{"id":161832,"date":"2000-05-20T07:00:00","date_gmt":"2000-05-20T07:00:00","guid":{"rendered":"https:\/\/www.supermemo.com\/?p=161832"},"modified":"2026-07-29T13:03:03","modified_gmt":"2026-07-29T13:03:03","slug":"aspectos-teoricos-de-la-repeticion-espaciada-en-el-proceso-de-aprendizaje","status":"publish","type":"post","link":"https:\/\/www.supermemo.com\/es\/blog\/aspectos-teoricos-de-la-repeticion-espaciada-en-el-proceso-de-aprendizaje","title":{"rendered":"Aspectos te\u00f3ricos de la repetici\u00f3n espaciada en el proceso de aprendizaje"},"content":{"rendered":"
\n

Piotr Wozniak, 1990-2000<\/p>\n\n

Este texto se basa en P.A.Wozniak, Optimization of learning<\/em> : Simulation of the learning process conducted along the SuperMemo schedule<\/em> (1990) y ha sido actualizado con cifras revisadas (el texto original inclu\u00eda cifras adicionales relativas a la tasa de olvido, que se hab\u00eda sobrestimado significativamente debido a un error en la implementaci\u00f3n del modelo de simulaci\u00f3n)<\/p>\n\n

Importante!<\/strong> Para conocer el material m\u00e1s reciente sobre la repetici\u00f3n espaciada, consulta: \u00abTheoretical aspects of spaced repetition in learning<\/a>.\u00bb<\/p>\n\n

Este art\u00edculo deber\u00eda ayudarte a planificar tu aprendizaje y a comprender mejor tu capacidad de aprendizaje a lo largo de la vida. La mayor\u00eda de las cifras y f\u00f3rmulas se han derivado te\u00f3ricamente. Sin embargo, en los \u00faltimos diez a\u00f1os, estos constructos te\u00f3ricos se han confirmado en numerosas ocasiones mediante mediciones exactas tomadas durante un proceso de aprendizaje real<\/p>\n\n

Un modelo de simulaci\u00f3n sencillo permite predecir el resultado de un proceso de aprendizaje a largo plazo basado en la repetici\u00f3n espaciada. La probabilidad de olvido en cada repetici\u00f3n viene determinada por el \u00edndice de olvido. Utilizando un algoritmo de repetici\u00f3n espaciada y una distribuci\u00f3n real de la dificultad de los elementos (distribuci\u00f3n del factor A), es posible predecir el curso del aprendizaje a lo largo de muchos a\u00f1os mediante simulaci\u00f3n por ordenador (ten en cuenta que puedes ejecutar una simulaci\u00f3n similar de tu propio proceso de aprendizaje, basada en tus propios datos reales, en SuperMemo 98 y versiones posteriores<\/strong> con Tools : Statistics : Simulation<\/strong>)<\/p>\n\n

El modelo de simulaci\u00f3n parte de los siguientes supuestos:<\/p>\n\n

    \n
  1. El aprendizaje se desarrolla siguiendo un algoritmo est\u00e1ndar de espaciado de repeticiones (por ejemplo, el algoritmo SM-11)<\/li>\n\n\n\n
  2. Se toma una distribuci\u00f3n en forma de campana de los factores A de un sistema de conocimiento gen\u00e9rico creado con SuperMemo<\/a><\/li>\n\n\n\n
  3. La matriz de factores \u00f3ptimos se toma de un sistema de conocimiento gen\u00e9rico y no cambia a lo largo del proceso de aprendizaje<\/li>\n\n\n\n
  4. En cada repetici\u00f3n, una parte espec\u00edfica de los elementos, determinada por el \u00edndice de olvido, se considera olvidada y vuelve a entrar en el proceso sin que se modifique su factor A<\/li>\n<\/ol>\n\n

    Estos supuestos eliminan los siguientes problemas que, de otro modo, podr\u00edan surgir al intentar estimar los resultados de un proceso de aprendizaje a largo plazo:<\/p>\n\n

      \n
    1. La variabilidad de las habilidades mnemot\u00e9cnicas individuales puede quedar totalmente reflejada por la distribuci\u00f3n de los factores A (Punto 2). Al fin y al cabo, el mismo sistema de conocimiento utilizado por un estudiante habilidoso mostrar\u00e1 una mayor proporci\u00f3n de factores A elevados<\/li>\n\n\n\n
    2. La variabilidad de la dificultad del material estudiado, que, de nuevo, puede quedar totalmente reflejada por la distribuci\u00f3n de los factores A (Punto 2)<\/li>\n\n\n\n
    3. La variabilidad de la capacidad mnemot\u00e9cnica del cerebro como resultado del entrenamiento, que queda descontada al usar una distribuci\u00f3n constante de los factores A (Punto 2)<\/li>\n\n\n\n
    4. La variabilidad de la capacidad mnemot\u00e9cnica del cerebro con el envejecimiento, que puede descontarse usando un valor constante de la matriz de factores \u00f3ptimos (Punto 3). Solo se observa una p\u00e9rdida significativa de memoria con la edad como resultado de un proceso patol\u00f3gico o por falta de entrenamiento (Restak, 1984). De lo contrario, es probable que la capacidad mnemot\u00e9cnica del cerebro aumente con la edad gracias al entrenamiento.<\/li>\n<\/ol>\n\n

      Para simplificar la descripci\u00f3n, en los siguientes p\u00e1rrafos usar\u00e9 el t\u00e9rmino material gen\u00e9rico<\/strong>, refiri\u00e9ndome a un material de aprendizaje con una distribuci\u00f3n t\u00edpica de factores A. Es importante se\u00f1alar que el t\u00e9rmino tambi\u00e9n refleja la capacidad mnemot\u00e9cnica del estudiante, ya que los buenos estudiantes tienden a mostrar una mayor proporci\u00f3n de factores A altos en sus colecciones.<\/p>\n\n

      A continuaci\u00f3n se presenta un breve resumen de las conclusiones que se pueden extraer de los experimentos de simulaci\u00f3n basados en el modelo descrito:<\/p>\n\n