智能教育時代認知負荷理論發展、應用與展望

張慧　張定文　黃榮懷

摘要：認知負荷理論已經成為學習與教學領域最有影響力的理論框架之一。認知負荷理論作為一種基于人類認知結構的教學設計理論，其核心是工作記憶的有限性，只有將認知負荷控制在工作記憶所能承載的范圍之內，有效學習才能發生。在技術和學習理論的共同推動下，認知負荷理論歷經多媒體學習認知理論、多媒體學習認知-情感理論、多媒體學習認知-情感整合理論等發展階段，主要關注從認知過程和情感過程兩個方面進行了理論拓展。隨著智能技術的發展成熟，教育領域成為智能技術應用的重要場景，學習環境和學習方式變革也成為重要的時代命題。目前認知負荷理論在智能教育領域的應用主要體現在自主學習、移動學習、游戲化學習、沉浸式學習、基于計算機的模擬學習等方面。未來認知負荷理論應進一步豐富和完善理論模型，并將其運用到以智能技術為依托的復雜學習場景中，同時應充分利用腦科學和大數據技術來完善認知負荷的測量技術和方法。

關鍵詞：認知負荷理論;智能教育;智慧教育環境;會議綜述

中圖分類號：G434? ?文獻標識碼：A? ? 文章編號：1009-5195（2018）06-0037-08? doi10.3969/j.issn.1009-5195.2018.06.005

*基金項目：教育部哲學社會科學研究重大課題“‘互聯網+教育體系研究”（16JZD043）。

訪談者簡介：張慧，博士后，北京師范大學智慧學習研究院;張定文，博士，研究員，北京師范大學智慧學習研究院;黃榮懷，博士，教授，博士生導師，北京師范大學智慧學習研究院聯席院長 （北京 100875）。

人類正在跨入人工智能時代。人工智能技術的發展正在重塑人類的思維方式。隨著深度學習算法在語音和視覺識別等領域的不斷突破，教育領域已成為人工智能重要的應用場景之一。2017年7月，國務院印發了《新一代人工智能發展規劃》，明確提出“利用智能技術加快推動人才培養模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系。開展智能校園建設，推動人工智能在教學、管理、資源建設等全流程應用。開發立體綜合教學場和基于大數據智能的在線學習教育平臺。開發智能教育助理，建立智能、快速、全面的教育分析系統。建立以學習者為中心的教育環境，提供精準推送的教育服務，實現日常教育和終身教育定制化”。在大數據、云計算等新一代智能技術的支持下，學習者的學習環境和學習方式均發生了前所未有的變化。學習是教育理論與實踐永恒的主題，認知負荷理論已經成為學習與教學領域最有影響力的理論框架之一（Van Merri?nboer et al.，2005）。在智能教育的背景下，對認知負荷理論的討論具有重要價值。

2018年9月4-6日，由北京師范大學和國際認知負荷理論協會合作發起，北京師范大學智慧學習研究院承辦，北京師范大學教育學部和心理學部聯合協辦的第十一屆國際認知負荷理論大會（International Cognitive Load Theory Conference 2018，ICLTC 2018）在北京召開。會議期間來自不同國家和地區的40余位學者對認知負荷領域的最新研究進展做了精彩報告，并對研究成果進行了廣泛討論。總體上，認知負荷的研究主題多樣，涉及不同學科、不同學習方式、不同學習者、不同研究方法等。本文將對本次會議的主要報告進行梳理，簡述智能時代認知負荷理論的發展與應用，并在此基礎上對未來發展方向進行展望。

一、認知負荷理論及其發展

學習是教育理論與實踐永恒的主題，而認知負荷理論已經成為學習與教學領域最有影響力的理論框架之一。美國紐約大學的Jan L. Plass教授分享了題為《認知負荷理論：挑戰與未來》的報告。Plass教授在梳理認知負荷理論基本觀點與發展歷程的基礎上，強調除了關注認知因素外，還應更多關注情緒因素對學習者認知加工和學習結果的影響。Plass教授指出，諸多研究人員對認知負荷理論進行了豐富和拓展，先后提出了多媒體學習認知理論、多媒體學習認知-情感理論、多媒體學習-認知情感整合理論等多個理論模型（見圖1）。

