# 2026માં Anki માટે શ્રેષ્ઠ FSRS સેટિંગ્સ: યાદ રાખવાનું લક્ષ્ય, શીખવાના તબક્કા અને રિવ્યૂનો ભાર

*2026-04-25*

Ankiમાં યાદ રાખવાનું ઇચ્છિત લક્ષ્ય 90%થી વધારીને 95% કરવું નાનો ફેરફાર લાગે છે. પણ તેનો અર્થ કામમાં માત્ર પાંચ ટકાનો વધારો થતો નથી. લક્ષ્ય વધે તેમ FSRSએ રિવ્યૂ વચ્ચેના અંતર ઘટાડવા પડે છે, અને લાંબા સમયથી વપરાતા કાર્ડ સંગ્રહમાં રિવ્યૂની કતાર ઘણી મોટી થઈ શકે છે. જો સાથે **Reschedule cards on change** ચાલુ કરો, તો આ વધારાના કામનો થોડો ભાગ તરત જ સામે આવી શકે છે.

એટલે શ્રેષ્ઠ FSRS સેટિંગ્સ એટલે કૉપી કરી શકાય એવી પેરામીટરની કોઈ તૈયાર લાઇન નહીં. તે ક્રમસર લેવાના નિર્ણયો છે: તમે નિયમિત રીતે કેટલું કામ કરી શકો તે નક્કી કરો, એ મર્યાદામાં યાદ રાખવાનું લક્ષ્ય પસંદ કરો, તમારા પોતાના રિવ્યૂ ઇતિહાસ પ્રમાણે મોડેલ ગોઠવો, અને હાલની રિવ્યૂ તારીખો ફરી ગણવાની ઇચ્છા હોય ત્યારે જ તેમને બદલો.

નીચે આપેલા વિકલ્પોનાં નામ અને તેમની કામગીરી [Anki 26.08 રિલીઝ](https://github.com/ankitects/anki/releases/tag/26.08) અને તેના FSRS-6 નિયંત્રણો પ્રમાણે છે. સેટિંગ્સ પહેલાં મોડેલ સમજવું હોય તો [FSRS શું છે?](/blog/what-is-fsrs/) વાંચો. હજી શેડ્યૂલર પસંદ કરતા હો તો [FSRS અને SM-2ની સરખામણી](/blog/fsrs-vs-sm-2/)થી શરૂઆત કરો.

> **જાહેર નોંધ:** હું કિરિલ માર્કિન છું અને [Nibomo](/gu/features/) બનાવું છું. Anki વ્યક્તિગત રિવ્યૂ ઇતિહાસ પ્રમાણે પેરામીટર ગોઠવવાની અને અભ્યાસના ભારનું પ્રાયોગિક સિમ્યુલેશન કરવાની સુવિધા આપે છે; Nibomo હાલમાં આ સુવિધાઓ આપતું નથી. લેખના અંત તરફની સરખામણીમાં આ તફાવતો સ્પષ્ટ રાખ્યા છે.

**તથ્યોની ચકાસણી:** 8 સપ્ટેમ્બર, 2026.

![નહેરના લૉકનો સંચાલક અસલ લૉકમાં ફેરફાર કરતાં પહેલાં તેના નાના નમૂનામાં પાણીનો પ્રવાહ તપાસે છે](/blog/fsrs-settings-v2.png)

## ટૂંકો જવાબ: અહીંથી શરૂ કરો

મોટાભાગના Anki વપરાશકર્તાઓ માટે આ સલામત પ્રારંભિક પસંદગીઓ છે; દરેકને સરખી રીતે લાગુ પડતાં સેટિંગ્સ નથી:

| સેટિંગ અથવા ટેવ | શરૂઆત માટે સલામત પસંદગી | કારણ |
| --- | --- | --- |
| યાદ રાખવાનું ઇચ્છિત લક્ષ્ય | `0.90` | આ Ankiનું ડિફૉલ્ટ છે અને યાદ રહેવાના પ્રમાણ તથા રિવ્યૂના ભાર વચ્ચે સંતુલન રાખે છે. |
| FSRS પેરામીટર | **Optimize Current Preset** વાપરો; વેઇટ્સ પેસ્ટ ન કરો કે હાથેથી ન બદલો | ઑપ્ટિમાઇઝર તમારા રિવ્યૂ ઇતિહાસ પ્રમાણે મોડેલ ગોઠવે છે. |
| ઑપ્ટિમાઇઝેશન કેટલી વાર કરવું | વધુમાં વધુ મહિને એક વાર; સામાન્ય રીતે દર થોડા મહિને પૂરતું છે | Anki વારંવાર ઑપ્ટિમાઇઝ કરવાની ભલામણ કરતું નથી. |
| શીખવાના તબક્કા | એ જ દિવસે પૂરા થઈ શકે એવા થોડા તબક્કા રાખો | લાંબી તબક્કાવાર શ્રેણી મોડેલ આધારિત શેડ્યૂલ શરૂ થવામાં વિલંબ કરે છે. |
| ફરી શીખવાના તબક્કા | શક્ય તેટલા ઓછા અને એક દિવસથી ટૂંકા રાખો | રિવ્યૂ કાર્ડનો જવાબ યાદ ન આવે પછી પણ એ જ મર્યાદા લાગુ પડે છે. |
| ફેરફાર પર કાર્ડ ફરી શેડ્યૂલ કરવા | બંધ | આજની કતાર ફરી બનાવ્યા વિના નવા સેટિંગ્સ ભવિષ્યના રિવ્યૂ દ્વારા લાગુ થઈ શકે છે. |
| મહત્તમ અંતર | 100 વર્ષનું ડિફૉલ્ટ રાખો | નાની મર્યાદા સારી રીતે શીખી લીધેલાં કાર્ડને વધુ વાર પાછાં લાવે છે. |
| દરરોજ નવા કાર્ડ | તમે નિયમિત રીતે સંભાળી શકો એટલા કામ પ્રમાણે નક્કી કરો | દરેક નવું કાર્ડ અત્યારે શીખવાનું કામ અને પછી રિવ્યૂનું કામ ઉમેરે છે. |
| Again અને Hardનો તફાવત | Again એટલે જવાબ યાદ ન આવ્યો; Hard એટલે મુશ્કેલીથી પણ સાચો જવાબ યાદ આવ્યો | ખોટું રેટિંગ મોડેલને ખોટો ઇતિહાસ આપે છે. |

