張 玥 姚璐靜

(南京大學信息管理學院，江蘇 南京 210023)

技術(shù)賦能是信息資源建設(shè)的重要思路。隨著元宇宙時代的來臨與發(fā)展，基于數(shù)字孿生和仿真模擬的技術(shù)逐漸成熟[1]，這為技術(shù)賦能帶來了新的可能。其中，AR作為一種可以實現(xiàn)用戶、虛擬與現(xiàn)實三元交互的技術(shù)，是未來幾年技術(shù)行業(yè)的重要發(fā)展方向之一[2]。AR技術(shù)的基本思想是通過在現(xiàn)實環(huán)境中嵌入虛擬組件來增強人類的感知，具有創(chuàng)建真實和虛擬對象相結(jié)合的交互環(huán)境的獨特能力[3]，其所具備的優(yōu)勢使得AR技術(shù)賦能趨于流行化與商業(yè)化[4]。技術(shù)賦能強調(diào)以用戶為核心，通過技術(shù)為用戶提供支持。研究發(fā)現(xiàn)，AR技術(shù)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(xiàn)出了巨大潛力[5]。但值得注意的是，有研究者指出，在AR技術(shù)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(wù)時其認知系統(tǒng)上的負荷的多維結(jié)構(gòu)[7]。認知負荷理論揭示了在信息處理過程中發(fā)生的認知限制，認為人類的認知結(jié)構(gòu)只允許處理有限數(shù)量的信息[8]。當認知負荷總量超過人類認知結(jié)構(gòu)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(shù)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(guān)研究中，就AR技術(shù)賦能對用戶認知負荷的影響尚未達成統(tǒng)一結(jié)論。部分研究指出，AR技術(shù)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(shù)賦能對用戶認知負荷產(chǎn)生的影響并不顯著[13-15]，更有甚者認為AR技術(shù)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(shù)賦能究竟會對用戶的認知負荷產(chǎn)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(zhì)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(tǒng)分析，將個體研究的效應量轉(zhuǎn)化為通用指標以進行有意義的比較。通過對個體數(shù)據(jù)的合并可以擴大數(shù)據(jù)量，提供更高的統(tǒng)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(chǎn)生更可靠的結(jié)果證據(jù)。元分析能幫助研究人員解決研究結(jié)果中的不一致，并可以通過調(diào)節(jié)分析確定解釋這些差異的調(diào)節(jié)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(shù)賦能與認知負荷的關(guān)系，以期擴大對AR技術(shù)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(jié)果(Outcomes,O)[20]?；诖丝蚣埽x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(guān)研究

AR技術(shù)出現(xiàn)在20世紀50年代，隨著技術(shù)壁壘的不斷突破，越來越多的研究者投入到對AR技術(shù)的探索之中。AR技術(shù)也逐漸從實驗室的理論研究階段轉(zhuǎn)向了大眾和工業(yè)應用階段，并在多個領(lǐng)域取得了發(fā)展。自2010年以來，AR技術(shù)在知識獲取中的應用穩(wěn)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(fā)考察AR賦能知識獲取所取得的效果。一方面，AR技術(shù)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(chuàng)建了一個AR環(huán)境來支持有關(guān)電路實驗的知識獲取，發(fā)現(xiàn)AR提供的信息呈現(xiàn)模式可以增強知識理解。Zumbach J等[22]的研究表明，在有關(guān)飛機渦輪的知識獲取過程中，AR體驗比起紙質(zhì)或視頻體驗更容易給用戶留下深刻的知識記憶，產(chǎn)生更高的知識留存率；另一方面，AR技術(shù)對知識獲取的支持有利于提升用戶的情感表現(xiàn)。Khan T等[23]研究了用戶在健康科學主題下的知識獲取，結(jié)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(tài)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(diào)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(shù)具備可行性和有效性的同時，也有研究指出AR技術(shù)所面臨的挑戰(zhàn)。如Ak?ayr M等[17]表明，AR用戶可能會遇到技術(shù)可用性和穩(wěn)定性等問題。Wu H K等[16]指出，現(xiàn)實和虛擬對象的交叉可能會導致用戶產(chǎn)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(shù)交互時需重點考慮的問題。

