쉬웠어 → 간격 = round(7 × pf × if)일
|
||
```
|
||
|
||
| 체감 난이도 | senior (×1.3) | mid (×1.0) | junior (×0.8) | crammer (×0.6) |
|
||
|------------|:---:|:---:|:---:|:---:|
|
||
| 어려웠어 | 1일 | 1일 | 1일 | 1일 |
|
||
| 괜찮았어 | 4일 | 3일 | 2일 | 2일 |
|
||
| 쉬웠어 | 9일 | 7일 | 6일 | 4일 |
|
||
|
||
**첫 번째 복습 (iteration = 1):**
|
||
```
|
||
어려웠어 → 1일
|
||
그 외 → 간격 = round(6 × pf)일
|
||
```
|
||
|
||
**두 번째 이후 복습 (iteration >= 2):**
|
||
```
|
||
어려웠어 → 1일
|
||
그 외 → 간격 = round(6 × EF^(iteration-1) × pf × if)일
|
||
```
|
||
|
||
| iteration | EF=2.5, mid(×1.0) | EF=2.5, senior(×1.3) | EF=1.5, mid(×1.0) |
|
||
|:---------:|:---:|:---:|:---:|
|
||
| 0 (처음) | 3일 (괜찮음) | 4일 | 3일 |
|
||
| 1 | 6일 | 8일 | 6일 |
|
||
| 2 | 15일 | 20일 | 9일 |
|
||
| 3 | 38일 | 49일 | 14일 |
|
||
| 4 | 60일 (cap) | 60일 (cap) | 20일 |
|
||
|
||
**모든 간격은 최소 1일, 최대 60일로 제한된다.**
|
||
|
||
### 1.4 전체 흐름 (SM-2 경로)
|
||
|
||
```
|
||
[사용자가 문제를 풀고 "어려웠어" 클릭]
|
||
↓
|
||
1. SkillSnapshot에서 현재 EF 로드 (없으면 2.5)
|
||
↓
|
||
2. EF 업데이트: EF = max(1.3, EF - 0.3)
|
||
↓
|
||
3. 간격 계산: 1일 (어려웠어는 항상 1일)
|
||
↓
|
||
4. 간격 × 페르소나 배율 (어려웠어는 1일 고정이라 배율 적용 안 됨)
|
||
↓
|
||
5. ReviewSchedule 생성 (scheduledAt = 지금 + 1일)
|
||
↓
|
||
6. SkillSnapshot.easeFactor에 새 EF, s0에 기억 강도 저장
|
||
↓
|
||
[1일 후 복습 큐에 등장]
|
||
↓
|
||
[사용자가 "쉬웠어" 클릭]
|
||
↓
|
||
1. EF = max(1.3, 이전EF + 0.15)
|
||
↓
|
||
2. 간격 = round(6 × EF^(1-1) × pf × if) = 6일 (mid+moderate 기준)
|
||
↓
|
||
3. 망각곡선 보정: 6일 후 예상 P 시뮬레이션
|
||
↓
|
||
4. P >= 30%이면 6일 유지, P < 30%이면 안전 간격으로 축소
|
||
↓
|
||
5. 새 ReviewSchedule (scheduledAt = 보정된 간격)
|
||
↓
|
||
[n일 후 다시 복습 큐에 등장]
|
||
↓
|
||
... 반복 (iteration 증가 → EF 지수승 → 간격 기하급수적 확대)
|
||
```
|
||
|
||
### 1.5 망각곡선 안전장치
|
||
|
||
SM-2가 계산한 간격이 너무 길어서 그 시점에 기억이 거의 사라졌을 가능성을 방지한다:
|
||
|
||
```
|
||
1. SM-2가 간격 N일을 계산
|
||
2. 망각곡선으로 N일 후 기억 강도 시뮬레이션:
|
||
futureS = s0 × e^(-λ × N)
|
||
futureP = sigmoid(k × (futureS - D))
|
||
3. futureP < 0.3 (30%)이면:
|
||
- 정답 확률 50%가 되는 시점을 역산
|
||
- 그 시점으로 간격 축소
|
||
4. futureP >= 0.3이면: SM-2 간격 그대로 사용
|
||
```
|
||
|
||
이 보정은 **벼락치기형(λ=0.6)처럼 빠르게 잊는 사용자**에게 특히 효과적. SM-2가 6일을 계산해도 실제로 3일 만에 기억이 30% 이하로 떨어진다면 3일로 줄여준다.
|
||
|
||
---
|
||
|
||
## 경로 2: 에빙하우스 망각곡선 (Legacy)
|
||
|
||
> 이 경로는 `selfDifficulty`가 없을 때만 사용됨. 현재 UI에서는 거의 발생하지 않는다.
