Özet. Eğitilmiş becerilerin bir yıllık kullanılmama sonrasında çöktüğü iddiası tek bir 1998 meta-analizine dayanıyor. O çalışmanın kendi bekleme aralığı tablosunu satır satır okuyunca iki şey öne çıkıyor: veri noktalarının %50’si yedi gün veya daha kısa aralıklardan geliyor, yalnızca %1,7’si bir yılı aşan aralıklardan geliyor ve etki büyüklükleri sütunu tekdüze biçimde azalmıyor. Psychological Bulletin dergisinde yayımlanan 2025 tarihli bir meta-analiz soruyu 457 rapordan 1.344 etki büyüklüğüyle yeniden kurdu ve bunun yerine yarılanma süreleri bildirdi: doğruluk ölçümlerinde kazanımların yarısı yaklaşık 6,5 ayda, hız ölçümlerinde 13 ayda, karma ölçümlerde 11 ayda kayboluyor. Kaybı güvenilir biçimde yavaşlatan tek değişken, bu arada beceriyi gerçekten uygulama fırsatı bulmaktı. Karmaşıklık ve gerçek dünya bağlamı da yardımcı oldu, üstelik ikisi de çoğu insanın sandığının tersi yönde.
Bir CEO fabrikayı, makineler hâlâ çalışıyor mu diye sorarak yönetmez. Her makinenin ne sıklıkta bakıma ihtiyacı olduğunu sorar ve bakımı arıza çıkmadan önce planlar. Kendi yetkinlikleriniz de aynı muameleyi hak ediyor ve ilk kez karşısına takvim kurulabilecek savunulabilir bir sayı var. Ama kanıtı dikkatle okumanız gerekiyor, çünkü en çok alıntılanan hâli çoğu insanın sandığı şeyi söylemiyor.
Herkesin alıntıladığı rakam ve gerçekte nereden geldiği
Son on yılda beceri kaybı üzerine bir şey okuduysanız şunun bir versiyonuyla karşılaşmışsınızdır: eğitilmiş beceriler kullanılmadığında ciddi biçimde bozulur ve etki büyüklükleri bir yıllık pratiksizlik sonrasında d = -1,4 düzeyine ulaşır. Bu rakam Arthur, Bennett, Stanush ve McNelly’nin Human Performance dergisinde yayımlanan 1998 tarihli meta-analizinden geliyor; çalışma 53 makaleden 189 bağımsız veri noktasını bir araya getirdi. Gerçekten önemli bir çalışma ve çeyrek yüzyıldır alıntılanıyor.
Çalışmanın Tablo 3’ü genel sonucu sekiz bekleme aralığı bandına ayırıyor. Bu tabloyu neredeyse kimse okumuyor. Biz okuduk ve aşağıda orijinalinde bulunmayan iki sütunla yeniden kurduk: her bandın toplam kanıt tabanının ne kadarını temsil ettiği.
Özgün analiz: kanonik beceri kaybı kanıt tabanı gerçekte neyden oluşuyor
CEOtudent editöryel çerçevesi. Veri noktaları, örneklem büyüklükleri ve ortalama d değerleri doğrudan Arthur ve arkadaşları 1998 Tablo 3’ten okunmuştur; iki pay sütunu bizim hesabımızdır. Veri noktası sütunu 178’e, örneklem sütunu 8.719’a toplanıyor ve bu değerler çalışmanın bildirdiği toplamlarla örtüşüyor; bu da okumayı doğruluyor.
| Bekleme aralığı | Veri noktası | Veri noktası payı | Örneklem | Örneklem payı | Ortalama d |
|---|---|---|---|---|---|
| 1 günden az | 3 | %1,7 | 45 | %0,5 | +0,02 |
| 1 ila 7 gün | 89 | %50,0 | 3.325 | %38,1 | -1,03 |
| 8 ila 14 gün | 13 | %7,3 | 680 | %7,8 | -1,54 |
| 15 ila 28 gün | 19 | %10,7 | 766 | %8,8 | -0,95 |
| 29 ila 90 gün | 33 | %18,5 | 2.656 | %30,5 | -0,65 |
| 91 ila 180 gün | 7 | %3,9 | 302 | %3,5 | -1,42 |
| 181 ila 365 gün | 11 | %6,2 | 670 | %7,7 | -1,04 |
| 365 günden fazla | 3 | %1,7 | 275 | %3,2 | -1,28 |
| Genel | 178 | %100 | 8.719 | %100 | -0,97 |
Bundan üç gözlem çıkıyor ve hiçbiri popüler özette yer almıyor.
