北极星计划
认知负荷理论认知哲学教育神经科学工作记忆预测加工具身认知

超越认知负荷理论的理论和教学法局限，迈向教育领域新的认知哲学

2026年8月24日•约 44 分钟

Abstract / 摘要

“本文从教育学、科学哲学和神经生物学立场批判认知负荷理论，质疑“负荷”、工作记忆、知识分类与直接教学主张，并以预测加工、具身认知、神经可塑性、动态系统和情绪作用提出替代性的认知哲学视角。”

资料来源： Minkang Kim, Christopher Duncan, Stanley Yip & Derek Sankey (18 Dec 2024), Beyond the theoretical and pedagogical constraints of cognitive load theory, and towards a new cognitive philosophy in education, Educational Philosophy and Theory, DOI: 10.1080/00131857.2024.2441389
作者简介：Minkang Kim 在澳大利亚悉尼大学讲授教育神经科学、学习科学和人类发展，并进行相关研究。她与丈夫 Derek Sankey 合著了新颖的著作《教育中的学习与发展科学》，该书由剑桥大学出版社出版。
Christopher Duncan 是澳大利亚独立学校校长协会 (Association of Heads of Independent Schools of Australia) 的首席执行官。他在悉尼大学的博士研究涉及使用教育神经科学方法。他丰富的教学和学校领导经验使他确信，教师应该根据学生的学习需求采用一系列的教学方法。
Stanley Yip 正在悉尼大学进行神经科学和教育方面的博士研究。他是一位学习设计师，拥有 20 多年创建教师专业学习的经验。他的研究和教学将学习、思考和技术交织在一起，运用成人学习原理和多媒体，并采用敏锐的人文主义方法。
Derek Sankey 曾在伦敦大学教育学院 (University of London IoE)、香港教育学院 (Hong Kong Institute of Education) 任教，并担任悉尼大学 (University of Sydney) 的荣誉副研究员。他为教育神经科学带来了批判性的哲学视角，并认为世界各地的所有教师都应该对儿童如何学习和发展拥有健全的科学理解。

对本篇论文的评价

Minkang Kim (2024) 的论文是一篇具有启发性和挑战性的学术文章。它批判性地审视了认知负荷理论的局限性，并提出了在教育领域构建新的认知哲学的可能性。虽然论文在具体阐述新哲学和实践应用方面可能还有待完善，但它无疑为教育领域的理论和实践发展提供了新的视角和思路。这篇论文值得教育领域的学者和实践者认真研读和深入探讨。（来源：Google Gemini 2.0）

摘要

认知负荷理论（Cognitive Load Theory, CLT）是由教学心理学家 John Sweller 提出的一种构念，长期以来一直是教育心理学和大学教育技术课程（无论是在区域还是国际范围内）的支柱。尽管这一认知主义理论的某些方面受到了严厉的批评，包括它坚持直接教学法而反对基于探究的教学法，但一直缺乏全面的哲学、神经生物学和教育学批判。本文填补了这一空白，对 CLT 的主要理论和教学法主张进行了细致而深入的审查，部分利用了哲学和认知脑科学的新兴综合学科，该学科被恰当地称为认知哲学（Cognitive Philosophy）。本文超越了以工作记忆的短暂性和认知“负荷”的核心概念为重点的 CLT，提出了一种关于学习型大脑的解释，即学习型大脑是预测性的（而非反应性的）、具身的、神经可塑的、非线性的、动态自组织的，并且本质上是情绪化的。这种替代性解释立即使 Sweller 对工作记忆的理解以及他基于 Geary 有争议的认识论主张的语言学习解释受到质疑，同时牢记教师和师范教育工作者的实际需求。有了这种替代方案，教师可以超越 CLT 的理论和教学法限制，包括试图减轻工作记忆中假定的“负荷”。

