2 min di lettura3 link in uscita, 1 in entrata

Metodo di studio: dalle Unità Didattiche alle flashcard

Per il semestre filtro ho costruito un sistema completo: manuali per ogni UD, flashcard Anki con sync incrementale, quiz, video, heatmap.

Il semestre filtro di Medicina a Bari (a.a. 2026/2027) è la selezione che precede l’immatricolazione definitiva: Biologia, Chimica, Fisica, più un’area umanistica e di comunicazione. Ho deciso di trattarlo come un progetto di ingegneria.

L’architettura

Per ogni Unità Didattica — Biologia UD1→UD5, Chimica UD1→UD4, Fisica UD1→UD3 — c’è una catena di artefatti:

  1. Un manuale originale in PDF, scritto per quella UD. Scriverlo è già metà dello studio: è Costruire per capire applicato a un programma d’esame.
  2. Flashcard Anki derivate dal manuale, con sync incrementale: se modifico una sezione, si aggiornano solo le carte interessate, senza perdere la storia di ripetizione.
  3. Quiz per l’esercizio nel formato d’esame.
  4. Video didattici con animazioni per i concetti che vivono meglio in movimento.
  5. Tracker: StudyTrack, con materia → unità → argomento, heatmap di intensità e statistiche.

I principi sotto

Due dei risultati più solidi della psicologia dell’apprendimento:

  • Retrieval practice — richiamare attivamente un’informazione la consolida più che rileggerla. Le flashcard e i quiz sono richiamo, non rilettura.
  • Spacing — distribuire le ripetizioni nel tempo batte concentrarle. Gli algoritmi di ripetizione spaziata, come quelli di Anki, automatizzano il calendario: ogni carta torna quando sto per dimenticarla.

A questo si aggiunge il sonno: il consolidamento della memoria dichiarativa è associato al sonno N2 e N3 (vedi Architettura del sonno). Sacrificare il sonno per studiare di più è, in buona parte, un cattivo investimento.

Cosa misuro

Il tracker non serve a sentirmi produttivo: serve a vedere la distribuzione reale del tempo fra le materie e a notare quando un’unità resta indietro. Una heatmap vuota è un’informazione onesta.

La produzione

I manuali e il materiale derivato passano per una pipeline con agenti AI e verifica, la stessa logica del loop di QA: il contenuto generato va controllato, non creduto.