统计数据
介绍
统计窗口允许你检查当前打开的集合中的主要学习过程的统计数据。按F5（Window：Layout：Warrior布局）可以最方便地查看它。
图：统计窗口（Toolkit：Statistics：统计*），可以随时检查当前打开的集合的主要学习过程统计。*。
标题
工具栏
-
每日和每月的复习日历
-
统计菜单
可通过右键菜单打开统计内容菜单，也可以在窗口上点击右键
-
与学习过程和[SuperMemo算法]有关的各种统计数据(https://supermemo.guru/wiki/SuperMemo_Algorithm)
-
勇士布局
-
帮助
查看此帮助文章
学习参数
为了方便地比较示范性字段和其相应的描述：
1.按住 Shift 后点击上面的图片，在一个新的浏览器窗口以其完整分辨率打开。
-
将图片窗口的标题栏拖到屏幕的左边或右边，直到出现一个扩大的窗口的轮廓
-
松开鼠标，扩大窗口
-
用这个窗口重复步骤2和3，将窗口并排排列
日期
当前的日期和星期。如果这个值前面有Night，意味着新的日历日已经开始，但旧的重复日要到**工具包:Toolkit：Options:选项：Learning:学习：Midnight shift:午夜交替**中定义的时间才会开始。当过了午夜交替的时间，这个字段会显示一个红色的警告关闭时间到:Alt+F4。如果你看到这个信息，请关闭/重新启动你的集合:collection，以防止收集到重复时间未定的学习数据。*在上面的例子中，图片是在2019年4月1日（星期一）午夜后截取的。
第一天
学习过程开始的日期（即记住第一个元素:element的日子）。图片中呈现的典范集合:Collection自1987年12月15日开始使用(即DOS 版本的SuperMemo诞生时间的后两天)。
周期
学习过程中的天数（即**日期:Date和第一天:First day**之间的天数）。
周期=日期-第一天
当前展示的收集箱:collection已经使用了31年3个月17天。
已记忆
在学习过程中引入的元素:Element的总数，选项包括**学习:Learn或记忆:Remember**。如果一个卡片:item参加了重复:Repetition，它就是一个已记忆:Memorized卡片:Item。这并不意味着它是一个记住的卡片:item。一部分已记忆_元素:Memorized_element卡片:item总是被遗忘。呈现的集合 Collection有 635,699 个元素 Element在学习过程中，这些元素占所有注定要进入学习过程的元素的100.0%，即记忆的/（记忆的+待定的）=100.0。这表明推迟=0（见[推迟Pending]（https://help.supermemo.org/wiki/Statistics#Pending））。
已记忆项目
在集合中的已记忆元素项目的数量和记忆的元素中记忆的项目的比例。*在上面的例子中，203,827个项目参与了重复。这些项目占参加学习过程的所有元素的32.1%（其余67.9%的元素是已记忆元素主题、记忆的概念或记忆的任务）。**保留率*字段表明，这些项目的92.4937%在任何时候都应该被记住。
已记忆的主题
已记忆元素主题、概念和任务的数量以及它们在所有记忆的元素中的累积比例。在一个均衡的增量阅读过程中，主题应该使少数元素用于回顾。如果话题的比例增加，保持率就会下降，学习过程可能逐渐开始类似于传统的学习，无效的被动复习占主导。你可以在你的集合中放置尽可能多的主题，只要你确保通过设置适当的卡片排序标准来限制它们的复习（**Learn_menu : 排序 : 排序标准 **）。在图片中，431,872 个主题使67.9%的材料参加了学习过程。
已记忆/天
每天记忆的项目的数量。（记忆的项目）/日。在这个例子中，在过去31年多的时间里，平均每天有 17.8311个项目在当前展示的集合中被记忆。只要每天执行定期复习，这就是普通学生的典型情况。
总计
总计=已记忆的+待定的+丢弃的
被删除的元素不会对集合中的元素总数有所贡献。在图片中，所展示的集合由727,259个元素组成（目前用户报告的最大集合数量高达到50万元素以上）。
卡片
集合中的卡片的数量。在这个例子中，集合包括 207,443个卡片*。
主题