引言

在教育领域，人们普遍且坚定地相信认知负荷理论 (CLT，cognitive load theory) 的真实性和相关性。CLT主要是澳大利亚教学心理学家 John Sweller (1988) 的成果，尽管在 2008 年，他将其与美国进化心理学家 David Geary 提出的“生物学首要知识”和“生物学次要知识”之间的区别紧密联系起来。在澳大利亚和其他地方，包括英国，CLT 是所有倡导直接“指导”而非基于探究的学习的人的骄傲，并且，对于其在教师教育、教育政策和教育新闻领域中的支持者来说，它沐浴在学习科学的光辉之中。本文的一个主要目的是对 CLT 进行教育学、哲学和神经生物学批判，因为我们相信它与实践的相关性及其核心理论主张，包括它构成了学习科学这一说法，都应该受到仔细而深入的审查。在进行这种批判的过程中，本文采用了哲学和神经科学新近融合的学科，即恰如其分的被称为认知哲学 （Cognitive Philosophy）（Clark, 2023）的学科，它对教育哲学和理论具有重要意义，特别是在为批判教育中关于大脑和学习的误解（包括许多神经迷思(Kim & Sankey, 2018)）以及错误的教育理论（如 CLT）提供了一个强有力的概念框架方面。
一个科学理论的真实性与它如何被推崇和传播之间可以划清界限。本文质疑了 Sweller 及其合作者（包括《Journal of Computer Assisted Learning》的主编和《Educational Psychology Review》的主编，许多 CLT 论文都在这些期刊上发表）声称 CLT 解释了大脑如何学习的说法。然而，本文首先考虑了 CLT 如何被教育政策制定者和影响者所珍视和推崇，据我们所知，他们中的大多数人都没有脑科学背景。然而，许多人确实与我们一样相信，教育政策和课堂实践应该基于可靠的科学证据，但是，鉴于大学教育心理学和教育技术教育课程中对 CLT 的不加批判的接受，他们被说服相信 CLT 即使不构成学习和教学的科学，也是其典范。本文的第二个主要目的是超越 CLT 的传播以及本文所认为的其理论和教学法的限制，走向教育领域前沿的认知哲学，包括关于学习型大脑的新兴共识 (Darling-Hammond et al., 2020)，即学习型大脑是预测性的（而非反应性的）、具身的、神经可塑的、非线性的、动态自组织的，并且本质上是情绪化的。

对认知负荷理论（CLT）的广泛认可

澳大利亚政府的教师教育专家小组（Teacher Education Expert Panel）（2023年）认为，所有新合格的教师都应该学习关于大脑和学习的核心课程（第9页），这在一定程度上体现了澳大利亚教育界对CLT的认可。关于这一核心课程内容的细节很少，但在支持专家小组关于大脑和学习建议的18篇参考文献中（第96页），不少于6篇是由Sweller单独撰写或与他人合著的，而排除了其他不致力于CLT的近期相关出版物。一些关键的教育机构已成为CLT最强有力的支持者，这进一步证明了CLT的影响力。例如，澳大利亚的国家级证据机构，澳大利亚教育研究组织（AERO）在其最近的出版物《学生如何学得最好》（AERO，2023年）中指出，“认知负荷理论旨在通过设计教学来最大化学习，并考虑到学生工作记忆的局限性”。因为，引用Sweller的话说，“如果工作记忆超负荷，学习过程就会受阻”（AERO，2023年，第14页）。堪培拉和古尔本地区天主教教育主管将CLT描述为“一场教学革命”，其中“显性教学和认知负荷理论构成了教师方法的基石”，从而实现“保证成功的教学”（Duggan，2022年）！2018年，新南威尔士州（NSW）教育部教育统计与评估中心（CESE）发布了一份名为《实践中的认知负荷理论（Cognitive Load Theory in Practice）》的文件，该文件开头引用了有争议的英国教育研究员Dylan Wiliam（他在英国推广CLT）的惊人论断，即认知负荷理论是“教师需要知道的最重要的事情”（第1页）。
简而言之，新南威尔士州的文件确定了七种据说源于CLT的教学策略，所有教师都应该知道这些策略，因为它们通过“优化学生工作记忆的负荷”来最大化学生的学习（CESE，2018年，第3页）。第一种策略要求教师“根据学生现有的知识和技能定制课程”，据说这是为了平衡假定的认知负荷。然而，尚不清楚的是，将新学习与学生先验知识相结合这一广泛接受的重要性，为何需要通过“平衡”认知负荷来加强，以及教师可以使用哪些措施来评估“平衡”。策略2和3提倡使用大量的工作实例，这是许多教师采用的一种策略，特别是在数学中（Sweller的许多例子都集中在数学上），尽管在CLT中，它与直接教学与“发现学习/建构主义教学”的二分法紧密相关（Sweller，2008年，第214页）。策略4、5和6侧重于课程内容的设计，即：删减不必要的信息（4）、保持课程的连贯性（5）以及同时使用口头和视觉交流模式（6）。但是，这些策略同样不依赖于负荷的概念，它们的应用也不局限于直接教学。策略7提倡在视觉上想象概念和学习过程，因为它声称这可以减少负荷并优化长期记忆中的存储。当然，元认知策略有助于学生记忆所学内容，但我们认为，这不是因为它们减轻了工作记忆的假定负荷，而是因为它们增强了注意力，使用了Hebbian重复，利用了错误监控和反馈，并使学习在情感上更加突出和有意义。

CLT的理论和教学主张

谈到 Sweller及其同僚的理论和教学主张，CLT被定位为一种国际适用的教学理论，它基于人们如何学习的知识产生教学技巧。据称，从1980年至2008年，“认知负荷”是教学设计研究出版物和趋势中第二常用的短语（Paas等人，2010年）。这可能是事实，但CLT的支持者应该注意到，任何给定理论的流行程度并不能衡量其真实性。在20世纪，没有任何一种教育理论比 Kohlberg 关于道德发展的理性、认知阶段理论得到更多基于证据的支持和证实，但现在人们认为“道德的内涵远不止 Kohlberg 哲学中所梦想的那些”（Moshman，2011年，第76页）。
自20世纪80年代后期以来，Sweller及其同事发表了大量文献，从中提炼出CLT似乎包含五个关键主张。