1.2 AR對認知負荷影響的相關(guān)研究

用戶的認知負荷是體現(xiàn)技術(shù)使用效果的重要因素之一。越來越多的學者關(guān)注到了AR技術(shù)賦能對用戶認知負荷的影響。部分學者認為，AR技術(shù)賦能可以為用戶創(chuàng)造出具有高度真實感的交互式環(huán)境，實現(xiàn)抽象信息的可視化、復雜信息的結(jié)構(gòu)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(shù)可以在時間和空間上更為連貫地呈現(xiàn)信息[27]，提高用戶的專注度，幫助其喚醒與知識密切相關(guān)的認知過程，減少其他無關(guān)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(xiàn)，如Dunleavy M等[29]指出，當用戶使用AR系統(tǒng)時，需要學習操作流程、熟悉系統(tǒng)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(guān)系研究中采用實驗設(shè)計的定量研究方法占主導地位。同樣，相關(guān)定量研究中就AR對用戶認知負荷的影響關(guān)系呈現(xiàn)出矛盾結(jié)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(shù)賦能對認知負荷具有降低效果。如Singh G等[30]通過實驗發(fā)現(xiàn)，AR技術(shù)賦能有效降低了用戶在獲取設(shè)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(shù)對認知負荷水平的影響，發(fā)現(xiàn)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(shù)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(fā)現(xiàn)兩組用戶的認知負荷并無顯著差異。Chou Y Y等[31]發(fā)現(xiàn)，使用AR技術(shù)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(tǒng)綜述，對研究二者關(guān)系的文獻進行了質(zhì)性總結(jié)與梳理[6,32]，但這些研究只描述了對定性變量的發(fā)現(xiàn)，沒有考慮定量變量來衡量AR技術(shù)對認知負荷的影響。

綜上所述，目前AR技術(shù)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(shù)賦能知識獲取的應用效果，認知負荷也是研究者們關(guān)注的重點。但就研究結(jié)果而言，尚未達成統(tǒng)一結(jié)論。針對目前有關(guān)AR技術(shù)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(shù)據(jù)進行統(tǒng)計分析，以整合研究結(jié)果，綜合探討知識獲取行為中AR技術(shù)賦能與用戶認知負荷的關(guān)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(tǒng)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(guān)文獻進行編碼，從文獻中提取相應信息及相關(guān)效應量，使用CMA 3.0軟件導入數(shù)據(jù)后進行綜合分析及調(diào)節(jié)分析。同時對研究的異質(zhì)性及發(fā)表偏移進行檢驗，確保研究結(jié)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(shù)據(jù)庫進行了搜索。中文數(shù)據(jù)庫有知網(wǎng)、萬方、維普等，外文數(shù)據(jù)庫有Web of Science、Google Scholar、PubMed、ProQuest、Elsevier、Springer等，中文檢索詞設(shè)置為“增強現(xiàn)實”“認知負荷”“認知負荷理論”“知識獲取”等；外文檢索詞設(shè)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(jié)合，檢索時間截至2022年8月。此外，如果只使用數(shù)據(jù)庫搜索結(jié)果，部分文獻可能會被遺漏[34]，故手動搜索相關(guān)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(guān)論文的標題及關(guān)鍵詞，排除內(nèi)容明顯不相關(guān)的文獻350篇。然后閱讀每項研究的摘要，排除綜述性研究、質(zhì)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(shù)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(tǒng)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(jīng)過了同行評議。

圖1 文獻篩選流程圖

2.3 文獻編碼

研究設(shè)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(nèi)容特征，包括研究被試的教育背景、樣本量、技術(shù)應用領(lǐng)域、實驗干預時間。如表1的編碼結(jié)果所示，用戶教育背景可分為兩個子類別：基礎(chǔ)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(shù)應用領(lǐng)域的編碼類型分布較廣，涉及科學、醫(yī)學、工程、藝術(shù)、語言等多個領(lǐng)域。實驗干預時間與被試使用AR技術(shù)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(shù)據(jù)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(nèi)容、參與者年齡、主題領(lǐng)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(shè)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(shù)據(jù)(平均值、標準差和樣本量)，最終轉(zhuǎn)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(shù)賦能對用戶的認知負荷有降低效果。針對研究中出現(xiàn)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(shù)據(jù)視為獨立樣本納入元分析[37]，隨后進行調(diào)節(jié)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(huán)境也會導致用戶產(chǎn)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(xiàn)的任務(wù)的影響[39]。故本研究結(jié)合文獻梳理，從用戶特征、任務(wù)特征、實驗特征3個維度出發(fā)，選取用戶教育背景、技術(shù)應用領(lǐng)域、實驗干預時間作為調(diào)節(jié)變量，檢驗不同條件下AR技術(shù)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(zhì)性檢驗。若Q檢驗顯著，則代表研究具有異質(zhì)性。I2統(tǒng)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(jù)Higgins J P T等[40]的研究，I2值為0時，說明沒有異質(zhì)性；I2值為25%代表輕度異質(zhì)性；I2值為50%之間代表中等異質(zhì)性；I2值為75%代表高度異質(zhì)性。

