黃安儀　崔寧　黎思琪　黃峻榮

摘? 要：沉浸式學(xué)習(xí)環(huán)境借助智慧課室、虛擬現(xiàn)實（VR）、5G技術(shù)，實現(xiàn)了為學(xué)習(xí)者提供跨越空間、時間的沉浸式體驗，有利于學(xué)習(xí)者以自己為中心積極主動地參與到課堂內(nèi)容的學(xué)習(xí)。然而沉浸式學(xué)習(xí)環(huán)境下又因其自身的環(huán)境虛擬性、操作復(fù)雜性、任務(wù)多樣性等無形之中增加了學(xué)習(xí)者的認(rèn)知負(fù)荷。文章通過對現(xiàn)有的沉浸學(xué)習(xí)情境中學(xué)習(xí)者的認(rèn)知負(fù)荷的測試方法進(jìn)行了分析，并對現(xiàn)有測試手段存在的缺陷進(jìn)行了梳理，并提出了一種全面的沉浸學(xué)習(xí)環(huán)境中學(xué)習(xí)者的認(rèn)知負(fù)荷測試方法。即“腦電捕獲+主觀評定”，首先通過計算“腦電捕獲”相關(guān)數(shù)據(jù)來獲取學(xué)習(xí)者認(rèn)知負(fù)荷的瞬時大小，其次通過“主觀評定”來驗證測量結(jié)果的準(zhǔn)確性，對測量結(jié)果進(jìn)行驗證，以增強(qiáng)本測量方法的可信度。

關(guān)鍵詞：沉浸式學(xué)習(xí)環(huán)境；認(rèn)知負(fù)荷測量；學(xué)習(xí)者

中圖分類號：TP391? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）12-0089-04

Measurement of Learners' Cognitive Load in Immersive Learning Environment

HUANG Anyi， CUI Ning， LI Siqi， HUANG Junrong

（School of Information Engineering & Business Management， Guangdong Nanhua Vocational College of Industry and Commerce， Guangzhou? 510507， China）

Abstract： With the help of smart classroom， Virtual Reality （VR） and 5G technology， the immersive learning environment provides learners with immersive experience across space and time， which is conducive to learners' self-centered and active participation in the learning of classroom content. However， the immersive learning environment also increases the cognitive load of learners because of its own virtual environment， operational complexity， task diversity and other intangible factors. This paper analyzes the existing test methods of learners' cognitive load in the immersive learning environment， combs the defects of the existing test methods， and proposes a comprehensive test method of learners' cognitive load in the immersive learning environment. That is， “EEG capture + subjective assessment”. Firstly， the instantaneous size of learners' cognitive load is obtained by calculating the relevant data of “EEG capture”. Secondly， the accuracy of the measurement results is verified by “subjective assessment”， and the measurement results are verified to enhance the credibility of this measurement method.

Keywords： immersive learning environment; cognitive load measurement; learner

0? 引? 言

隨著信息技術(shù)在教育領(lǐng)域的深入應(yīng)用，沉浸式學(xué)習(xí)愈來愈成為未來學(xué)習(xí)者開展個性化學(xué)習(xí)的重要手段，亦是新時期教育信息化發(fā)展的新要求。2018年12月25日，國家工信部印發(fā)了《工業(yè)和信息化部關(guān)于加快推進(jìn)虛擬現(xiàn)實產(chǎn)業(yè)發(fā)展的指導(dǎo)意見》?！兑庖姟诽岢觯骸耙烟摂M現(xiàn)實技術(shù)運用到高等教育、職業(yè)教育、物理、化學(xué)、生物、地理等領(lǐng)域”[1]。可見VR（Virtual Reality）等沉浸式教學(xué)在教學(xué)中的重要作用。

然而沉浸式學(xué)習(xí)環(huán)境中，通過對目前已有的學(xué)習(xí)背景下學(xué)習(xí)者認(rèn)知負(fù)荷的測驗方法的研究，總結(jié)了目前的測驗方法的不足，并給出了一個綜合的測驗方法。當(dāng)下，對于認(rèn)知負(fù)荷的測量已有多種較為成熟的測量方式，但具體到沉浸式學(xué)習(xí)環(huán)境下的認(rèn)知負(fù)荷實時測量還很少涉及，因此沉浸式學(xué)習(xí)環(huán)境下學(xué)習(xí)者認(rèn)知負(fù)荷測量的研究有利于補(bǔ)充和進(jìn)一步完善認(rèn)知負(fù)荷測量理論。