CLT的五个关键主张

  1. 认知负荷理论学家的核心关注点是，必须使教学适应学习者认知结构的局限性（Sweller，2023年）。“认知负荷理论（CLT）利用信息结构和人类认知知识之间的相互作用来决定教学设计”（van Merriënboer & Sweller，2005年，第147页）。
  2. 人类的认知结构由“一个容量实际上无限的长时记忆（LTM，long-term memory） 和一个容量和持续时间都非常有限的工作记忆组成，两者相互作用”（Paas等人，2010年，第116页），工作记忆是学习的障碍或阻碍。
  3. 长时记忆 应被理解为“人类认知的中心结构”（第116页），存储先前获得的信息，而“工作记忆处理信息，或在信息存储到长时记忆之前，或在信息存储到长时记忆之后”（第116页）。长时记忆“包含大量知识，这些知识可以被描述为有层次组织的图式，使我们能够对不同的问题状态进行分类，并决定最合适的解决方案”（第116页）。
  4. 当面对一项认知任务时，学习者经常受到困扰，或“在有意义的学习发生之前，必须同时处理的交互元素的数量过多，从而不堪重负”（第116页）。解决问题和基于探究的学习会加重负荷，从而“损害学生的学习”（Sweller，2021年）。
  5. 直接教学（Direct instruction），特别是当使用专家提供的工作实例时，可以减少需要在认知任务中组合的元素数量，这与工作记忆的有限容量和持续时间相一致（Paas等人，2010年；Sweller，2021年），因此“（至少对于新手学生来说）比发现或探究学习倡导者使用的相对无指导的教学程序更有效”（Paas等人，2010年，第116页）。

与工作记忆和图式获取相关的三种“负荷”

此外，CLT区分了三种类型的负荷：（i）内在负荷（Intrinsic Load），由待学习材料的复杂性和必须获得的图式产生；（ii）相关负荷（Germane Load） 是处理内在负荷所需的工作记忆资源；（iii）外在负荷（Extraneous Load）“由设计不良、干扰图式获取的教学程序引起”（Paas等人，2010年，第117页）。

生物学上的初级知识和生物学上的次级知识

从2008年开始，Sweller坚持通过显性教学进行教学的传统主义观点建立在Geary的生物学初级知识和生物学次级知识的区分之上。他说，将这一理论纳入CLT阐明了为什么学习者可以在没有教学的情况下下意识地获得生物学初级知识，并且有强烈的动机这样做，并以语言习得作为主要例子。另一方面，他说，我们既没有动机驱动，也没有进化获得的遗传能力来自动吸收生物学次级信息。相反，它需要“显性教学和动机激励”（Sweller，2008年，第215页，重点为作者所加）。

初步的教育、哲学和神经生物学回应

这是一组真正令人困惑的主张，只要稍加思考，就会发现它们在教育、哲学和神经生物学方面都存在问题。例如，根据 Geary 的进化理论，对直接教学的坚持是否适用于所有学习者、所有学科领域、所有时间，还是说它只对新手学习者至关重要（关键主张5），并且随着“学习者知识的增加，会被解决问题的练习所取代”（Sweller 等人，2024年，第2页）？如果它只对新手至关重要，这又如何与 Sweller 强调的观点相一致呢？即，生物学上的次级知识，也就是学生在学校里应该获得的那种知识，需要明确的指导和动机激励？而且，当学校里的新手学习者不再是新手时，新手学习者的概念又是如何定义的呢？
此外，依赖专家使用工作实例来支持直接教学（关键主张5）忽略了一个广泛认可的事实，即学生的先入之见和错误观念会影响他们的学习。有证据表明，仅仅让学生接触专家对给定问题的解决方案，很可能会导致任何新的理解与先前的错误观念并存（Gordon等人，2019年）。此外，Masson等人（2014年）进行的一项功能性磁共振成像（fMRI）研究表明，专家可能怀有误解，但与非专家不同，他们在大脑中发展了注意力和抑制网络，可以检测错误并抑制错误的理解。我们还质疑，直接教学究竟（以及从神经生物学角度）如何减少需要在认知任务中组合的假定元素的数量（关键主张5）。难道说教式的、直接的教学不经常充斥着各种困惑，从而影响学生理解新材料的能力，特别是对于那些在CLT中似乎基本上被边缘化的、有特殊学习需求的学生？相反，为什么以及以何种方式探究式学习必然会增加元素的数量，从而损害学生的学习（关键主张4）？为什么这种定量衡量优先于教育中学习的许多定性方面，为什么假设探究式学习是相对无指导的（关键主张5），当然，如果设计得当，它总是而且必然是有指导的？
更根本的是，在CLT中是如何看待记忆和学习的，以及对学校里的儿童或青少年作为学习者做了哪些假设？Peter Ellerton（2022年）最近指出，“CLT没有承认学习者是一个自主的主体”（第6页）。此外，从哲学上讲，它没有承认“有德行的探究者……一个关心自己思维质量并积极培养他们希望为自己的探究目的而发展的特征的人”的概念（Ellerton，2022年，第6页）。而且，为什么CLT中没有提到情绪和显著性在思维和学习成就中的普遍作用（Immordino-Yang，2016年；Kim & Sankey，2022年）？简而言之，为什么我们看到的学习者形象是一个缺乏好奇心和创造力，通过直接教学经济且不带感情地获取知识的人？正如Sweller所声称的，这种关于学习者的黯淡形象真的是大脑结构的产物，还是可能有其他政治因素在起作用？
更深入地挖掘，且不论CLT定义了三种不同的负荷，"负荷"这个词究竟是如何使用的，学习者又是如何体验这种假定的负荷的？它是被感觉为一种有意识的负担，还是应该被隐喻地理解为学习过程中一个潜意识的抑制瓶颈？尽管CLT中术语的使用存在偏差，但负荷的概念通常似乎带有贬义，它是一种源于工作记忆非常有限的容量和持续时间的认知障碍（关键主张2）。据称，这对学生的学习产生了负面影响，因为它阻碍了短期工作记忆向长期记忆的转移。但是，短期记忆的概念是否可能比CLT（以及一般认知心理学）中所假设的更成问题，这是由于其被实验评估的方式造成的（Tononi等人，2016年）？它是否也可以被积极地理解为大脑神经处理中的一个必要功能，消除了学习者不需要保留的东西？而且，它远非一种障碍，是否可能“在预测未来的感官输入方面发挥重要作用”（Trapp等人，2021年，第384页）？

