学习策略对视频学习的影响：想象、绘图和自我解释策略

杨九民 章仪 徐珂 皮忠玲

[摘   要] 随着互联网技术和数字技术的迅猛发展，视频成为学习者在线学习的重要途径之一。研究表明，学习者作为学习活动的主体，其采用的学习策略是影响视频学习质量的重要因素之一。基于对视频学习策略的思考，研究探究了相比于重复观看（控制组），三种生成性学习策略（想象策略、绘图策略和自我解释策略）对学习者心理努力、学习成绩、学习效率和学习判断的影响。结果发现：自我解释策略组表现最好，具体体现在自我解释策略组中的学习者取得了最高的学习成绩和学习判断，且相比于控制组和想象策略组，自我解释策略组的学习者是部分通过提高学习判断来提高学習成绩的。此外，学习效率的结果显示，想象策略组和自我解释策略组的学习效率均显著高于绘图策略组。以上结果表明，自我解释策略不仅能够提高学习判断和学习成绩，并且能够让学习者在投入一定心理努力的情况下达到最好的学习效果，即学习效率高。因此，教师在指导学习者进行视频学习时，应提示或帮助学习者使用自我解释策略，以提高其视频学习效果。

[关键词] 视频学习; 生成性学习策略; 学习成绩; 学习效率; 学习判断

[中图分类号] G434            [文献标志码] A

[作者简介] 杨九民（1969—），男，湖北武汉人。教授，博士，主要从事教学设计、教师教育研究。E-mail：yjm@mail.ccnu.edu.cn。皮忠玲为通讯作者，E-mail：pizl@snnu.edu.cn。

一、引   言

互联网技术和数字技术的迅猛发展，为新型学习方式的应用奠定了基础。2020年的新冠疫情外生冲击，更是让新型学习方式，如在线学习处于聚光灯下，截至2020年5月14日，参加在线学习的大学生共计1775万人，合计23亿人次。视频以视听双通道呈现内容的特征，是在线学习中资源呈现的主要形式之一，因此，视频学习效果备受研究者和实践者的关注。与视频大量产出和传播的繁荣现状相异，基于学习者的视频学习行为分析发现，大量学习者处于被动学习的状态，且无论视频多长，学习者观看视频的时间均不超过5分钟[1-2]。影响视频学习质量的因素众多，其中最重要的影响因素之一是学习者如何使用视频，即学习策略的使用[3-4]。

学习策略是指学习者为了促进学习，在学习活动中主动使用的程序、规则和方法等[5-6]。在多媒体学习时代，哪些学习策略是有效的？至今学界尚未得到统一的结论。在被誉为寻求教育的“圣杯”——《可见的学习》一书中，澳大利亚墨尔本大学哈蒂教授通过800多个有关学业成就元分析研究总结了近50种有效的学习策略[7]，此后Fiorella及其老师美国教育心理学家Mayer在其《学习是生成的活动：八种提高学习理解的策略》一书中介绍了8种有效提升学习的生成性策略[8]。两书中均推荐了一系列以关注知识体系描述（Model-focused）为基础的策略，即想象策略（Learning by Imaging）、绘图策略（Learning by Drawing）和自我解释策略（Learning by Self-explaining）。然而，目前大部分研究仅仅选取了一个或者两个策略，通过对比有无使用某一项或者两项策略，来判断使用策略的好坏和优劣[4，9]。例如，Fiorella等人的研究发现，在视频学习中，相比于重复观看与绘图策略，学习者运用自我解释策略能够显著提升其学习成绩，遗憾的是该研究却没有考虑同系列策略中的想象策略，且对策略如何影响学习的机制缺乏深入的探索[9]。截至目前，尚无实证研究比较这三种学习策略在视频学习中的影响，因此，这三种策略的异同点和作用机制尚不明确。基于此，本研究拟对这三种策略在视频学习中的作用及影响机制展开研究。