|
||
|
||
### 2.1 개념
|
||
|
||
에빙하우스의 망각곡선은 "시간이 지남에 따라 기억이 지수적으로 감쇄한다"는 모델:
|
||
|
||
```
|
||
S(t) = S₀ × e^(-λ × t)
|
||
```
|
||
|
||
- `S₀`: 현재 기억 강도 (0~1). 문제를 맞히면 올라가고, 틀리면 내려감
|
||
- `λ` (람다): 망각 속도. 페르소나별로 다름
|
||
- `t`: 마지막 학습으로부터 경과 일수
|
||
|
||
여기에 "정답 확률"을 시그모이드 함수로 변환:
|
||
|
||
```
|
||
P(정답) = sigmoid(k × (S(t) - D))
|
||
= 1 / (1 + e^(-k × (S(t) - D)))
|
||
```
|
||
|
||
- `k`: 시그모이드 기울기 (고정값 4.0). 클수록 S(t)의 작은 변화에도 P가 급변
|
||
- `D`: 문제 난이도 (0~1). 높을수록 어려운 문제
|
||
|
||
### 2.2 S₀ (기억 강도) 업데이트
|
||
|
||
문제를 풀 때마다 결과에 따라 S₀가 변경:
|
||
|
||
```
|
||
맞음 (correct) → 새S₀ = clamp(이전S₀ × 0.5 + 0.6, 0, 1)
|
||
부분 (partial) → 새S₀ = clamp(이전S₀ × 0.7 + 0.3, 0, 1)
|
||
틀림 (incorrect) → 새S₀ = clamp(이전S₀ × 0.5, 0, 1)
|
||
```
|
||
|
||
| 이전 S₀ | 맞음 | 부분 | 틀림 |
|
||
|:-------:|:----:|:----:|:----:|
|
||
| 0.3 (초기) | 0.75 | 0.51 | 0.15 |
|
||
| 0.5 | 0.85 | 0.65 | 0.25 |
|
||
| 0.8 | 1.0 | 0.86 | 0.40 |
|
||
|
||
### 2.3 다음 복습 시점 계산
|
||
|
||
"정답 확률이 기준선 아래로 떨어지는 시점"을 구한다:
|
||
|
||
```
|
||
기준선 (P_threshold) — 학습 강도 설정:
|
||
엄격 (strict) = 0.70 → 아직 70%일 때 미리 복습 (자주)
|
||
균형 (moderate) = 0.50 → 반반일 때 복습 (기본)
|
||
여유 (relaxed) = 0.35 → 많이 까먹은 후 복습 (드물게)
|
||
```
|
||
|
||
수학적으로 풀면:
|
||
```
|
||
P_threshold = sigmoid(k × (S₀ × e^(-λ × t) - D))
|
||
|
||
이것을 t에 대해 풀면:
|
||
|
||
t = -(1/λ) × ln((D + logit(P_threshold)/k) / S₀)
|
||
|
||
여기서 logit(p) = ln(p / (1-p))
|
||
```
|
||
|
||
### 2.4 예시 시나리오
|
||
|
||
**설정:** 중위권(mid, λ=0.2), 균형(moderate, threshold=0.5), S₀=0.75, D=0.5
|
||
|
||
```
|
||
logit(0.5) = ln(0.5/0.5) = 0
|
||
target = 0.5 + 0/4 = 0.5
|
||
|
||
t = -(1/0.2) × ln(0.5 / 0.75)
|
||
= -5 × ln(0.667)
|
||
= -5 × (-0.405)
|
||
= 2.03일 → 약 2일 후 복습
|
||
```
|
||
|
||
**같은 조건, 상위권(senior, λ=0.1):**
|
||
```
|
||
t = -(1/0.1) × ln(0.5 / 0.75)
|
||
= -10 × (-0.405)
|
||
= 4.05일 → 약 4일 후 복습 (느리게 잊으니까 더 늦게)
|
||
```
|
||
|
||
**같은 조건, 벼락치기(crammer, λ=0.6):**
|
||
```
|
||
t = -(1/0.6) × ln(0.5 / 0.75)
|
||
= -1.67 × (-0.405)
|
||
= 0.68일 → 약 16시간 후 복습 (빨리 잊으니까 빨리)
|
||
```
|
||
|
||
---
|
||
|
||
## 페르소나별 효과 비교
|
||
|
||
### SM-2 경로에서 (현재 메인)
|
||
|
||
페르소나는 **PERSONA_FACTOR 배율**로만 영향:
|
||
|
||
```
|
||
상위권 ×1.3 → 모든 간격이 30% 넓어짐
|
||
중위권 ×1.0 → 기본
|
||
하위권 ×0.8 → 모든 간격이 20% 좁아짐
|
||
벼락치기 ×0.6 → 모든 간격이 40% 좁아짐
|
||
```
|
||
|
||
학습 강도(reviewIntensity)는 **INTENSITY_SM2_FACTOR 배율**로 영향:
|
||
|
||
```
|
||
엄격 ×0.7 → 모든 간격이 30% 좁아짐 (더 자주 복습)
|
||
균형 ×1.0 → 기본
|
||
여유 ×1.4 → 모든 간격이 40% 넓어짐 (덜 자주 복습)
|
||
```
|
||
|
||
추가로 **망각곡선 안전장치**가 작동하여 SM-2 간격 후 예상 P가 30% 이하면 자동 축소.