1.認知負荷理論

認知負荷理論（Cognitive Load Theory，CLT）是由教育心理學家John Sweller于20世紀80年代首先提出。認知負荷是指人類信息加工過程中能夠加工的信息總量，主要包括工作記憶對信息進行存儲和加工的總量（Sweller，2008）。認知負荷理論主要以資源有限理論和圖式理論為基礎，從資源分配的角度來考察學習和問題解決。資源有限理論認為人的資源有限，如果同時從事幾種活動就會涉及資源分配的問題，其分配的基本原則為“總量不變，此多彼少”。在學習過程或問題解決過程中，各認知活動都需要消耗認知資源，如果各項活動所需要的資源總量超過了個體所具有的資源總量，就會出現資源分配不足的問題，因此會影響學習或問題解決的效果。圖式理論認為圖式是一種認知結構，它使人們能夠根據信息將被使用的方式對信息進行歸類。圖式可分為概念圖式和問題圖式等。一個問題圖式由兩部分組成：一是對問題的描述，二是對解決方法的描述。圖式獲取和規則自動化是學習的兩大機制，它們的作用都是利用長時記憶來彌補短時記憶容量不足的問題。在學習過程中，學習者利用長時記憶中的圖式對新信息進行加工和整合，使長時記憶中圖式的數量增多，規模擴大，質量提高，從而提高學習效果（Paas et al.，2004;Sweller et al.，2011）。

認知負荷理論以信息處理模型為基本參考依據，主張人類的記憶系統包括感官記憶、工作記憶和長時記憶三種模式，三種記憶模式相互結合以處理各種信息（Kalyuga et al.，2016;Sweller，2016）。外界刺激信號首先進入感官記憶，如果學習者選擇注意，這些信息即可進入工作記憶。工作記憶又稱為短時記憶，是完成認知活動的基本組成，外界信息在工作記憶中才能被認識和加工。然而工作記憶的容量是有限的，一次最多只能存儲7±2條基本信息或信息組塊，而且其同時肩負組織、校認和比較等任務，所以工作記憶只能同時加工2～3條信息組塊。如果同時進入工作記憶的信息組塊數量超過這一限制，記憶容量就會超出負荷，信息加工活動就會受阻或根本無法有效開展。此外，工作記憶對于新信息的保存時間也較短，大約1～2分鐘，新信息只有得到進一步加工進入長時記憶，才可以長久保留。長時記憶是學習的中心和信息存儲的重要場所，長時記憶內容的變化標志著持久意義上的學習的發生，其容量是無限的，且存儲的信息是永遠不會遺忘的。知識信息以圖式的形式存儲于長時記憶中，圖式依據信息元素的使用方式組織信息，并可通過足夠的練習生成知識組織與存儲的機制，使人類的認知活動達到自動化。自動化的認知過程不需要意識控制和資源消耗，因此可以彌補學習者工作記憶容量有限的不足，降低工作記憶的負荷總量。

按照認知負荷理論，學習者在學習過程中的認知負荷有三種來源：內部認知負荷、外部認知負荷和關聯認知負荷（Sweller，2008）。其中，內部認知負荷是由知識內容本身帶來的。當學習材料具有高元素交互性而學習者又未充分掌握適宜的圖式時會出現高內部認知負荷。外部認知負荷是由教學設計和方法帶來的，是指加工設計拙劣的教學材料時所做的努力，這種認知負荷對學習沒有貢獻，而且會減少用于學習的工作記憶總量。關聯認知負荷包括加工認知負荷和元認知負荷兩個部分。前者是學習者將工作記憶能量投入到更深層的圖式建構并存儲時所產生的認知負荷，后者是將工作記憶能量投入在對學習活動的監控和對學習策略的關注時所產生的認知負荷。內在認知負荷、外在認知負荷和關聯認知負荷是相互聯系的。在教學過程中，問題呈現給學習者的外部認知負荷主要是由問題的內部認知負荷決定的。由于工作記憶的處理能力有限，如果內部認知負荷很高，那么外部認知負荷相應就要降低;如果內部認知負荷和外部認知負荷的總和還沒有超過工作記憶的處理能力，那就可以讓學習者在學習過程中使用關聯認知負荷，尤其是那些與圖式建構和自動化有直接關系的關聯認知負荷。認知負荷的基本觀點是只有將認知負荷控制在工作記憶所能承載的范圍之內，有效學習才能發生，否則將造成認知負荷超載，學習失敗（Paas et al.，2004）。