Birincisi, bu ezici biçimde ilk haftaya dair bir literatür. Tüm veri noktalarının yarısı 1 ila 7 gün bandında. 24 saatin altındaki bandı da eklerseniz kanıt tabanının %51,7’si bir hafta veya daha kısa süreli hatırlamayı ölçüyor. Bu, var olanı bir araya getiren yazarlara yönelik bir eleştiri değil. Toplulaştırılmış sayının ne anlama geldiğine dair bir uyarı.
İkincisi, insanların asıl önemsediği aralık en incesi. 275 katılımcıyı kapsayan yalnızca üç veri noktası bir yılın ötesindeki hatırlamayı ölçüyor. Yani çalışmanın en çok alıntılanan cümlesinin ağırlığını kanıt tabanının %1,7’si taşıyor.
Üçüncüsü, sütun düzgün biçimde azalmıyor. 8 ila 14 gündeki kayıp (-1,54), 365 günden fazladaki kayıptan (-1,28) daha derin. 29 ila 90 gün bandı (-0,65) ilk günden sonraki bantların en sığı, hatta ilk haftadan bile sığ. Altta yatan süreç ne olursa olsun, satır satır okunan tablo bu kavramın genelde çizildiği düzgün üstel eğri değil. Şunu da not etmek gerekir: bu çalışmadan alıntılanan -1,4 başlık rakamı, kendi Tablo 3’ündeki 365 günden fazla satırından büyüktür ve bunun yerine 91 ila 180 gün satırıyla örtüşür.
Bunların hiçbiri beceri kaybını gerçek dışı kılmıyor. Yalnızca kanonik atfı, itibarının düşündürdüğünden daha zayıf bir planlama zemini hâline getiriyor.
İki meta-analiz, tek zaman penceresi, iki katı anlaşmazlık
Arthur ve arkadaşları son söz değildi. Wang, Day, Kowollik, Schuelke ve Hughes’un Individual and Team Skill Decay derlemesinde 2013’te yayımlanan ikinci bir meta-analizi aynı soruyu yürüttü ve kendi ifadeleriyle daha ölçülü bir kayıp buldu: edinimin hemen ardından önemsiz düzeyde (δ = -0,08), 90 ila 180 günlük bir bekleme aralığında ise δ = -0,71.
Bunu Arthur tablosunun kendi 91 ila 180 gün satırının yanına koyduğunuzda kimsenin basmadığı bir karşılaştırma çıkıyor.
Özgün analiz: aynı bekleme penceresi, üç araştırma ekibinin ölçümüyle
CEOtudent editöryel çerçevesi. Her rakam atfedilen kaynak tarafından bildirilmiştir; oran ve ölçek sütunları bizim hesabımızdır.
| Kaynak | Toplanan rapor | Etki büyüklüğü veya veri noktası | Yaklaşık 90 ila 180 gündeki tahmin | 1998’e göre kanıt tabanı |
|---|---|---|---|---|
| Arthur, Bennett, Stanush ve McNelly, 1998 | 53 | 189 | d = -1,42 | temel |
| Wang, Day, Kowollik, Schuelke ve Hughes, 2013 | burada bildirilmedi | burada bildirilmedi | δ = -0,71 | karşılaştırılabilir değil |
| Tatel ve Ackerman, 2025 | 457 | 1.344 | bant olarak değil, eğim olarak bildirildi | 8,6 kat rapor, 7,1 kat etki büyüklüğü |
Aynı pencere için iki eski tahmin tam olarak iki kat farklı. 2025 öncesinde sorunun dürüst durumu buydu: iki güvenilir ekip, tek bir zaman penceresi, biri diğerinin iki katı olan iki tahmin.
2025 kanıtı gerçekte ne söylüyor
Tatel ve Ackerman’ın Psychological Bulletin dergisinde yayımlanan meta-analizi, bekleme aralığını bir dizi kutu yerine sürekli bir değişken olarak ele alacak kadar büyük ilk çalışma. 457 rapordan 1.344 etki büyüklüğünü topladılar; bu, 1998 çalışmasının 8,6 katı rapor ve 7,1 katı veri noktası demek. Kaybı bir oran olarak modellediler.