二、相关概念和研究现状

（一）生成性学习策略

生成性学习策略（Generative Leaning Strategies）是指能够在学习过程中引导学习者启动适当认知加工（如信息选择、组织和整合），为促成生成性学习而发展的学习策略[8]。生成性学习的概念源于“有意义的学习应当是一种生成性的活动，在这种活动中，学习者会积极地给学习材料赋予意义”这一观点[10-11]，从某种程度来说，生成性的学习其实也就是有意义的学习。因此，生成性学习策略的特点就是能够促进学习者的生成性学习，即加强学习者对学习材料的加工、关注学习者是如何赋予学习材料以意义。本研究选择的三种学习策略均属于生成性学习策略[8]。

（二）想象策略、绘图策略和自我解释策略的异同点

想象策略、绘图策略和自我解释策略是三种较为常见且有效的生成性学习策略，其对学习成绩的效应量分别为0.65、0.40和0.61[8]。想象策略具体是指学习者通过在脑海中想象画面来加工所学的知识[12-13]，绘图策略则强调学习者将脑海中的画面通过绘图这一外化的途径可视化[13-14]，自我解释策略虽然也要求学习者将脑海中的内容外化出来，但与绘图策略不同，其外化形式是要求学习者把向自己解释的内容以口头或者书面文字的形式表达出来[15]。

这三种策略均强调关注知识的体系描述（Model Focused），要求学习者能够将信息组织、整合并赋予一定的意义，也就是生成知识。然而，这三种策略各有侧重点，相比于想象策略，绘图策略和自我解释策略需要将生成的知识进行外化，绘图策略需要将生成的知识外化为可视化的图片，自我解释策略需要将生成的知识用自己的语言口头表达或者书写出来[16]。正是上述原因，导致这三种策略对学习的影响各有不同。

（三）想象策略、绘图策略和自我解释策略对学习的影响

有关想象策略、绘图策略和自我解释策略，目前主要的研究集中在两个方面：一方面是相比不使用任何学习策略的学习，使用想象策略、绘图策略、自我解释策略是否有利于学习者的学习，或者是改变使用策略的时机是否对学习有差异性的影响，此类研究相对比较简单，是早期有关学习策略研究的主要关注点，目的是了解单个策略的特点[17-20];另一方面是策略的横向比较研究，也就是选择两种策略来比较不同策略的优劣，这类研究是前一类研究的延伸，研究者们在了解单个学习策略的特点之后，开始比较同类别策略的优劣，这类研究还处于发展阶段，是近年来研究者关注的重点[13，15，21]。

1. 想象策略对学习的影响

有关想象策略的研究结果并不一致，有研究认为，尽管相比于重复学习，想象策略有利于学习者的知识习得，但是相比于绘图和自我解释策略，想象策略对学习的影响好坏参半[13，21]。一方面，研究者们普遍认为，绘图策略和自我解释策略都要好于想象策略，这是因为绘图策略和自我解释策略在某种程度上包括了想象策略，学习者只有在脑海中生成了信息，才能将之外化。外化知识能够卸载积攒在认知容量中的信息，避免认知超载，同时还能够帮助学习者及时检测和修正所学知识的正误[9，22-23]。例如，Schmidgall等人发现，在有關游泳知识的学习中，绘图策略比想象策略更能够提高学习者的知识获得水平[14]。另一方面，其他研究者认为，想象策略与绘图或者自我解释策略差不多，这是因为绘图和自我解释策略需要外化知识，将会占据学习者一部分的认知容量，抵消外化知识带来的好处[13]。