集合中的主题、概念和任务的数量。当前展示的集合包括519,816个主题（与概念和任务一起计算）。
#＃＃ 优秀
计划在这一天进行重复的未决项目、未决主题和最后演练项目的数量。第一个数字(加号之前)表示这一天安排的、尚未处理的项目的数量。第二个数字(+号后)表示这一天安排复习的题目的数量。第三个数字（在第二个 "+"后面），如果有的话，表示今天已经重复过的题目的数量，但得分低于好（4）。这些是组成最终演练队列的项目。只有在**工具包：选项：学习中未勾选Skip final drill**时，才会建立最终演练队列。在提出的集合中，仍有3521个项目计划在2019年4月1日进行重复。还有1297个主题计划在这一天进行复习，作为增量阅读过程的一部分。在最终演练队列中没有元素（Outstanding参数的第三个组成部分缺失）。
评论
为子集复习安排的元素的数量（例如，学习中的神经复习中的元素：去神经，内容中的分支重复的元素[学习](https://help.supermemo.org/wiki/Subset_learning），浏览器的学习中浏览器子集重复中的元素，工具包：随机测试**中的[随机测试]（https://help.supermemo.org/wiki/Toolkit#Random_test）队列中的[元素]（https://help.supermemo.org/wiki/Glossary:Element）等等）。显示的形式可能是*神经=<元素要做>在神经审查中，或<项目要做>+<主题要做>+<待处理要做>+（<子集描述>）在子集审查中，或<元素未处理>/<测试中的所有<元素>(https://help.supermemo.org/wiki/Glossary:Element)>*在随机测试。这里有16个项目留在子集审查中。
保护
当天的最优先材料的处理程度。重要的是。由于统计是取自未完成项目或主题队列的顶端（而不是未完成队列的顶端，后者是两者的随机混合），如果你改变了顶端[项目](https://help.supermemo.org/wiki/Glossary:Priority），你会在**统计中看到一个错误的值，直到你审查那个改变了优先级的项目（这种行为的设计是为了防止每次更新统计时需要扫描整个队列）。在这个例子中，只有0.031%的最高优先级项目，以及0%的最高优先级主题被处理过。0.031%的保护并不意味着要通过0.031%的未决项目队列。它意味着队列中最高优先级的未处理议题是0.031%。
留任
估计收藏中的平均知识保留。高优先级项目的保留率应该高于所列的。低优先级项目的保留率可能会低得多，导致平均数下降。要判断最高优先级材料的保留率，请参见**工具包：统计：分析：图表：遗忘指数与优先级 。在这个例子中，在任何时候对集合中的所有元素进行随机测试，92.4937%的材料都应该被召回。你可以用随机测试来测试你的保留，看看SuperMemo的估计是否准确。如果你最近滥用了诸如Postpone或Mercy等重新安排时间的工具，这个统计数字可能过于乐观。。*
测量的 FI
在重复次数中记录的测量的遗忘指数的值。括号内的数字表示当天的测量的FI。在有大量项目超载的文集中，测量的遗忘指数可能比整个文集的整体遗忘指数低很多，这是因为重复的内容主要包括高优先材料。当从更随机的排序过渡到更优先的排序（由排序标准决定），或者当知识形成和记忆技能提高时，它也可能低于要求的遗忘指数，而这一事实可以反映在遗忘曲线上。测量的 FI高于**平均FI**的情况也不少见。这是由三个因素造成的。
1.每个用户都会时不时地遇到重复的延迟（例如，由于使用**Postpone**）。
2.超负荷的增量阅读过程中的低优先级材料被安排在比最佳间隔更长的间隔中，并且
3.SuperMemo 对间隔的长度施加了一些限制，在某些情况下，使得它安排的重复次数比遗忘指数所暗示的要晚。例如，计算间隔中的约束，阻止了新的间隔比旧的间隔短（假设项目没有被遗忘）。对于遗忘指数的低值和困难的项目，新的最佳区间可能经常比旧的短!测量的FI可以通过**工具包：统计：重置参数：遗忘指数记录**来重置。
在提出的例子中，平均有 14.63% 的项目重复以低于通过(3)的成绩结束（因为测量的遗忘指数记录最后被重置）。2019年4月1日，到目前为止，没有任何一次重复以失败告终（即成绩低于Pass）。
R-Metric