જો રિવ્યૂ સંભાળી શકાય એટલા છે અને તમારી ગોઠવણી આની નજીક છે, તો કદાચ કંઈ સુધારવાની જરૂર જ નથી. સેટિંગ્સ ગોઠવતા રહેવું એ અભ્યાસ નથી.

## ત્રણ નિર્ણયો અલગ રાખો

લોકો ઘણી વાર યાદ રાખવાનું લક્ષ્ય, FSRS પેરામીટર અને રોજના કામના ભારને એક જ બાબત ગણે છે. પણ તે જુદી બાબતો નિયંત્રિત કરે છે:

- **યાદ રાખવાનું ઇચ્છિત લક્ષ્ય** એટલે રિવ્યૂ વખતે જવાબ યાદ આવવાની તમારી ઇચ્છિત સંભાવના. તે તમારા હેતુ અને અભ્યાસ માટે મળતા સમય પરથી પસંદ કરો.
- **FSRS પેરામીટર** રિવ્યૂ ઇતિહાસ પ્રમાણે સ્મૃતિનું મોડેલ ગોઠવે છે. Ankiનું ઑપ્ટિમાઇઝર તેમની ગણતરી કરે છે.
- **નવા કાર્ડ અને રિવ્યૂની મર્યાદાઓ** સિસ્ટમમાં કેટલી નવી સામગ્રી આવે અને દરરોજ Anki કેટલું બાકી કામ બતાવી શકે તે નિયંત્રિત કરે છે.

આ તફાવત સમજવાથી સમસ્યા શોધવી ઘણી સરળ બને છે. મોટી કતાર હોવાનો અર્થ આપમેળે પેરામીટર ખોટા છે એવો નથી. ખૂબ અગત્યના ડેક માટે અલગ પેરામીટર પ્રીસેટ જરૂરી જ હોય એવું પણ નથી. અને નવા કાર્ડ ઉમેરવાનો દર પહેલેથી જ સંભાળી શકાય એવો ન હોય, તો યાદ રાખવાનું લક્ષ્ય ઘટાડવાથી એ સમસ્યા ઉકેલાશે નહીં.

## યાદ રાખવાનું લક્ષ્ય કામના ભાર પરથી પસંદ કરો

યાદ રાખવાનું ઇચ્છિત લક્ષ્ય (Desired retention, અથવા રિટેન્શન) FSRSને જણાવે છે કે રિવ્યૂ કાર્ડની નિયત તારીખે તમને તેનો જવાબ યાદ આવવાની કેટલી સંભાવના જોઈએ છે. `0.90` પર FSRS અંદાજિત 90% સંભાવના આસપાસ શેડ્યૂલ બનાવે છે. આ મોડેલ માટેનું લક્ષ્ય છે; દરેક સત્ર કે પરીક્ષામાં ચોક્કસ 90% જવાબો સાચા આવશે તેની ખાતરી નથી.

લક્ષ્ય વધારવા અને ઘટાડવાની અસર જુદી પડે છે:

- લક્ષ્ય વધારો તો અંતર ટૂંકાં થાય અને રિવ્યૂ વધે.
- લક્ષ્ય ઘટાડો તો અંતર લાંબાં થાય અને જવાબ ભૂલવાના કિસ્સા વધે.
- લક્ષ્ય બહુ ઓછું રાખો તો ભૂલેલા જવાબો ફરી શીખવામાં તમે બચાવવા ધારેલો થોડો સમય વપરાઈ શકે છે.

Ankiનું ડિફૉલ્ટ 90% છે. તેની [ઇચ્છિત રિટેન્શન માટેની માર્ગદર્શિકા](https://docs.ankiweb.net/deck-options.html#desired-retention) ચેતવે છે કે લક્ષ્ય 100%ની નજીક જાય તેમ કામનો ભાર ઝડપથી વધે છે, અને 97%થી નીચે રહેવાની ભલામણ કરે છે. [યોગ્ય રિટેન્શન વિશેનું સત્તાવાર સ્પષ્ટીકરણ](https://github.com/open-spaced-repetition/fsrs4anki/wiki/The-optimal-retention) આ સંબંધનું બીજું પાસું સમજાવે છે: ખૂબ ઓછું રિટેન્શન પણ બિનકાર્યક્ષમ બની શકે છે, કારણ કે ભૂલી ગયેલાં કાર્ડ પર વધુ કામ કરવું પડે છે.

`0.90`થી શરૂ કરો અને કામનો ભાર જોયા પછી જ તેને બદલો. જે સામગ્રી ભૂલવાથી ખરેખર નુકસાન થાય તેના માટે ઊંચું લક્ષ્ય યોગ્ય હોઈ શકે. રિવ્યૂ વધુ ઉપયોગી અભ્યાસનો સમય ખાઈ જતા હોય તો નીચું લક્ષ્ય યોગ્ય હોઈ શકે. પરંતુ આ બંનેમાંથી કોઈ ફેરફાર અસ્પષ્ટ કાર્ડ, વાસ્તવિક યાદશક્તિને ન દર્શાવતાં રેટિંગ અથવા વધારે પડતાં નવા કાર્ડની સમસ્યા ઉકેલતો નથી.