Sweller等（2011）曾介紹過11種常見的認知負荷效應：（1）目標自由效應（The Goal-Free Effect），指用目標自由（學習目標不很明確）的題目代替為學習者提供特定目標的傳統題目，更有利于學習遷移。（2）樣例和問題完成效應。樣例效應是指相比于直接通過解決問題來學習，為學習者提供展示解決方法的樣例會產生更好的學習效果;問題完成效應是指用待完成的問題來代替傳統的問題，在問題中提供部分解決方案，而將其余的問題交由學習者來完成會產生更好的學習效果。（3）分散注意力效應，指當圖片信息與相應的文字解釋信息相分離時，容易導致學習者的注意力分散從而增加認知負荷，可以通過將這些信息整合到一起以降低認知負荷。（4）通道效應，指可用口頭的解釋文本和視覺信息源（多種形式）代替書面文本和圖表等視覺信息源（單一形式）。（5）冗余效應，指無法幫助建立認知圖式的多余信息源會干擾學習效果。（6）知識反轉效應，指對初學者來說很有效的教學方法，在已具備豐富專業知識的學習者身上可能無效，甚至會產生相反的效果。（7）指導消退效應，指隨著學習者專業知識的增加，在呈現樣例后，應該讓其嘗試解決部分問題，隨后嘗試解決整個問題。（8）想象和自我解釋效應。想象效應是指讓學習者想象或用心理練習材料來代替傳統的附加學習;自我解釋效應是指有些學習者在學習物理力學樣例時，每看到一個步驟就會停下來試圖做出自己的解釋。（9）元素交互效應，指當使用低元素交互的材料時，想象等教學效應會消失;而當使用高元素交互的材料時，他們又會重現。（10）瞬時效應，指對于難度較大的任務，學習者容易遺忘剛剛獲取的信息，這時需要提供一些可以被學習者反復使用的資源。（11）集體工作記憶效應，指如果學習材料的難度較大，那么集體學習效果有可能會優于個體學習。

2.多媒體學習認知理論

Mayer等人在認知負荷理論和雙重編碼理論的基礎上提出了多媒體學習認知理論（Cognitive Theory of Multimedia Learning，CTML）（Mayer，1997;2005;2014）。雙重編碼理論認為人有兩個在功能和結構上不相同、獨立但又相互聯系的用于加工和儲存信息的認知系統：言語表征系統和圖像表征系統（Paivio，1991）。多媒體學習包括選擇、組織和整合三個過程（見圖2）。多媒體教學信息主要以敘述、聲音、文本和圖片的形式呈現。敘述和聲音信息通過聽覺通道進入工作記憶，產生言語表征;文本和圖片通過視覺通道進入工作記憶，產生圖像表征。知識建構取決于學習過程中學習者主動的認知加工。信息加工系統需要在這兩種編碼之間建立參考連結，將同一概念的不同表征聯系起來，并與長時記憶系統中的已有知識相聯系。這一過程中工作記憶加工總量是有限的，聽覺和視覺信息的整合將受到記憶負荷的限制。因此如果對聽覺或視覺通道呈現太多需要加工的信息，則會引起認知負荷超載而阻礙學習者學習。

