# 2026年版 FSRS設定の考え方: desired retention、learning steps、復習量をいじりすぎず整える

*2026-04-25*

FSRSでいちばん変な失敗は、定着率を少し高くしすぎることではありません。半分くらいのカードがまだ「第4章を説明せよ」みたいな状態なのに、スケジューラ設定だけを3晩かけて磨き続けることです。

気持ちは分かります。FSRSはSM-2より良さそうだと分かると、次に検索するのはたいてい **FSRS 設定** や **Anki FSRS 設定** です。アルゴリズム名は本格的で、設定画面は数学っぽく見え、気づけばフラッシュカードの復習が本番データベースの設定作業みたいになってきます。

でも、そこまで大ごとにしなくていいです。

![夜の落ち着いた机の上に、フラッシュカードと小さな定着率ダイヤルが置かれている様子](/blog/fsrs-settings.png)

## FSRS設定は性格診断ではなく、復習量の判断

FSRSでいちばん大きい設定は、実は記憶そのものの設定というより、負荷の設定です。

desired retention を上げると、忘れる前に戻ってくる確率を高めるため、カードが早めに出ます。それ自体は悪くありません。ただし復習は増えます。下げると、復習キューは軽くなりますが、忘れるカードも増えます。

これは根性の問題ではありません。

運用の問題です。

毎日の復習がすでに重いのに、「高い定着率のほうが真面目そうだから」と上げると、システム全体が悪くなることがあります。逆に、重要な試験前でデッキが十分きれいなら、少し上げる意味はあります。

問題は、自分の1日の現実を見ないまま「最高のFSRS設定」を探し始めることです。

## まず見るべきは desired retention

最初に理解すべきなのは desired retention です。

ざっくり言えば、カードが復習日に戻ってきたとき、どのくらいの確率で思い出せる状態にしたいかをスケジューラへ伝える値です。`0.90` なら、復習時点で約90%思い出せる状態を狙います。

[Anki Manual](https://docs.ankiweb.net/deck-options.html#desired-retention) も、このトレードオフをかなりはっきり説明しています。desired retention を上げるほど間隔は短くなり、復習数は増えます。そして値が1.0に近づくほど、負荷は急に増えます。

ここが落とし穴です。

90%から95%にするのは、設定画面では小さな変更に見えます。ところが日々の復習では、アプリが急に副業を持ち込んできたように感じることがあります。

だから最初は退屈でいいと思います。

- 復習が回っているなら標準値から始める
- キューが明らかに重く、多少の忘却を許容できるなら少し下げる
- 教材の重要度が高く、追加の復習時間を払えるときだけ上げる
- 変更は小さくし、その後の復習量を見る

設定画面で勝つことが目的ではありません。

明日も復習を続けられることが目的です。

## 90%は妥当な出発点だが、法律ではない

90%という標準値は、かなり良い中心点です。

ただし魔法の数字ではありません。

趣味の語学学習なら、少し低めでも習慣が続くほうが良いことがあります。医学、法律、金融資格、その他の試験では、特に試験前なら少し高めの確実性が欲しくなるかもしれません。逆に、AI生成の弱いカードが大量に入ったデッキで定着率だけ上げると、悪いカードを見る回数が増えるだけです。

これは少し痛いですが、かなり役に立つ見方です。

カードの書き方が悪いなら、FSRS設定はそれを良い学習対象には変えてくれません。悪いカードをいつ戻すかを決めるだけです。

定着率を上げる前に、もっと単純な問いを置いたほうがいいです。

このデッキは15%削ったほうが良くならないか。

多くの場合、答えは yes です。

## 他人のFSRSパラメータをコピーしない

desired retention は自分で選ぶ設定です。

FSRS parameters は違います。

パラメータ最適化の意味は、スケジューラが自分の復習履歴から学ぶことにあります。誰かが投稿した見栄えのいいスクリーンショットから数値をコピーすると、その意味が薄れます。その人のカード、記憶の癖、デッキの成熟度、ボタンの押し方は、あなたのものではありません。