### ડેકનું રિટેન્શન અને પ્રીસેટના પેરામીટર અલગ સ્તરે લાગુ પડે છે

Anki 26.08માં **Desired retention** માટે બે વિકલ્પ છે: **Shared Preset** અને **This deck**. એટલે સંબંધિત ડેક માટે એક જ પેરામીટર પ્રીસેટ રાખીને પણ કોઈ ખાસ ડેકનું રિટેન્શન લક્ષ્ય અલગ રાખી શકો છો.

ભૂલવાની કિંમત જુદી હોય ત્યારે આ અલગ લક્ષ્ય વાપરો. ઉદાહરણ તરીકે, બંને ડેક એક જ ગોઠવાયેલું મોડેલ વાપરતા હોય છતાં લાઇસન્સ માટેની પરીક્ષાના ડેકનું લક્ષ્ય ઓછી અગત્યની સંદર્ભ સામગ્રીના ડેક કરતાં ઊંચું રાખવું યોગ્ય હોઈ શકે.

**This deck** પસંદ કરવાથી FSRS પેરામીટર તે ડેક પૂરતા મર્યાદિત થતા નથી. ડિફૉલ્ટ રીતે Anki વર્તમાન પ્રીસેટ સાથે જોડાયેલા બધા ડેકના રિવ્યૂ ઇતિહાસ પરથી પેરામીટર ગોઠવે છે. જો ડેકનાં જૂથોની તમને અનુભવાતી મુશ્કેલીમાં બહુ મોટો તફાવત હોય, તો તેમને અલગ ગોઠવવા માટે અલગ પ્રીસેટ બનાવવાની સુવિધા ઉપલબ્ધ છે.

## Help Me Decide અને Simulatorને જુદા પ્રશ્નો માટે વાપરો

Anki 26.08માં બે અલગ પ્રાયોગિક સાધનો છે:

- **Help Me Decide (Experimental)** તમારા પોતાના ડેટા પરથી રિટેન્શન અને કામના ભારનો સંબંધ દર્શાવતો ગ્રાફ બતાવે છે. તેનો ઉપયોગ એ જાણવા કરો કે, “હું નિયમિત રીતે કરી શકું એટલા રિવ્યૂ કે આપી શકું એટલી મિનિટોમાં કયું રિટેન્શન લક્ષ્ય યોગ્ય રહેશે?”
- **FSRS Simulator (Experimental)** કોઈ ગોઠવણી સમય જતાં કેવી રીતે કામ કરી શકે તેનો અંદાજ આપે છે. રિટેન્શન, નવા કાર્ડ ઉમેરવાનો દર, રિવ્યૂની મર્યાદા અને મહત્તમ અંતરમાં ફેરફારોની સરખામણી માટે તેનો ઉપયોગ કરો.

[FSRS Simulatorના દસ્તાવેજોમાં](https://docs.ankiweb.net/deck-options.html#the-simulator) તેની મુખ્ય ઇનપુટ આ પ્રમાણે છે:

- કેટલા દિવસનું સિમ્યુલેશન કરવું
- સિમ્યુલેશનમાં કેટલાં વધારાનાં નવા કાર્ડ ઉમેરવાં
- દરરોજ નવા કાર્ડની સંખ્યા
- દરરોજ મહત્તમ રિવ્યૂ
- મહત્તમ અંતર
- ઇચ્છિત રિટેન્શન અને પ્રીસેટના FSRS પેરામીટર

સિમ્યુલેશન પ્રીસેટમાંનાં કાર્ડની વાસ્તવિક સ્મૃતિસ્થિતિ પણ વાપરે છે. એટલે લાંબા સમયથી વપરાતા સંગ્રહ માટે, આજના બાકી રિવ્યૂની સંખ્યાને કોઈ સામાન્ય ટકાવારીથી ગુણવા કરતાં તે વધુ ઉપયોગી છે.

હાલ વપરાતી ગોઠવણી બદલતાં પહેલાં ત્રણ પરિસ્થિતિનું સિમ્યુલેશન કરો:

1. તમારું હાલનું રિટેન્શન અને નવા કાર્ડ ઉમેરવાનો દર.
2. તમે વિચારી રહ્યા છો તે રિટેન્શન લક્ષ્ય.
3. એ જ લક્ષ્ય, પણ દરરોજ ઓછાં નવા કાર્ડ સાથે.

ત્રીજી વારનું સિમ્યુલેશન એક સામાન્ય વિકલ્પ તપાસે છે: યાદ રાખવાનું લક્ષ્ય જાળવો અને નવી સામગ્રી ઉમેરવાની ગતિ ધીમી કરો. જો અંદાજ મુજબ એટલું કામ તમે સંભાળી શકો, તો માત્ર કતાર નાની કરવા માટે વધુ ભૂલવાનું સ્વીકારવાની જરૂર નથી. નવા કાર્ડ ઉમેરવા વિશે વધુ વિગત માટે [દરરોજ કેટલાં નવાં ફ્લેશકાર્ડ ઉમેરવાં?](/blog/how-many-new-flashcards-per-day/) વાંચો.

બંને સાધનો અંદાજ આપે છે. રિવ્યૂના છૂટી ગયેલા દિવસો, બદલેલાં કાર્ડ, નવી સામગ્રી અને રેટિંગ આપવાની ટેવમાં ફેરફારને કારણે વાસ્તવિક કામનો ભાર ગ્રાફથી જુદો પડી શકે છે. દિશા પસંદ કરવા માટે સરખામણી વાપરો; મહિનાઓ પછી કતાર ચોક્કસ કેટલી હશે તેની ખાતરી માટે નહીં.