1? 文獻(xiàn)綜述

無論是在傳統(tǒng)教室學(xué)習(xí)模式還是在信息技術(shù)環(huán)境下學(xué)習(xí)模式，均存在著教育資源與學(xué)習(xí)資源無法實現(xiàn)有效匹配與共享、學(xué)習(xí)空間的碎片化以及學(xué)習(xí)內(nèi)容與教學(xué)方式之間的不匹配等問題。因此，在新教育環(huán)境背景下，學(xué)習(xí)者對于資源與學(xué)習(xí)資源的利用問題日益凸顯。當(dāng)前，已有眾多研究表明，沉浸式學(xué)習(xí)環(huán)境有助于提高學(xué)習(xí)者的學(xué)習(xí)效率并減少相關(guān)錯誤的發(fā)生概率。因此，針對沉浸式學(xué)習(xí)環(huán)境下學(xué)習(xí)者的認(rèn)知負(fù)荷問題及其相關(guān)影響因素進(jìn)行探討具有重要意義。

沉浸式學(xué)習(xí)環(huán)境的應(yīng)用為現(xiàn)階段的學(xué)習(xí)教育帶來了新的體驗。任何一種學(xué)習(xí)都不能脫離注意、記憶、思考、想象等認(rèn)知活動。許多研究顯示，學(xué)生的學(xué)習(xí)記憶與認(rèn)知行為有著緊密的聯(lián)系。學(xué)習(xí)記憶的主要功能是對當(dāng)前學(xué)習(xí)環(huán)境中的課程信息進(jìn)行采集和臨時存儲，并將其與長時記憶相聯(lián)系，以實現(xiàn)對整個學(xué)習(xí)任務(wù)的全面了解。但是由于學(xué)生學(xué)習(xí)記憶的能力有限，如果學(xué)習(xí)環(huán)境中的信息太多，可能會影響學(xué)生的注意力，記住了額外的環(huán)境信息，使學(xué)生的學(xué)習(xí)記憶能力超負(fù)荷，從而影響到學(xué)生的認(rèn)知處理能力。認(rèn)知負(fù)荷能夠代表學(xué)習(xí)狀態(tài)下腦力資源占用率，也有相關(guān)專家稱之為稱為精神負(fù)荷、腦力負(fù)荷或者心理負(fù)荷。而對于認(rèn)知負(fù)荷的測量，是不可直接被衡量的，只能通過間接的方式來衡量。國外研究學(xué)者Paas等人在1994年所提出的認(rèn)知負(fù)荷結(jié)構(gòu)模式的評估因子。最近幾年，認(rèn)知負(fù)荷的測量才剛剛起步，但是，在負(fù)荷測量方面，認(rèn)知心理學(xué)的研究已有相當(dāng)多的成果。目前，大部分的研究者都是采用實驗的方式來進(jìn)行認(rèn)知負(fù)荷的測定。沉浸式學(xué)習(xí)環(huán)境因其信息量大、信息多樣化而不同于傳統(tǒng)教育和學(xué)習(xí)環(huán)境。在這種情況下，學(xué)習(xí)者在學(xué)習(xí)過程中的認(rèn)知負(fù)荷也應(yīng)該是不同的[2]。

目前測量認(rèn)知負(fù)荷的方法可分為主觀評定測量、任務(wù)績效測量和生理測量。主觀評定測量采用一維量表進(jìn)行學(xué)習(xí)者的認(rèn)知負(fù)載，其靈敏度高、使用方便、無創(chuàng)、易被測受試者接受，但是存在主觀性較強(qiáng)的缺點，具有一定弊端。任務(wù)績效測量是一種對認(rèn)知負(fù)載進(jìn)行客觀、直接的衡量，它可以根據(jù)學(xué)生在完成一項任務(wù)后的表現(xiàn)來判定其所造成的認(rèn)知負(fù)載，但是任務(wù)的相關(guān)性較高，不方便進(jìn)行橫向測量。生理學(xué)測量是一種較為客觀、可量化的測量手段，在這種測量中，眼球運動的數(shù)據(jù)可通過無接觸的方式進(jìn)行，因此在臨床上有很大的實用價值。與眼動有關(guān)的認(rèn)知活動有：瞳孔擴(kuò)張、眨眼次數(shù)、眨眼時間、眼球掃視等。有研究發(fā)現(xiàn)，在較高的認(rèn)知負(fù)載和較高的任務(wù)要求下，閃爍次數(shù)和閃爍持續(xù)時間都會降低。

