编辑推荐：
在教育领域，增强现实（AR）用于学习时认知负荷（CL）水平结果不一。研究人员开展 “应用多媒体学习认知理论（CTML）原则于 AR 对认知负荷和学习成果影响” 的研究。结果显示，CTML 原则可消除 AR 与视频学习 EL 水平差异，但学习成果方面未达预期。该研究为 AR 教育应用提供依据。
在教育科技飞速发展的当下，增强现实（AR）技术凭借其独特魅力，逐渐走进教育研究者的视野。它能将虚拟信息实时叠加在现实世界中，为学习者带来新奇体验，理论上可助力学习效果提升。然而，AR 在教育应用中的表现却有些 “扑朔迷离”。研究发现，其对认知负荷（CL）的影响并不确定，有的研究表明使用 AR 会增加 CL，而有的则显示会降低 CL。并且，教育 AR 应用在开发时，对多媒体学习认知理论（CTML）原则的应用和验证也缺乏一致性。这一系列问题让教育者们困惑不已，也促使研究人员深入探索，究竟如何让 AR 在教育中更好地发挥作用，成为了亟待解决的难题。
在这样的背景下，来自瑞士的研究人员开启了一项意义非凡的研究。他们旨在探究 CTML 原则应用于 AR 时，对学习者认知负荷（尤其是外在负荷（EL））和学习成果的影响。研究结果表明，当遵循 CTML 原则设计学习材料时，不同学习方式（手持 AR（HH - AR）、头戴式显示 AR（HMD - AR）和视频学习）的 EL 水平差异显著减小，但在学习成果方面，未完全达到预期假设。这一研究成果发表在《Computers in Human Behavior Reports》上，为 AR 在教育领域的应用提供了重要参考，有助于推动教育者更科学地运用 AR 技术优化教学。
为开展此项研究，研究人员采用了多种关键技术方法。首先，精心挑选了能引发较高内在负荷（IL）的七巧板任务作为研究载体。接着，基于 Unity 和 MRTK 2 toolkit 开发 AR 应用，利用 iVideo.education 平台制作视频内容，且都遵循 CTML 原则。在数据收集阶段，招募了 90 名瑞士某职业学校学生（最终 88 人纳入样本），随机分组进行实验。实验过程中，使用自我报告量表测量 CL，依据相关研究设定任务完成时间并记录，还用技术接受模型（TAM）的子量表评估易用性。最后，运用 JASP 软件进行贝叶斯分析、重复测量方差分析等多种统计分析。
研究结果
- 可靠性测试：对使用的量表进行可靠性检验，发现 IL 和 EL 子量表可靠性可接受，但关联负荷（GL）子量表可靠性过低，故将其排除后续分析。同时，TAM 中易用性量表可靠性良好。
- RQ1 认知负荷
- HP1a 内在负荷：研究发现，七巧板任务能显著提高 IL 水平。通过重复测量方差分析和非参数 Friedman 检验可知，从熟悉阶段到学习任务阶段，再到保留和转移任务阶段，IL 水平明显上升，各阶段差异显著。这表明七巧板任务对学习者认知资源的需求逐步增加，符合研究预期。
- HP1b 外在负荷：控制熟悉时间、易用性和年龄等变量后，对 EL 数据进行变换处理。经 ANCOVA 和 ANOVA 分析，结果显示不同条件下 EL 水平无显著差异。贝叶斯分析也为该结论提供了支持，且发现易用性与 EL 水平呈线性关系，即易用性越高，EL 水平越低。这说明当应用 CTML 原则时，不同学习技术在 EL 水平上差异不大。
- RQ2 性能
- HP2a 保留任务成功率差异测试：在保留任务中，不同条件下完成率存在显著差异，视频组完成率高于 HMD - AR 组。逻辑回归和贝叶斯分析结果进一步证实了这一点，尽管纳入熟悉时间作为协变量后差异不显著，但仍能看出 HMD - AR 条件对学生表现有负面影响。
- HP2b 转移任务成功率差异测试：在转移任务中，虽然视频组成功可能性高于 HMD - AR 组，但差异不显著，贝叶斯分析也未支持原假设或备择假设。可能是未控制的变量，如个体的视觉空间能力等，影响了任务表现。
研究结论与讨论
该研究有诸多重要发现。在认知负荷方面，证实了七巧板任务可有效提高 IL 水平，且应用 CTML 原则能使不同学习方式的 EL 水平趋于一致，这意味着 AR 本身不会增加 EL 水平，关键在于学习材料的设计。然而，在学习成果方面，假设未完全得到支持。保留任务中，不同条件下完成率差异受熟悉时间影响；转移任务中，未确定的变量干扰了结果。
这一研究具有重要意义。理论上，证明了 CTML 原则在 HMD - AR 和 HH - AR 中的有效性，丰富了多媒体学习理论。方法上，提供了一种研究思路，减少了在 AR 领域单独研究各原则的必要性。教学实践中，为教育者设计教学材料提供了依据，有助于利用 AR 技术优势提升教学效果。不过，研究也存在局限性，如未测量保留任务中的 CL 水平、样本存在性别和年龄局限性等。未来研究可针对这些不足，进一步探索 CTML 原则在不同学习场景和人群中的应用，为 AR 教育应用的发展持续助力。