જૂની માર્ગદર્શિકાઓમાં **Compute Minimum Recommended Retention**, એટલે કે CMRRનો ઉલ્લેખ હોઈ શકે છે. Ankiએ આ સુવિધા વર્ઝન 25.07માં દૂર કરી હતી. ઇચ્છિત રિટેન્શન પસંદ કરવાની આ હાલની પદ્ધતિ નથી.

## તમારા પોતાના ઇતિહાસ પરથી FSRS પેરામીટર ઑપ્ટિમાઇઝ કરો

ઇચ્છિત રિટેન્શન તમારું લક્ષ્ય જણાવે છે. FSRS પેરામીટર મોડેલ તમારા રિવ્યૂ સાથે કેવી રીતે બંધબેસે છે તે દર્શાવે છે.

Anki 26.08માં સક્રિય પ્રીસેટના પેરામીટર ગોઠવવા **Optimize Current Preset** વાપરો. ડિફૉલ્ટ રીતે Anki તે પ્રીસેટ વાપરતા દરેક ડેકનો રિવ્યૂ ઇતિહાસ સામેલ કરે છે; મોડેલ ગોઠવવા માટે નાનો સમૂહ જોઈએ તો સર્ચ બદલી શકો છો. **Optimize All Presets** એક જ ક્રિયામાં બધા પ્રીસેટ અપડેટ કરે છે.

વેઇટ્સ જાતે ન લખો અને Reddit, વિડિયો કે બીજા કોઈના ડેકમાંથી કૉપી ન કરો. તેમનાં કાર્ડ, રિવ્યૂનો સમય અને રેટિંગની ટેવ તમારા ઇતિહાસ જેવા નથી. [FSRS-6 વેઇટ્સ](https://github.com/open-spaced-repetition/awesome-fsrs/wiki/The-Algorithm#fsrs-6)ની સરસ ગોઠવેલી એક લાઇન કૉપી કરવાથી બીજાને કામ આવેલી અભ્યાસની રીત તમને પણ કામ આવશે એવું નથી.

નોંધપાત્ર નવો રિવ્યૂ ઇતિહાસ એકત્ર થાય પછી જ ફરી ઑપ્ટિમાઇઝ કરો. Ankiનું મેન્યુઅલ કહે છે કે મહિને એક વાર પૂરતું છે, જ્યારે 26.08ની એપની અંદરની સૂચના કહે છે કે દર થોડા મહિને એક વાર પૂરતું છે. વ્યવહારમાં નિષ્કર્ષ એક જ છે: દર અઠવાડિયે ઑપ્ટિમાઇઝ કરવાનું કારણ નથી, તો દરેક સત્ર પછી કરવાની તો જરૂર જ નથી.

### વર્તમાન પ્રીસેટ સાથે હેલ્થ ચેક વાપરો

FSRS વર્તમાન પ્રીસેટના ઇતિહાસને કેટલું સારી રીતે બંધબેસી શકે તે Anki પાસે તપાસાવવું હોય ત્યારે **Check health when optimizing (slow)** ચાલુ કરો. આ તપાસ **Optimize Current Preset** સાથે ચાલે છે, **Optimize All Presets** સાથે નહીં.

પરિણામ નબળું આવે તો વેઇટ્સ બદલતાં પહેલાં ડેટા તપાસો. [Ankiની FSRS પેરામીટર માર્ગદર્શિકા](https://docs.ankiweb.net/deck-options.html#fsrs-parameters) સામાન્ય કારણો જણાવે છે: થોડાક સો રિવ્યૂ કરતાં પણ ઓછો ઇતિહાસ, જવાબ યાદ ન આવે છતાં Hard દબાવવું, અને જવાબ યાદ ન આવે ત્યારે Again ન દબાવવું. ઉપયોગી ઇતિહાસ ઓછો હોય તો બીજાના પેરામીટર લેવાને બદલે ડિફૉલ્ટ રાખો અને પછી ઑપ્ટિમાઇઝ કરો.

## Again એટલે જવાબ યાદ ન આવ્યો; Hard એટલે સાચો જવાબ આવ્યો

આ ટેવ કોઈ પણ સેટિંગ જેટલી જ અગત્યની છે.

જરૂરી જવાબ આપી ન શકો અથવા ખોટો જવાબ આપો ત્યારે **Again** વાપરો. સાચો જવાબ યાદ આવ્યો હોય, પણ ઘણી મહેનત કે અચકાટ સાથે, ત્યારે જ **Hard** વાપરો. Good અને Easy પણ સફળતાનાં રેટિંગ છે.

Again પછીનું ટૂંકું અંતર ટાળવા Hard દબાવવાથી નિષ્ફળતા પછી સફળતાની નોંધ થાય છે. FSRS પછી ખોટી ઘટના પરથી શીખે છે. બટનોની ઉપર દેખાતાં અંતરમાંથી તમને ગમે તે પસંદ કરવા કરતાં, ખરેખર જવાબ કેટલો યાદ આવ્યો તે દર્શાવતું બટન પસંદ કરો.

અસ્પષ્ટ કાર્ડ પર સાચું રેટિંગ આપવું વધુ મુશ્કેલ બને છે. જો પ્રશ્ન પાંચ તથ્યો પૂછે અને તમને ચાર યાદ આવે, તો શેડ્યૂલની સમસ્યા કાર્ડ લખતી વખતે જ શરૂ થઈ ગઈ હતી. કાર્ડને ભાગોમાં વહેંચો અથવા ફરી લખો. વારંવાર રિવ્યૂ છતાં યાદ ન રહેતાં કાર્ડ માટે [વારંવાર ભૂલાતાં ફ્લેશકાર્ડ કેવી રીતે સુધારવાં](/blog/how-to-fix-leech-flashcards/) વાંચો.