CLT是在理论扩展还是理论漂移？

尽管存在诸多担忧，但我们被告知，该理论之所以能够幸存下来并产生影响力，是因为它经受住了严格的证伪检验，并得到了持续的证实（Paas等人，2010年）。然而，这一说法与Sweller（2023年）的说法存在矛盾，他承认该理论经历了多次修改，以应对CLT预期教学意义未能得到复制的重大失败。他坚称，不应消极地看待这些失败，相反，他说，它们为他所谓的理论扩展提供了机会。Sweller没有将他的理论扩展概念理论化，也没有说明认知负荷理论如何能够纳入其他理论。我们认为，将CLT视为一个综合研究计划更为合适。他也没有考虑任何科学或心理学理论（或研究计划）在不完全破坏它的情况下，可以承受多少实验失败（证伪）。在科学哲学中，Imre Lakatos（1970年）在一篇关于证伪和科学研究计划方法的开创性论文中指出，所有科学研究计划都包含一个硬核，如果被证伪，将破坏整个理论。然而，他认为，硬核通常受到辅助理论保护带的保护，免受证伪，这些辅助理论为正在进行的研究提供了积极的启发式，并且可以被证伪，并且随着计划的发展，可以添加其他辅助理论。
乍一看，这似乎支持了Sweller的理论扩展概念。然而，在CLT的众多主张中，包括上面确定的关键主张，完全不清楚哪些构成了不可证伪的硬核，是否有任何主张是不可侵犯的，或者如果它们被证明是失败的，是否都可以修改？此外，将辅助理论纳入CLT的原因是为了实现Lakatos所要求的可识别的主动增长，还是被动的防御？我们的解读是，CLT没有硬核，这些修改并不表示主动增长或理论扩展，而是构成了理论漂移，这些漂移是在一个由于缺乏决定性经验支持而退化的研究计划中，面对令人尴尬的失败而引入的。
这包括试图识别认知负荷的神经生理学指标，但这些尝试缺乏说服力。具体来说，在CLT研究中，记录瞳孔扩张和眨眼频率（例如Wang & Kao，2024年）的试验次数远低于实验心理学研究所需的次数，而脑电图（EEG）研究使用的α和θ测量已知无法产生确凿的结果（Antonenko等人，2010年）或在个体和情境之间无法产生可接受的普遍性（例如Cabañero Gómez等人，2021年）。