一般認(rèn)知負(fù)荷量表會使用WP（The Workload Profile Index Ratings）、SWAT（Subjective Workload Assessment Technique）、TLX（National Aeronautics and Space Administration- Task Load Index）等多維度量表進(jìn)行統(tǒng)計，WP的靈敏度要高于SWAT，TLX的靈敏度最低；WP量表具有良好的診斷能力；SWAT量表和WP量表的效度均優(yōu)于TLX量表。在中等、低級作業(yè)中，WP量表是一種比較理想的認(rèn)知負(fù)荷量表。此外，次任務(wù)在響應(yīng)時的穩(wěn)定性和抗干擾能力也很強(qiáng)，能夠在不同的困難任務(wù)中進(jìn)行有效的識別。認(rèn)知負(fù)荷綜合指數(shù)具有良好的敏感性。

盡管在某些研究中已有生理學(xué)測量方法的使用，但是它的儀器和環(huán)境要求很高，很少用于實際操作。在認(rèn)知負(fù)荷測量的基礎(chǔ)上，已有不少學(xué)者提出了可用于實踐的測驗技術(shù)。因此，本文在上述基礎(chǔ)上，針對沉浸式學(xué)習(xí)環(huán)境下學(xué)習(xí)者認(rèn)知負(fù)荷測量展開研究。

2? 基于腦電的學(xué)習(xí)者認(rèn)知負(fù)荷測量

2.1? 基于腦電提取學(xué)習(xí)者認(rèn)知負(fù)荷信號協(xié)方差特征

引入腦電技術(shù)，對學(xué)習(xí)者認(rèn)知負(fù)荷進(jìn)行測量。假設(shè)共包含n個通道的腦電信號數(shù)據(jù)，其表達(dá)式為：

式（1）中，st表示任意時刻t的腦電信號；l表示腦電信號的總采集點數(shù)量。假設(shè)所有產(chǎn)生的腦電信號都已經(jīng)經(jīng)過了高通濾波，并且各個采樣點上的腦電信號總采集點數(shù)量均遠(yuǎn)遠(yuǎn)超出了電極通道數(shù)n，則在這一假設(shè)條件下，學(xué)習(xí)者認(rèn)知負(fù)荷信號協(xié)方差特征可通過下述公式計算得出：

式（2）中，T表示轉(zhuǎn)置。在獲取到學(xué)習(xí)者認(rèn)知負(fù)荷信號協(xié)方差特征后，還需要對這一特征在切空間中進(jìn)行映射。在對協(xié)方差特征進(jìn)行切空間映射時，假定同一學(xué)習(xí)者的協(xié)方差矩陣處于同一區(qū)域，而各學(xué)習(xí)者的協(xié)方差矩陣則處于不同的區(qū)域[3]。為了得到更精確的切點，即數(shù)據(jù)的平均值，必須分別對各樣本的數(shù)據(jù)進(jìn)行單獨的運算，從而得到更精確的切點估算。但這也造成了不能對多個學(xué)習(xí)者進(jìn)行有效的綜合利用[4]。為充分利用獲取到的信息，增強(qiáng)測量方法的魯棒性和精確度，采用多模式整合的方法，為后續(xù)度量黎曼流形數(shù)據(jù)提供依據(jù)。

2.2? 度量黎曼流形數(shù)據(jù)

黎曼流形是一類具有微流形的空間，它具有很強(qiáng)的穩(wěn)定性。但由于黎曼流形是一種非歐結(jié)構(gòu)，其上各點的切線空間均為歐式，因此在歐氏空間中，該方法不能直接用于黎曼的數(shù)據(jù)點[5]。黎曼距離對黎曼流形數(shù)據(jù)的度量示意圖如圖1所示。