## FSRSના શીખવાના તબક્કા ટૂંકા રાખો—અથવા સમજીને ખાલી રાખો

શીખવાના અને ફરી શીખવાના તબક્કા નિયમિત લાંબા ગાળાનું શેડ્યૂલ શરૂ થાય તે પહેલાં કાર્ડને ટૂંકા સમયમાં પાછું લાવે છે. તે રિટેન્શનનું બીજું લક્ષ્ય નથી.

Ankiની FSRS માર્ગદર્શિકા બે મર્યાદા સૂચવે છે:

- દરેક તબક્કો એક દિવસથી ટૂંકો હોય અને એ જ દિવસે પૂરો કરી શકાય એવો હોય
- એક જ દિવસમાં પુનરાવર્તનોની સંખ્યા ઓછી રહે

`1m 10m 1d 3d` જેવી લાંબી શ્રેણી SM-2ની જૂની ટેવને FSRSમાં લઈ આવે છે. એક દિવસ કે તેથી લાંબા તબક્કા મોડેલ આધારિત શેડ્યૂલમાં વિલંબ કરે છે અને બટનો પર ગૂંચવણભર્યાં અંતર દેખાડી શકે છે; ઉદાહરણ તરીકે, Hard પર Good કરતાં લાંબું અંતર દેખાય.

તમારા અભ્યાસના સત્રોને બંધબેસે તો `1m 10m` જેવી ટૂંકી શ્રેણી અને ફરી શીખવા માટે `10m`નો તબક્કો સાવચેત શરૂઆત છે. એક જ દિવસે વધુ પુનરાવર્તનો કરવાં હંમેશાં વધુ સારું હોય એવું નથી.

Anki 26.08 શીખવાના કે ફરી શીખવાના તબક્કાનું કોઈ પણ ફીલ્ડ ખાલી રાખવા દે છે. FSRS ચાલુ હોય ત્યારે ખાલી ફીલ્ડ સંબંધિત ટૂંકા ગાળાનું શેડ્યૂલ FSRSને સોંપે છે. આ સુવિધા પ્રાયોગિક છે અને Again પછીનું અંતર એક દિવસ કે તેથી વધુ હોઈ શકે છે. કાર્ડ એ જ દિવસે પાછું આવશે તે નિશ્ચિત રાખવું હોય તો ટૂંકા તબક્કા જાતે રાખો; FSRS સમય નક્કી કરે તે જાણીને સ્વીકારતા હો ત્યારે જ ફીલ્ડ ખાલી કરો.

## ધીમે ધીમે ફેરફાર લાગુ કરવા Reschedule cards on change બંધ રાખો

**Reschedule cards on change** બંધ હોય—જે ડિફૉલ્ટ છે—ત્યારે FSRS ચાલુ કરવાથી અથવા ઇચ્છિત રિટેન્શન કે પેરામીટર બદલવાથી હાલની રિવ્યૂ તારીખો તરત બદલાતી નથી. ભવિષ્યમાં કાર્ડનો રિવ્યૂ થાય ત્યારે નવી ગોઠવણી લાગુ પડે છે, એટલે કતાર ધીમે ધીમે બદલાય છે.

આ વિકલ્પ ચાલુ રાખીને તેમાંથી કોઈ FSRS ફેરફાર સેવ કરો તો રિવ્યૂ તારીખો તરત ફરી ગણાય છે. નવા લક્ષ્ય અને કાર્ડની સ્થિતિ પ્રમાણે ઘણાં કાર્ડનો રિવ્યૂ એકસાથે બાકી થઈ શકે છે. Anki ફરી શેડ્યૂલ કરેલાં કાર્ડ માટે રિવ્યૂ નોંધો પણ ઉમેરે છે, એટલે સંગ્રહનું કદ વધે છે.

તમે હાલનું શેડ્યૂલ ખરેખર ફરી બનાવવા માગતા હો ત્યારે જ આ વિકલ્પ ઉપયોગી છે. લાંબા સમયથી વપરાતા સંગ્રહ માટે:

1. નવો બૅકઅપ બનાવો અને ફેરફાર પાછો કેવી રીતે લેવો કે બૅકઅપ કેવી રીતે પુનઃસ્થાપિત કરવો તે તમને આવડે છે તેની ખાતરી કરો.
2. સૂચિત સેટિંગ્સ સાથે Simulator ચલાવો.
3. ગોઠવણીમાં એક જ ફેરફાર પસંદ કરો; ઘણા પ્રયોગો ભેગા ન કરો.
4. સેવ કરતી વખતે હાલની તારીખો તરત બદલવા માગતા હો અને તેના પરિણામે આવતું કામ સંભાળી શકો ત્યારે જ ફરી શેડ્યૂલ કરવાનો વિકલ્પ ચાલુ કરો.

SM-2માંથી બદલાતી વખતે ફરી શેડ્યૂલ કરવાના હો તો Anki સ્પષ્ટપણે બૅકઅપ લેવાની ભલામણ કરે છે. [ફ્લેશકાર્ડનો બૅકઅપ લેવાની વિસ્તૃત માર્ગદર્શિકા](/blog/how-to-back-up-flashcards/) સમજાવે છે કે બૅકઅપ ફાઇલ જેટલી જ તેને પુનઃસ્થાપિત કરવાની રીત કેમ અગત્યની છે.