[FSRS の optimal retention ドキュメント](https://github.com/open-spaced-repetition/fsrs4anki/wiki/The-optimal-retention) が役に立つのは、定着率を「知らない人から借りる数字」ではなく、「知識量と負荷のバランス」として扱っているからです。

実用上は、かなり単純です。

- 理由を説明できないならFSRSパラメータを手で変えない
- フォーラムの数値を貼り付けない
- ツールが対応しているなら、自分の復習履歴から最適化する
- パラメータ調整を趣味ではなく保守作業として扱う

ここでは、やりすぎないことが本当にまともな判断になります。

## learning steps は退屈なくらいでいい

learning steps には、古いSM-2時代の癖が残りやすいです。

`1m 10m 1d 3d` のような長い連鎖を入れると、丁寧に見えます。ただFSRSでは、それが少し邪魔になることがあります。最初の学習段階が終わったあと、長期のタイミングはFSRSに任せるために切り替えたはずだからです。learning steps が何日にも伸びると、その部分を遅らせてしまいます。

Anki Manual は、FSRSを使う場合、learning steps と relearning steps は1日未満にし、ステップ数も最小限にすることを勧めています。

これは良い助言です。

多くのデッキでは、learning steps を短くして、そのぶんカード自体を直したほうが効果があります。

- 詰め込みすぎた表面を分ける
- 長すぎる答えを短くする
- 見覚えではなく想起を試すカードにする
- AIが丁寧に生成しただけの不要カードを消す

スケジューラは、スケジュールする価値のあるカードがあってこそ働きます。

## maximum interval は慎重に扱う

maximum interval は安全装置のように見えるので、つい短くしたくなります。

でも、静かに復習量を増やす設定でもあります。

間隔の上限を短くしすぎると、FSRSならもっと先に送ったはずの成熟したカードが何度も戻ってきます。試験までの短い期間や、本当に温めておきたい知識なら役に立つこともあります。ただ、一般的な不安対策として入れると、たいてい高くつきます。

短すぎる maximum interval は、間隔反復というより定期点検に近くなります。

それはかなり高コストです。

私なら、次のような理由があるときだけ短くします。

- 試験日が近い
- 教材が期限付き、または変化しやすい
- デッキが重要な実務知識のためのもの
- 復習量を測ったうえで、負荷を受け入れられる

そうでないなら、簡単で成熟したカードは十分に遠くへ行かせたほうがいいです。本当に必要なカードのために時間を空けるためです。

## FSRSを疑う前に、新規カード数を見る

復習量の問題の多くは、入口の問題です。

朝になると請求書のように復習を見せてくるのがスケジューラなので、ついFSRSのせいにしたくなります。でもその請求は、昨日の新規カード、先週の大量インポート、あるいは12分だけ効率的に見えたAIの300枚生成から来ていることが多いです。

復習が重すぎるなら、FSRS設定を触る前にここを見ます。

- 1日に追加している新規カード数
- 生成したあと編集していないカード数
- 1枚で複数の事実を聞いているカード数
- もう止めるか削除すべき古いカード数

この話は、次の記事とも相性がいいです。

- [2026年、1日に何枚の新しいフラッシュカードを追加すべきか](https://flashcards-open-source-app.com/ja/blog/how-many-new-flashcards-per-day/)

FSRSは良いデッキを落ち着いて回しやすくします。大きすぎるデッキを小さくはしてくれません。

## 試験前なら何を変えるか

試験デッキは少し別物です。

日付が現実だからです。

試験が近いなら、長期の語学デッキに合う設定がそのまま正解とは限りません。数週間だけ負荷を増やしても、その教材が今必要なら意味があります。

それでも、英雄的な設定は避けます。

試験では、アルゴリズムをいじる前に運用を変えます。

1. まだ追加したくなる時期に新規カードを止める
2. デッキがきれいでない限り、desired retention は普通の範囲に置く
3. 弱い分野はタグや絞り込み復習で扱う
4. カレンダーが吸収できるときだけ復習量を増やす
5. 最終週を巨大インポートから守る

