Case Study — Spell

Versão: 1.0

Status: Aprovado

Última atualização: 2026-07-03

Tipo: Projeto anterior (documentação narrativa, sem código)

1. Problema

Plataformas de ensino de idiomas frequentemente tratam vocabulário como listas estáticas, sem considerar o esquecimento natural ao longo do tempo. Usuários memorizam palavras para provas, mas retêm pouco vocabulário semanas depois. O mercado carecia de uma solução que combinasse repetição espaçada cientificamente fundamentada com experiência de uso fluida e personalizada.

2. Objetivo

Desenvolver uma aplicação de aprendizado de vocabulário que maximize retenção de longo prazo utilizando algoritmos de repetição espaçada (Spaced Repetition System — SRS), oferecendo experiência personalizada baseada no desempenho individual de cada usuário.

3. Arquitetura

3.1 Visão geral

Spell adotou arquitetura monólito modular com separação clara entre domínio de aprendizado, autenticação e conteúdo.

┌─────────────────────────────────────────────┐
│              Cliente (Web/Mobile)            │
└─────────────────────┬───────────────────────┘
                      │ HTTPS/REST
┌─────────────────────▼───────────────────────┐
│              API Monolito Modular              │
│  ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│  │  Auth    │ │ Learning │ │   Content    │ │
│  │  Module  │ │  Module  │ │   Module     │ │
│  └──────────┘ └──────────┘ └──────────────┘ │
└─────────────────────┬───────────────────────┘
                      │
        ┌─────────────┼─────────────┐
        ▼             ▼             ▼
   PostgreSQL      Redis        File Storage
   (dados)       (cache/SRS)    (mídia)

3.2 Módulos

4. Fluxo principal

4.1 Sessão de estudo

1. Usuário inicia sessão de estudo para um deck

2. Sistema seleciona palavras devidas para revisão (algoritmo SRS)

3. Apresenta flashcard (palavra → tradução)

4. Usuário avalia dificuldade (fácil, médio, difícil, esqueci)

5. Algoritmo recalcula intervalo de próxima revisão

6. Repete até completar sessão ou esgotar cards devidos

7. Atualiza estatísticas de progresso do usuário

4.2 Algoritmo SRS

Baseado no SM-2 (SuperMemo 2) adaptado:

• Cada palavra possui: ease factor, intervalo, repetições, próxima data
• Resposta "fácil" aumenta intervalo exponencialmente
• Resposta "esqueci" reseta intervalo para 1 dia
• Ease factor ajusta velocidade de crescimento do intervalo

5. Tecnologias

6. Responsabilidades

7. Desafios

7.1 Precisão do algoritmo SRS

Calibrar o algoritmo para diferentes perfis de usuário (iniciante vs avançado) sem overfitting para um único padrão de estudo.

7.2 Performance de seleção de cards

Com milhares de palavras por usuário, selecionar cards devidos rapidamente exigia indexação eficiente e cache em Redis.

7.3 Sincronização multi-device

Usuários estudavam em web e mobile; progresso precisava sincronizar sem conflitos de estado.

7.4 Importação de conteúdo

Suporte a importação de decks em formatos variados (CSV, Anki) com validação e deduplicação.

8. Soluções

9. Resultados

10. Lições aprendidas

1. Algoritmo é o produto — A qualidade do SRS define retenção; investir em calibração e testes A/B de parâmetros.

2. Cache com invalidação cuidadosa — Redis acelerou seleção de cards, mas invalidação incorreta causou cards duplicados em sessão.

3. Monólito modular funciona — Para escopo inicial, módulos bem definidos evitam complexidade de microsserviços sem sacrificar organização.

4. Métricas de engajamento — Streak e progresso visual aumentaram retenção de usuários mais que features adicionais.

5. Importação é feature killer — Suporte a Anki/CSV foi o principal driver de aquisição de usuários.

11. Relação com NovaDesk

Conceitos do Spell que informam o NovaDesk:

• Monólito modular como padrão válido (HelpDesk API)
• Redis para cache e estado efêmero
• PostgreSQL com índices compostos para queries frequentes
• Algoritmos de domínio testáveis em isolamento (use cases)
• Métricas de engajamento no Analytics Dashboard