Başlıca sonuçları, hepsi çalışmada doğrudan bildirildiği şekliyle:
| Performans ölçümü | Aylık kayıp | %95 güven aralığı | Edinim kazanımı (d) | Kazanımların yarısının kaybı |
|---|---|---|---|---|
| Doğruluk temelli | 0,08 SS | -0,10 ila -0,05 | 1,49 (1,39 ila 1,58) | yaklaşık 6,5 ay |
| Hız temelli | 0,06 SS | -0,11 ila -0,02 | 1,88 (1,68 ila 2,09) | yaklaşık 13 ay |
| Karma | 0,06 SS | -0,10 ila -0,02 | 2,48 (2,19 ila 2,77) | yaklaşık 11 ay |
Doğruluk ölçümleri için ayrıca tüm edinim kazanımlarının kabaca 16 ay sonra yok olduğunu tahmin ediyorlar. Hız ve karma ölçümler için ise toplam kayıp noktası tahmini vermeyi açıkça reddediyorlar, çünkü izdüşüm verilerinin kapsamının dışına taşardı. Bu ret, dikkatli bir çalışmanın işareti ve bulgular özetlenirken ilk elenen türden bir sınır.
Tablodaki en kullanışlı şey oran. 13 bölü 6,5 tam olarak 2,00 eder. Aynı temel beceri, aynı sayıda ay boyunca kendi hâline bırakıldığında, doğruluk açısından test ederseniz hız açısından test ettiğinizden iki kat hızlı kaybolmuş görünüyor. Karma ölçümler doğruluk yarılanma süresinin 1,69 katında duruyor. “Bir beceri ne hızla söner” sorusunun tek bir cevabı yok, çünkü cevap kronometreyi neye tuttuğunuza bağlı.
Aritmetiği kendiniz yapmadan önce bir uyarı
Burada sayıları kontrol ederken bizim de düştüğümüz bir tuzak var ve aylık eğimden takvim kurmaya çalışan herkesi yakalayacağı için belirtmeye değer.
Doğruluk rakamlarını olduğu gibi alırsanız, 1,49’luk bir edinim kazanımının yarısı 0,745’tir ve ayda 0,08 SS ile bu, yarısını kaybetmek için 9,3 ay demektir. Çalışma 6,5 bildiriyor. Fark bir yuvarlama farkı değil ve diğer iki ölçümde daha da açılıyor.
Özgün analiz: aylık eğim neden kullanılabilir bir kestirme kural değil
CEOtudent editöryel çerçevesi. Naif sütun, çalışmanın yayımlanmış edinim ve eğim rakamları üzerinde bizim yaptığımız aritmetiktir; bildirilen sütun çalışmanın kendi model çıktısıdır. Aradaki fark asıl mesele.
| Performans ölçümü | Naif eğim aritmetiği | Çalışmanın bildirdiği yarılanma | Kestirmeyi kullanırsanız hata |
|---|---|---|---|
| Doğruluk temelli | 9,3 ay | 6,5 ay | %43 fazla iyimser |
| Hız temelli | 15,7 ay | 13 ay | %21 fazla iyimser |
| Karma | 20,7 ay | 11 ay | %88 fazla iyimser |
Kestirme yol başarısız oluyor ve her seferinde tehlikeli yönde başarısız oluyor: sandığınızdan daha fazla vaktiniz olduğunu söylüyor. Sebebi şu: çalışmanın meta-regresyonu aylar üzerinden düz bir doğrudan fazlasını içeriyor, dolayısıyla eğimi geçen süreyle çarpmak modeli yeniden kurmuyor. Bildirilen yarılanma sürelerini kullanın. Eğimden takvim kurmayın.
Başarısız türetmemizi gizlemek yerine gösteriyoruz, çünkü bu çalışmanın bir özeti tam olarak bu kestirmeyi üretirdi ve %88’e varan oranda yanlış olurdu.
