教学设计的复杂性以及弹出通知的干扰：对虚拟课堂中注意力分配和信息保留的影响

《Frontiers in Psychology》：Instructional design complexity and pop-up notification interference: effects on attention allocation and information retention in virtual classrooms

虚拟学习环境中教学设计复杂性（IDC）与弹出通知干扰（PNI）对注意力及知识保留的独立及交互影响。通过眼动追踪、即时与延迟测试及结构方程模型分析240名中国大学生发现：高IDC（碎片化布局、冗余文本、背景音频）与高PNI均显著降低注意力（平均减少17.3秒和15.7秒）及即时知识保留（分别下降11.8%和5.8%），二者结合产生叠加效应（注意力降低至181.2秒，知识保留下降至65.4%）。注意力部分中介IDC和PNI对知识保留的影响（间接效应-2.14%和-1.78%）。数字学习经验可缓冲PNI对注意力的负面影响（β=0.28）。研究验证CLT、LC4MP和MMT理论框架，提出需分离设计干扰与环境干扰，通过实时注意力监测优化虚拟学习环境设计。

　　虚拟多媒体学习环境的广泛应用，使学习者在获取知识的过程中面临前所未有的挑战。随着技术的发展，越来越多的学习内容以多模态形式呈现，包括文本、图像、视频、动画和互动元素。然而，这种复杂的设计和丰富的信息流可能对学习者的认知负荷产生负面影响，进而影响其注意力分配和知识留存。因此，研究如何在设计复杂性与环境干扰之间取得平衡，成为提升学习效率的关键问题。

本研究探讨了教学设计复杂性（IDC）和弹窗通知干扰（PNI）对学习者注意力分配和知识留存的独立及交互影响。IDC通过改变教学材料的呈现方式进行操作，如简洁布局与冗余文本、背景音频等构成的碎片化设计。而PNI则通过是否存在周期性、与学习任务无关的弹窗通知进行操控。研究基于认知负荷理论（CLT）、有限容量模型（LC4MP）和媒体多任务理论（MMT），采用2×2被试间实验设计，涉及240名中国本科生。结果显示，IDC和PNI均对学习者的注意力和知识留存产生显著的负面影响，而它们的结合则导致了最低的注意力和留存得分。结构方程模型进一步揭示了注意力分配在两者与知识留存之间的部分中介作用。此外，调节分析表明，拥有更高数字学习经验的学习者对PNI的负面影响更为免疫。

注意力作为认知资源的有限性，决定了学习者在处理多模态信息时如何分配其资源。研究表明，IDC和PNI会增加处理需求，导致学习者在信息整合、存储和检索过程中出现更多的认知负担。例如，教学材料中的冗余信息和背景音频会增加学习者的认知负荷，而弹窗通知则会通过外部刺激吸引注意力，打断学习任务的进行。这些因素的叠加效应尤为明显，对学习效率和知识留存造成双重压力。

研究的实验设计中，学习材料采用了“气候变化与碳中和”这一主题，通过18张教学幻灯片进行呈现。低复杂度版本遵循多媒体设计的基本原则，强调信息的清晰性和整合性；而高复杂度版本则通过碎片化布局、冗余文本和背景音频来模拟复杂的教学环境。在高PNI条件下，8个弹窗通知以伪随机方式出现在屏幕右上角，持续1.5秒，且不包含声音，以避免学习者对通知内容进行交互。这些操控均经过预验证，确保实验的科学性和有效性。

实验过程中，学习者被随机分配到四个不同的条件组：低IDC低PNI、低IDC高PNI、高IDC低PNI、高IDC高PNI。研究者通过眼动追踪技术记录学习者的注意力分配情况，包括在预定义的核心兴趣区域（AOI）中的注视时间、注视次数和眼动路径。同时，学习者的即时和延迟知识留存也被测量，以评估其记忆的稳定性。研究结果表明，注意力分配在知识留存中起到了关键的中介作用，即教学设计复杂性与弹窗通知干扰均通过影响注意力来间接影响学习效果。

此外，研究还发现，数字学习经验对PNI的负面影响具有一定的缓冲作用。学习者在数字环境中的熟练程度越高，越能有效抑制弹窗通知对其注意力的干扰。然而，这一调节效应并未显著影响教学设计复杂性带来的认知负荷，说明学习者的数字经验主要对环境干扰有缓冲作用，而对设计复杂性本身的影响有限。这一发现对于教育技术的设计具有重要意义，提示在设计学习系统时，不仅要考虑内容的复杂性，还要关注学习环境的干扰因素，并为学习者提供相应的支持机制。

研究还通过行为指标进一步验证了主要发现，如任务切换频率和对嵌入式理解提示的响应时间。结果显示，高PNI条件下的学习者任务切换频率显著增加，而高IDC条件下的学习者则表现出更长的响应时间，表明这两种因素均增加了认知处理的负担。这些行为数据与眼动数据相互支持，进一步说明了注意力在学习过程中的动态变化和重要性。

从实践角度出发，本研究为教育工作者和教育技术开发者提供了重要的设计原则。首先，教学材料应注重清晰、连贯和简洁，避免冗余信息和碎片化设计，以减少认知负荷。其次，应尽量减少在高IDC段落中出现的非必要弹窗通知，或将通知集中处理，以降低注意力的分散。此外，学习系统可以引入轻量级的注意力支持功能，如简短的重新聚焦提示或自适应学习节奏，以帮助学习者维持注意力。这些设计原则不仅有助于提升学习效率，还能增强学习者的认知可持续性，使其在复杂的数字环境中保持专注。

然而，本研究也存在一定的局限性。首先，实验是在实验室环境中进行的，虽然具有较高的控制性，但可能无法完全反映真实的学习场景。因此，未来的研究应考虑在更自然的环境中，如大规模开放在线课程（MOOCs）或混合式课堂中，进一步验证这些发现。其次，注意力的评估主要依赖眼动追踪和行为指标，未来可以结合神经认知测量方法，如脑电图（EEG）和功能性近红外光谱（fNIRS），以更深入地理解注意力变化的神经机制。此外，研究对象仅限于中国本科生，未来应扩展至不同年龄和教育背景的学习者，以增强研究的跨文化适用性。同时，学习者的认知风格、内在动机和多任务习惯等个体差异也可能对注意力分配产生重要影响，这些因素尚未被充分探讨。

未来的研究方向可以包括对注意力和干扰因素进行更精细的操控，如调整干扰的出现时间、频率和显著性，以测试其对学习效果的不同影响。此外，结合自适应多媒体设计，根据学习者的实时注意力数据动态调整教学内容，可能有助于优化学习体验。通过分析不同学习者群体的特征，研究者可以更好地理解个体差异如何与认知和环境需求相互作用，从而设计出更具针对性的学习支持策略。同时，引入情感因素，如学习者的挫败感和疲劳感，可能有助于揭示长期暴露于高负荷和高干扰环境对学习自我调节能力的影响。最后，将这些研究方法扩展到移动学习环境中，将更有助于解决当前数字化教育中普遍存在的注意力分散问题，提升学习者的在线学习体验和效果。