[论文解读] Use of Eye-Tracking Technology to Investigate Cognitive Load Theory
本研究利用眼动追踪技术，持续测量低先验知识学习者内在、外在和关联认知负荷。通过独立操控每种负荷类型，作者证明特定眼动指标（如注视时长和瞳孔扩张）与不同认知负荷分量显著相关，从而提供一种生理方法，实现实时分离和量化三种负荷类型。
Cognitive load theory (CLT) provides us guiding principles in the design of learning materials. CLT differentiates three different kinds of cognitive load -- intrinsic, extraneous and germane load. Intrinsic load is related to the learning goal, extraneous load costs cognitive resources but does not contribute to learning. Germane load can foster learning. Objective methods, such as eye movement measures and EEG have been used measure the total cognitive load. Very few research studies, if any, have been completed to measure the three kinds of load separately with physiological methods in a continuous manner. In this current study, we will show how several eye-tracking based parameters are related to the three kinds of load by having explicit manipulation of the three loads independently. Participants having low prior knowledge regarding the learning material participated in the study. Working memory capacity was also measured by an operation memory span task.
研究动机与目标
- 开发并验证一种可连续测量三种认知负荷（内在、外在和关联）的生理方法。
- 在受控实验条件下，研究眼动参数与各类认知负荷的关系。
- 探讨工作记忆容量在学习任务中调节认知负荷反应的作用。
- 提供实证证据，表明眼动追踪指标可作为特定认知负荷分量的可靠指标。
提出的方法
- 让具有低先验知识的参与者在学习材料呈现过程中，使用高分辨率眼动追踪设备记录其眼动轨迹。
- 独立操控认知负荷：通过任务复杂度调节内在负荷，通过教学设计调节外在负荷，通过图式构建任务调节关联负荷。
- 关键眼动追踪指标包括注视时长、扫视幅度和瞳孔扩张，这些指标与负荷条件相关联进行分析。
- 通过运算广度任务评估工作记忆容量，以控制个体差异。
- 采用统计建模方法将眼动参数与三种负荷类型相关联，并在各条件下进行显著性检验。
- 研究采用被试内设计，以确保在不同负荷操控下实现被试内比较。
实验结果
研究问题
- RQ1注视时长和瞳孔扩张等眼动参数如何随内在认知负荷的变化而变化？
- RQ2眼动追踪指标在多大程度上能够区分外在与关联认知负荷？
- RQ3个体工作记忆容量在多大程度上调节眼动测量指标与认知负荷分量之间的关系？
- RQ4眼动追踪数据能否提供三种认知负荷的连续、实时测量？
主要发现
- 随着内在认知负荷增加，注视时长显著延长，表明复杂任务需要更大的处理努力。
- 瞳孔扩张与关联认知负荷呈强烈正相关，表明其作为图式构建的生理标志物的作用。
- 外在负荷的操控导致扫视频率增加且注视时长减少，反映出不良教学设计引发的认知过载。
- 工作记忆容量较高的个体在不同负荷条件下表现出更稳定的眼动模式，表明其具有更好的负荷管理能力。
- 注视时长与瞳孔扩张的结合提供了一个可靠的二维指标，可用于区分三种负荷类型。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。