AR技術賦能對用戶認知負荷影響的元分析研究

張 玥 姚璐靜

(南京大學信息管理學院，江蘇 南京 210023)

技術賦能是信息資源建設的重要思路。隨著元宇宙時代的來臨與發展，基于數字孿生和仿真模擬的技術逐漸成熟[1]，這為技術賦能帶來了新的可能。其中，AR作為一種可以實現用戶、虛擬與現實三元交互的技術，是未來幾年技術行業的重要發展方向之一[2]。AR技術的基本思想是通過在現實環境中嵌入虛擬組件來增強人類的感知，具有創建真實和虛擬對象相結合的交互環境的獨特能力[3]，其所具備的優勢使得AR技術賦能趨于流行化與商業化[4]。技術賦能強調以用戶為核心，通過技術為用戶提供支持。研究發現，AR技術賦能為用戶的知識獲取提供了新途徑，在支持用戶的知識獲取行為中體現出了巨大潛力[5]。但值得注意的是，有研究者指出，在AR技術與用戶知識獲取行為交互時，可能存在著認知負荷過高的風險[6]。

認知負荷被認為是用戶在處理特定任務時其認知系統上的負荷的多維結構[7]。認知負荷理論揭示了在信息處理過程中發生的認知限制，認為人類的認知結構只允許處理有限數量的信息[8]。當認知負荷總量超過人類認知結構所能承受的極限時，就會造成認知超載，從而影響信息利用的效率。認知負荷是衡量用戶行為的重要指標[9]，用戶的認知負荷水平代表了所采用的信息技術的功效[8]，對認知負荷的探究有助于更全面、更深刻地評價用戶知識獲取行為中AR賦能的效益。但相關研究中，就AR技術賦能對用戶認知負荷的影響尚未達成統一結論。部分研究指出，AR技術賦能可以有效降低用戶的認知負荷[10-12]，但也有研究表明，AR技術賦能對用戶認知負荷產生的影響并不顯著[13-15]，更有甚者認為AR技術賦能會增加用戶的認知負荷水平，造成認知超載[16-17]。AR技術賦能究竟會對用戶的認知負荷產生怎樣的影響是亟待回答的重要問題[18]。

元分析是一個有價值的工具，與質性綜述相比更具客觀性與判斷性。元分析嚴格遵循一定的標準與程序進行系統分析，將個體研究的效應量轉化為通用指標以進行有意義的比較。通過對個體數據的合并可以擴大數據量，提供更高的統計效力，從而對某一特定因素或干預方案的效果作出更有力的估計，產生更可靠的結果證據。元分析能幫助研究人員解決研究結果中的不一致，并可以通過調節分析確定解釋這些差異的調節變量或中介變量[19]。鑒于此，本研究采用元分析的方法進一步梳理用戶知識獲取行為中AR技術賦能與認知負荷的關系，以期擴大對AR技術賦能的認識。本文采用PICO框架來確定研究目標。PICO框架包含人口(Population,P)、干預(Intervention,I)、比較(Comparison,C)、結果(Outcomes,O)[20]。基于此框架，選擇AR用戶作為人口，以AR賦能作為干預，與非AR應用做比較，最終衡量用戶的認知負荷水平。

1 文獻綜述

1.1 AR與知識獲取的相關研究

AR技術出現在20世紀50年代，隨著技術壁壘的不斷突破，越來越多的研究者投入到對AR技術的探索之中。AR技術也逐漸從實驗室的理論研究階段轉向了大眾和工業應用階段，并在多個領域取得了發展。自2010年以來，AR技術在知識獲取中的應用穩步增加，成為日益流行和重要的研究課題。學者們已從多維度出發考察AR賦能知識獲取所取得的效果。一方面，AR技術的應用可以提升知識獲取效益。Altmeyer K等[21]使用一種基于平板電腦的程序，創建了一個AR環境來支持有關電路實驗的知識獲取，發現AR提供的信息呈現模式可以增強知識理解。Zumbach J等[22]的研究表明，在有關飛機渦輪的知識獲取過程中，AR體驗比起紙質或視頻體驗更容易給用戶留下深刻的知識記憶，產生更高的知識留存率；另一方面，AR技術對知識獲取的支持有利于提升用戶的情感表現。Khan T等[23]研究了用戶在健康科學主題下的知識獲取，結果表明，AR能提高用戶的知識獲取動機。Cheng K H[24]揭示了用戶在AR閱讀過程中的積極態度，用戶認為AR對其自身的知識獲取有益。在Wojciechowski R等[25]的研究中，同樣強調了用戶的感知有用性。這意味著，AR可以有效激勵用戶積極參與知識獲取。在大量研究成果證明了AR作為支持技術具備可行性和有效性的同時，也有研究指出AR技術所面臨的挑戰。如Ak?ayr M等[17]表明，AR用戶可能會遇到技術可用性和穩定性等問題。Wu H K等[16]指出，現實和虛擬對象的交叉可能會導致用戶產生混淆和迷失感。此外，Buchner J等[6]指出，認知負荷也是與AR技術交互時需重點考慮的問題。