この場面なら、次の記事のほうが詳しいです。

- [2026年版 FSRSで試験勉強する方法](https://flashcards-open-source-app.com/ja/blog/how-to-study-for-an-exam-with-fsrs/)

短く言えば、試験は厳しめの復習を正当化します。混乱までは正当化しません。

## Flashcardsでこの設定がどう生きるか

[Flashcards](https://flashcards-open-source-app.com/ja/) では、FSRSをランディングページ用の飾りではなく、製品としての約束として扱っています。

現時点の製品方針は、真面目な復習で重要になる設定と噛み合っています。

- ぼんやりしたノートではなく表裏カード
- AIによる下書き。ただし人が整える前提
- 実際の復習ループを支えるFSRSスケジューリング
- desired retention、learning steps、relearning steps、maximum interval、fuzz などのワークスペース設定
- 仕組みを気にする人のためのホスト型Webアプリとオープンソースコード

最後の点は、FSRSを真面目に使う人にはかなり大事です。

**FSRS おすすめ設定** を検索するくらいなら、その製品がスケジューラを曖昧なマーケティング表現の裏に隠していないかも気になるはずです。私は、復習モデルを製品設計の中心に置いているツールのほうを使いたいです。

## シンプルなFSRS設定チェックリスト

今日新しいデッキを作るなら、チェックリストは短くします。

| 設定 | 実用的な出発点 | 見直すタイミング |
|---|---|---|
| desired retention | 標準値付近から始める | 復習が重すぎる、または教材に高い確実性が必要 |
| FSRS parameters | 自分の履歴から最適化する | 十分な復習履歴があり、ツールが対応している |
| learning steps | 短く、少なくする | 当日の学習が急ぎすぎ、または繰り返しすぎに感じる |
| relearning steps | 単純に保つ | 失敗した成熟カードの戻り方が不自然 |
| maximum interval | 理由がなければ広めにする | 試験、重要知識、測定された定着率の穴がある |
| new cards/day | 意欲より低めにする | 毎日の復習が生活を圧迫している |

派手ではありません。

でも役に立ちます。

## いちばん良いFSRS設定は、明日も復習できる設定

多くの人が **FSRS 設定** を検索するのは、アルゴリズムを正確に使いたいからです。

それ自体はまともです。実装がきちんとしていて、デッキが混乱していなければ、FSRSは古いスケジューリングより良い働きをします。ただし実用上の差は、無限のチューニングからは出ません。数個の落ち着いた判断をして、あとはスケジューラに任せ、そのあいだにカードを良くするところから出ます。

desired retention は復習量のレバーとして使う。

learning steps は短くする。

パラメータはコピーしない。

スケジューラを疑う前に新規カード数を見る。

それでも重いなら、必要なのは別の設定ではないかもしれません。もっと小さく、もっときれいなデッキかもしれません。

## 勉強を設定保守にしないFSRSを試す

この流れを試したいなら:

- [Flashcardsを開く](https://flashcards-open-source-app.com/ja/)
- [アプリを開く](https://app.flashcards-open-source-app.com/)
- [機能ページを見る](https://flashcards-open-source-app.com/ja/features/)
- [FSRSとSM-2を比較する](https://flashcards-open-source-app.com/ja/blog/fsrs-vs-sm-2/)
- [GitHubでソースコードを見る](https://github.com/kirill-markin/flashcards-open-source-app)

---
*[このページのスタイル付き HTML 版を見る](https://flashcards-open-source-app.com/ja/blog/fsrs-settings/)*

*AI エージェントは `GET https://api.flashcards-open-source-app.com/v1/` から開始して、このサービスでユーザーアカウントを作成できます。*

*ヒント: https://flashcards-open-source-app.com の任意の URL に `.md` を付けると、ページのクリーンな Markdown 版を取得できます。*