Takvimi değiştiren üç değişken
Kayıp oranı size ne zaman müdahale edeceğinizi söyler. Değişken analizleri ise hangi müdahalenin işe yaradığını. Tatel ve Ackerman’ın bulgularından üçü kendi bakımını planlayan herkes için önemli ve ikisi sezgiye ters.
Araya giren uygulama fırsatları kaybı yavaşlattı, ama yalnızca doğrulukta. Katılımcıların bekleme aralığı boyunca beceriyi fiilen uygulama şansı bulup bulmaması, doğruluk temelli ölçümler için istatistiksel olarak anlamlı bir değişkendi (β = 0,07, p < 0,05). Aynı örüntü karma ölçümlerde anlamlılığa ulaşmadan göründü (β = 0,07) ve hızda yoktu (β = 0,01). Çalışmadaki en uygulanabilir sonuç bu: ara sıra gerçek kullanım, bildiğiniz şeyin doğruluğunu koruyor ve onu ne kadar hızlı yapabildiğiniz için gözle görülür biçimde daha az şey yapıyor.
Karmaşık beceriler basit olanlardan daha iyi korundu. Bileşen karmaşıklığı, doğruluk ve karma ölçümler için anlamlı bir değişkendi (β = 0,03 ve β = 0,07, ikisi de p < 0,05) ve üç karmaşıklık boyutundaki örüntü aynı yönü gösterdi. Yüksek karmaşıklıklı görevler daha iyi dayandı. Çoğu insan tersini varsayar ve bildikleri en zor şey için tazeleme planlarken kırılgan olan, nadiren dokundukları basit prosedürdür.
Gerçek dünya becerileri laboratuvar becerilerinden daha iyi korundu. Doğruluk ölçümlerinde kayıp eğimleri laboratuvar ve yapay görevlerde, her gerçek dünya görev kategorisine kıyasla daha dikti: tıp ve diş hekimliği (β = 0,12), askeri ve ulaştırma (β = 0,16), spor (β = 0,18) ve diğer (β = 0,13). Kendi gerçek bağlamında öğrenilen ve kullanılan bir beceri, aynı sınıftaki izole biçimde çalışılmış bir beceriden daha yavaş sönüyor.
Birlikte okunduğunda bu üçü tek bir yönü gösteriyor. Kayıp öncelikle becerinin bir özelliği değil. Becerinin fiilen yaptığınız bir şeye ne kadar gömülü olduğunun bir özelliği.
Bu kanıtın geçerli olmadığı yer
Bu, yukarıdaki her tablodan daha önemli ve bulgular yol aldıkça kaybolan kısım.
Tatel ve Ackerman’ın kapsamı sözel olmayan motor bileşenler içeren prosedürel beceriler. Cerrahi teknik, canlandırma, ekipman kullanımı, spor tekniği, uçuş. 6,5, 13 ve 11 aylık yarılanma süreleri bu beceri sınıfı için tahminlerdir. Python bilginizin, Fransızcanızın veya bir bilançoyu okuma yetinizin ne hızla söndüğünün ölçümü değildir. Arthur ve arkadaşlarının 1998 meta-analizi bilişsel görevleri de kapsıyordu ve onları fiziksel görevlerden daha kayba açık buldu, ama bu bulgu yukarıda anlatılan ince ve tekdüze olmayan kanıt tabanının üzerinde duruyor.
Size bir dilin ya da bir programlama becerisinin 6,5 aylık yarılanma süresi olduğunu söyleyen biri, motor beceri sonucunu verisinin ötesine taşıyordur. Biz bunu yapmayacağız. Aktarılan şey sabit değil, bulgunun yapısı: kayıp gerçek, iyi edinilmiş beceriler için haftalarla değil aylarla ölçülüyor, doğrulukta hızdan daha çabuk ilerliyor ve onu yavaşlatan şey aralıklı gerçek kullanım.
Her iki meta-regresyon modeli de anlamlı artık heterojenlik taşıyordu (doğruluk için Q = 3.820,34, hız için 898,41, karma için 1.045,03, hepsi p < 0,01); bu, yazarların, değişkenler hesaba katıldıktan sonra bile çalışmalar arasındaki varyasyonun büyük bölümünün açıklanmadan kaldığını söyleme biçimi. Bunlar sizin hakkınızda kestirimler değil, popülasyon ortalamaları.