1.2 AR對認知負荷影響的相關研究

用戶的認知負荷是體現技術使用效果的重要因素之一。越來越多的學者關注到了AR技術賦能對用戶認知負荷的影響。部分學者認為，AR技術賦能可以為用戶創造出具有高度真實感的交互式環境，實現抽象信息的可視化、復雜信息的結構化，促進用戶對知識的理解，減輕用戶為之所付出的認知努力[26]。也有學者認為，AR技術可以在時間和空間上更為連貫地呈現信息[27]，提高用戶的專注度，幫助其喚醒與知識密切相關的認知過程，減少其他無關信息所占用的有限認知資源[28]，從而降低用戶的認知負荷水平。但也有不同的聲音出現，如Dunleavy M等[29]指出，當用戶使用AR系統時，需要學習操作流程、熟悉系統界面，這可能會增加用戶的認知負擔。

從方法論的角度來看，二者關系研究中采用實驗設計的定量研究方法占主導地位。同樣，相關定量研究中就AR對用戶認知負荷的影響關系呈現出矛盾結論。部分實證研究已證實了在用戶的知識獲取行為中，AR技術賦能對認知負荷具有降低效果。如Singh G等[30]通過實驗發現，AR技術賦能有效降低了用戶在獲取設備操作信息時的認知負荷。Turan Z等[10]研究了用戶獲取地理知識時使用AR技術對認知負荷水平的影響，發現AR組的認知負荷水平顯著低于對照組。但也有研究表明，AR技術賦能對認知負荷沒有顯著影響，甚至會增加用戶的認知負荷。如Mao C C等[15]在用戶的軍事知識獲取中比較了AR組與非AR組，發現兩組用戶的認知負荷并無顯著差異。Chou Y Y等[31]發現，使用AR技術獲取科學知識的用戶認知負荷更高。已有學者進行了敘述性的系統綜述，對研究二者關系的文獻進行了質性總結與梳理[6,32]，但這些研究只描述了對定性變量的發現，沒有考慮定量變量來衡量AR技術對認知負荷的影響。

綜上所述，目前AR技術在用戶的知識獲取行為中受到了廣泛的應用，學者們致力于研究AR技術賦能知識獲取的應用效果，認知負荷也是研究者們關注的重點。但就研究結果而言，尚未達成統一結論。針對目前有關AR技術賦能對用戶認知負荷影響的研究存在大量爭議，本研究試圖從個別研究中收集大量實驗數據進行統計分析，以整合研究結果，綜合探討知識獲取行為中AR技術賦能與用戶認知負荷的關系。

2 研究方法

元分析是社會科學中最常見的定量方法之一[33]，研究采用元分析的方法，嚴格遵循系統綜述的程序，通過一定的標準搜索、篩選符合本研究研究目標的文獻后從對相關文獻進行編碼，從文獻中提取相應信息及相關效應量，使用CMA 3.0軟件導入數據后進行綜合分析及調節分析。同時對研究的異質性及發表偏移進行檢驗，確保研究結論的有效性。

