在线学习者认知负荷研究进展(2007—2021)

边 坤，王 岩

(内蒙古科技大学 艺术与设计学院，内蒙古 包头 014010)

一、引言

教育与技术的结合是历史的必然,美国教育部教育技术办公室2017年在《美国国家教育技术计划》中提出技术应能提升教育水平,确保学生获得优质教育体验[1]。以计算机、软件、现代网络通信等技术为支持的计算机网络远程教育,丰富并完善着线下教育的不足。

本文系统整理了近15年国内外学者在认知负荷理论视角下的远程教育研究进展并分析了未来的研究趋势。可视化分析基于中国知网(CNKI)和Web of Science所提供的文献数据,使用CiteSpace软件构建可视化知识图谱,通过文献分析法对主要研究内容进行归纳与分析,旨在为相关的研究者提供理论参考和依据。

二、文献统计

(一)文献来源

由于远程教育和线上学习及在线学习关系密切,本文以“认知负荷”“远程教育”“线上学习”“在线学习”为关键词在CNKI数据库,以“Cognitive Load”“Distance Education”“Online Learning”“E-Learning”为关键词在Web of Science核心合集数据库进行检索,检索时间截至2021年5月10日。剔除检索结果中的新闻报道、会议纪要和重复文献,在CNKI和Web of Science分别得到相关文献169篇、319篇。

(二)文献时间分布

将2007年至2021年间国内外远程教育中认知负荷研究的相关文献量转换成年度分布折线图(见图1),国内外对该领域的研究总体趋势呈上升态势。其中:(1)国内自2007年至2015年相关文献较少,文献数量从2015年至2019年波动较大,2019至2021年发文量明显增长并在2021年达到顶峰;(2)国外相关研究自2007年至2018年12年间发表文献数量波动较大,2018年至2021年文献数量增长较快并在2021年达到顶峰。该领域的研究正在逐步受到关注,有望成为未来新兴的研究领域。

图1 国内外远程教育中认知负荷论文发表数量趋势

(三)文献关键词分析

在CiteSpace主界面,选择“关键词”为节点,其他设置不变,运行生成CNKI和Web of Science两个样本中关键字图谱和频数如图2、表1所示。除“认知负荷”和“远程教育”等检索词,高频词汇包括“学习效果”“教学设计”等。随着远程教育成为大多数高等教育机构在新冠疫情期间继续教学的首选方案,学者们更加关注远程教育的教学设计和对学习效果的影响。通过关键词对比可以看出,国内学者倾向于研究学生学习风格和学习平台对远程教育中认知负荷的影响,而国外学者注重对学生、模型和教育知识的研究。

表1 关键字频数

图2 国内外文献关键词图谱

(四)国内外研究热点

利用CiteSpace软件绘制国内外相关文献的时间轴视图(见图3、图4),不仅展现了相关文献主题的变迁趋势,还反映出各个聚类发展演变的时间跨度和研究进程。认知负荷和远程教育早期的研究主要以网络课程和学习行为为主,随着技术的发展进步,研究内容逐渐多元化,加入学习动机、工作记忆、可用性、冗余效应、心流体验等内容。

图3 国内文献时间轴

图4 国外文献时间轴

三、主题研究进展

(一)远程教育中的认知负荷评估模型

远程教育中的认知负荷评估技术是认知负荷测量研究的基础,学术界的研究热点围绕认知负荷的精确程度展开。李金波等人采用因素分析、BP神经网络和自组织神经网络三种建模方法,探索人机交互过程中认知负荷的综合评估建模方法,得出“采用多维综合评估模型对双任务作业认知负荷进行测量总体上比采用单一评估指标的测量更为有效”[3]。Gou等研究者基于机器学习的数据建模,提出了智能穿戴应用下的学习者认知负荷检测模型[4],实验结果表明,所提出的模型由于特征融合和分类的最佳组合而实现了最高的认知负荷检测精度。远程教育中认知负荷评估模型的建立,学者们基于不同测量方法对采集的数据建立了不同的评估模型,模型的准确率得到了一定程度的提高。

(二)远程教育中认知负荷的测量方法

1.主观测量法

主观测量法是认知负荷研究中最常见的分析方法,假设学习者有能力回顾自己的认知过程,并且可以说明他们所感受到的任务难度和心理努力的总量[5]。常用的测量工具包括NASA-TLX、WP和CLS量表,其中NASA-TLX量表是在远程教育中认知负荷测量使用最多的工具。

NASA-TLX量表因其测量的敏感性和简单易用性受到研究者的广泛使用。该量表包括绩效水平、努力程度、时间需求、心理需求、体力需求、受挫程度6个维度,每个维度分为20个等级,依据权重系数可计算出学习者认知负荷水平[6]。WP量表以负荷多重资源模型为基础,涉及中枢处理、响应、空间编码、语言、视觉、听觉、操作输出、语言输出8种认知资源,完成学习任务后学习者分别对上述8种认知资源占用量进行赋值评分[7],因该量表具有较好的敏感性与诊断性,在中低难度任务下,被认为是测量认知负荷较为理想的工具。