|
||
|
||
### 망각곡선 경로에서 (legacy)
|
||
|
||
페르소나는 **PERSONA_LAMBDA (망각 속도)**로 영향:
|
||
```
|
||
상위권: λ=0.1 → 하루에 10%씩 감쇄 → 천천히 잊음 → 넓은 간격
|
||
중위권: λ=0.2 → 하루에 20%씩 감쇄 → 보통
|
||
하위권: λ=0.4 → 하루에 40%씩 감쇄 → 빨리 잊음 → 좁은 간격
|
||
벼락치기: λ=0.6 → 하루에 60%씩 감쇄 → 매우 빨리 잊음 → 매우 좁은 간격
|
||
```
|
||
|
||
학습 강도는 **P_threshold**로 영향:
|
||
```
|
||
엄격: P가 70% 아래로 떨어지기 전에 복습 → 자주 복습
|
||
균형: P가 50% 아래로 떨어지기 전에 복습 → 보통
|
||
여유: P가 35% 아래로 떨어지기 전에 복습 → 드물게 복습
|
||
```
|
||
|
||
---
|
||
|
||
## SkillSnapshot 필드 구조
|
||
|
||
`SkillSnapshot`은 태그별로 두 개의 독립적인 값을 저장한다:
|
||
|
||
| 필드 | 범위 | 의미 | 사용처 |
|
||
|------|------|------|--------|
|
||
| `s0` | 0 ~ 1.0 | 기억 강도 | 망각곡선 보정, 예상 P 계산 |
|
||
| `easeFactor` | 1.3 ~ 4.0+ (nullable) | SM-2 Ease Factor | SM-2 간격 계산 |
|
||
|
||
두 값은 **항상 동시에 업데이트**된다. SM-2 경로에서도 s0(기억 강도)를 업데이트하고, 망각곡선 보정에 사용한다. `easeFactor`가 null이면 해당 태그에서 SM-2가 아직 사용되지 않았음을 의미한다.
|
||
|
||
---
|
||
|
||
## 밀린 복습 자동 이월
|
||
|
||
복습 예정일에 안 풀면 **다음날 아침 9시(KST)로 자동 이월**:
|
||
|
||
```
|
||
복습 큐 조회 시 (GET /reviews/queue):
|
||
1. 오늘 00:00 KST 이전의 pending 상태 복습을 찾음
|
||
2. 해당 복습의 scheduledAt을 "오늘 09:00 KST"로 변경
|
||
3. 변경된 수를 rescheduledCount로 반환
|
||
```
|
||
|
||
단, 수학 과목 + 사용자 직접 등록 문제만 이월됨 (기출 문제집 문제는 제외).