## મહત્તમ અંતર પૂરતું લાંબું રાખો

Ankiમાં મહત્તમ અંતર ડિફૉલ્ટ રીતે 100 વર્ષ છે. આ દરેક સારી રીતે શીખેલા કાર્ડને એક સદી સુધી ગાયબ રાખવાનું વચન નહીં, પણ ઉપરની મર્યાદા છે—આ સમજાય પછી આ આંકડો અજીબ લાગતો નથી.

મર્યાદા ઘટાડવાથી સારી રીતે યાદ હોય એવાં કાર્ડ વહેલાં પાછાં આવે છે અને કામ વધે છે. મર્યાદા પર પહોંચ્યા પછી Hard, Good અને Easy બધાં પર સરખું અંતર દેખાઈ શકે છે, કારણ કે કોઈ પણ મહત્તમ કરતાં આગળ જઈ શકતું નથી.

પરીક્ષાને કારણે ચોક્કસ સમયમર્યાદા હોય, વિષયવસ્તુ વારંવાર બદલાતી હોય અથવા વ્યવસાયિક નિયમ મુજબ યાદ રહેવાના અંદાજથી સ્વતંત્ર રીતે ફરી અભ્યાસ કરવો જરૂરી હોય, તો ટૂંકું મહત્તમ અંતર યોગ્ય હોઈ શકે. ચિંતાને કારણે નાનો આંકડો પસંદ કરવાને બદલે કૅલેન્ડર અને Simulator સાથે આ મર્યાદા ગોઠવો. [FSRS સાથે પરીક્ષાની તૈયારી કેવી રીતે કરવી](/blog/how-to-study-for-an-exam-with-fsrs/) એ ખાસ પરિસ્થિતિ સમજાવે છે.

સામાન્ય લાંબા ગાળાના અભ્યાસ માટે મર્યાદા લાંબી રાખો. યાદ આવવાની અંદાજિત સંભાવના પ્રમાણે રિવ્યૂ ક્યારે થવો જોઈએ તે ઇચ્છિત રિટેન્શન પહેલેથી જ નિયંત્રિત કરે છે.

## નવા કાર્ડ ઉમેરવાનો દર પણ કામના ભારનો ભાગ છે

FSRS રિવ્યૂને જુદા સમયે વહેંચી શકે છે; તે અમર્યાદિત નવા કાર્ડને સંભાળી શકાય એવા બનાવી શકતું નથી. દરેક નવું કાર્ડ અત્યારે શીખવાનું કામ અને પછી રિવ્યૂનું કામ ઉમેરે છે.

કતાર ખૂબ મોટી હોય ત્યારે ઇચ્છિત રિટેન્શન ઘટાડતાં પહેલાં આ બાબતો તપાસો:

- દરરોજ નવા કાર્ડની સંખ્યા
- એકસાથે આયાત કરેલાં કે જનરેટ કરેલાં ઘણાં કાર્ડ
- મહત્તમ રિવ્યૂની એવી મર્યાદા જે બાકી કામ વારંવાર છુપાવતી રહે છે
- વારંવાર ભૂલાતાં અને અસ્પષ્ટ કાર્ડ, જેમના પર ઘણા પ્રયત્નો વપરાય છે
- રિવ્યૂ કરવાના છૂટી ગયેલા દિવસો

ડેક વધવાનો છે તે જાણતા હો ત્યારે **Additional new cards to simulate** વાપરો. માત્ર આજના સંગ્રહ પર આધારિત અંદાજ મોટી આયાત પછીના કામનો ભાર બતાવશે નહીં.

અંદાજ બહુ ઊંચો હોય તો નવા કાર્ડ ઉમેરવાનું ઘટાડો અને ફરી સિમ્યુલેશન કરો. આમ શેડ્યૂલર પાસે વધુ ભૂલવાનું સ્વીકારવાની માગ કર્યા વિના યાદ રાખવાનું લક્ષ્ય જાળવી શકો છો.

## Anki અને Nibomoમાં FSRSના નિયંત્રણો જુદાં છે

બંને પ્રોડક્ટ FSRS-6 વાપરે છે, પણ Ankiના દરેક FSRS સેટિંગનો સમકક્ષ વિકલ્પ Nibomoમાં નથી.

| સુવિધા | Anki 26.08 | Nibomo |
| --- | --- | --- |
| ઇચ્છિત રિટેન્શન | **Shared Preset** અથવા **This deck** | દરેક વર્કસ્પેસ માટે ગોઠવી શકાય; ડિફૉલ્ટ `0.90` |
| FSRS પેરામીટર | રિવ્યૂ ઇતિહાસ પરથી **Optimize Current Preset** અથવા **Optimize All Presets** | સત્તાવાર FSRS-6 ડિફૉલ્ટ વેઇટ્સ નિશ્ચિત છે અને v1માં વપરાશકર્તા બદલી શકતા નથી |
| શીખવાના તબક્કા | ગોઠવી શકાય; ખાલી ફીલ્ડ દ્વારા FSRSને શેડ્યૂલ સોંપવું પ્રાયોગિક છે | દરેક વર્કસ્પેસ માટે ગોઠવી શકાય; ડિફૉલ્ટ `1m 10m` |
| ફરી શીખવાના તબક્કા | ગોઠવી શકાય; ખાલી ફીલ્ડ દ્વારા FSRSને શેડ્યૂલ સોંપવું પ્રાયોગિક છે | દરેક વર્કસ્પેસ માટે ગોઠવી શકાય; ડિફૉલ્ટ `10m` |
| મહત્તમ અંતર | ડિફૉલ્ટ 100 વર્ષ | ડિફૉલ્ટ 36,500 દિવસ, એટલે 100 વર્ષ |
| સેટિંગ્સમાં ફેરફાર | ડિફૉલ્ટ રીતે ભવિષ્યના રિવ્યૂ પર; હાલનું શેડ્યૂલ ફરી બનાવવાનો વિકલ્પ | માત્ર ભવિષ્યના રિવ્યૂ પર; હાલની તારીખો ફરી ગણાતી નથી |
| કામના ભારનાં સાધનો | **Help Me Decide (Experimental)** અને **FSRS Simulator (Experimental)** | v1માં આવું કામના ભારનું સિમ્યુલેટર નથી |