2. 绘图策略对学习的影响

与想象策略类似，绘图策略的相关研究结论也并不一致。尽管绝大多数研究都认为，绘图策略在促进STEM内容的学习上具有非常积极的作用[23]。然而也有研究者认为，将知识外化并不一定能够带来更好的学习效果，因为外化也需要占据一定的认知负荷。Lin等人[21]和Cheng & Beal[13]有关想象策略和绘图策略的研究结论支持这种说法，他们的研究一致发现，想象策略与绘图策略对学习的影响没有显著差异。这似乎与Schmidgall等人[14]的研究结果相矛盾。实际上，产生这种差异性结果可能与研究中学习材料绘图的难度有关，Lin等人和Cheng & Beal在研究中涉及的是人类循环系统和呼吸系统的学习，涉及的绘画难度较高，而绘图策略高度依赖学习者的绘图技能，如果所绘材料过于困难，将会增加学习者的认知负荷，从而很可能抵消知识外化带来的好处[9]。也就是说，并不是在生成知识后进行外化就对学习是有利的，如果外化的方式会增加认知负荷，则很可能抵消了外化带来的好处。

3. 自我解释策略对学习的影响

那么何种外化方式最有利于学习者？与绘图策略相似，自我解释策略也需要对知识进行外化，因此，很多研究开始关注绘图策略和自我解释策略对学习的影响差异，但研究结果并不一致。Schmidgall等人在有关游泳的阅读材料中发现，相比于让学习者进行书写自我解释，使用绘图的方式外化能够显著提高学习者的迁移成绩[14]。然而Fiorella等人在一个关于肾脏是如何工作的视频学习研究中发现，相比于使用绘图策略或者重复学习的学习者，使用自我解释策略的学习者能够取得更高的学习成绩[15]。产生这种差异的原因可能是两者使用的学习材料不同，前者是文本材料，相对简单，后者是视频学习，相对复杂。因此，我们可以推断：相比于绘图策略，自我解释策略可能能更好地帮助学习者理解复杂的学习材料，学习者有反思的机会来重新梳理自己对学习材料的理解，从而形成连贯的心理表征，绘图策略尽管也能够提供反思的机会，复杂的学习材料和需要完成绘图的任务所带来的认知负荷容易造成认知超载，从而抵消了绘图策略带来的好处。

但自我解释策略和绘图策略影响学习的路径目前尚不明晰，以至于对以上研究不一致结果的解释尚处在推论阶段。有意思的是，有关自我解释策略的研究给这一推论带来了新的启发，Lachner等人在探索自我解释策略是如何提高学习者的理解中发现，自我解释策略是通过提高学习者的学习判断（Judgement of Learning），即他们的自信心，从而提高他们的学习成绩[24]。然而目前尚无研究来探索是否这三种策略对学习成绩的影响也都是由学习判断中介的。不难发现，大部分研究都只选择了这种关注知识体系模型中的两种策略，如比较想象和绘图策略[13，21]，或者是绘图和自我解释策略[15]，但这三种策略作为同类型策略（Model Focused Strategies），理应横向共同比较，只有充分探讨这三种策略的异同点及其对学习影响的机制，才能科学地应用在教学实践中。

此外，以往研究多关注学习策略对学习成绩、心理努力和学习判断的影响，较少关注学习策略如何影响学习者的学习效率（Instructional Efficiency）。不同于传统说法中与时间有关的效率，在多媒体有关研究中，学习效率通常被认为是某种设计能够让学习者在单位认知努力下提高学习成绩的程度[25-27]。学习效率能够将学习成绩和心理努力连接起来，能够更直观地体现内容设计或者学习策略的有效性，自1993年由Paas和van Merri？觕nboer[25]提出后，被广泛应用到多媒体学习的相关研究中。学习效率的主要理论基础是认知容量有限假说[25-28]，学习者的认知容量是有限的，如果使用某种学习策略能够让学习者投入较少的认知却取得较好的学习成绩，就说明使用这种学习策略的学习效率较高。学习效率这一指标能够给研究者提供一种新的视角，例如，有些学习策略尽管能够提高学习者的成绩，却需要耗费学习者大量的认知负荷，这对于学习者整体的学习负担较重。