2.1 文獻檢索

本研究使用兩種主要的策略來搜索文獻，以提高查全率。首先，對各大數據庫進行了搜索。中文數據庫有知網、萬方、維普等，外文數據庫有Web of Science、Google Scholar、PubMed、ProQuest、Elsevier、Springer等，中文檢索詞設置為“增強現實”“認知負荷”“認知負荷理論”“知識獲取”等；外文檢索詞設置為：“Augmented Reality”“Augmented Reality AR”“Cognitive Load”“Cognitive Overload”“Study Effect”等。檢索詞使用布爾運算符進行結合，檢索時間截至2022年8月。此外，如果只使用數據庫搜索結果，部分文獻可能會被遺漏[34]，故手動搜索相關研究的參考文獻列表，以尋找其他符合條件的研究。將所有文獻導入EndNote后去除重復文獻，最終獲得378篇文獻。

2.2 文獻納入與排除

文獻篩選的流程如圖1所示。首先瀏覽了所有潛在相關論文的標題及關鍵詞，排除內容明顯不相關的文獻350篇。然后閱讀每項研究的摘要，排除綜述性研究、質性研究以及未涉及本文研究問題的研究，由于語言限制，除中文和英文之外的文獻也被排除。該階段共排除文獻5篇。接下來對全文進行細致閱讀，納入符合以下標準的文獻：①研究旨在評估AR技術賦能對用戶認知負荷的影響，且報告了認知負荷的總體效應值；②研究必須是對照實驗，即含有實驗組和對照組。其中，實驗組需通過AR賦能獲取知識，對照組使用相對應的非AR手段獲取知識；③研究需報告完整的統計信息(均值、標準差、樣本量)來計算效應量；④研究可以查閱全文。最終，有15項研究被納入了薈萃分析，包含16個效應量以及1 049個被試，使用AR賦能的被試有527名，非AR賦能的被試有522名。所有的納入文獻都經過了同行評議。

圖1 文獻篩選流程圖

2.3 文獻編碼

研究設計了文獻編碼表，參考已有文獻，通過兩個部分對所有納入研究信息進行編碼。第一部分為該文獻的背景特征，包括文獻信息、出版年份；第二部分為該文獻的內容特征，包括研究被試的教育背景、樣本量、技術應用領域、實驗干預時間。如表1的編碼結果所示，用戶教育背景可分為兩個子類別：基礎教育(學前生、小學生或中學生)及高等教育(本科生或研究生)。技術應用領域的編碼類型分布較廣，涉及科學、醫學、工程、藝術、語言等多個領域。實驗干預時間與被試使用AR技術的時間相對應，不計算實驗中用于介紹或測試的時間，可分為兩個子類別：長期干預(多次使用)與短期干預(單次使用)。

表1 文獻編碼表

2.4 數據分析

如前所述，元分析的目的是綜合從不同研究中收集到的定量信息。考慮到實驗材料內容、參與者年齡、主題領域等的可變性，本研究采用隨機效應模型進行分析[35]，該模型假設效應量由于隨機誤差而相互不同。效應量的估計主要基于原始的描述性數據(平均值、標準差和樣本量)，最終轉化為Hedges’g值作為效應值，Borenstein M等[36]認為Hedges’g值可以減少小樣本量偏差。負向的效應值說明AR技術賦能對用戶的認知負荷有降低效果。針對研究中出現的多個實驗組和對照組配對的情況，本研究參考以往研究，將每一對數據視為獨立樣本納入元分析[37]，隨后進行調節分析，以評估其總體影響是否可能受到某些特征的制約。

已有研究指出，相似的信息環境也會導致用戶產生不同水平的認知負荷[38]，認知負荷水平會受用戶特征和在知識獲取中呈現的任務的影響[39]。故本研究結合文獻梳理，從用戶特征、任務特征、實驗特征3個維度出發，選取用戶教育背景、技術應用領域、實驗干預時間作為調節變量，檢驗不同條件下AR技術賦能對認知負荷的影響是否存在差異。

本研究使用I2值與Q檢驗進行異質性檢驗。若Q檢驗顯著，則代表研究具有異質性。I2統計量變化范圍為0%到100%，代表著研究間的真實方差在總方差中的比例。根據Higgins J P T等[40]的研究，I2值為0時，說明沒有異質性；I2值為25%代表輕度異質性；I2值為50%之間代表中等異質性；I2值為75%代表高度異質性。

發表偏移是指結果顯著的研究更容易被發表，而未被發表的結果可能會對元分析綜合后得到的研究結論產生影響[41]。漏斗圖是一種通過視覺檢查來評估發表偏移的方法，具有一定的主觀性。故本文采用量化的失安全系數及Egger’s檢驗來檢測發表偏移，用剪貼法來評估發表偏倚對結果的影響[42]。