Nibomo પ્રમાણભૂત Again, Hard, Good અને Easy રેટિંગ વાપરે છે અને દરેક કાર્ડની FSRS સ્મૃતિસ્થિતિ સાચવે છે. તેના બૅકએન્ડ, iOS અને Android શેડ્યૂલરનાં અમલીકરણ અલગ છે, પણ તેમની કામગીરી સમાન રાખવામાં આવે છે; વેબ પરનો રિવ્યૂ પ્રવાહ ચોથી નકલ બનાવવાને બદલે બૅકએન્ડ શેડ્યૂલર જ વાપરે છે.

આ મર્યાદાઓ અને ડિફૉલ્ટ [Nibomoના જાહેર FSRS શેડ્યૂલિંગ સ્પેસિફિકેશનમાં](https://github.com/kirill-markin/flashcards-open-source-app/blob/main/docs/fsrs-scheduling-logic.md) લખેલાં છે. પસંદગી સ્પષ્ટ છે: Nibomo વર્કસ્પેસ સ્તરે વ્યવહારુ FSRS-6 ગોઠવણી આપે છે, જ્યારે Anki વધુ ચોક્કસ સ્તરે નિયંત્રણ, વ્યક્તિગત ઇતિહાસ પ્રમાણે ગોઠવણી અને સિમ્યુલેશન આપે છે. આ નિયંત્રણો તમારા માટે અનિવાર્ય હોય તો Anki વધુ યોગ્ય છે.

## લાંબા સમયથી વપરાતા સંગ્રહ માટે વધુ સલામત ક્રમ

તમારી પાસે પહેલેથી મહિનાઓ કે વર્ષોનો રિવ્યૂ ઇતિહાસ હોય તો આ ક્રમ વાપરો:

1. **રેટિંગનો અર્થ સાચો રાખો.** Again એટલે નિષ્ફળતા; Hard એટલે મુશ્કેલીથી મળેલી સફળતા.
2. **વર્તમાન પ્રીસેટ ઑપ્ટિમાઇઝ કરો.** વેઇટ્સ બદલવા કે કૉપી કરવાને બદલે તમારા પોતાના ઇતિહાસ પ્રમાણે ગોઠવો.
3. **જરૂર હોય તો હેલ્થ ચેક ચલાવો.** ઓછા કે અસંગત ઇતિહાસને ડેટાની સમસ્યા તરીકે જુઓ.
4. **Help Me Decide વાપરો.** તમે નિયમિત રીતે કરી શકો એટલા રિવ્યૂ કે આપી શકો એટલી મિનિટો પરથી રિટેન્શનની શ્રેણી પસંદ કરો.
5. **Simulator ચલાવો.** હાલની ગોઠવણી, સૂચિત લક્ષ્ય અને ઓછાં નવા કાર્ડની સરખામણી કરો.
6. **વપરાતી ગોઠવણીમાં એક જ ઇનપુટ બદલો.** પહેલાં રિટેન્શન અથવા નવા કાર્ડનો દર બદલો, પછી વાસ્તવિક કતાર જુઓ.
7. **તબક્કા ટૂંકા રાખો.** એક દિવસ કે તેથી લાંબા શીખવાના અને ફરી શીખવાના તબક્કા દૂર કરો; ખાલી ફીલ્ડ માત્ર પ્રયોગ તરીકે વાપરો.
8. **મહત્તમ અંતર લાંબું રાખો.** ચોક્કસ સમયમર્યાદા કે જરૂરિયાત હોય ત્યારે જ ટૂંકું કરો.
9. **ફરી શેડ્યૂલ કરવાનું બંધ રાખો.** શેડ્યૂલ તરત ફરી બનાવવું જરૂરી હોય તો પહેલાં બૅકઅપ લો અને પરિણામે આવતી કતાર માટે આયોજન કરો.

આ ક્રમથી લાંબા સમયથી બનેલા શેડ્યૂલમાં કરેલા ફેરફારો શક્ય તેટલા લાંબા સમય સુધી પાછા લઈ શકાય છે. આ રીતે મોડેલ કેટલું બંધબેસે છે, યાદ રાખવાનું લક્ષ્ય શું છે અને નવી સામગ્રી કેટલી ઉમેરાય છે—આ ત્રણ જુદા પ્રશ્નો સેટિંગ્સની એક જ ગૂંચ બની જતા નથી.

## શ્રેષ્ઠ FSRS સેટિંગ્સ વિશે વારંવાર પૂછાતા પ્રશ્નો

### શું FSRS માટે 90% શ્રેષ્ઠ ઇચ્છિત રિટેન્શન છે?

સામાન્ય શરૂઆત માટે તે સૌથી સલામત છે, કારણ કે તે Ankiનું ડિફૉલ્ટ છે અને ઊંચા રિટેન્શન પર કામનો ભાર ખૂબ ઝડપથી વધે છે તે ભાગથી દૂર રહે છે. કોઈ ડેક માટે શ્રેષ્ઠ મૂલ્ય ભૂલવાની કિંમત અને તમે નિયમિત રીતે સંભાળી શકો એટલા કામ પર આધાર રાખે છે. તેને બદલતાં પહેલાં **Help Me Decide (Experimental)** તપાસો.