發(fā)表偏移是指結(jié)果顯著的研究更容易被發(fā)表，而未被發(fā)表的結(jié)果可能會對元分析綜合后得到的研究結(jié)論產(chǎn)生影響[41]。漏斗圖是一種通過視覺檢查來評估發(fā)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(shù)及Egger’s檢驗來檢測發(fā)表偏移，用剪貼法來評估發(fā)表偏倚對結(jié)果的影響[42]。

3 研究結(jié)果

3.1 納入文獻特征

就發(fā)表時間而言，納入文獻發(fā)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(jié)果

Q檢驗的結(jié)果顯著，Q值為298.963，自由度為13，p<0.0001，I2=94.983大于50%，該結(jié)果表明各研究之間是異質(zhì)的，異質(zhì)性檢驗的結(jié)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(diào)節(jié)分析。

本文使用失安全系數(shù)及Egger’s檢驗來檢測研究的發(fā)表偏移。本研究的失安全系數(shù)為297，大于5k+10(k為研究個數(shù))，從失安全系數(shù)的結(jié)果來看，不存在明顯的發(fā)表偏差，代表著未發(fā)表研究的結(jié)果不太可能影響整體研究結(jié)論。但Egger’s檢驗的結(jié)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(fā)表偏移。根據(jù)Borenstein M等[36]的研究結(jié)果，檢驗發(fā)表偏移的主要目的是為了確定出版偏差對研究結(jié)論有效性的影響，因此，本研究進一步采用剪貼法來確定發(fā)表偏移帶來的影響。剪貼法使用現(xiàn)有的效應量及其分布來估計缺失的出版文獻的數(shù)量，并推斷其影響程度。剪貼文獻后發(fā)現(xiàn)，采用隨機效應模型得到的總效應仍然顯著。綜合以上結(jié)果可以得出結(jié)論，雖然研究可能存在一定的發(fā)表偏移，但是元分析的主要結(jié)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(qū)間為[-1.509,-0.294]，p=0.004，達到統(tǒng)計顯著水平，結(jié)果顯示，AR技術(shù)賦能可以降低用戶的認知負荷水平。

3.4 調(diào)節(jié)效應分析

本研究基于調(diào)節(jié)變量進行了亞組分析，亞組分析的結(jié)果如表2所示。

表2 調(diào)節(jié)效應分析結(jié)果

就用戶教育背景而言，AR技術(shù)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(chǔ)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(chǎn)生顯著影響，有明顯降低效果。組間差異不顯著(p=0.726)。

根據(jù)技術(shù)應用領(lǐng)域的調(diào)節(jié)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(shù)[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(yī)學領(lǐng)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(jié)論

本研究通過元分析的方法，系統(tǒng)梳理了在用戶知識獲取行為中AR技術(shù)賦能對認知負荷的影響，研究發(fā)現(xiàn)，總效應值為-0.901，表明AR技術(shù)賦能可以有效降低用戶的認知負荷。個體的認知架構(gòu)由工作記憶和長期記憶構(gòu)成[43]，而工作記憶是有限的，只允許用戶在同一時間段內(nèi)處理有限數(shù)量的信息。認知負荷有一個關(guān)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(jié)構(gòu)，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(tǒng)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(xiàn)了模態(tài)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(shù)賦能有助于用戶產(chǎn)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(xiàn)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(shù)賦能可以對用戶的認知負荷產(chǎn)生積極影響。在納入研究中，部分研究發(fā)現(xiàn)，AR技術(shù)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(shù)賦能時面對多任務(wù)的處理，花費了較多精力來理解對AR系統(tǒng)的操作，導致了額外的認知負荷。因此，在AR賦能中仔細設(shè)計信息系統(tǒng)和程序是至關(guān)重要的。

研究人員一致認為，用戶特征和信息特征是在設(shè)計信息環(huán)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(shù)賦能對用戶認知負荷的影響是否會隨用戶教育背景、技術(shù)應用領(lǐng)域、實驗干預時間的不同而產(chǎn)生差異。