3.多媒體學習認知-情感理論

Moreno等人（2007）將動機等情感因素引入到多媒體學習的認知理論，同時將其適用范圍擴展到諸如虛擬現實、基于案例和基于教學代理的學習環境之中，由此提出多媒體學習認知-情感理論（Cognitive-Affective Theory of Multimedia Learning，CATML）。如圖3所示，該理論認為多媒體教學中媒介包含言語表征（敘述和聲音）和非言語表征（文本和圖片）。在意義學習中，學習者從多媒體提供的信息中選擇相關的言語和非言語信息進入工作記憶，形成多重表征，建立相應的心理模型。同時所建立的心理模型也要與先前經驗整合起來。由于工作記憶的局限性，學習者只能選擇一部分信息來建立心理模型，并且所建立的心理模型也只能與已有知識整合在一起。該理論在多媒體學習認知理論的基礎上，加入情緒和動機因素，提出了關于情緒和動機因素的情感中介假設，即情感和動機因素會通過增加或減少認知投入來影響學習。該理論認為，學習者被足夠的動機驅使才會投入更多的認知資源來主動加工多媒體學習中的新信息;如果學習者在學習過程中缺乏動機，將會阻礙學習，因此動機因素可以作為教學設計與多媒體學習效果之間的中介變量（Moreno? et al.，2005;Moreno et al.，2007）。

4.多媒體學習認知-情感整合理論

Plass等人（2016）對多媒體學習認知-情感理論（Moreno et al.，2007）、核心情感和歸因情感（Russell，2003），以及情緒圖式（Izard，2009）等概念進行整合，提出了多媒體學習認知-情感整合理論（Integrated Cognitive-Affective Theory of Learning with Media，ICATLM）（見圖4）。該理論認為，學習中認知過程和情感過程是相互伴隨且不可分割的。多媒體學習環境包括情感反應，即核心情感。當學習者感知學習環境中的聽覺和視覺信息時，就體驗到了所謂的核心情感。除此之外，一些被體驗到的情緒可能歸因于某種特殊的信息，也可能只是作為一種心情，而無法對其進行歸因。這個歸因過程與工作記憶中對學習材料的選擇過程也是相互影響的。當學習者在進行視覺表征和言語表征時，其情緒（包括學習者的興趣和動機）會參與其中。這個心理表征的過程與興趣、動機、情感也是相互影響的。該理論強調心理表征的整合，包括言語表征、視覺表征以及所感知到的情緒的整合。該過程中感知到的情緒，可形成情緒圖式并存在長時記憶里。Plass等根據誘發情緒能提高內在動機和促進學習成績的結果，因而間接推測誘發情緒是通過提高內在動機而促進了多媒體學習的效果（Plass et al.，2016）。

二、認知負荷理論在智能教育領域的應用

1.自主學習

近年來，認知負荷理論呈現出在學科內交叉融合應用的趨勢，例如強調認知負荷理論與自主學習的融合（Sweller et al.，2017）。德國杜伊斯堡-埃森大學的Detlev Leutner教授分享了題為《自主學習與元認知知識和技能的轉化》 主題報告，主要介紹了自主學習中元認知的作用，以及元認知知識與技能之間的轉化，尤其強調在自主學習中元認知對認知學習策略的提升具有重要作用。

自主學習是“自我導向、自我激勵、自我監控”的學習，是一種主動學習、獨立學習和元認知監控的學習。自主學習能力與認知加工策略的使用、元認知策略的使用、以及動機調節策略的使用密切相關（Boekaerts，1999，2017;Pintrich，2000;Zimmerman，2000）。已有研究表明，元認知策略的培養對激發學習者的學習動機、提高學習者的元認知水平、優化學習方式、增強自我監控能力，以及提高學習者的學業成績具有重要作用。

元認知知識是主體通過經驗而積累起來的，是關于認知活動的一般性知識。元認知知識包括對認知主體、認知任務和認知策略的知識。元認知知識一般儲存在個體的長時記憶中， 具有穩定性的特點，它對認知活動的影響可以是有意識的，也可以是無意識的。其中認知策略的知識是指主體對于完成某項認知任務所需要的認知方法的知識，如認知策略的種類、特點、各種認知策略應用的條件及有效性等。對于元認知知識是否能夠影響學習者認知策略的問題，Leutner教授介紹了Schuster等人的干預研究。研究結果顯示，學習者對認知策略的正確使用，需要元認知知識的參與。