两种间隔重复算法在成绩打分之前，根据其预测回忆的能力，对性能的绝对衡量。在SuperMemo 18中，R-Metric仅用于比较算法SM-15（从SuperMemo 16中得知）和新的算法SM-18 。它在统计和**工具包 : 统计 : 分析 : 使用 : 效率 : R-计量 **中以百分比显示。R-Metric是两种算法性能的差异：R-Metric=LSRM(Alg-15)-LSRM(Alg-18)，其中LSRM是给定算法的最小二乘法预测召回措施。R-Metric大于零表明[算法SM-18]（https://supermemo.guru/wiki/Algorithm_SM-18）的优越性。R-Metric小于零表示新算法的表现不佳。LSRM是召回率预测的平方绝对差异的平均值的平方根。abs(Recall-PredictedRecall)，其中Recall对于不及格的成绩为 0，Recall对于合格的成绩为1。PredictedRecall是算法在[重复]之前发出的预测(https://help.supermemo.org/wiki/Glossary:Repetition)。在算法SM-18中，预测是取自[Recall]矩阵的值和从S(稳定性)和使用的区间计算的R(可检索性)的加权平均。使用的权重是基于先前的重复案例，这些案例告知了Recall[]矩阵预测的重要性（预测随着先前重复数据的增加而变得更有意义）。
-
R-Metric=LSRM（Alg-15）-LSRM（Alg-18） -
`LSRM(Alg)=sqrt(sum(sqr(ARD)))'
-
ARD=abs(Recall-PredictedRecall) -
等级>=3时，"记忆 "为1，等级<3时，"记忆 "为0
-
预测召回在
超级备忘录18
:
-
权重*召回[]+（1-权重）**R-
权重（0...1）"取决于之前的重复案例的数量
-
R=exp(-kt/s)
-
-
在这种情况下，18.0899%的 R-Metric 显示出算法SM-18在那一天（2019年4月1日）比算法SM-15有巨大优势。
警报
距离下一次闹钟的时间和闹钟响起的时间（要了解更多关于闹钟的信息，请看。计划）。这个字段是可编辑的。要改变报警设置，请点击该字段并输入新的时间（以分钟为单位）（例如21.5将设置报警在21分30秒后响起）。要结束编辑，请按Enter。在这个例子中，警报将在20分21秒后的00:52:13（即午夜后52分钟）响起。
负担
对每天重复的项目和主题的平均数量的估计。这个数值等于所有区间倒数之和（即1/区间）。这个数字的解释如下：每个项目的间隔为100天，平均每天重复1/100次。因此，间隔的倒数之和是收藏中总的重复工作量的良好指标。所介绍的文集每天需要153个项目重复，每天需要758个主题回顾。在增量阅读中，在这个过程中出现许多超出自己能力的元素是很平常的。自动延期可以用来卸载多余的主题，以及减少低优先级项目的负载。推迟使负担的统计数字出现偏差。主题经常挤在较低的间隔，并定期用*推迟或自动推迟***进行重新洗牌。
负担 +/-
上述**负担参数在某一天的变化。在这里，2019年4月1日，平均每天预期的重复次数略有减少（即减少1.5项）。主题](https://help.supermemo.org/wiki/Glossary:Topic)的负担也减少了（即减少了近166个主题）。负担变化的典范解释。比方说，负担减少了39（负担变化为-39）。为了减少39个负担，我们需要审查78个元素，间隔从1天增加到2天（78/0.5=39）。然而，我们同样可以对2344个元素执行推迟*，间隔从10天增加到12天（2344*(1/10-1/12)=39）*。
平均工作量
平均每天花在回答问题上的时间（从学习的第一天开始）。*对于所提出的集合，从2019年4月1日到1987年12月15日最开始的重复这段时间内，学生平均每天花16分钟59秒回答项目。
Exp Workload
对某一[集合]中用于回答问题的平均每日时间的估计(https://help.supermemo.org/wiki/Glossary:Collection)。
Exp Workload=（项目负担）*Avg time