综上所述，我们不难发现，尽管有关学习策略对学习影响的研究方兴未艾，但大部分研究仍停留在文本材料而非视频材料中，且缺乏有关三种同类型学习策略的横向比较研究。此外，目前尚无从学习效率的视角开展学习策略的研究，导致对学习策略认识不够全面。基于此，本研究基于学习者视频学习情境，以重复学习为控制组，考察学习者使用想象策略、绘图策略和自我解释策略时在心理努力、学习成绩、学习效率和学习判断上的差异，并尝试对这种差异背后可能的机制进行探索。

三、研究方法

（一）研究对象与实验

本研究通过QQ、微信以及海报的方式招募了120名大学生，其中男生15人，他们的年龄范围在17到28岁之间（M=20.94，SD=1.89），主修的专业涉及物理、化学、数学、教育技术学等。被试被随机分配到四种实验条件：（1）重复学习组（n=30）：告知被试在学习完一个视频片段后，重复观看视频学习;（2）想象策略组（n=30）：被试在学习完一个视频片段后，要求在脑海中想象刚刚所学内容;（3）绘图策略组（n=30）：被试在学习完一个视频片段后，要求在纸上画出刚刚所学习的内容;（4）自我解释策略组（n=30）：告知被试在学习完一个视频片段后，写下对刚刚所学习内容的解释。被试均知情同意，完成实验后均收到实验报酬。

（二）视频材料

本研究实验材料主题为“血小板”，主要知识点是血小板的形态及其在止血过程中的功能。教学视频内容涉及两个主题：血小板的形态以及功能概述，生理性止血的基本过程及血小板在其中发挥的作用。教学视频采用实景拍摄，教学内容呈现在制作好的PPT中，一位女教师在旁讲解，用专业的录像设备将教师的授课过程录制下来，形成教学视频。教学视频总时长为6分53秒。为方便学习者观看和识记，根据多媒体学习中的分段原则将视频按照知识点切分为三部分，第一部分为“血小板的形态与生理功能”，时长为3分22秒;第二部分为“一期止血过程及血小板在其中发挥的作用”，时长为1分48秒;第三部分为“生理性止血过程及血小板在其中发挥的作用”，时长为1分36秒。不同实验条件下，学习者学习的视频的内容和顺序是完全相同的，唯一不同的是给不同组别的学习者提供不同的学习策略应用提示语。

（三）研究工具

先前知识问卷：根据生物学科与血液相关课程内容进行编制而成，主要考察学习者对血液相关基础知识的掌握水平。该测验包括：3道填空题（共5个空，每空1分）;其中2道单选题，每题2分;1道多项选择题，答对得3分，漏答得2分，答错不得分;2道简答题，分别为3分和4分;先前知识问卷满分为19分。

心理努力问卷：采用Paas和Van Merri？觕nboer[25]和Wang等人[29]编制的认知负荷自评问卷中测量心理努力的题目，“我在学习过程中的心理努力程度”和“我在学习活动中的投入程度”，采用李克特6点计分，其中，1代表“最少努力”，6代表“最大努力”。分数越高，代表被试付出的心理努力程度越高。该问卷被广泛用于视频学习的相关研究中。本研究将采用两题的平均分作为学习者心理努力的分数。

学习测验问卷：根据教学视频讲授内容进行编制而成，主要考察学习者对视频学习内容的掌握程度，共包括20道题目，其中包括7道填空题（共17个空，每空1分），8道单项选择题（每题2分），1道多项选择题（全对得3分，漏选得2分，错选得0分），4道简答题（分别为5分、3分、3分和4分，总计15分），总分为51分。得分越高，表示被试对知识的掌握程度越高。

学习效率计算：学习效率是指在认知容量有限的情况下，学习者提高学习成绩的程度，具体公式：学习效率=（Z成绩- Z认知努力）/√2[25-27]。其中，为了能够在同等水平上计算，成绩和心理努力都需要先进行标准化，然后再进行计算。

学习判断问卷：采用Serra等人[30]编制的学习判断问卷三个题目，分别为“请根据刚才视频学习的内容，判断你对回答正确问题有多大的信心”“如果让你向别人解释刚刚学习的内容，你有多大的信心解释正确”;“请你判断一下刚刚作答题目的正确率”。三个题目均采用百分制，其中，0表示完全沒有信心，100表示非常有信心。分数越高，代表学习者越有信心。本研究中以三个题目的均值作为学习者学习判断分数。