迈向教育领域新的认知学习与发展哲学

除了核心内容的削弱之外，一个理论或研究计划也可能在新发现和/或被更丰富、更强大的科学思想取代后退化。在过去三十年左右的时间里，我们对儿童如何学习和发展的理解取得了相当大的进步，以至于可以说“关于学习和发展科学的新兴共识”正在形成，这对学校和课堂实践具有多重影响（Darling-Hammond等人，2020年）。这种新兴的学习和发展科学尤其源于神经科学以及动态、非线性、复杂、自组织系统科学（例如，人脑）的重大进步。它包括，例如，对以下方面的新理解：
  • 对于大多数学校学习而言，赫布式重复（Hebbian repetition）的核心重要性；
  • 价值和情感显著性在神经可塑性、神经连接以及学习和记忆形成中的必要选择性作用（Edelman，1987年，1989年）；
  • 学习和发展中涉及的非线性、动态、自组织和涌现过程（Thelen & Smith，1994年；Van Geert，1994年）；
  • 情绪在人类理性（Damasio，1994年）以及学校学习（Immordino-Yang，2016年）中发挥的必要形成性作用，以及情绪如何在内感受（Barrett，2017年）、体内平衡（Damasio，2018年）的大脑中产生。
  • 贝叶斯预测和具身大脑的概念（Friston，2012年；Clark，2015年）以及注意力和显著性在主动推理和学习中的重要性（Parr & Friston，2017年）；
  • 作为一个反馈控制系统运作的具身、预测性大脑的概念（Clark，2015年，2023年），指导学习、发展的孩子不断地对他们所经历的物理-社会世界的体验做出反应（Pezzulo & Cisek，2016年）。
这些都是深刻而具有挑战性的思想，详细介绍它们各自和共同的含义远远超出了本文的范围。然而，这可以在 Kim 和 Sankey（2022年）的著作中找到，这是一本专门为教师和教师教育工作者撰写的文本，与神经科学和哲学的新综合体紧密结合，恰当地命名为认知哲学。作为这一新综合体的先锋，英国苏塞克斯大学（University of Sussex）和澳大利亚麦考瑞大学（Macquarie University）的认知哲学教授 Andy Clark 在挑战传统观点方面发挥了重要作用，传统观点认为大脑是被动的信息接收器，信息从我们的感官流入并决定我们大脑的感知内容，这似乎是CLT的基础。相反，大脑是一个永远活跃的预测器。他认为，我们也同意，“预测处理涉及到科学和哲学中最具挑战性的问题之一——我们的思想与现实之间关系的本质”（Clark，2023年，第xii页）。
根据新近涌现的关于学习与发展科学的共识，以及认知哲学提供的概念框架来看，CLT似乎是一个陈旧的理论，它囿于20世纪80年代认知心理学的问题和关注点，以及Geary最近提出的生物学初级知识与生物学次级知识的平淡二分法。套用Moshman对Kohlberg道德发展阶段理论的评价，我们认为，学习的内涵远比Sweller认知负荷理论所能想象的要丰富得多——这一主题在最近于伦敦举行的FutureEd23会议上得到了探讨（LEARNUS，2023年）。这些新视角也削弱了传统的线性、机械、表征主义（头脑中的图式）、信息处理的大脑功能模型，而该模型似乎构成了CLT中工作记忆概念的基础（关键主张3），这一模型受到了具身、贝叶斯预测大脑概念的挑战（Clark，2015年，2023年；Friston，2012年；Kim & Sankey，2022年）（此外，关于教育动机理论中对前一种模型的批判，参见Duncan等人，2022年）。
此外，新的共识挑战了Sweller基于Geary的对语言习得的理解。Sweller认为，学习说话“提供了我们无需明确指导即可发现大量复杂知识的能力的最惊人的例子之一”（Geary的生物学初级知识），“其中学习是无意识的、不费吹灰之力的、快速的”，并且我们通过“沉浸在听说社会中”来学习说话（Sweller，2008年，第214页，重点为作者所加）。我们冒昧地表示不同意，研究表明，尽管学习我们的母语可能看起来毫不费力且迅速，但它并不是通过简单的沉浸获得的——这涉及到大量的教学，包括父母、照顾者和幼儿教育工作者的反复（赫布式）重复。它还涉及孩子的努力和不断的试错反馈（Thelen & Smith，1994年，2006年），使用多模态感官输入，其中“跨时间分离但经常重复的例程的非语言规律的一致性在对象名称的初始学习中起着核心作用”（Clerkin & Smith，2022年，第7页）。这就是为什么每个孩子学习语言的历史都会在学习结果中产生相当大的跨样本可变性（Medina等人，2011年）（例如，早说话者与晚说话者，丰富的词汇与贫乏的词汇）。
Sweller还声称，关于生物学初级知识，以及语言学习，“我们在基因上被设定为只考虑非常狭窄范围的可能反应”（Sweller，2008年，第215页），这一说法与Noam Chomsky的基因获得的语言习得装置的概念以及标准的认知主义信念一致，即“运动发展序列在很大程度上是基因编程的”（Konner，1991年，第199页）。基因在人类发展的各个方面都发挥着重要作用，但并不是Konner所说的毫无约束的决定性作用。Esther Thelen和Smith（1994年）发现，当受到严格的实验审查时，高级运动技能，如行走和抓握，并不是天生的，它们是涌现的和自组织的，“由任务的性质组装”，并且它们“机会主义地招募必要的和可用的有机成分和环境支持”（第73页）。正是这些相同的动态、涌现、自组织、试错、渐进、来之不易的学习过程在语言习得中发挥作用（Thelen & Smith，2006年）。简而言之，尽管表面印象相反，但正如幼儿教育工作者所知，语言是通过成人提供的专门教学和支架来学习的。语言学习需要婴儿不断努力、试错、成功和失败，这些都为大脑中的选择性过程提供了信息，从而加强或修剪神经连接和神经通路（Edelman，1987年）。