在提出的集合中，每天153个项目重复（负担+/-），每个需要10.241秒（平均时间），因此每天重复时间估计为26分钟10秒。由于评分、编辑、审查文集和各种干扰，真正的学习时间可能要长一倍。在增量阅读中，由于题目复习没有考虑到Exp Workload参数，学习时间将进一步增加。如果经常使用*推迟**，实际学习时间也可能被削减*。
时间
某一天的总问题回复时间和总会议时间（括号内）。在这里，2019年4月1日回应问题所需的总时间是 2 分 11 秒。在同一天，SuperMemo已经运行了2小时9分47秒（即使你只是保持SuperMemo运行，这个值也会增加）。
平均时间
平均响应时间（秒）。这是显示问题（或类似问题）和选择显示答案（或类似答案）之间的时间。如果你在按下显示答案前开始编辑问题，则计时器不会停止。在提出的集合中，回答一个问题的平均时间约为10.241秒。如果这个数字增长超过15-20秒，你可能需要分析你的学习材料，如果它不是过于困难或结构不好。
总时间
在[集合]中回答问题所花费的总时间(https://help.supermemo.org/wiki/Glossary:Collection)。对于用SuperMemo 98或更早创建的集合来说，这个时间是无法准确测量的（只有在SuperMemo 99中才可以测量）。如果你升级了旧的集合，这个数字将大致为你所猜测。SuperMemo将从[项目]的总数(https://help.supermemo.org/wiki/Glossary:Item)、[重复]的平均数(https://help.supermemo.org/wiki/Glossary:Repetition)、[失效]的平均数(https://help.supermemo.org/wiki/Glossary:Lapse)和平均重复时间得出这个时间。在所介绍的例子中，在 31 年的学习中，在重复过程中回答问题总共花了134天以上。
遗忘次数
个别项目在集合中被遗忘的平均次数（只有记忆的元素是平均的）。括号里的数字表示某一天的遗忘次数。*这里平均一个项目被遗忘了0.49800次。在 2019 年 4 月 1 日，到目前为止，没有一个项目的评分低于通过(3)。
速度
平均知识获取率，即每日工作每分钟每年记忆的项目的数量（只计算回答项目问题）。最初，这个值可能高达100,000条/年/分钟（特别是如果你在真正衡量程序的局限性以及人类记忆的局限性之前就热情地开始使用该程序）。这个参数后来应该稳定在 40 到 400 条/年/分钟之间。
速度=（记忆的项目/天）/（重复时间）**365
在提出的收集中，每天每分钟的工作都会导致每年有 354 个新的项目被记住。
平均成本
记忆一个项目的时间成本，即总的学习时间除以记忆的项目的数量。
平均成本=总时间/记忆的项目
*在所提出的例子中，每个单一项目的总重复时间是 1 分 1 秒，这是它对不间断的近135天重复的总时间的贡献。编辑、馆藏重组、渐进阅读等的成本不包括在平均成本参数中。
期望成本
Exp Cost=Exp Workload/(Memorized items/Day)
在所介绍的集合中，每天新记忆的18个项目中的每一个都贡献了 2 分11秒的重复次数，每天的总工作量超过26分钟。由于这个数值是由*负担得出的，如果你经常使用推迟**，它可能被高度高估（例如在增量阅读中）*。
间隔 (I)
在收藏中，记忆项目的平均间隔。在这里，一个平均记忆的项目已经达到了 9 年10个月18天的重复间隔。
间隔 (T)
在集合中，记忆的主题的平均间隔。在这里，一个平均记忆的主题已经达到了 6 年 10 个月 13 天的重复间隔。
重复次数
在文集中，每个记忆项目(I)和主题(T)的平均重复次数/评论。在这里，平均项目被重复了 3.197 次，而平均主题被评论了2.369次。
代表数
在藏品中的项目的总计数。在所介绍的藏品中，有 957 个以上的项目被重复了。这几乎是每个记忆项目的5次重复。这包括被重置、遗忘、驳回、删除等的重复项目。
最后一次代表(I)
在收藏中的记忆项目中，最后一次[重复]的平均日期(https://help.supermemo.org/wiki/Glossary:Repetition)。这里，最后一次重复的平均日期是 2009 年7月17日。
最后一次代表 (T)
最后一次复习的平均日期在收藏专题中。这里的最后一次复习的平均日期是2012年8月 15 日。