（四）实验流程

本研究的实验在某多媒体机房进行，学习者根据约定时间进入多媒体机房，主试首先给学习者介绍实验内容、实验流程，随后引导学习者落座，机房内电脑型号一致，显示屏幕大小一致（23.8英寸），学习者需戴耳机进行学习，保证彼此之间互不干扰。每位学习者将得到一张A4打印的学习策略指导说明，每看完一个视频片段，学习者需要阅读指导说明。重复学习组的指导说明要求学习者再次观看视频片段;想象策略组的指导说明要求学习者在脑海中思考刚刚看过的视频片段内容，如“请在脑海中想象一期止血的过程”;绘图策略组的指导说明与想象策略组的指导说明一致，不同的地方在于，要求学习者将内容绘制出来，如“请画出一期止血的过程”;自我解释策略组的指导说明与前两个指导说明一致，不同的地方在于，要求学习者写下自我解释的内容，如“请用文字向自己解释的方式写出一期止血的过程”。学习结束后，学习者需要完成心理努力问卷、学习测验问卷和学习判断问卷，方可离开实验室。实验流程如图1所示。

图1   实验流程

四、研究结果

为了考察学习策略对学习者心理努力、学习成绩、学习效率和学习判断的影响，分别以四种实验条件为自变量，以被试的心理努力、学习成绩、学习效率和学习判断为因变量，进行单因素方差分析。各因变量的描述性统计结果见表1。

首先，对学习者的先前知识经验进行检验，结果发现，四组学习者在得分上无显著差异[F（3，116）=1.138，p=0.337，η2=0.03]，即四组学习者均处于相似的先前知识经验水平，因此，可以排除被试先前知识经验水平对研究结果的影响。

（一）心理努力

为对比学习策略对学习者心理努力的影响，对四组学习者的心理努力进行单因素方差分析，结果发现组间有显著差异[F（3，116）=5.89，p=0.001，η2=0.13]，LSD事后检验发现，重复学习组、绘图策略组和自我解释策略组都比想象策略组的学习者报告了更高的心理努力（MD=0.57，p=0.007;MD=0.82，p<0.001;MD=0.63，p=0.003），其他组别没有显著差异（ps>0.05）。结果表明，学习策略会影响学习者的心理努力程度，具体表现为相比于想象策略组，重复学习组、绘图策略和自我解释策略组的学习者都投入了较多的心理努力。

（二）学习成绩

为对比学习策略对学习者学习成绩的影响，对四组学习成绩进行单因素方差分析，结果发现，组间有显著差异[F（3，116）=4.02，p=0.009，η2=0.09]，LSD事后检验发现，自我解释策略组比重复学习组、想象策略组和绘图策略组的学习者取得了更高的成绩（MD=3.82，p=0.009;MD=4.49，p=0.002;MD=3.75，p=0.010），其他组别没有显著差异（ps>0.05）。结果表明，学习策略影响了视频学习的成绩，具体表现为相比于重复学习组、想象策略组和绘图策略组，自我解释策略组的学习者会获得更高的学习成绩。

（三）学习效率

为对比不同学习策略的学习效率差异，对四组学习策略的学习效率进行单因素方差分析，结果发现，组间有显著差异[F（3，116）=3.16，p=0.027，η2=0.08]，LSD事后检验发现，相比于想象策略组和自我解释策略组，绘图策略组的学习效率更低（MD=-0.59，p=0.015;MD=-0.61，p=0.012），其他组别没有显著差异（ps>0.05）。结果表明，不同学习策略的学习效率有显著差异，想象策略组和自我解释策略组的学习效率显著高于绘图策略组。