工作记忆的神经动力学与学生学习

与将大脑视为计算机的许多认知心理学相反，人脑“不像计算机那样解决问题”，而是“它创造，它想象”（Mithen，1996年，第34页）。Steven Mithen（1996年）还提到了他所谓的“人类对类比和隐喻的热情”（第53页），这是现代人类思维、创造性、学习型大脑的显著特征。这与John Geake（2009年）在讨论学习中的创造力和想象力时强调的“流畅类比”（第95页）的教学重要性，以及他对工作记忆非线性动力学的描述产生了强烈共鸣。Sweller及其同事断言，长时记忆应该被理解为教育的主要目的和人类认知的中心结构（关键主张3）。我们不同意这种观点，我们赞同Geake（2009年）的观点，即虽然认识到长时记忆对考试的重要性，但作为教师，我们不希望我们的学生只是简单地重复他们所学的内容，我们希望他们成为积极的、富有想象力和创造力的学习者，这意味着，与CLT相反，正确理解的工作记忆才是学校学习的核心，而不是长时记忆。而且，非常重要的是，我们希望我们的学生集中注意力。注意力是工作记忆功能的重要组成部分，以至于有时人们声称工作记忆和注意力是同一枚硬币的两面。我们在Geake对工作记忆的定义中看到了这一点，工作记忆是“将来自此时此地的感知信息与来自长时记忆的信息结合起来的神经过程的认知结构，在注意力的选择下，选择与当前任务相关的信息”（第72页，重点为作者所加）。
更进一步，我们也同意神经科学家Stanislas Dehaene（2020年）的观点，即学习有四个必要的支柱，即注意力、主动参与、错误反馈和巩固。这些应该成为每位课堂教师实践的核心，而不是像上文引用的Wiliam所倡导的认知负荷概念，后者在Dehaene的学习论述中没有任何作用。仔细聆听Dehaene给教师们的信息是有益的。他说：
注意力、主动参与、错误反馈和巩固是成功学习的秘诀。我们大脑结构的这些基本组成部分在家庭和学校中都会得到运用。能够调动学生所有这四种功能的教师无疑将最大限度地提高他们班级的学习速度和效率。因此，我们每个人都应该学会掌握它们（第146页）。
Dehaene（2020年）在第7-10章中详细阐述了这四个支柱究竟如何应用于实践以及它们在神经生物学上的含义，Kim和Sankey（2022年）也对此进行了讨论。然而，澳大利亚政府的教师教育专家小组在2023年倡导将大脑和学习作为教师教育的核心组成部分时，并未考虑这些神经科学证据。不过，他们在18篇参考文献中引用了Geake（2009年）的文章，无疑是因为他讨论了工作记忆的有限容量，他使用了“工作记忆负荷”一词，并指出它“可能是学业成绩的瓶颈”（第68页）。然而，至关重要的是，他接着说，大脑需要的远不止记住有限数量的项目，而且非常有说服力的是，神经科学研究表明，工作记忆中信息的临时存储“是一种副现象，是工作记忆的结果”（第69页）。换句话说，它是工作记忆的副产品，对所涉及的神经过程没有影响。他说，在理解这些过程时，“‘记忆’这个标签可能会产生误导——重点在于‘工作’”，因为“工作记忆是大脑执行功能的一个核心特征”（第69页）。我们现在已经与CLT中对工作记忆的构想相去甚远，而且当Geake将他对工作记忆的描述与Dehaene和Jean-Pierre Changeux提出的全局神经元工作空间（GNW）假说联系起来时，差距就更大了。该假说认为，工作记忆不是像CLT（关键主张2）中那样由其有限的容量和持续时间来定义的，而是“由大脑本质上所做的”（第70页）以及它是如何做的来定义的，这是大脑中神经元和神经通路大规模互连的结果。
在GNW中，主要但不完全位于额叶皮层，具有长轴突的锥体神经元与注意力系统、价值系统、感知系统、运动系统和长时记忆动态且广泛地相互连接（Dehaene，2014年；Mashour等人，2020年）。鉴于这种解剖结构，工作记忆被“概念化为（神经元）网络功能的一种活动诱导的临时和灵活的转变”（Trübustschek等人，2019年，第14364页）。据推测，“点火”过程提供了“导致信息进入工作记忆的第一步”（Mashour等人，2020年，第785页）。点火被认为是一种神经过程，“其特征是由编码当前意识内容的工作空间神经元子集的突然、连贯和排他性激活”，通过将“弱的感觉刺激转变为受注意的工作记忆状态”（第785页），而其余的工作空间神经元则受到抑制。
这并不是说教师需要了解这种程度的细节，尽管教授大脑和学习的教师教育工作者当然应该了解。那些在教育领域撰写有关大脑和学习的文章的人以及那些影响学校政策的人也应该了解。此外，那些参与有关大脑和学习的专家小组的人员，例如上文提到的澳大利亚政府的教师教育专家小组，目前大多数人并不了解。此外，未来的教师应该在他们的教师教育课程中接受关于学习和发展科学的良好介绍（Kim & Sankey，2022年）。在职教师应该首先关注学习的四个支柱，而不是试图适应负荷的概念。他们还应该在适当的时候继续使用基于探究的方法，或者如果他们被诱导认为神经科学为优先考虑直接教学提供了一个明确的理由（事实并非如此），则应该恢复这些方法。然而，在这一点上，几乎肯定会有人反对说，理解基本的神经科学超出了教师在日常实践中所能和应该知道的范围。这一直是教育认知心理学的一个长期观点，特别是认知心理学家John Bruer所持有的观点，他在1997年一篇名为《教育与大脑：一座过远的桥梁》的论文中指出，大脑功能的复杂性与儿童的行为相去甚远，对教师没有实际用处。一个相关的认知主义主张是，人类认知结构的知识会导致特定的教学程序（例如CLT及其对直接教学的倡导），而特定神经元功能的知识则不会。希望本文能在某种程度上表明，这种评估是故意且可悲地错误的。多年来，在教授学习和发展科学时，与大量职前和在职教师一起工作的经验肯定证明了这些评估是错误的。教师们喜欢它，对它着迷，并且正式的学生评估一致表明他们欢迎它，完全理解它，并且很快看到它与他们自己的专业课堂实践的相关性。