2.移動學習

信息技術特別是移動通訊技術的發展促進了學習理念的變革，形成了全新的學習方式。在移動學習中，如果缺乏對學習者認知負荷的探究，將同樣導致學習者在學習過程中出現認知超載，從而影響學習效果。本次大會中，來自新加坡南洋理工大學的Chee-Kit Looi教授分享了題為 《當移動學習與認知負荷理論相遇時》的報告。 他認為移動學習未來研究的一個重要挑戰在于如何將認知負荷理論融入到移動學習設計以及無縫學習當中。

Looi教授指出，相比于其他學習方式，移動學習具有四個方面的特點：（1）學習者可以跨越空間進行學習。例如學習者可以在家下載學習資料，獲取學習資源，而在學校開展學習活動。（2）學習者可以跨越時間進行學習。例如學習者可以在不同情境下重新審視和思考之前學到的知識，這為學習者的終身學習提供了框架。（3）學習者可以按照不同的主題建立一個個性化的學習項目，而非局限于固定單一的課程中。（4）學習者可以利用信息技術隨時開展學習活動。由此可見，移動學習一方面是指基于移動設備的學習，另一方面也體現了學習和知識的動態屬性。

在移動學習過程中，認知負荷的來源包括環境、移動設備、軟件系統、學習應用、學習活動本身5種（Choi et al.，2014;Deegan，2015）。有關移動學習與學習者認知負荷及學業成就的關系問題，Looi教授介紹了Chu（2014）的實驗。該研究指出移動學習雖然極大地便利了學習者的學習，使學習更具情境性;但對于移動學習是否真的有利于學習者的學業表現的問題尚有待進一步探索。為了探索移動學習對學習者學習的影響，該研究對學習者的學業成績及認知負荷進行了測量。該研究將被試分為實驗組和控制組，實驗組的學習者進行移動學習，控制組則進行傳統的教師-學習者面對面教學。研究結果卻顯示，實驗組學習者的學業表現顯著低于控制組，其原因在于實驗組學習者的內在認知負荷（即學習資料）過重。最后Looi教授指出，如何在學習設計中降低學習者的認知負荷，將是未來移動學習研究的一個重要挑戰。

3.游戲化學習

隨著電子游戲在教育教學中的應用逐漸增多，關于游戲化學習（Digital Gamed-Based Learning）的研究已成為當前教育技術學科的重要研究領域之一（Boyle et al.，2016）。然而關于游戲化學習對學習者學業成績的影響如何尚存爭議。例如，Kebritchi等（2010）指出游戲化學習能夠顯著提高學習者的學業成績;但也有研究顯示游戲化學習會對學習者的學業成績產生消極影響。

法國巴黎第八大學的Sébastien Puma介紹了題為《運用游戲化學習提高學生運算能力》的研究。Puma指出認知負荷理論可以為游戲化學習的研究提供理論框架。如果電子游戲情境給學習者提供過多的外部認知負荷，那么學習者的學習結果將會受到消極影響。此外，學習者的已有知識可以減少要素間的交互，從而降低學習者的認知負荷。Puma通過實驗研究考察了游戲化學習對學習者數學學習的影響。共有674名4～6年級的小學生參與了該研究。研究者將學生分為實驗組和控制組，實驗組的學生接受6個月的游戲化數學教學，控制組的學生則接受傳統的數學教學。為了對比兩種教學方式對學生數學成績的影響，該研究對學生的比較大小、計算等數學能力進行了前測和后測。研究結果顯示，相比于傳統的數學學習，游戲化學習中學生的數學能力提高得更為顯著。對不同年齡組學生的差異比較顯示，4年級學生在兩種不同教學方式中的表現差異不顯著;而對于5～6年級學生，接受游戲化教學的學生的數學能力要高于接受傳統教學的學生。Puma強調，游戲化學習效果在不同年齡段的差異主要受學生已有知識的影響;當學生已有知識提高時，游戲化教學的積極影響也會隨之提高。