（四）学习判断

为对比不同学习策略对学习者学习判断的影响，对四组学习者学习判断进行单因素方差分析，结果发现，组间有显著差异[F（3，116）=2.88，p=0.039，η2=0.07]，LSD事后检验发现，对比于想象策略组和重复学习组，自我解释策略组报告了更高的学习判断（MD=10.21，p=0.01;MD=8.08，p=0.041），其他组别没有显著差异（ps>0.05）。以往研究结果显示，学习判断可作为自我解释策略影响学习成绩的中介变量，即自我解释策略是通过提高学习判断从而提高学习成绩[20]。

结合本研究学习判断和学习成绩的结果，即自我解释策略组比想象策略组和重复学习组学习判断和学习成绩得分更高，因此，分别以组别为自变量、以学习判断为中介变量、以学习成绩为因变量进行中介分析。中介结果显示，学习判断部分中介了学习策略对学习成绩的影响，即相比于重复学习组和想象策略组，自我解释策略组部分通过提升学习者的学习判断来提升学习成绩（a1b1=0.1589，[0.0019，0.3627];a2b2=0.1118，[0.0305， 0.2181];如图2所示）。

圖2   自我解释组的中介结果

五、讨   论

本研究主要探索了重复学习、想象策略、绘图策略和自我解释策略对视频学习的影响。研究结果发现，在自我解释策略组中的学习者学习成绩和学习判断得分最高，且对比于重复学习组和想象策略组，自我解释策略组的学习者是部分通过提高学习判断来提高学习成绩的。此外，有关学习效率的结果显示，想象策略组和自我解释策略组的学习效率均显著高于绘图策略组。这一研究发现为视频教学中的学习策略的选择使用提供了一定参考。

相比于重复学习、想象策略和绘图策略，自我解释策略显著提高了学习成绩和学习判断，并且学习判断部分中介了学习策略对学习成绩的影响，这与以往的研究结果一致[4，15，20，31]。根据生成性学习策略的特点，一方面，自我解释策略能够帮助学习者有效地选择和组织信息，最终整合成为一个连贯的心理模型;另一方面，自我解释策略要求学习者外化思考的内容，当学习者用语言表达内部的心理模型时，学习者可以不断修正错误的知识，最终形成正确的心理模型[15]，这一点恰好也被中介分析的结果所证实，即相比于没有外化思考内容的重复学习组和想象策略组，自我解释策略组的学习者通过提高对学习的判断来提高自己的学习成绩。

然而，本研究没有发现绘图策略的显著优势。可能的原因是，绘图策略高度依赖学习者的绘图技巧，并且与所绘图像的难度有关。有研究发现，仅仅要求学习者进行绘图，而不给予任何脚手架，会增加学习者的认知负荷，从而占据了额外的认知资源[9，14，32]。在本研究中，学习者在绘图策略的使用中没有接受任何脚手架的帮助，且从学习者绘图的作品来看，多数学习者的绘图质量较低，这都有可能阻碍了绘图策略发挥其优势，未来研究可以考虑提供何种脚手架支持学习者，以提高绘图质量，从而提升学习者的学习成绩。此外，以往有关绘图策略有效性的研究多处于文本材料中，而相比于文本材料，教学视频中丰富的文本、图像本身就会占用学习者大量的认知资源，学习者将很难在学习过程中利用额外的资源建立连贯的内部表征[33]，因此，绘图策略的有效性在视频材料中消失了，未来研究可以探讨针对不同模态的学习材料时绘图策略对学习影响的差异。

此外，本研究也没有发现想象策略的显著优势。可能的原因是，首先，学习者的认知容量是有限的，而想象策略要求学习者对知识进行内在的生成，没有及时外化的知识积攒在认知容量中，很快会导致认知超载，且没有外化的知识也较难被学习者所监控和修正[19]。其次，想象策略被以往研究验证为对于低经验的学习者无效，而对高经验的学习者有效[18，20]，这是因为相比之下，高经验的学习者已经有了一定的心理模型基础，建立新的心理模型更为容易。而本研究中使用的学习材料为生物学领域的材料，前测成绩得分不到30%，由此可见学习者均处于低经验水平。因此，未来的研究可以考察想象策略对于不同经验水平学习者的差异影响。