|
||
|
||
---
|
||
|
||
## 페르소나 변경 시 재계산
|
||
|
||
프로필에서 페르소나나 학습 강도를 바꾸면 **모든 pending 복습 일정이 재계산**된다:
|
||
|
||
1. 해당 유저의 pending 상태 ReviewSchedule 전부 로드
|
||
2. 각 리뷰에 대해:
|
||
- SM-2 경로: 새 페르소나의 PERSONA_FACTOR로 간격 재계산 (selfDifficulty='medium' 가정)
|
||
- 망각곡선 경로: 새 λ, 새 threshold로 다음 복습 시점 재계산
|
||
3. scheduledAt 업데이트
|
||
|
||
---
|
||
|
||
## 상수 요약 (빠른 참조)
|
||
|
||
```
|
||
┌─────────────────────────────────────────────┐
|
||
│ SM-2 상수 │
|
||
├─────────────────────────────────────────────┤
|
||
│ DEFAULT_EF = 2.5 (초기 쉬움 계수) │
|
||
│ MIN_EF = 1.3 (최소 EF) │
|
||
│ MAX_INTERVAL = 60일 (최대 복습 간격) │
|
||
│ Hard EF 패널티 = -0.3 │
|
||
│ Easy EF 보상 = +0.15 │
|
||
│ │
|
||
│ 초기 간격 (iteration=0): │
|
||
│ 어려웠어 = 1일 │
|
||
│ 괜찮았어 = 3 × pf × if 일 │
|
||
│ 쉬웠어 = 7 × pf × if 일 │
|
||
│ │
|
||
│ 이후 간격: │
|
||
│ 어려웠어 = 1일 │
|
||
│ 그 외 = 6 × EF^(iter-1) × pf × if 일 │
|
||
│ │
|
||
│ 망각곡선 보정: │
|
||
│ 간격 후 예상 P < 30% → 안전 간격으로 축소 │
|
||
├─────────────────────────────────────────────┤
|
||
│ PERSONA_FACTOR (SM-2 간격 배율) │
|
||
│ 상위권 = 1.3 │
|
||
│ 중위권 = 1.0 │
|
||
│ 하위권 = 0.8 │
|
||
│ 벼락치기 = 0.6 │
|
||
│ │
|
||
│ INTENSITY_SM2_FACTOR (학습 강도 배율) │
|
||
│ 엄격 = 0.7 │
|
||
│ 균형 = 1.0 │
|
||
│ 여유 = 1.4 │
|
||
├─────────────────────────────────────────────┤
|
||
│ 망각곡선 상수 │
|
||
├─────────────────────────────────────────────┤
|
||
│ PERSONA_LAMBDA (망각 속도, day⁻¹) │
|
||
│ 상위권 = 0.1 │
|
||
│ 중위권 = 0.2 │
|
||
│ 하위권 = 0.4 │
|
||
│ 벼락치기 = 0.6 │
|
||
│ │
|
||
│ INTENSITY_THRESHOLD (복습 기준선) │
|
||
│ 엄격 = 0.70 │
|
||
│ 균형 = 0.50 │
|
||
│ 여유 = 0.35 │
|
||
│ │
|
||
│ DEFAULT_K = 4.0 (시그모이드 기울기) │
|
||
│ DEFAULT_INITIAL_S0 = 0.3 (초기 기억 강도) │
|
||
└─────────────────────────────────────────────┘
|
||
```
|
||
|
||
---
|
||
|
||
## 코드 위치
|
||
|
||
| 파일 | 역할 |
|
||
|------|------|
|
||
| `backend/src/forget/persona-forget.service.ts` | 알고리즘 엔진 (모든 수식) |
|
||
| `backend/src/study-logs/study-logs.service.ts` | 문제 풀 때 → 첫 복습 스케줄 생성 |
|
||
| `backend/src/reviews/reviews.service.ts` | 복습 제출 → 다음 복습 스케줄 생성 |
|
||
| `backend/src/me/me.service.ts` | 페르소나 변경 → 기존 스케줄 재계산 |
|
||
|
||
---
|
||
|
||
## Free/Pro 기능 게이트
|
||
|
||
| 기능 | Free | Pro / School |
|
||
|------|------|-------------|
|
||
| 과목 등록 | 3개까지 | 무제한 |
|
||
| 일일 복습 큐 | 10개 | 무제한 |
|
||
| 마스터리 경로 | 차단 (403) | 전체 접근 |
|
||
| PDF 문제집 업로드 | 월 1회 | 무제한 |
|
||
| 기출 문제집 | 샘플만 | 전체 |
|
||
|
||
게이트 구현 위치:
|
||
| 파일 | 게이트 내용 |
|
||
|------|-----------|
|
||
| `backend/src/subjects/subjects.service.ts` | Free 과목 3개 제한 |
|
||
| `backend/src/reviews/reviews.service.ts` | Free 복습 큐 10개 슬라이스 |
|
||
| `backend/src/stats/stats.service.ts` | Free 마스터리 경로 차단 |
|
||
|
||
## 2022 개정 교육과정 프리셋
|
||
|
||
과목명(예: "중1수학", "고2수학")을 입력하면 해당 학년의 단원이 태그로 자동 생성된다.
|
||
|
||
| 과목 | 단원 수 | 예시 |
|
||
|------|--------|------|
|
||
| 중1수학 | 9개 | 소인수분해, 일차방정식, 좌표평면... |
|
||
| 중2수학 | 8개 | 일차부등식, 연립일차방정식, 피타고라스... |
|
||
| 중3수학 | 7개 | 이차방정식, 이차함수, 삼각비... |
|
||
| 고1수학 | 18개 | 다항식, 복소수, 이차방정식, 집합, 함수... |
|
||
| 고2수학 | 17개 | 지수/로그, 삼각함수, 미적분, 확률통계... |
|
||
| 고3수학 | 16개 | 급수, 삼각함수 미분, 벡터, 이차곡선... |
|
||
|
||
구현: `backend/src/subjects/curriculum-presets.ts`
|