Bakım takvimi
Burada işin öğrenci yarısından CEO yarısına geçiyoruz. Kanıt size bir kayıp oranı ve güvenilir tek bir kaldıraç veriyor. Bunu takvime çevirmek bir yönetim kararıdır ve biz de öyle etiketliyoruz.
CEOtudent Beceri Bakımı Çerçevesi
Bu, atfedilen kanıtın üzerine kurulmuş bir muhakemedir, ölçülmüş bir takvim değil. Hiçbir çalışma bu aralıkları test etmedi. Her kuralın gerekçesi, itiraz edebilmeniz için belirtildi.
Kural 1: bakımı yarılanma süresinden sonra değil, önce yapın. Bildirilen yarılanma süreleri, kazancın yarısının çoktan gitmiş olduğu noktadır. Yarılanma süresine kurulmuş bir bakım aralığı, %50 kapasiteyle çalışmanın takvimidir. Doğruluğun kritik olduğu prosedürel beceriler için savunulabilir planlama aralığı 6,5 ay değil, 6,5 ayın bir kesridir. Üç aylık makul bir okuma; ölçülmüş bir okuma değil.
Kural 2: becerinin adına göre değil, neyle değerlendirildiğinize göre sınıflandırın. Doğruluk ve hız yarılanma süreleri arasındaki 2,00 katlık fark, aynı faaliyetin hangi hata biçiminin size pahalıya patladığına göre farklı bakım gerektirdiği anlamına gelir. Yanılmak pahalıysa doğruluk saatine göre bakım yapın. Yavaş olmak pahalıysa kabaca iki katı süreniz var.
Kural 3: gerçek bir uygulama fırsatı, tazeleme seansını yener. Doğrudan ampirik desteği olan tek kural bu. Araya giren uygulama şansları doğruluk kaybını anlamlı biçimde yavaşlattı. Beceriye çalışmayı planlamak yerine, ara sıra onu gerçekten kullanacağınız bir düzen kurun. Müzakere tekniğinize çalışmak bir tazelemedir. Küçük ama gerçek bir müzakereyi üstlenmek bir uygulama fırsatıdır ve kanıt ikincisinden yana.
Kural 4: önce basit becerileri denetleyin. Karmaşıklık daha iyi korunmayı öngördü. Sessizce körelmiş olma ihtimali en yüksek maddeler, planlamaya değmez saydığınız düşük karmaşıklıklı prosedürlerdir.
Kural 5: gömülü olan, izole olanı yener. Gerçek dünya görevleri test edilen her kategoride laboratuvar görevlerinden daha yavaş söndü. Canlı işe iliştirebildiğiniz bir beceri, yalnızca korumalı bir ortamda prova edebildiğiniz bir beceriden daha az kasıtlı bakım ister. Seçme şansınız olan yerde, gömün.
Disiplinin öğrenci yarısı, bunun bir bakım sorunu olduğunu kabul etmektir; bir kez öğrenilenin artık size ait olduğunu varsaymak yerine. CEO yarısı ise, kanıt aralıkların iki kat farklı olduğunu söylerken her şeye aynı aralıkta bakım yapmayı reddetmek ve tesisi bir eğimi çarparak elde ettiğiniz bir tahminle işletmeyi reddetmektir.
Neyi öğrenmeye yatırım yapacağınıza en baştan karar veriyorsanız, bakım maliyeti o kararın parçasıdır. Hangi yapay zeka araçlarını derinlemesine öğrenmeye değer başlıklı çerçevemiz derinliği bir tercih değil bir taahhüt olarak ele alıyor ve yukarıdaki yarılanma süreleri bu taahhüdün maliyetinin bir parçası. Beceriyi korumadan önce inşa etme tarafı için yapay zeka çağında bilinçli pratik yazımıza bakın. Kariyerin ileri bir noktasında beceri setinizi yeniden kuruyorsanız, 40 yaşından sonra öğrenme üzerine araştırmaların söyledikleri aynı sorunun edinim tarafını kapsıyor.
Sık sorulan sorular
Beceri kaybı gerçek mi, yoksa bir ölçüm yanılsaması mı?
Gerçek. Burada incelenen her meta-analiz, kırk yıllık birincil çalışmalar ve binlerce katılımcı boyunca kullanılmamayla birlikte anlamlı kayıp buldu. Anlaşmazlık büyüklük ve zamanlama üzerine, varlık üzerine değil.