下一个代表(I)
在收集的记忆项目中，下一次[重复]的平均日期(https://help.supermemo.org/wiki/Glossary:Repetition)。
下一个报告(I)=最后一个报告(I)+间隔(I)
这里，下一次重复的平均日期是 2019 年 6 月 3 日或2009年7月17日之后的3,609天。
下一次重复 (T)
下一个报告(T)=最后一个报告(T)+间隔(T)
这里，下一次审查的平均日期是2019年6月29日或2012年8月15日之后的2510天。
等待
尚未被引入学习过程并等待记忆的元素（主题或项目）的数量（通过**学习、记忆**、计划等操作）。所有的待定元素都被保存在所谓的待定队列中，它决定了学习新元素的顺序。解除的元素不保留在待定队列中。*在这个例子中，集合不包含待定元素。有了增量阅读，待定队列在SuperMemo中的作用正在减弱。
搁置
被排除在学习过程之外，只作为参考材料、知识树中的文件夹或任务清单的元素的数量。解散的项目既不是待定的也不是记忆的。所有的任务默认为驳回，也就是说，它们通常不参与重复。在这个例子中，超过91,000个元素已经被驳回。
平均遗忘指数
整个集合中的平均请求遗忘指数（括号中的数字是默认遗忘指数）。如果个别元素的遗忘指数没有被手动改变，平均FI等于**工具包：选项：学习：遗忘指数（默认）中设定的默认遗忘指数。默认的遗忘指数](https://supermemo.guru/wiki/Forgetting_index_in_SuperMemo#default_forgetting_index)是给所有添加到集合的新项目的要求的遗忘指数。遗忘指数，一般来说，是指在重复过程中没有被记住的项目的比例。遗忘指数](https://help.supermemo.org/wiki/Glossary:Forgetting_index)的值越低，对元素的记忆就越好，但需要更多的重复次数来保持它的记忆。最佳的遗忘指数值是在7%到13%之间。太低的遗忘指数会使学习变得太累，因为重复的数量大得令人望而却步。所有的元素都可以单独设置其期望的遗忘指数。改变大量元素的遗忘指数的最简单方法是在子集操作中使用遗忘指数 **选项。在提出的例子中，平均遗忘指数为10.00%，而默认遗忘指数为10%。见。使用遗忘指数
完成
假设目前学习新项目的速度，待定队列中所有元素将被记忆的预期日期。如果你正在记忆大型现成的集合，如高级英语，这个参数就特别有用。对于**待定**=0，这个字段的值是今天。
完成=日期+(待定/(已记忆项目/日))
A-Factor
在集合的记忆项目(I)和主题(T)中，A-Factor的平均值。对于项目，A-Factor是算法SM-15中难度的一个衡量标准。A-Factor](https://help.supermemo.org/wiki/Glossary:A-Factor)越高，项目越容易。对于题目来说，A-Factor是**当前间隔应乘以的数字，以获得下一个间隔的值。在提出的集合中，项目的平均A-Factor是4.09。这表明文集的结构相当好，因此材料相对容易记忆。主题](https://help.supermemo.org/wiki/Glossary:Topic)的平均A-Factor为1.228。
补充说明
-
卡片不仅在标准重复期间被添加到最终演练，当你对一个元素的评分低于良好(4)。诸如记忆（Ctrl+M）、冻结（Alt+Z）和添加到钻头（Shift+Ctrl+D）等操作也会添加到【最终钻头队列】(https://help.supermemo.org/wiki/Glossary:Final_drill_queue)。只有当你取消了**工具包：选项：学习：跳过最终演练**，才会自动创建最终演练队列
-
统计窗口的一些字段可以被编辑。比如说。警报，总时间，报告数，等等。要编辑一个条目，点击它，输入新的数值，然后按Enter。如果该条目不能被修改，SuperMemo会警告你（例如："保留率条目不能被修改"）。
统计学上下文菜单
要打开上下文菜单：
-
右键点击窗口中的任何地方
-
点击[工具栏]中的第一个按钮（https://help.supermemo.org/wiki/Statistics#Toolbar）。
上下文菜单项目：