3 研究結果

3.1 納入文獻特征

就發表時間而言，納入文獻發表于2013—2022年；就作者來源而言，被納入文獻的第一作者大多來自中國(10篇文章)，其余來自土耳其、印度、美國、荷蘭；就出版語言而言，包含2篇中文文章和13篇英文文章。

3.2 檢驗結果

Q檢驗的結果顯著，Q值為298.963，自由度為13，p<0.0001，I2=94.983大于50%，該結果表明各研究之間是異質的，異質性檢驗的結果表明采用隨機效應模型是正確的，也說明有必要進行進一步的調節分析。

本文使用失安全系數及Egger’s檢驗來檢測研究的發表偏移。本研究的失安全系數為297，大于5k+10(k為研究個數)，從失安全系數的結果來看，不存在明顯的發表偏差，代表著未發表研究的結果不太可能影響整體研究結論。但Egger’s檢驗的結果顯示t值為1.78，df為14，p值為0.097，這表明研究存在一定的發表偏移。根據Borenstein M等[36]的研究結果，檢驗發表偏移的主要目的是為了確定出版偏差對研究結論有效性的影響，因此，本研究進一步采用剪貼法來確定發表偏移帶來的影響。剪貼法使用現有的效應量及其分布來估計缺失的出版文獻的數量，并推斷其影響程度。剪貼文獻后發現，采用隨機效應模型得到的總效應仍然顯著。綜合以上結果可以得出結論，雖然研究可能存在一定的發表偏移，但是元分析的主要結論還是有效的。

3.3 主效應分析

如圖2所示，通過元分析綜合后得到的效應值為-0.901，置信區間為[-1.509,-0.294]，p=0.004，達到統計顯著水平，結果顯示，AR技術賦能可以降低用戶的認知負荷水平。

3.4 調節效應分析

本研究基于調節變量進行了亞組分析，亞組分析的結果如表2所示。

表2 調節效應分析結果

就用戶教育背景而言，AR技術賦能對高等教育背景用戶[g=-1.301,95%CI=(-2.060,-0.003),p=0.043]和基礎教育背景用戶[g=-0.801,95%CI=(-1.576,-0.026),p=0.049]的認知負荷水平都能產生顯著影響，有明顯降低效果。組間差異不顯著(p=0.726)。

根據技術應用領域的調節效果分析顯示，組間差異顯著(p<0.0001)，AR賦能在科學[g=-0.911,95%CI=(-1.720,-0.102),p=0.028]、工程[g=-0.497,95%CI=(-0.802,-0.193),p=0.001]、語言[g=-1.800,95%CI=(-3.326,-0.275),p=0.021]、藝術[g=-4.388,95%CI=(-5.251,-3.526),p<0.0001]中均能顯著降低認知負荷水平。但對醫學領域[g=1.050,95%CI=(-1.576,2.541),p=0.642]而言沒有顯著影響。

就實驗干預時間而言，長期干預與短期干預組間差異不顯著(p=0.301)，長期干預[g=-1.565,95%CI=(-3.162,0.033),p=0.033]對認知負荷的降低效果并不顯著，短期干預[g=-0.666,95%CI=(-1.258,-0.075),p=0.027]的效果顯著。

4 研究結論

本研究通過元分析的方法，系統梳理了在用戶知識獲取行為中AR技術賦能對認知負荷的影響，研究發現，總效應值為-0.901，表明AR技術賦能可以有效降低用戶的認知負荷。個體的認知架構由工作記憶和長期記憶構成[43]，而工作記憶是有限的，只允許用戶在同一時間段內處理有限數量的信息。認知負荷有一個關鍵因素，即個體處理信息的認知能力，也被描述為工作記憶的有效性。工作記憶并不是一個單一的結構，先前研究表明，它是由多個通道或處理器組成，包含處理圖像的視覺處理器和處理語言信息的聽覺處理器[44]，這兩個系統以一定程度的獨立性處理不同形式的信息。而用戶在應用AR支持知識獲取的過程中，受到了多感官刺激，同時使用視覺和聽覺通道處理信息，就出現了模態效應，可以擴大有限的工作記憶容量，降低工作記憶的負載[45]。此外，AR技術賦能有助于用戶產生心流體驗。心流體驗是一種人們享受和專注于一項活動的現象[46]。AR帶來的沉浸感能讓人們過濾外界的干擾、專注于知識獲取、減少其他信息對認知資源的占用，而其帶來的愉悅感也可在一定程度上減輕用戶所感受到的心理壓力。因此，在知識獲取中，AR技術賦能可以對用戶的認知負荷產生積極影響。在納入研究中，部分研究發現，AR技術賦能對用戶的認知負荷并沒有顯著影響[13-15]，甚至在Chou Y Y等[31]的實驗中，AR組的認知負荷更高。Chou Y Y等認為，原因可能是用戶在AR技術賦能時面對多任務的處理，花費了較多精力來理解對AR系統的操作，導致了額外的認知負荷。因此，在AR賦能中仔細設計信息系統和程序是至關重要的。