结束语

在学习型大脑中发生的事情确实比 Sweller 的认知负荷理论所梦想的要多得多，因此教师在他们的专业学习中需要参与的内容也多得多。也许本文的潜在信息是，如果你不带着一脑子源自旧式认知心理学的假设来对待教育中的学习科学，而是带着哲学和神经生物学的意图来对待它，你最终就不会接受像 CLT 这样充满理论和教学法限制的理论。然而，在一个更深层次、更令人不安的分析层面上，本文主张教育领域的理论变革，而这往往远非一帆风顺——总是涉及到强大的既得利益。例如，想想 Gregor Mendel 在让他的遗传学理论被接受时所面临的困难，因为它被认为与达尔文的自然选择理论相悖，或者想想 Alfred Wegener 在提出他的大陆漂移学说时所遭受的嘲笑。但在每一种情况下，正如 Mendel 意识到的那样，他们站在了历史正确的一边。那些让 CLT 得以蓬勃发展并长期具有影响力的利益集团，可能会减缓超越 CLT 理论和教学法限制的进展。新理论可能会遭到强烈抵制或被直接忽视，它们可能会在获得研究经费或找到愿意发表其新颖研究的期刊方面遇到困难。然而，出于我们对类比和隐喻的热情，我们发表本文是因为相信 CLT 的潮流已经退去。当新的浪潮回归时，人们期望它们将充满新的学习与发展科学，以及一种新的认知哲学。我们邀请所有与我们一样坚信教育政策和课堂实践应该基于可靠的科学证据的人，“快进来吧，这里的水质很好”！