4.沉浸式學習

Dede（2009）指出，虛擬學習環境的一個優點是它可以為學習者提供身臨其境的體驗，從而降低將已有知識和技能遷移到新情境的難度。頭戴式虛擬現實設備的出現為學習者提供了一個在更真實、沉浸式環境中學習的良好機會，因為這種技術可以為學習者提供物體、空間或現象的生動的內部視圖。盡管如此學習者的學習參與仍然可能是被動的，因為學習者有可能僅僅在虛擬環境中觀看或者操作這些三維圖像，而非進行真正意義上的學習（Chi et al.，2014）。

華東師范大學Lijia Lin等人介紹了題為《沉浸式虛擬環境中的學習：將“總結”作為一種學習策略》的研究。他們指出從認知負荷的角度來看，學習者的被動參與并非真正的認知加工。因此該研究利用總結策略（Summarizing Strategy）來促進學習者在虛擬環境中的學習參與情況。研究結果顯示，采取總結策略的學生相比于沒有采取總結策略的學生付出了較少的工作量。這主要由于總結策略可以幫助學生選擇相關信息，并將他們的一些認知資源從處理無關元素中解放出來，從而減少認知負荷，提高學習參與程度。

5.基于計算機的模擬學習

基于計算機的模擬學習（Computer-Based Simulation Learning）是學習者意義建構和知識建構的重要方式之一。臺灣中山大學的Yuling Hsu介紹了題為《指導與自由的平衡：如何在計算機模擬學習環境中教授學生幾何概念》的研究。Hsu指出，如果學習者的學習是有意義的，那么學習者在模擬的環境中就可以確定做什么（表征設置）和如何去做（生成解決方案）;在這個過程中，需要向學習者提供必要的指導，以減少學習障礙并優化學習者的認知負荷。該研究調查了不同類型（對表征設置的指導與對生成解決方案的指導）和不同程度（高度與低度）的指導對臺灣原住民兒童和非原住民兒童的語言學習表現和三種不同認知負荷的影響。該研究結果顯示，不同類型和不同程度的指導對兒童的外部認知負荷影響顯著，而對內部認知負荷和關聯認知負荷的影響無顯著差異。

三、認知負荷理論的發展展望

認知負荷理論提出以后，在世界范圍內引起持續討論。Mayer等人在認知負荷理論和雙重編碼理論的基礎上提出了多媒體學習認知理論;Moreno等人將動機等情感因素引入到多媒體學習認知理論，進而提出了多媒體學習的認知-情感理論;Plass等人將多媒體學習認知-情感理論、核心情感和歸因情感、情緒圖式等概念進行了整合，進而提出多媒體學習認知-情感整合理論。可以看出，以往研究人員更多是從多媒體學習的視角對其進行發展。然而，在大數據、云計算為基礎的智能教育時代，學習者的學習環境將不同于傳統的多媒體學習環境。在智能教育的背景下，進一步豐富和完善認知負荷的理論模型，將該理論運用到以智能技術為依托的學習場景，將是認知負荷理論未來發展的重要方向。

在智能教育背景下，學習環境日漸智慧化。黃榮懷等（2012）提出，智慧學習環境是一種能夠感知學習情景、識別學習者特征、提供合適的學習資源與便利的互動工具、自動記錄學習過程和評測學習成果，以促進學習者有效學習的場所或活動空間。與傳統的多媒體學習環境相比，智慧學習環境具備更加豐富的學習資源、智能工具及技術，可以為多種形式的學習活動提供支撐。然而，這種學習環境也更容易出現冗余信息過多、信息呈現和使用不當、學習者注意力難以集中等問題，從而導致學習過程中的認知負擔過重，影響學習者的有效學習。因此，以學習者為中心，考察智慧學習環境中學習者認知負荷的來源、探索有效降低學習者認知負荷的策略，將是認知負荷理論未來探討的重要主題。