由Leppink和他的同事开发的认知负荷量表(CLS)已经成为衡量内在负荷(IL)、外在负荷(EL)和相关负荷(GL)的最有效和最广泛使用的自我报告测量方法之一[8]。该量表与其他量表不同的是,从认知负荷理论的三种类型设计问卷,问卷共10个问项,其中内在负荷和外在负荷各3问,相关负荷4问。Jamie等研究者使用CLS量表研究外在认知负荷和相关认知负荷之间的关系,以及认知学习策略的使用如何调节这种关系[9]。该量表的优势体现在其可以广泛应用于复杂的知识研究领域。

主观测量法虽然易于使用且敏感性较高,在使用过程中不具入侵性,容易被接受,但不同的被试差异会对结果产生影响,且测量过程主观性太强,测量结果也并未对学习过程中认知负荷变化的原因进行阐释。

2.客观测量法

客观测量法是目前测量认知负荷最为有效和精确的方法,且种类繁多,在远程教育中,认知负荷的客观测量法应用最广泛的主要有双任务测量法、眼动和脑电测量。

(1)双任务测量法是研究工作记忆中的重要研究方法,该方法基于资源有限理论,实验中要求被试在进行主任务的同时完成一项次任务,且次任务的效果与空闲的工作记忆容量直接相关,空闲容量本身取决于主要任务所需的容量[10]。(2)远程教育领域一般以眼睛注视和扫视来测量认知状态[11],也有研究者发现瞳孔直径和微眼跳幅度也可以区分不同层次的认知负荷[12]。眼动追踪技术为远程教育学习环境下认知状态研究提供了有效方法[13]。(3)脑电测量技术能够实时监测人的脑力活动,且更具客观性,通常选择θ和α脑波频段数据测量[14]。因此,也有部分学者基于认知负荷理论,构建捕捉和标记用户在学习过程中的心理状态的模型用来量化认知负荷。

双任务测量法在识别认知负荷的过程中灵敏度高,但该测量方法在测量过程中侵入性太强,会对学习者的学习任务产生影响,因此该方法的易用性和可用性等方面不具备优势,适用范围较窄。与双任务测量相比,眼动和脑电技术因其高分辨率和准确率等优势得到越来越广泛的应用。但此类方法也有一定的局限,在实验过程中必须在特定的实验室环境进行数据采集,对被试的接受度产生一定的影响,且研究者针对实验程序、设计等要有较高的操作基础。

3.多模态测量方法

为得到更加精确的认知负荷测量结果,国内外学者采用多模态的认知负荷测量方法对远程教育中的认知负荷进行测量。Maria、Kruger等研究者采用两种或两种以上客观测量(如双任务测量、心率、心理测量、脑电和眼动等)相结合的方法,对认知负荷进行多模态测量[15-16]。Larmuseau等研究者提出使用主观测量的认知负荷与生理数据(即皮肤电反应、皮肤温度、心率和心率变异性)相结合的方法,揭示了皮肤温度和心率评估高认知负荷的潜力[17]。多模态的认知负荷测量方法同时具有客观测量和主观测量方法的优势,也解决了单一测量法和一维法对认知负荷测量的方法限制。

(三)远程教育中学习效果的影响因素

基于认知负荷理论的远程教育中学习效果的影响因素的研究已经取得了一定的成果,相关研究主要围绕学习材料呈现方式、教育形式和学习者特征三方面展开。在学习材料对学习效果影响的研究中,王红艳、Chang和韩晓玲等人研究了课程界面不同指示类型对学习者认知负荷的影响,进而考量其对学习效果的影响[18-20]。教育形式研究方面,张敏等人对相关文献中的被试者数据展开元分析[21]。学习者特征研究方面,王改花等人通过眼动实验,探索了不同学习风格学习者对不同类型在线学习材料学习效果的影响[22],研究结果为科学设计在线开放课程提供一定的实证证据和理论支撑。Yen等人通过对学习行为痕迹的追踪,提出了基于学习分析的方法,通过调整在线课程中使用的教学策略来管理认知负荷,进而提升学习效果[23]。

在对学习效果的研究中,研究者们将认知负荷作为验证学习效果的测量指标之一,通常与满意度、用户体验等内容结合进行相关研究,注重研究广度的同时缺乏针对性研究深度。

(四)基于认知负荷的学习策略优化

1.交互设计研究

交互活动是学习过程中提升教学质量的重要环节,但在远程教育中由于学习平台、教学设计等内容的影响,实现远程教育过程中良好的交互还需要对其进行深入研究以期实现。学术界也有部分学者对该领域进行研究,杨彦军、M A Just等人以认知负荷理论、多媒体学习理论作为交互设计的认知理论依据,以系统观来指导教学交互各层次的交互设计[24-25]。Wang等人通过对比在线协作学习过程中三个版本(即互动版本、视频版本和文本版本)的媒体呈现方式对认知负荷的影响,探讨了学生在参与不同多媒体时的在线协作行为模式,得出结论:互动版本的在线学习形成了积极的学习氛围且认知负荷适中,为远程教育中交互设计的必要性提供了量化支持[26]。在对交互设计的研究中,研究者们通常从认知负荷理论出发,使用文献综述法分析总结,进而提出交互设计的策略,最后印证策略。因此,此类研究策略的提出缺少从实践过程中得到的实证证据。

