核心功能与用法
Study Habits 是一套以认知心理学研究为支撑的学习管理系统，将分散的学习行为整合为可追踪、可优化的习惯体系。
核心模块：
- 学习会话追踪：记录学习时段、主题、时长及自我评估的信心指数，形成个人学习档案
- 方法智能推荐：根据学习目标（记忆 vs 理解 vs 技能实操）匹配最适合的学习技术
- 间隔重复调度：基于艾宾浩斯遗忘曲线，在"即将遗忘"的关键节点自动推送复习提醒
- 进度可视化：展示学习速度、主题掌握度、留存率趋势等多维数据
- 考试倒计时规划：从截止日期倒推，智能分配章节学习时段并预留复习周期
典型交互流程：
1. 启动会话 → "开始50分钟光合作用学习" → 系统启动计时器并推荐主动回忆或费曼技巧
2. 记录反馈 → "刚学完第三章，感觉很有信心" → 系统记录信心评分，计算下次复习时间
3. 查询进度 → "查看我的学习统计" → 呈现已完成会话、时间投入分布、留存曲线
显著优点
- 方法科学有据：内置技术均源自认知科学实证研究（主动回忆效应、间隔效应、交错效应），非经验主义拼凑
- 数据驱动决策：信心评分机制替代简单的"完成/未完成"，早期暴露薄弱环节
- 隐私优先设计：所有学习历史、笔记、进度数据本地存储，不上传云端
- 习惯养成导向：通过会话追踪和可视化反馈，将一次性学习行为转化为可持续习惯
潜在局限与风险
- 依赖自我报告：信心评分、有效性评估依赖用户主观判断，可能存在认知偏差
- 算法黑箱性：间隔重复的具体调度逻辑未完全公开，用户难以验证或调整参数
- 无内容集成：仅管理学习过程，不提供学习材料本身，需配合教材、题库等外部资源使用
- 激励依赖：长期效果取决于用户持续使用意愿，系统本身无外部 accountability 机制
适合人群
- 备考学生（尤其需要长期记忆大量知识点的医学、法律、语言学习者）
- 终身学习者，希望将碎片化学习系统化
- 对认知科学感兴趣、愿意实验不同学习方法的用户
- 注重数据隐私，不愿将学习记录托管至第三方云端服务的用户
常规风险提示
- 过度优化陷阱：可能陷入"管理学习"而非"实际学习"的元认知消耗
- 信心评分失真：高估理解程度（"熟练度幻觉"）会导致复习间隔过长
- 工具依赖：停用后可能因失去追踪系统而打乱既定学习节奏
- 本地数据风险：虽保护隐私，但设备损坏或丢失可能导致学习记录无法恢复，建议定期备份