隨著智能技術與教育的深度融合，除學習環境外，學習方式也將發生重大變化。認知負荷理論作為學習與教學領域最有影響力的理論框架之一，在智能教育背景下，如何有效指導移動學習、無縫學習、游戲化學習等新的學習方式也將是未來討論的重要主題。例如，認知負荷理論認為，工作記憶擁有分別處理視覺信息和聽覺信息的信息加工通道，當我們在教育教學中不得不分開呈現彼此關聯的視覺信息時（如圖表必須搭配文字解釋才能加以理解，而文字又因為空間的局限而無法全部嵌入圖表中），可以通過音頻信息呈現這些文字內容，增加工作記憶的信息加工能力，提高學習效果。移動設備的便攜性雖然能夠支持學習者在不同情境下隨時隨地進行學習，但如果在移動設備上學習內容呈現不當，將會增加學習者認知負荷超載的風險。因此移動學習材料的設計者如何以認知負荷理論為基礎，科學有效地設計移動學習將是另一個研究挑戰。

隨著對認知負荷理論的深入研究，為了有效降低學習與教學過程中的認知負荷，Sweller等人經過30多年的研究提出了一系列認知負荷效應。這些認知負荷效應可以應用到不同的學習內容、學習方式和學習環境的設計中，從不同角度降低學習者的認知負荷。在智慧學習環境中，繼續深入探討認知負荷效應，也將成為未來研究的重要內容。這一方面體現為探索原有的認知負荷效應在智慧學習環境中是否會發生改變;另一方面體現為探索在新的智慧學習環境中是否會出現新的認知負荷效應。例如，注意力分散效應的研究顯示，當學習者將注意力分配到時空有一定間隔的不同學習材料時（ 這些材料通常有一定難度），并且只有通過整合不同來源的信息才能理解每一段材料時，就可能引起學習的認知負荷超載。那么在游戲化學習或無縫學習過程中，注意力分配效應是否依然有效？學習材料的設計者如何整合并呈現不同來源的信息，以減少學習者的認知負荷？這也將是未來研究的重要問題。

最后，在認知負荷的測量技術與方法上，目前主要以量表測量為主。量表能否真實、客觀、有效地測量個人的認知負荷還有待進一步證實。隨著腦科學的發展，個體認知能力的測量技術與方法日漸多元化。北京師范大學劉嘉教授分享的《有效學習與大腦可塑性：基于空間認知的視角》報告，從空間認知的角度介紹了有效學習和大腦的可塑性。劉嘉教授綜合量表測量、核磁共振（fMRI）、大數據等研究結果，匯報了相關研究成果。未來對認知負荷的有效測量，能否借鑒fMRI、大數據等測量方式，或者探索出更加真實客觀的測量技術與手段，也將成為研究者的一大挑戰。

參考文獻：

[1]黃榮懷， 楊俊鋒， 胡永斌 （2012）. 從數字學習環境到智慧學習環境——學習環境的變革與趨勢[J]. 開放教育研究， （1）：75-84.

[2]Boekaerts， M. （1999）. Self-Regulated Learning： Where We Are Today[J]. International Journal of Educational Research， 31（6）：445-457.

[3]Boekaerts， M. （2017）. Cognitive Load and Self-Regulation： Attempts to Build a Bridge[J]. Learning and Instruction， 51：90-97.

[4]Boyle， E. A.， Hainey， T.， & Connolly， T. M. et al. （2016）. An Update to the Systematic Literature Review of Empirical Evidence of the Impacts and Outcomes of Computer Games and Serious Games[J]. Computers and Education， 94：178-192.

[5]Chi， M. T. H.， & Wylie， R. （2014）. The ICAP Framework： Linking Cognitive Engagement to Active Learning Outcomes[J]. Educational Psychologist， 49（4）：219-243.

[6]Choi， H.-H.， Van Merri?nboer， J. J. G.， & Paas， F. （2014）. Effects of the Physical Environment on Cognitive Load and Learning： Towards a New Model of Cognitive Load[J]. Educational Psychology Review， 26（2）：225-244.

[7]Chu， H.-C. （2014）. Potential Negative Effects of Mobile Learning on Students Learning Achievement and Cognitive Load -A Format Assessment Perspective[J]. Educational Technology & Society， 17 （1）：332-344.