研究人員一致認為，用戶特征和信息特征是在設計信息環境時需要考慮的重要因素[47]。故本元分析同時分析了AR技術賦能對用戶認知負荷的影響是否會隨用戶教育背景、技術應用領域、實驗干預時間的不同而產生差異。

用戶教育背景的調節分析顯示，AR技術賦能對不同教育背景用戶的認知負荷影響不存在顯著差異，使用AR技術賦能均能降低認知負荷。對比之下，高等教育背景用戶的使用效果更優。在用戶處理不熟悉的信息時，工作記憶的極限遠低于認知任務的要求，易引起較高的認知負荷水平[48]。高齡段的用戶比低齡段的用戶對信息技術系統的使用更具經驗，諸如數字系統復雜性和多任務處理等問題更容易對低齡段用戶產生影響[29]。此外，在工作記憶利用長期記憶中的認知圖式處理信息時，可以在一定程度上提升其極限。對于知識更豐富的高等教育用戶而言，其長期記憶中存儲有更多的認知圖式，可以協助其工作記憶提升處理效率，減輕工作記憶的負擔。

技術應用領域的調節分析顯示，AR技術賦能結合不同應用領域會導致認知負荷水平的顯著差異。在科學、工程、語言和藝術等應用領域都能有效降低用戶的認知負荷，然而在醫學領域，AR技術賦能對用戶認知負荷的影響并不顯著。認知負荷是一個復雜結構，基于認知負荷理論可以劃分為內在認知負荷和外在認知負荷[49]。內在認知負荷是指處理具有復雜性的信息時所付出的心理努力程度，是由學習任務的內在本質所決定的，與特定的知識領域難度相關；外部的認知負荷來自于信息的呈現與組織方式[50]。應用領域的知識難度不同導致內在認知負荷會有所差異。在知識信息量更大、信息處理更復雜、認知要求更高的應用領域中，用戶的內在認知負荷會處于較高水平。

對實驗干預時間的調節分析顯示，不同的干預時間下用戶的認知負荷水平無顯著組間差異，AR技術進行短期干預的情況下認知負荷顯著降低，而長期干預的降低效果并不顯著。這一結果也印證了AR技術賦能對認知負荷的降低效果可能受新奇效應的影響。人機交互研究中，新奇效應被定義為用戶對一項技術的主觀第一反應[51]。當一種交互技術為用戶帶來新奇感的時候，其認知負荷水平會受影響。有證據表明，在新奇效應的作用下，海馬區的記憶和代謝活動會增強[52]。海馬體在長期記憶中起著至關重要的作用[53]，對海馬區的有效刺激利于認知圖式的激活與利用，從而為工作記憶帶來有利幫助，降低用戶的認知負荷水平。

5 研究啟示與展望

5.1 研究啟示

AR技術賦能在未來的開發與建設中需要注意以下關鍵內容：

1)加強AR技術賦能，構建多層次信息資源體系。綜合效應分析表明，AR技術賦能可以顯著降低用戶的認知負荷水平，進一步驗證了AR技術賦能具備廣闊的發展和應用前景。技術賦能可以擴展信息資源傳播渠道、提升信息資源利用的整體效度。相關文化產業可以加強AR技術的引入與建設，用AR技術賦能推進信息資源建設。調節分析表明，不同的用戶及內容特征會影響AR技術賦能的效果。相關機構及平臺需重視用戶多元化背景，構建基于內容多樣化的多層次AR資源體系，匹配不同的用戶特征與需求，提供個性化精準資源推送，均衡認知負荷，實現AR技術賦能的最佳效益。對負效應樣本的分析表明，用戶對AR系統與程序操作的不熟悉會引起較高水平的認知負荷，相關機構及平臺可以提供技術咨詢服務，減少因技術使用給用戶帶來的困擾，推動AR技術賦能與用戶的深度融合。