有趣的是，此项研究结果显示，想象策略组和自我解释策略组的学习效率显著高于绘图策略组。这与以往研究结果发现一致，即尽管绘图策略能够显著提高学习成绩，但是也会导致高的心理努力[9，32]。因此，未来在推荐使用学习策略的时候应当谨慎，例如，绘图策略的学习效率不高，呈现的是“物非所值”，即学习者尽管提高了学习成绩，但投入了大量的心理努力;想象策略则表现的是“物有所值”，即学习者没有投入过多的心理努力，提高学习成绩也一般;而自我解释策略则呈现出“物超所值”，即学习者在投入了一定的心理努力的条件下，最大程度地提升了学习成绩。因此，在视频学习中，自我解释策略是值得特别推荐的，它能够让学习者在一定的心理努力投入下最大幅度地提高学习成绩。

六、结论与展望

本研究有关学习策略的探索发现，自我解释策略在视频学习中具有显著的优势，具体体现在自我解释策略组中的学习者取得了最高的学习成绩和学习判断，且相比于重复学习组和想象策略组，自我解释策略组的学习者是部分通过提高学习判断来提高学习成绩的，自我解释策略组和想象策略组的学习效率均显著高于绘图策略组。基于此，本研究提出以下建议：在视频学习中，教师可以通过提示的方式要求学习者对所学内容进行自我解释，以提高他们的学习判断和学习成绩。

然而，本研究存在以下不足之處：第一，没有考虑到个体差异，如先前知识经验、使用学习策略的偏好等[18-20]。以往研究发现，只有高经验的学习者能够从想象策略中获益，而不是低经验学习者[17]，因此，未来的研究有必要讨论不同学习策略对不同个体差异学习者的影响。第二，本研究所在的环境是计算机机房，尽管在学习过程中要求学习者尽量以真实情境中学习的状态学习，但难免会受到实验环境的影响，因而在结论推广中仍有待验证。

[参考文献]

[1] CROOK C， SCHOFIELD L. The video lecture[J]. The internet and higher education， 2017， 34（7）： 56-64.

[2] JUNG Y， LEE J. Learning engagement and persistence in massive open online courses（MOOCs）[J]. Computers & education， 2018， 122： 9-22.

[3] FIORELLA L， MAYER R E. Eight ways to promote generative learning[J]. Educational psychology review， 2016， 28（4）： 717-741.

[4] HEFTER H M， BERTHOLD K. Preparing learners to self-explain video examples： text or video introduction？[J]. Computers in human behavior， 2020， 110（4）： 106404.

[5] MAYER R E. Learning strategies： an overview[J]. Learning and study strategies， 1988： 11-22.

[6] RIGNEY J W. Learning strategies： a theoretical perspective[J]. Learning strategies， 1978： 165-205.

[7] HATTIE J. Visible learning： a synthesis of over 800 meta-analyses relating to achievement[M]. London： Routledge， 2008.

[8] FIORELLA L， MAYER R E. Learning as a generative activity： eight learning strategies that promote understanding[M]. New York：  Cambridge University Press， 2015.

[9] FIORELLA L， ZHANG Q. Drawing boundary conditions for learning by drawing[J]. Educational psychology review， 2018， 30（3）： 1115-1137.

[10] BARTLETT F C， BARTLETT F C. Remembering： a study in experimental and social psychology[M]. New York： Cambridge University Press， 1995.

[11] WITTROCK M C. Generative processes of comprehension[J]. Educational psychologist， 1989， 24（4）： 345-376.

[12] LEOPOLD C， MAYER R E， DUTKE S. The power of imagination and perspective in learning from science text[J]. Journal of educational psychology， 2019， 111（5）： 793-808.

[13] CHENG L， BEAL C R. Effects of student-generated drawing and imagination on science text reading in a computer-based learning environment[J]. Educational technology research and development， 2020， 68（1）： 225-247.

