认知负荷理论视域下大学生深度学习的形成机制与路径优化研究

如今高等教育发展得十分迅速，在这样的背景下，怎样让大学生实现深度学习成为了提高人才培养质量方面非常重要的一个问题。认知负荷理论能够对学习过程的内在机制进行解释，它作为一个重要的理论框架，为优化学习路径提供了科学方面的支持。该理论认为学习者的认知资源并非是无限的，学习效果的好坏关键在于是否能合理分配以及利用这些认知资源。深度学习是一种强调理解和应用的高阶学习方式，其形成既需要科学理论的指导也需要具体的实践方法。

认知负荷理论的核心内容是区分三种不一样的认知负荷类型，分别是内在认知负荷、外在认知负荷以及相关认知负荷。内在认知负荷和学习材料的复杂程度存在关联，外在认知负荷大多是由于教学设计不够合理而产生的，相关认知负荷则与学习者建构知识的过程紧密相连。若要实现深度学习，关键在于借助优化教学设计的方式来减少不必要的认知负担，并且用有限的认知资源去推动深度理解。这种理论机制能够帮助人们看清大学生学习时所遇到的认知方面的障碍。

在实际的教学过程当中，使用认知负荷理论来优化学习路径需要进行系统的操作。教师首先要弄明白学习材料的复杂程度究竟如何，把知识拆分成合适的单元，这样做能够减轻内在认知负荷。同时教师还要对教学呈现方式进行调整，减少无关信息的干扰，从而控制好外在认知负荷。更为重要的是，教师要设计出有效的认知策略，开展元认知训练，以此提升相关认知负荷，促进学习者高阶思维的发展。这整个操作过程体现出了从理论分析到实际应用的完整转化情况。

认知负荷理论在高等教育当中所起到的作用十分明显。在当下这个信息时代，大学生的学习环境变得越来越复杂，他们所遇到的学习任务也变得更加具有难度。认知负荷理论不但为教学设计提供了科学依据，而且还能够指导学习者去选择自主的学习策略。通过合理调整认知负荷，能够提高学习的效率，推动深度学习的发生，最终全面提升人才培养的质量。把理论和实践结合起来，为高等教育教学改革带来了新的思路以及新的方法。

认知负荷理论核心框架有三个部分，分别是内在认知负荷、外在认知负荷和相关认知负荷。这三个部分一起影响学习者在加工信息时分配认知资源的效率。

内在认知负荷的产生和学习材料复杂程度以及学习者已有的知识水平有关系，它本质上是任务本身所需要的认知资源。就像在高等数学课上，对于刚开始学习的学生而言，多元微积分概念元素之间关联性比较强，会带来比较明显的内在认知负荷。这个负荷能够用下面的公式进行量化，公式为$\text{ICL} = \sum${i=1}^{n} \frac{Ci}{Ks} ，这里面$C$i代表的是第$i$个认知元素的复杂程度，$K_s$指的是学习者已有的知识储备量。

外在认知负荷常常是因为教学设计存在问题而导致的，比如说信息展示出现重复或者步骤拆分得不清楚。在混合式教学当中，如果线上平台和线下内容的衔接逻辑不连贯，就会额外给学习者增加认知负担。

相关认知负荷指的是用来构建心智模型以及自动处理信息的资源，它是推动深度学习的积极因素。

这三类负荷符合总认知容量固定的规律，用公式表示就是$\text{TCL} = \text{ICL} + \text{ECL} + \text{GCL}$ ，这里面的TCL代表的是工作记忆的总容量。要是外在认知负荷太高了，就会占用原本可以用于相关认知负荷的资源，进而影响深度学习的开展。

这个理论给教育带来的启示是，通过优化教学设计能够动态调整这三类负荷的比例。例如在专业课程当中采用渐进式问题链设计，这样做既能够降低内在认知负荷在瞬间达到的高峰，又能够把节省下来的认知资源转化成为相关认知负荷。在混合式教学环境里，合理安排课前预习的辅助内容以及课堂探究的开放任务，能够把外在负荷转化成为相关负荷，从认知层面保障大学生实现深度学习。这种负荷调整机制不只是一种教学设计的方法，更重要的是它是连接认知过程和学习效果的重要桥梁。

深度学习概念最早源于瑞典学者马顿提出的表层学习与深层学习区分，其核心是学习者处理信息方式存在根本差异。在高等教育场景中，该概念常和布鲁姆认知目标分类学里的高阶思维层次有关联，重点关注的是分析、综合、评价等认知能力。大学生的认知发展处于形式运算阶段后期，此时抽象思维、逻辑推理和自我调节能力会逐渐成熟起来，而这种逐渐成熟的抽象思维、逻辑推理和自我调节能力为深度学习的发生提供了重要的认知基础。结合大学生认知发展这些特点，本研究将大学生深度学习定义成以理解和意义建构为导向的复杂认知活动，其操作定义包含四个核心维度。

第一个核心维度是主动知识建构，主动知识建构指的是学习者并非被动地接收信息，而是会主动去激活自己已有的知识结构，在对新信息进行加工、整合之后将其纳入个人认知体系之中。第二个核心维度是批判性思维，批判性思维表现为学习者具备对信息来源、观点论据和内在逻辑进行审辩式评估与质疑的能力。第三个核心维度是知识迁移应用，知识迁移应用就是指学习者能够把学到的知识原理灵活地运用到新的真实情境当中去解决复杂问题。第四个核心维度是元认知监控，元认知监控指的是学习者能够觉察、评估并且动态调节自身认知过程和学习状态。