[8]Dede， C. （2009）. Immersive Interfaces for Engagement and Learning[J]. Science， 323（5910）： 66-69.

[9]Deegan， R. （2015）. Complex Mobile Learning that Adapts to Learners Cognitive Load[J]. International Journal of Mobile and Blended Learning， 7（1）：13-24.

[10]Izard， C. E. （2009）. Emotion Theory and Research： Highlights， Unanswered Questions， and Emerging Issues[J]. Annual Review of Psychology， 60：1-25.

[11]Kalyuga， S.， & Singh， A.-M. （2016）. Rethinking the Boundaries of Cognitive Load Theory in Complex Learning[J]. Educational Psychology Review， 28（4）：831-852.

[12]Kebritchi， M.， Hirumi， A.， & Bai， H. （2010）. The Effects of Modern Mathematics Computer Games on Mathematics Achievement and Class Motivation[J]. Computers and Education， 55（2）：427-443.

[13]Mayer， R. E. （1997）. Multimedia Learning： Are We Asking the Right Questions？[J]. Educational Psychologist， 32（1）：1-19.

[14]Mayer， R. E. （2005）. Cognitive Theory of Multimedia Learning[A]. Mayer， R. E.（Ed） （2005）. The Cambridge Handbook of Multimedia Learning[M]. New York： Cambridge University Press：31-48.

[15]Mayer， R. E. （2014）. Incorporating Motivation into Multimedia Learning[J]. Learning and Instruction， 29（4）：171-173.

[16]Moreno， R.， & Mayer， R. （2007）. Interactive Multimodal Learning Environments[J]. Educational Psychology Review， 19（3）：309-326.

[17]Moreno， R.， & Valdez， A. （2005）. Cognitive Load and Learning Effects of Having Students Organize Pictures and Words in Multimedia Environments： The Role of Student Interactivity and Feedback[J]. Educational Technology Research and Development， 53（3）：35-45.

[18]Paas， F.， Renkl， A.， & Sweller， J. （2004）. Cognitive Load Theory： Instructional Implications of the Interaction between Information Structures and Cognitive Architecture[J]. Learning Science， 32（1/2）：1-8.

[19]Paivio， A. （1991）. Dual Coding Theory： Retrospect and Current Status[J]. Canadian Journal of Psychology， 45（3）：255-287.

[20]Pintrich， P. R. （2000）. An Achievement Goal Theory Perspective on Issues in Motivation Terminology， Theory， and Research[J]. Contemporary Educational Psychology， 25（1）：92-104.

[21]Plass， J. L.， & Kaplan， U. （2016）. Emotional Design in Digital Media for Learning[A]. Tettegah， S.， & Gartmeier， M. （2016）. Emotions， Technology， Design， and Learning[M]. Elsevier Inc： 131-162.

[22]Russell， J. A. （2003）. Core Affect and the Psychological Construction of Emotion[J]. Psychological Review， 110（1）：145-172.

[23]Sweller， J. （2008）. Human Cognitive Architecture[J]. Instructional Science， 32（1）：9-31.

[24]Sweller， J. （2016）. Working Memory， Long-term Memory， and Instructional Design[J]. Journal of Applied Research in Memory and Cognition， 5（4）：360-367.

[25]Sweller， J.， & Paas， F. （2017）. Should Self-Regulated Learning Be Integrated with Cognitive Load Theory？ A Commentary[J]. Learning and Instruction， 51：85-89.

[26]Sweller， J.， Ayres， P.， & Kalyuga， S. （2011）. Cognitive Load Theory[M]. New York： Springer.

[27]Van Merri?nboer， J. J. G.， & Sweller， J. （2005）. Cognitive Load Theory and Complex Learning： Recent Developments and Future Directions[J]. Educational Psychology Review， 17（2）：147-177.

[28]Zimmerman， B. J. （2000）. Self-Efficacy： An Essential Motive to Learn[J]. Contemporary Educational Psychology， 25（1）：82-91.

收稿日期 2018-10-11 責任編輯 劉選