圖1中，一個節(jié)點從①到②，其在圖1中所選的兩個點（相對于黎曼流形）之間的最小距離是球面上的測量線（對能量應(yīng)為黎曼距離），而不是穿過球面（歐氏距離）[6]。所以，在黎曼流形中，要考慮采用合適的方法。結(jié)合上述獲取到的學(xué)習(xí)者認(rèn)知負(fù)荷信號協(xié)方差特征，將所有特征組成一個對稱正定矩陣，并將節(jié)點看作是在黎曼流形上的一個點。在一般的矩陣空間當(dāng)中，可直接采用歐氏距離的方式計算兩個節(jié)點之間的距離，其公式為：

式（3）中，d（x1， x2）表示節(jié)點x1和x2之間的歐氏距離；x1k和x2k表示節(jié)點屬性詳細(xì)選值。而在對稱正定矩陣空間當(dāng)中，則需要通過黎曼距離計算得出。黎曼距離可以基于下述公式對m個對稱正定矩陣的黎曼均值得出：

式（4）中，σ表示黎曼系數(shù)。計算得出的黎曼均值點位置上所有的矢量組成的集合構(gòu)成完整的切空間[7]。在該切空間中，測量值與黎曼空間相比十分平滑，所以我們可以利用其他常規(guī)的歐式空間，例如利用算術(shù)平均值來計算數(shù)據(jù)間的距離，或直接利用邏輯回歸分類器來對切空間中的數(shù)據(jù)進(jìn)行分類。

2.3? 輸出學(xué)習(xí)者認(rèn)知負(fù)荷測量結(jié)果

從黎曼空間出發(fā)，利用切空間中的相關(guān)運算，求出m個對稱正定矩陣的平均值。首先，利用黎曼對數(shù)映射方法，將黎曼空間內(nèi)的數(shù)據(jù)點全部映射為切空間。這種切空間是歐氏空間的特性，所以，在歐式空間中，平均的描述，是一個比較簡單的平均值的正確的估算[8]。最后，利用Riemann指數(shù)映射，把所求出的算術(shù)平均值映射到黎曼空間，由對稱正定矩陣組成，從而可以準(zhǔn)確地反映對稱正定矩陣的平均值。之后的機(jī)器學(xué)習(xí)和遷移學(xué)習(xí)都是在一個切空間內(nèi)進(jìn)行的，將每一個被測數(shù)據(jù)分別計算出的平均幾何平均值作為切點。在對協(xié)方差特性進(jìn)行切空間映射時，假定同一學(xué)習(xí)者的協(xié)方差矩陣處于黎曼流形的同一區(qū)域，而黎曼流形中各受試者的協(xié)方差矩陣則處于不同的區(qū)域[9]。所以，為了得到更精確的切點，即數(shù)據(jù)的黎曼平均，必須分別對各樣本的數(shù)據(jù)進(jìn)行單獨的運算，從而得到更精確的切點估算。但這也造成了一個問題，即不能對多個學(xué)習(xí)者進(jìn)行有效的綜合利用。建立投票模型，充分利用已有的資料，增強(qiáng)模型的魯棒性和精確度，增加模型的更新與升級的可能性[10]。相對多數(shù)硬投票模型如圖2所示。

針對圖2中多個模型，采用組合策略中的投票法對其進(jìn)行集成處理，多個模型同時預(yù)測標(biāo)簽，預(yù)測標(biāo)簽最多的標(biāo)簽即為最終輸出標(biāo)簽，其公式為：

式（5）中，H （x）表示最終輸出標(biāo)簽；c表示類別標(biāo)記；HIJ（x）表示基模型；q表示基模型數(shù)量?；趫D2投票結(jié)果，輸出學(xué)習(xí)者認(rèn)知負(fù)荷測量結(jié)果。

3? 實驗研究

在沉浸式學(xué)習(xí)環(huán)境下，利用分?jǐn)?shù)測度對學(xué)習(xí)者認(rèn)知負(fù)荷進(jìn)行測量。首先，根據(jù)目前的學(xué)習(xí)內(nèi)容設(shè)計測驗題。學(xué)習(xí)者一旦學(xué)會了一門課程，馬上進(jìn)行測試，從而實時分析學(xué)習(xí)效果。為此，設(shè)計如下測量過程。

3.1? 實驗設(shè)計與數(shù)據(jù)