[14] SCHMIDGALL S P， SCHEITHER K， EITEL A. Can we further improve tablet-based drawing to enhance learning？ An empirical test of two types of support[J]. Instructional science， 2020， 48（4）： 453-474.

[15] FIORELLA L， STULL A T， KUHLMANN S， MAYER R E. Fostering generative learning from video lessons： benefits of instructor-generated drawings and learner-generated explanations[J]. Journal of educational psychology， 2020， 112（5）： 895-906.

[16] CHI T H， BASSOK M， LEWIS M， REIMANN P， GLASER R. Self-explanations： how students study and use examples in learning to solve problems[J]. Cognitive science， 1989， 13（2）： 145-182.

[17] COOPER G， TINDALL-FORD S， CHANDLER P， et al. Learning by imagining[J]. Journal of experimental psychology： Applied， 2001， 7（1）： 68-82.

[18] GINNS P， CHANDLER P， SWELLER J. When imagining information is effective[J]. Contemporary educational psychology， 2003， 28（2）： 229-251.

[19] LEAHY W， SWELLER J. Cognitive load and the imagination effect[J]. Applied cognitive psychology： the official journal of the society for applied research in memory and cognition， 2004， 18（7）： 857-875.

[20] LEAHY W， SWELLER J. Interactions among the imagination， expertise reversal， and element interactivity effects[J]. Journal of experimental psychology： applied， 2005， 11（4）： 266-276.

[21] LIN L J， LEE C H， KALYUGA S， WANG Y， GUAN S C， WU H. The effect of learner-generated drawing and imagination in comprehending a science text[J]. The journal of experimental education， 2017， 85（1）： 142-154.

[22] VAN METER P， GARNER J. The promise and practice of learner-generated drawing： literature review and synthesis[J]. Educational psychology review， 2005， 17（4）： 285-325.

[23] CROMLEY J G， DU Y， DANE A P. Drawing-to-learn： does meta-analysis show differences between technology-based drawing and paper-and-pencil drawing？[J]. Journal of science education and technology， 2020， 29（2）： 216-229.

[24] LACHNER A， BACKFISCH I， HOOGERHEIDE V， VAN GOG T， RENKL A. Timing matters！ Explaining between study phases enhances students' learning[J]. Journal of educational psychology， 2020， 112（4）： 841-853.

[25] PAAS F， VAN MERRI？魮NBOER J J G. The efficiency of instructional conditions： an approach to combine mental effort and performance measures[J]. Human factors， 1993， 35（4）： 737-743.

[26] SCHROEDER N L， CHIN J， CRAIG S D. Learner control aids learning from instructional videos with a virtual human[J]. Technology， knowledge and learning， 2020， 25（4）： 733-751.

[27] VAN GOG T， PAAS F. Instructional efficiency： revisiting the original construct in educational research[J]. Educational psychologist， 2008， 43（1）： 16-26.

[28] SWELLER J. Element interactivity and intrinsic， extraneous， and germane cognitive load[J]. Educational psychology review， 2010， 22（2）： 123-138.

[29] WANG C， FANG T， GU Y. Learning performance and behavioral patterns of online collaborative learning： impact of cognitive load and affordances of different multimedia[J]. Computers & education， 2020， 143： 103683.

[30] SERRA M J， DUNLOSKY J. Metacomprehension judgements reflect the belief that diagrams improve learning from text[J]. Memory， 2010， 18（7）： 698-711.

[31] JACOB L， LACHNER A， SCHEITER K. Learning by explaining orally or in written form？ Text complexity matters[J]. Learning and instruction， 2020， 68： 101344.

[32] 王燕青，王福興，谢和平，陈佳雪，李文静，胡祥恩.一图抵千言：多媒体学习中的自我生成绘图策略[J].心理科学进展，2019，27（4）：623-635.

[33] 徐珂.学习策略对教学视频学习的影响[D].武汉：华中师范大学，2020.