Hangi rakama göre plan yapmalıyım?
Beceriniz prosedürel ve motor bileşen içeriyorsa 2025 yarılanma sürelerine: doğrulukta kabaca 6,5 ay, hızda 13, karmada 11. Bilişsel ya da bilgi becerileri için aynı güçte bir rakam mevcut değil ve size bir tane sunan herkes çıkarımı zorluyordur.
Doğruluk yarılanma süresi neden hız süresinden bu kadar kısa?
Çalışma farkı tam olarak açıklamak yerine bildiriyor ve bu literatürde hız-doğruluk ödünleşimlerini yöntemsel bir sorun olarak işaretliyor. Bir okuma şu: hız, daha kaba ve dayanıklı bir motor örüntüyü yansıtırken doğruluk daha erken kayan ince bir kalibrasyona bağlı. Bunu bir bulgu değil, bir yorum olarak alın.
Yeniden öğrenmek, ilk öğrenmek kadar uzun sürer mi?
Bu literatüre göre hayır, ama Tatel ve Ackerman özellikle birçok çalışmanın hatırlama performansını yeniden öğrenme etkilerinden ayıramadığı uyarısını yapıyor; bu da bir aradan sonraki ilk ölçümün zaten bir miktar yeniden edinim içerebileceği anlamına geliyor. Bu, yeniden öğrenme hızına dair bir tahmin değil, kanıt tabanına dair bir uyarı.
Tazeleme seansları mı planlamalıyım, yoksa beceriyi ara sıra kullanmam mı yeter?
Mevcut kanıta göre ara sıra gerçek kullanım. Doğruluk kaybı için anlamlılığa ulaşan değişken, araya giren uygulama fırsatlarıydı. Resmî tazeleme eğitimi o analizde ayrı bir değişken olarak test edilmedi.
Bu sayılar hiç tam olarak edinmediğim bir beceri için geçerli mi?
Hayır. Yukarıdaki her rakam ölçülmüş bir edinim kazanımına göre ifade edilmiştir. Beceri yetkinlik düzeyine hiç getirilmediyse, kayıp oranının aşındıracağı bir edinim kazanımı yoktur ve bu aritmetiğin hiçbiri sizin durumunuzu tarif etmez.
Kaynakça
- Tatel ve Ackerman, Procedural Skill Retention and Decay: A Meta-Analytic Review, Psychological Bulletin, 2025, DOI 10.1037/bul0000481. 457 rapordan 1.344 etki büyüklüğü; performans ölçümüne göre meta-regresyon eğimleri ve güven aralıkları; Tablo 6 edinim etki büyüklükleri; 6,5, 13 ve 11 aylık yarılanma tahminleri ve doğruluk için 16 aylık toplam kayıp tahmini; araya giren uygulama fırsatları, bileşen karmaşıklığı ve görev türü için değişken sonuçları; artık heterojenlik Q istatistikleri. Army Research Institute for the Behavioral and Social Sciences tarafından desteklenmiştir.
- Arthur, Bennett, Stanush ve McNelly, Factors That Influence Skill Decay and Retention: A Quantitative Review and Analysis, Human Performance, 1998, cilt 11, sayı 1, sayfa 57 ila 101. Tablo 3 bekleme aralığı dökümü: veri noktası, örneklem büyüklüğü ve ortalama d; genel meta-analitik tahmin; görev türü ve yöntemsel değişken sonuçları; 365 günden fazla kullanılmama sonrasında aralık öncesi düzeye göre performansa ilişkin ifade.
- Wang, Day, Kowollik, Schuelke ve Hughes, Factors Influencing Knowledge and Skill Decay After Training, Individual and Team Skill Decay: The Science and Implications for Practice içinde, editörler Arthur, Day, Bennett ve Portrey, Routledge, 2013. Edinimin hemen ardından ve 90 ila 180 günlük bekleme aralığında beceri kaybına ilişkin meta-analitik tahminler.
- Wang, Factors Influencing Knowledge and Skill Decay in Organizational Training: A Meta-Analysis, doktora tezi, University of Oklahoma, 2010. 2013 tarihli bölüm tahminlerinin dayandığı tez.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