以M高校為測試環(huán)境，隨機(jī)抽選20例學(xué)習(xí)者展開測試。

在實驗中，學(xué)習(xí)者被要求在計算機(jī)前安靜地坐著，注意力盡量集中在屏幕中央的十字架上，在實驗中盡量不要頻繁地眨眼睛。當(dāng)學(xué)習(xí)者安靜下來后，實驗開始，記憶和探測項目將在熒光屏上依次顯示。學(xué)習(xí)者需要迅速而精確地記憶單詞，大約3秒鐘后，屏幕上會顯示一個探頭項目，這時，學(xué)習(xí)者需要用鍵盤來判斷是否在記憶項目中。

每一學(xué)習(xí)者都有3節(jié)的資料，每節(jié)含有兩個區(qū)塊（bloolc），每區(qū)塊含有60個試次。剔除無效資料后，每位學(xué)習(xí)者平均分為三類，總計480份trial樣本數(shù)據(jù)。采用128導(dǎo)neuroScan記錄學(xué)習(xí)者頭表腦電數(shù)據(jù)，將采樣頻率設(shè)置為1 000 Hz。20例學(xué)習(xí)者的腦電圖資料應(yīng)用延遲匹配試驗，將其分成三個層次：低負(fù)荷（刺激數(shù)量為2）、中等負(fù)荷（刺激數(shù)量為4）、高負(fù)荷（刺激數(shù)量為8）。

3.2? 腦電記錄與預(yù)處理

針對上述獲取到的實驗數(shù)據(jù)進(jìn)行預(yù)處理，包括壞道插值、帶通濾波、偽跡去除等。62導(dǎo)腦電信號，將CB1、CB2兩個電極去除后共包含60導(dǎo)，分別用人工方式或其他方法進(jìn)行標(biāo)記，并利用內(nèi)插技術(shù)對故障進(jìn)行修補(bǔ)，以保證數(shù)據(jù)中的每一條導(dǎo)線的數(shù)據(jù)都不會產(chǎn)生不良的噪音。在此基礎(chǔ)上，對數(shù)據(jù)采用五階巴特沃斯濾波器進(jìn)行帶通濾波處理。在這一過程中，需要將頻段控制在1～45 Hz的范圍內(nèi)。為了防止由刺激引起的事件相關(guān)電勢等不相關(guān)的因素對實驗結(jié)果的影響，只在1 s后的記憶序列中，抽取2.3 s的保留時間。在1 000 Hz的取樣速率下，獲得2 300個采樣單點。對分割的數(shù)據(jù)進(jìn)行取樣，取樣速率設(shè)定在160 Hz。最后得到格式為N×60×368的數(shù)據(jù)，其中的N是取樣數(shù)目，60是信道數(shù)目，368是取樣點數(shù)目。

3.3? 測量實驗結(jié)果

根據(jù)上述實驗過程，在完成對學(xué)習(xí)者認(rèn)知負(fù)荷測量后，記錄實驗結(jié)果。表1為對學(xué)習(xí)者刺激開始1 s后得到的認(rèn)知負(fù)荷測量結(jié)果。

3.4? 結(jié)果分析

統(tǒng)計對學(xué)習(xí)者刺激開始1 s后，其認(rèn)知負(fù)荷測量結(jié)果可以看出，在沉浸式學(xué)習(xí)環(huán)境中，學(xué)習(xí)者受到刺激開始學(xué)習(xí)時，觀測到Gamm節(jié)律的時間相關(guān)同步化發(fā)生集中在低負(fù)荷區(qū)域（11～18 Hz）中，而這與過程并不涉及中負(fù)荷與高負(fù)荷。