从认知过程方面来看，大学生深度学习具有鲜明的特征。学习者在认知活动当中主动性是非常强的，会有意识地去联结新旧知识，去探寻概念之间的内在关联以及逻辑脉络，而不是孤立地去记忆知识。这种学习通常会围绕真实问题情境来展开，学习者在解决复杂任务的过程当中进行意义建构，进而能够深化对知识的理解和内化。深度学习不是固定不变的线性过程，学习者会根据任务的难度以及反馈信息，动态地调整认知策略和学习行为，表现出很强的自适应性和反思性。清晰地界定深度学习的概念以及认知特征，能够为后续探讨认知负荷理论如何影响并且优化深度学习路径提供坚实的概念基础。

认知负荷理论描述了信息加工时认知资源的分配规律，这个规律对大学生深度学习的形成机制有重要影响。三种认知负荷会以不同方式影响学习者的认知加工效率，其中外在认知负荷过载是阻碍深度学习的关键因素。若教学材料存在重复信息或者结构不连贯，学习者的工作记忆资源就会被无效占用。例如在课堂上同时展示文字和内容完全重复的语音讲解，听觉和视觉通道会争夺有限的认知资源，进而产生分散注意力的“分割效应”。依据Sweller提出的认知负荷总量公式 $CL${total} = CL{intrinsic} + CL{extraneous} + CL{germane}，当外在认知负荷 $CL_{extraneous}$ 超过临界值，用于深度加工的有效资源会明显减少，导致学生难以对知识进行精细处理。

内在认知负荷与学习者先验知识的适配性直接影响知识整合的效率。新知识各元素之间的交互程度决定了新知识本身的复杂水平，而且这种负荷具有主观特性。当知识模块的逻辑结构和学习者已有的认知图式相匹配时，内在认知负荷会处于合适范围，这有利于知识之间建立联结。就像在线自主学习时，如果微视频内容的难度和学习者当前知识水平相契合，也就是符合“最近发展区”理论，学习者就能有效激活相关图式，从而推动知识的同化和顺应。相反，如果知识模块交互性太强，然而学习者缺乏相应认知图式，工作记忆就会超负荷，最终学习者只能进行机械记忆而无法深入理解知识。

相关认知负荷的激活是促进深度学习的关键助力。设计情境化任务或者开展问题导向的学习活动，能够主动引导学习者投入认知资源。在小组合作学习中，通过支架式教学设置适当的认知冲突，可以激发学习者建构意义的需求。在这个时候，相关认知负荷 $CL_{germane}$ 增加就意味着学习者会更积极地建构图式，进而推动知识从表面理解向迁移应用转变。三种负荷通过协同或者对抗作用共同对深度学习的实现路径产生影响：减少外在负荷能够为深度加工腾出空间，调整内在负荷可以保证知识整合具有可行性，激发相关负荷则会成为推动意义建构的内在动力。这一机制完整地说明了在认知负荷理论框架下大学生深度学习的形成原理，同时也为后续优化路径提供了理论支撑。

这项研究以认知负荷理论为核心，对大学生深度学习的形成过程以及路径优化方法进行了重点探究。认知负荷理论表明，学习的时候人能够使用的认知资源是有限的。想要提升学习的效果，重要的是合理控制内在认知负荷，优化外在认知负荷，并且促进相关认知负荷的投入。

深度学习属于高阶思维活动，它的形成不是依靠简单的记忆和重复，而是需要对知识进行批判性理解，然后将知识整合起来并进行迁移应用。研究发现，要是教学设计能够有效降低因为知识本身的复杂性所带来的内在负荷，减少由于教学呈现方式不恰当而产生的多余外在负荷，学习者就能够把更多的认知资源运用到知识关联和意义建构方面，这样就可以实现向深度学习的转变。

从形成机制这方面来讲，深度学习的启动需要对认知负荷进行有效管理。可以通过分解复杂任务、提供图式支架等方式来降低学习的认知门槛。在深化阶段，元认知策略的参与是必要的，像自我提问、反思总结这些方法能够有效提升相关认知负荷的使用效率，从而促进知识的系统化整合。要让深度学习稳定下来，还需要通过情境化应用和迁移训练，把抽象的知识转化为解决实际问题的能力。这就说明认知负荷和深度学习之间存在着动态的联系，合理分配认知负荷是实现深度学习必不可少的条件。

路径优化的实际价值主要体现在对教学设计进行细致的调整上面。教师要遵循“逐步释放责任”的原则，在初期通过示范和提供脚手架的方式来降低外在负荷，在中期引导学生自己去管理认知过程，在后期则通过布置复杂任务进行挑战来促进学生高阶思维的发展。同时在使用多媒体教学的时候要注意空间邻近、时间邻近等原则，避免无关的信息分散学生的注意力。落实这些策略，不但能够提高学生的学习成绩，还能够培养学生的自主学习能力和批判性思维，这与高等教育培养创新型人才的核心要求相契合。

总体来看，认知负荷理论为深度学习实践提供了科学的理论支撑以及可操作的框架。通过动态调控认知负荷，能够有效地打通从浅层学习到深度学习的转化路径，为高校教学改革和学习模式创新指明方向。这项研究不仅丰富了学习理论的实践内容，而且为一线教师提供了可以实际操作的教学改进方法，既具有理论意义，又具有实践价值。