### શું મારે ઇચ્છિત રિટેન્શન 95% રાખવું જોઈએ?

વધારાના રિવ્યૂ કે મિનિટો તપાસ્યા પછી જ. સ્પષ્ટ કાર્ડવાળા અને ખૂબ અગત્યના ડેક માટે 95% યોગ્ય હોઈ શકે; મોટો, સામાન્ય રસ માટેનો સંગ્રહ બિનજરૂરી રીતે ભારે થઈ શકે છે. હાલની તારીખો તરત ફરી ગણવા માગતા હો ત્યારે જ સાથે હાલનાં કાર્ડ ફરી શેડ્યૂલ કરવાનું ચાલુ કરો.

### FSRS પેરામીટર કેટલી વાર ઑપ્ટિમાઇઝ કરવા જોઈએ?

મહિને એક વાર ઑપ્ટિમાઇઝ કરવું પૂરતું છે, અને Anki 26.08ની એપની અંદરની સૂચના મુજબ દર થોડા મહિને એક વાર પૂરતું છે. નોંધપાત્ર નવો ઇતિહાસ એકત્ર થયા પછી ઑપ્ટિમાઇઝ કરો; રોજ કે દર અઠવાડિયે કરવાના સમયપત્રક પ્રમાણે નહીં.

### શું FSRSના શીખવાના તબક્કા ખાલી રાખવા જોઈએ?

શીખવાના અથવા ફરી શીખવાના તબક્કા ખાલી રાખવાથી Anki 26.08 સંબંધિત ટૂંકા ગાળાનું શેડ્યૂલ FSRSને સોંપે છે. આ સુવિધા પ્રાયોગિક છે અને Again પછીનો રિવ્યૂ એક દિવસ કે તેથી વધુ સમય પછી આવી શકે છે. એ જ દિવસે પૂરા થતા ઓછામાં ઓછા તબક્કા હજી પણ સાવચેત પસંદગી છે.

### FSRS સેટિંગ્સ બદલવાથી હાલનાં Anki કાર્ડ ફરી શેડ્યૂલ થાય છે?

ડિફૉલ્ટ રીતે નહીં. **Reschedule cards on change** બંધ હોય ત્યારે નવા સેટિંગ્સ ભવિષ્યના રિવ્યૂ પર અસર કરે છે અને કતાર તરત ફરી બનાવતા નથી. તેને ચાલુ કરવાથી તારીખો બદલાય છે અને ઘણાં કાર્ડનો રિવ્યૂ એકસાથે બાકી થઈ શકે છે, એટલે પહેલાં બૅકઅપ લો.

### શું CMRR હજી Ankiનો ભાગ છે?

ના. Ankiએ Compute Minimum Recommended Retention વર્ઝન 25.07માં દૂર કર્યું હતું. Anki 26.08માં રિટેન્શન અને અંદાજિત કામના ભારની સરખામણી માટે **Help Me Decide (Experimental)** અને **FSRS Simulator (Experimental)** વાપરો.

### શું Nibomo Anki જેવા જ સેટિંગ્સ વાપરે છે?

તે FSRS-6 વાપરે છે અને દરેક વર્કસ્પેસ માટે ઇચ્છિત રિટેન્શન, શીખવાના તબક્કા, ફરી શીખવાના તબક્કા, મહત્તમ અંતર અને fuzz ગોઠવવા દે છે. તે Ankiનું આખું સેટિંગ્સ મોડેલ અનુસરતું નથી: v1માં વેઇટ્સ નિશ્ચિત છે, ફેરફારો માત્ર ભવિષ્યના રિવ્યૂ પર લાગુ પડે છે અને વ્યક્તિગત પેરામીટર ઑપ્ટિમાઇઝેશન કે કામના ભારનું સિમ્યુલેટર નથી.

## ટકાવારી પહેલાં કામનો ભાર નક્કી કરો

સારી FSRS ગોઠવણીથી રિવ્યૂની કતાર તમારા વાસ્તવિક અભ્યાસ આયોજનને અનુરૂપ રહે છે. 90%થી શરૂ કરો, કામનો અંદાજ કાઢો, નવા કાર્ડ ઉમેરવાનું નિયંત્રિત કરો અને વધુ યાદ રાખવાનો લાભ વધારાના રિવ્યૂને યોગ્ય ઠેરવે ત્યારે જ રિટેન્શન વધારો. તબક્કા ટૂંકા, મહત્તમ અંતર લાંબું અને રેટિંગનો ડેટા સાચો રાખો.

પછી સેટિંગ્સની સ્ક્રીન બંધ કરો. શેડ્યૂલરને વધુ એક સાંજ સેટિંગ્સ ગોઠવવા કરતાં નિયમિત રિવ્યૂની વધુ જરૂર છે.

---
*[આ પેજની સ્ટાઇલવાળી HTML આવૃત્તિ જુઓ](<https://nibomo.com/gu/blog/fsrs-settings/>)*

*AI એજન્ટ `GET https://api.nibomo.com/v1/` થી શરૂ કરીને આ સેવામાં વપરાશકર્તા માટે ખાતું બનાવી શકે છે. સેટઅપ પછી તેઓ `https://mcp.nibomo.com/mcp` પર MCP દ્વારા પણ જોડાઈ શકે છે.*

*ટીપ: https://nibomo.com પરની કોઈ પણ URL ના અંતે `.md` ઉમેરો, જેથી તે પેજની સ્વચ્છ Markdown આવૃત્તિ મળે.*