4? 具體應(yīng)用

在認(rèn)知負(fù)荷綜合測量在沉浸式學(xué)習(xí)環(huán)境下的具體應(yīng)用中，當(dāng)學(xué)習(xí)者的內(nèi)部和外部的認(rèn)知負(fù)荷都已被確定時，就能由相應(yīng)的內(nèi)在認(rèn)知負(fù)荷和外在認(rèn)知負(fù)荷來決定。由于學(xué)習(xí)者主觀因素的影響，學(xué)習(xí)者在主觀上會減少對作業(yè)材料的難度、數(shù)量等的主觀感覺，進(jìn)而間接地影響到整體的認(rèn)知負(fù)荷。當(dāng)內(nèi)部認(rèn)知負(fù)荷下降時，相應(yīng)的認(rèn)知負(fù)荷和元認(rèn)知負(fù)荷就會增加。學(xué)習(xí)學(xué)會是學(xué)習(xí)者必備的素質(zhì)和追求的目標(biāo)，因此，在目前的研究和實踐中，重視學(xué)習(xí)者的個性因素和學(xué)習(xí)風(fēng)格，并加大對學(xué)習(xí)者的相關(guān)認(rèn)知負(fù)擔(dān)和元認(rèn)知負(fù)荷的研究將是今后的發(fā)展方向。大多數(shù)的學(xué)習(xí)者都是以直觀的形式學(xué)習(xí)的，因此，學(xué)習(xí)者當(dāng)前在沉浸式學(xué)習(xí)環(huán)境中所能得到的信息比用直觀的形式所能得到的信息要少。但是在某些場景中，幾乎不會提供可視化的知識，學(xué)習(xí)者只會通過聽、看等方式獲得知識，就算是多媒體，也會有很多的文字，很少有圖片、圖標(biāo)等。因此，在強(qiáng)調(diào)人的認(rèn)識規(guī)律的前提下，在沉浸式學(xué)習(xí)環(huán)境中學(xué)習(xí)要兼顧學(xué)習(xí)者的不同，要注意學(xué)習(xí)者的認(rèn)識方式和學(xué)習(xí)者的學(xué)習(xí)方式，并根據(jù)不同的風(fēng)格進(jìn)行不同的設(shè)計和個體化學(xué)習(xí)，可以減少學(xué)習(xí)者的學(xué)習(xí)負(fù)擔(dān)，提高學(xué)習(xí)者的有效認(rèn)知負(fù)擔(dān)，從而使學(xué)習(xí)效果達(dá)到最佳。

在具體應(yīng)用中，學(xué)習(xí)效果和認(rèn)知負(fù)荷有很大的聯(lián)系，而且是非常復(fù)雜的。過高或過低的內(nèi)部認(rèn)知負(fù)荷和外部的認(rèn)知負(fù)荷對學(xué)習(xí)均無益處，前者會妨礙學(xué)習(xí)，而外部的知識負(fù)荷則會降低學(xué)習(xí)者的動機(jī)和注意力，從而影響學(xué)習(xí)。在認(rèn)知負(fù)荷綜合測量在沉浸式學(xué)習(xí)環(huán)境下的具體應(yīng)用時，要想找出某一種教學(xué)或?qū)W習(xí)方法會給學(xué)習(xí)者帶來什么樣的認(rèn)知負(fù)擔(dān)，就必須把學(xué)習(xí)成果與其他關(guān)于學(xué)習(xí)過程中的認(rèn)知負(fù)荷衡量相結(jié)合。例如，擁有同樣的知識的學(xué)習(xí)者，甲和乙在完成同樣的工作時，會用不同的方法來完成同樣的工作。假設(shè) 甲的任務(wù)呈現(xiàn)模式可以減少外部的認(rèn)知負(fù)擔(dān)，而乙的任務(wù)呈現(xiàn)模式則可以減少外部負(fù)載，并會提高相應(yīng)的認(rèn)知負(fù)擔(dān)。因為甲和乙擁有相同的知識，因此他們的內(nèi)部認(rèn)知負(fù)荷應(yīng)該相同。在完成學(xué)業(yè)后，對學(xué)習(xí)者的認(rèn)知負(fù)荷進(jìn)行了主觀測試，結(jié)果甲的心理努力得分為6分，甲得分8分。顯然，乙的認(rèn)知能力比甲強(qiáng)，但乙真的會導(dǎo)致與其學(xué)習(xí)有關(guān)的認(rèn)知負(fù)擔(dān)嗎？其實，乙也有可能因為覺得題目難度過大，心理負(fù)擔(dān)過重而放棄了，結(jié)果B的分?jǐn)?shù)也會很低?？梢姡绻业膶W(xué)業(yè)表現(xiàn)比甲高，則可以得到以上結(jié)論。因此，只有把認(rèn)知負(fù)荷與學(xué)習(xí)者的學(xué)習(xí)成果結(jié)合在一起，才會有實際的意義。