2.界面设计研究

线上学习平台为远程教育提供了实现基础,且线上学习平台的界面设计与学习者外在认知负荷直接相关,因此,一些研究者通过优化界面设计降低学习者的外在认知负荷,进而提升学习者学习效果。裴珊珊基于认知负荷理论,通过问卷调研法、访谈法和案例分析法选取典型在线课程案例,梳理在线课程教学界面布局设计要素,并从内在认知负荷、外在认知负荷和相关认知负荷三个方面,筛选出与认知负荷相关的设计要素,对在线课程教学界面布局进行优化,创建了在线课程视频界面设计策略模板[27]。Zhang等研究者探讨移动学习平台对用户学习效率的影响,并制定认知指标来评估用户在移动学习平台上的学习效率[28]。研究者们将线上学习平台拆分为课程视频界面、平台导航和页面布局等几个方面分别进行研究,得出界面设计的优化方案,为下一步系统平台界面设计提供理论依据。

3.学习内容设计研究

远程教育已成为学生在线学习的重要途径,学术界通过对学习内容的设计研究,提出针对学习活动、教学设计的策略,为学习者在线学习和教师教学设计提供设计支持。马志岩提出基于认知负荷理论的在线学习活动主题设计模型和过程设计模型,进而构建了基于认知负荷理论的在线学习活动设计模型[29]。李梅、刁勇峰等人基于认知图式、信息加工理论和认知负荷理论,对学习者的学习行为进行研究,为远程学习者的在线学习提供建议[30-31]。Choi等人使用贝叶斯网络作为学习分析方法,分析电子学习系统中学习者认知负荷的个性化诊断评估,结果表明,与认知负荷相关的诊断信息,可以帮助学习者通过管理和控制他们在电子学习环境中的认知负荷来提高学业成绩[32]。学术界对于学习内容的设计相关研究较多,内容也较为丰富,相关研究中的认知负荷测量方法也从开始的主观测量逐步发展到与客观测量的方法相结合,认知负荷评估的准确性不断提高。

4.认知负荷优化模型

认知负荷是线上学习效果的重要影响因素,已有研究者通过探析认知负荷的影响因素并提出策略进而建立认知负荷的优化模型。崔宁在认知负荷理论的指导下,通过网络调研和访谈,探析了网络学习者认知负荷的影响因素,并在此基础上形成了两种网络学习者认知负荷优化模型[33]。李飞飞基于认知负荷理论和多媒体学习生成理论分析了虚拟学习社区中学习者认知负荷的产生,构建了虚拟学习社区中学习者认知负荷的生成模型,并提出优化控制策略[34]。有关于认知负荷优化的模型中,研究者们都以认知负荷理论为出发点,通过文献梳理或与其他理论结合的方法,提出远程教育中的认知负荷优化模型,缺少针对远程教育认知负荷的实证测量研究。

四、结语

本文通过对相关文献的梳理和解读,可得到以下结论:

一方面,对于远程教育中的认知负荷研究,学术界已经取得了丰硕的成果。学者们通过对学习过程中认知负荷的监测分析,以提高学习者学习效果为主要目的,结合认知科学和脑科学等领域的知识,从学与教两个角度出发,对认知负荷进行优化,为学习者提高学习效率和教师的教学设计提供强有力的支持,但对远程教育中认知负荷的研究总体上较为分散,针对远程教育中产生认知负荷的各个方面缺乏全局性的相关研究。

另一方面,通过对远程教育中的认知负荷相关文献的研究可以看出,未来研究在以下几个方面值得探索。一是深度挖掘技术对认知负荷测量模型建立的支持。已有研究者采用BP神经网络、自组织神经网络或机器学习等技术建立了多模态数据融合的认知负荷评估模型,因此,深度学习技术会成为未来认知负荷评估模型建立的关键技术。二是探索引入认知负荷测量的其他方法,应用到远程教育的认知负荷测量中。行为测量法也是认知负荷的测量方法之一,是指通过分析学习者行为特征而测量其认知负荷的方法,该方法并未得到广泛的应用,但在远程教育这种开放性环境中,很难使用认知实验的形式对学习者的认知负荷进行测量的情况下,使用行为测量的方法衡量学习者认知状况是未来值得探索的方向。三是探究如何将“研究发现”转化为“设计策略”。在使用脑电技术对远程教育中认知负荷测量的研究中,尽管脑电可以实时、动态地监测学习者的认知负荷,但得到的研究结论并不能科学的与设计策略衔接,为进一步设计内容提供指导,因此,如何将实验研究发现转化为对提高学习者学习效率的有力支撑是未来需要努力的方向。