2)加大AR創新力度，設計優質AR產品。結合納入樣本分析，目前AR技術賦能多集中于科學、工程等領域，在許多領域中缺乏應用。在已有研究中多是針對專有內容開發的AR產品，難以進行整合和推廣。且AR賦能的技術應用手段相對單一，多是通過移動式設備(如手機、平板等)實現。相關研發及出版業可以加大對AR產品的不斷創新，在內容上豐富AR應用場景，在技術上使用智能眼鏡、頭戴式設備等，滿足多元需求，為用戶帶去更多新奇體驗。同時，質量是AR技術賦能的核心保障。內容設計不良、程序復雜繁瑣、技術呈現不佳的AR產品會增加用戶的認知負荷[54]，影響AR賦能效果。故在研發相關AR資源時需注意應對認知負荷帶來的挑戰，在AR信息系統中仔細設計材料和任務的演示與呈現，適當集成多種信息源，減少認知工作量[55]。

3)辯證看待技術賦能，加強用戶信息素養。AR技術賦能不是用戶取得成功的絕對保證，對新興技術和數字資源的使用不當會導致較差的結果，如引起認知超載。用戶需結合自身情況，充分發揮主觀能動性，在知識獲取和技術賦能提供的支持之間建立平衡，適當結合相應策略，對AR技術賦能帶來的問題做出有效管理，提升知識獲取績效。而對使用AR技術賦能效果不明顯的應用領域，可考慮VR、MR等數字技術的輔助。此外，具備更多的技術知識與經驗的用戶更有可能在技術賦能中獲得良好收益，用戶需加強自身的信息技術素養，提升信息利用能力，才能在高速發展的信息時代中不斷成長，將技術化為利于自身發展的寶劍。

5.2 研究展望

AR的出現為技術賦能創建了新的可能，AR技術賦能也在支持用戶的知識獲取行為中展現出了極大潛力。然而，AR技術賦能會對用戶在知識獲取中的認知負荷產生怎樣的影響是一個持續爭論的焦點。本元分析整合了不同研究的結果，進行了系統梳理，發現AR技術賦能可以有效降低用戶的認知負荷，且通過對調節變量的分析，得出在未來的研究中需要考慮的重要結論。對于技術賦能，不能以片面化的眼光看待，需要從多維度、多層次考察AR技術帶來的影響。本文的研究為AR技術賦能的深化發展、AR技術產品的優化升級、AR用戶的認知提升提供了理論參考。同時，作為元宇宙的支持基礎技術，對AR技術的了解和研究，更是對未來具備無限可能的元宇宙進一步地探索。

本文的局限性主要有以下3個方面：第一，由于作者的語言限制，目前只包含已發表的中文和英文文獻，對其他語言的研究未予采納。第二，搜索策略不包括灰色文獻。這類研究的結果可能與已發表的研究有明顯的不同。第三，由于納入文獻所提供數據的限制，本文沒有對其他調節變量進行分析，如AR技術的類型、用戶對AR技術的態度等，對這些變量的分析對于深入理解AR技術賦能的影響很重要。因此，未來的研究應著重于豐富調節變量，深入調查異質性的來源，并使文獻檢索多樣化，減少發表偏倚的風險，加強結論的有效性。

此外，目前有關AR技術賦能對認知負荷影響的研究多集中于對基礎教育背景和高等教育背景用戶的探究，對學前教育階段的用戶缺乏關注。且盡管在大多數知識領域都存在研究，但多集中于科學領域，在部分領域仍存空白。未來可以擴大對AR技術賦能的探索，重點關注目前缺失的用戶群體和應用領域，在不同的教育背景及應用領域上進行新的研究，以提供對AR技術賦能更全面的理解。在本文納入的研究中，大部分只進行了單次實驗，故未來也需要進行更多的縱向研究來識別長期認知負荷的變化。