5? 結(jié)? 論

當(dāng)前，沉浸式學(xué)習(xí)環(huán)境正在全球范圍內(nèi)迅速普及。隨著《全球教育行動計劃》的提出及其他教育改革措施的推進(jìn)以及人們對其需求的不斷增長，沉浸式學(xué)習(xí)技術(shù)已成為基礎(chǔ)教育發(fā)展中不可缺少的技術(shù)手段。與傳統(tǒng)教室里學(xué)習(xí)模式相比，沉浸式學(xué)習(xí)環(huán)境為學(xué)習(xí)者提供了更廣闊的學(xué)習(xí)資源。然而，現(xiàn)有研究僅針對沉浸式學(xué)習(xí)環(huán)境中學(xué)習(xí)者認(rèn)知負(fù)荷測量并未對其進(jìn)行深入探討。而基于沉浸式學(xué)習(xí)環(huán)境中學(xué)習(xí)者的認(rèn)知負(fù)荷模型研究可為沉浸式學(xué)習(xí)環(huán)境下學(xué)習(xí)者的認(rèn)知負(fù)荷測量提供參考與指導(dǎo)。

參考文獻(xiàn)：

[1] 中華人民共和國工業(yè)和信息化部.工業(yè)和信息化部關(guān)于加快推進(jìn)虛擬現(xiàn)實產(chǎn)業(yè)發(fā)展的指導(dǎo)意見[EB/OL].（2018-12-26）.http：//www.cac.gov.cn/2018-12/26/c_1123903256.htm.

[2] 孫崇勇，劉麗麗，高春陽.翻轉(zhuǎn)教學(xué)法對高中生認(rèn)知負(fù)荷及學(xué)習(xí)成績的影響 [J].心理與行為研究，2020，18（3）：369-375.

[3] 王國華，聶勝欣，薛瑞鑫.多媒體學(xué)習(xí)中的認(rèn)知負(fù)荷：測量方法與技術(shù)縱覽 [J].電化教育研究，2022，43（4）：19-25+54.

[4] 戴靜，顧小清，江波．殊途同歸：認(rèn)知診斷與知識追蹤——兩種主流學(xué)習(xí)者知識狀態(tài)建模方法的比較 [J].現(xiàn)代教育技術(shù)，2022，32（4）：88-98.

[5] 許瑋，祝思璇.同伴互評對學(xué)習(xí)者知識建構(gòu)過程的實證研究——基于時間序列的認(rèn)知網(wǎng)絡(luò)分析 [J].現(xiàn)代教育技術(shù)，2022，32（1）：44-53.

[6] 王希哲，涂雅欣，張琳捷，等.認(rèn)知負(fù)荷視角下在線協(xié)作學(xué)習(xí)的增效機(jī)制研究 [J].電化教育研究，2022，43（9）：45-52+72.

[7] 顧琦一，金夏妃.中國英語學(xué)習(xí)者產(chǎn)出任務(wù)中的認(rèn)知負(fù)荷：輸出模態(tài)與話題熟悉度的作用研究 [J].外語界，2021（3）：73-81.

[8] 單美賢，董艷.項目式協(xié)作學(xué)習(xí)中認(rèn)知負(fù)荷的影響因素研究 [J].現(xiàn)代遠(yuǎn)距離教育，2022（3）：55-62.

[9] 馬淑杰，張景斌.高中學(xué)生數(shù)學(xué)原有知識水平和學(xué)習(xí)認(rèn)知負(fù)荷對數(shù)學(xué)課堂學(xué)習(xí)效率的影響研究 [J].數(shù)學(xué)教育學(xué)報，2021，30（2）：26-31.

[10] 尤洋，王以寧，張海.智慧課堂環(huán)境下教學(xué)視頻復(fù)雜度與學(xué)習(xí)者認(rèn)知負(fù)荷關(guān)系研究 [J].現(xiàn)代遠(yuǎn)距離教育，2020（2）：91-96.

作者簡介：黃安儀（2002—），女，漢族，廣東廣州人，研究

方向：深度學(xué)習(xí)；通訊作者：崔寧（1987—），男，漢族，安徽宿州人，講師，碩士研究生，研究方向：智慧教育與學(xué)習(xí)；黎思琪（2002—），女，漢族，廣東江門人，研究方向：網(wǎng)絡(luò)學(xué)習(xí)；黃峻榮（2002—），男，漢族，廣東韶關(guān)人，研究方向：網(wǎng)絡(luò)學(xué)習(xí)。

收稿日期：2023-01-13

基金項目：廣東省教育廳青年人才項目（2022WQNCX182）；共青團(tuán)廣東省委員會攀登計劃項目（pdjh2022a0931）