用戶教育背景的調(diào)節(jié)分析顯示，AR技術(shù)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(shù)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(yōu)。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(wù)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(shù)系統(tǒng)的使用更具經(jīng)驗，諸如數(shù)字系統(tǒng)復雜性和多任務(wù)處理等問題更容易對低齡段用戶產(chǎn)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(xié)助其工作記憶提升處理效率，減輕工作記憶的負擔。

技術(shù)應用領(lǐng)域的調(diào)節(jié)分析顯示，AR技術(shù)賦能結(jié)合不同應用領(lǐng)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(shù)等應用領(lǐng)域都能有效降低用戶的認知負荷，然而在醫(yī)學領(lǐng)域，AR技術(shù)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(jié)構(gòu)，基于認知負荷理論可以劃分為內(nèi)在認知負荷和外在認知負荷[49]。內(nèi)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(wù)的內(nèi)在本質(zhì)所決定的，與特定的知識領(lǐng)域難度相關(guān)；外部的認知負荷來自于信息的呈現(xiàn)與組織方式[50]。應用領(lǐng)域的知識難度不同導致內(nèi)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(lǐng)域中，用戶的內(nèi)在認知負荷會處于較高水平。

對實驗干預時間的調(diào)節(jié)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(shù)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(jié)果也印證了AR技術(shù)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(shù)的主觀第一反應[51]。當一種交互技術(shù)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(jù)表明，在新奇效應的作用下，海馬區(qū)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(guān)重要的作用[53]，對海馬區(qū)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(shù)賦能在未來的開發(fā)與建設(shè)中需要注意以下關(guān)鍵內(nèi)容：

1)加強AR技術(shù)賦能，構(gòu)建多層次信息資源體系。綜合效應分析表明，AR技術(shù)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(shù)賦能具備廣闊的發(fā)展和應用前景。技術(shù)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(guān)文化產(chǎn)業(yè)可以加強AR技術(shù)的引入與建設(shè)，用AR技術(shù)賦能推進信息資源建設(shè)。調(diào)節(jié)分析表明，不同的用戶及內(nèi)容特征會影響AR技術(shù)賦能的效果。相關(guān)機構(gòu)及平臺需重視用戶多元化背景，構(gòu)建基于內(nèi)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(xiàn)AR技術(shù)賦能的最佳效益。對負效應樣本的分析表明，用戶對AR系統(tǒng)與程序操作的不熟悉會引起較高水平的認知負荷，相關(guān)機構(gòu)及平臺可以提供技術(shù)咨詢服務(wù)，減少因技術(shù)使用給用戶帶來的困擾，推動AR技術(shù)賦能與用戶的深度融合。

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

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

5.2 研究展望

AR的出現(xiàn)為技術(shù)賦能創(chuàng)建了新的可能，AR技術(shù)賦能也在支持用戶的知識獲取行為中展現(xiàn)出了極大潛力。然而，AR技術(shù)賦能會對用戶在知識獲取中的認知負荷產(chǎn)生怎樣的影響是一個持續(xù)爭論的焦點。本元分析整合了不同研究的結(jié)果，進行了系統(tǒng)梳理，發(fā)現(xiàn)AR技術(shù)賦能可以有效降低用戶的認知負荷，且通過對調(diào)節(jié)變量的分析，得出在未來的研究中需要考慮的重要結(jié)論。對于技術(shù)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(shù)帶來的影響。本文的研究為AR技術(shù)賦能的深化發(fā)展、AR技術(shù)產(chǎn)品的優(yōu)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(chǔ)技術(shù)，對AR技術(shù)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(fā)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(jié)果可能與已發(fā)表的研究有明顯的不同。第三，由于納入文獻所提供數(shù)據(jù)的限制，本文沒有對其他調(diào)節(jié)變量進行分析，如AR技術(shù)的類型、用戶對AR技術(shù)的態(tài)度等，對這些變量的分析對于深入理解AR技術(shù)賦能的影響很重要。因此，未來的研究應著重于豐富調(diào)節(jié)變量，深入調(diào)查異質(zhì)性的來源，并使文獻檢索多樣化，減少發(fā)表偏倚的風險，加強結(jié)論的有效性。

此外，目前有關(guān)AR技術(shù)賦能對認知負荷影響的研究多集中于對基礎(chǔ)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(guān)注。且盡管在大多數(shù)知識領(lǐng)域都存在研究，但多集中于科學領(lǐng)域，在部分領(lǐng)域仍存空白。未來可以擴大對AR技術(shù)賦能的探索，重點關(guān)注目前缺失的用戶群體和應用領(lǐng)域，在不同的教育背景及應用領(lǐng)域上進行新的研究，以提供對AR技術(shù)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。