参考文献

  • Antonenko, P., Paas, F., Grabner, R., & van Gog, T. (2010). Using electroencephalography to measure cognitive load. Educational Psychology Review,22(4), 425–438.https://doi.org/10.1007/s10648-010-9130-y
  • Australian Education Research Organisation. (2023).How students learn best: An overview of the learning process and the most effective teaching practices. https://www.edresearch.edu.au/resources/how-students-learn-best
  • Australian Government. (2023). Strong beginnings: Report of the teacher education expert panel. Department of Education.
  • Barrett, L. F. (2017).How emotions are made: The secret life of the brain. Houghton Mifflin Harcourt.
  • Bruer, J. T. (1997). Education and the brain: A bridge too far. Educational Researcher, 26(8), 4–16.https://doi.org/10.3102/0013189X026008004
  • Cabañero Gómez, L.,Hervás, R., González, I., & Villarreal, V. (2021). Studying the generalisability of cognitive load measured with EEG. Biomedical Signal Processing and Control, 70(2), 103032.https://doi.org/10.1016/j. bspc.2021.103032
  • Centre for Education Statistics and Evaluation. (2018). Cognitive load theory in practice. https://education.nsw.gov. au/content/dam/main-education/about-us/educational-data/cese/2017-cognitive-load-theory-practice-guide.pdf
  • Clark, A. (2015). Embodied prediction. In T. Metzinger & J. M. Windt (Eds.), OpenMIND, 7(T). MIND Group.https:// doi.org/10.15502/9783958570115
  • Clark, A. (2023). The experience machine: How our minds predict and shape reality. Allan Lane.
  • Clerkin, E. M., & Smith, L. B. (2022). Real-world statistics at two timescales and a mechanism for infant learning of object names. Proceedings of National Academy of Sciences, 119(18), e2123239119.
  • Damasio, A. R. (1994). Descartes’ error: Emotion, reason and the human brain. Putnam.
  • Damasio, A. R. (2018).The strange order of things: Life, feeling, and the making of cultures. Pantheon.
  • Darling-Hammond, L., Flook, L., Cook-Harvey, C., Barron, B., & Osher, D. (2020). Implications for educational practice of the science of learning and development. Applied Developmental Science, 24(2), 97–140.https://doi.org /10.1080/10888691.2018.1537791
  • Dehaene, S. (2014).Consciousness and the brain: Deciphering how the brain codes our thoughts. Penguin Books.
  • Dehaene, S. (2020).How we learn: The new science of education and the brain. Penguin Random House.
  • Duggan, S. (2022). Science of learning shift: Catholic school system overhauls teaching approach.https://catalyst.cg.catholic.edu.au/wp-content/uploads/2022/08/Science-of-learning-shift-Catholic-school-system.pdf
  • Duncan, C., Kim, M., Baek, S., Wu, K., & Sankey, D. (2022). The limits of motivation theory in education and the dynamics of value-embedded learning (VEL). Educational Philosophy and Theory, 54(5), 618–629.https://doi.or g/10.1080/00131857.2021.1897575
  • Edelman, G. M. (1987). Neural Darwinism: The theory of neuronal group selection. Basic Books.
  • Edelman, G. M. (1989). The remembered present. Basic Books.
  • Ellerton, P. (2022). On critical thinking and content knowledge: A critique of the assumptions of cognitive load theory. Thinking Skills and Creativity, 43, 100975.https://doi.org/10.1016/j.tsc.2021.100975
  • Friston, K. J. (2012). The history of the future of the Bayesian brain. NeuroImage, 62(2), 1230–1233.https://doi. org/10.1016/j.neuroimage.2011.10.004
  • Geake, J. (2009). The brain at school: Educational neuroscience in the classroom. McGraw Hill/Open University Press.
  • Gordon, A., Quadflieg, S., Brooks, J. C. W., Ecker, U. K. H., & Lewandowsky, S. (2019). Keeping track of ‘alternative facts’: The neural correlates of processing misinformation corrections. NeuroImage, 193, 46–56.https://doi.org/10.1016/j.neuroimage.2019.03.014
  • Immordino-Yang, M. H. (2016). Emotions, learning, and the brain: Exploring the educational implications of affective neuroscience.
  • Kim, M., & Sankey, D. (2018). Philosophy, neuroscience and pre-service teachers’ beliefs in neuromyths: A call for remedial action. Educational Philosophy and Theory, 50(13), 1214–1227.https://doi.org/10.1080/00131857.2017. 1395736
  • Kim, M., & Sankey, D. (2022). The science of learning and development in education: A research-based approach to educational practice. Cambridge University Press.
  • Konner, M. (1991). Universals of behavioral development in relation to brain myelination. In K. R. Gibson & A. C. Pertersen (Eds.), Brain maturation and cognitive development: Comparative and cross-cultural perspectives (pp. 181–223). Aldine de Gruyter.
  • Lakatos, I. (1970). Falsification and methodology of scientific research programmes. In I. Lakatos & A. Musgrave (Eds.), Criticism and the growth of knowledge. Cambridge University Press.
  • LEARNUS. (2023). The place of educational neuroscience in teacher education with particular reference to the Early Careers Framework. FutureEd23 Conference in Association with Chartered College of Teaching and the UCL Centre for Educational Neuroscience.http://www.learnus.co.uk/events/futureed23
  • Mashour, G. A., Roelfsema, P., Changeux, J. P., & Dehaene, S. (2020). Conscious Processing and the Global Neuronal Workspace Hypothesis. Neuron, 105(5), 776–798.https://doi.org/10.1016/j.neuron.2020.01.026
  • Masson, S., Potvin, P., Riopel, M., & Brault Foisy, L. (2014). Differences in brain activation between novices and experts in science during a task involving a common misconception in electricity. Mind, Brain, and Education, 8(1), 44–55.https://doi.org/10.1111/mbe.12043
  • Medina, T. N., Snedeker, J., Trueswell, J. C., & Gleitman, L. R. (2011). How words can and cannot be learned by observation. Proceedings of the National Academy of Sciences of the United States of America, 108(22), 9014–9019. https://doi.org/10.1073/pnas.1105040108
  • Mithen, S. (1996). The prehistory of the mind: A search for the origins of art, religion and science. Thames and Hudson.
  • Moshman, D. (2011). Adolescent rationality and development: Cognition, morality and identity (3rd ed.). Psychology Press.
  • National Academies of Sciences, Engineering, and Medicine (NASEM). (2018). How people learn II: Learners, contexts, and cultures. National Academies Press.
  • Paas, F., van Gog, T., & Sweller, J. (2010). Cognitive load theory: New conceptualizations, specifications, and integrated research perspectives. Educational Psychology Review, 22(2), 115–121.https://doi.org/10.1007/ s10648-010-9133-8
  • Parr, T., & Friston, K. (2017). Working memory, attention, and salience in active inference. Scientific Reports, 7(1), 14678.https://doi.org/10.1038/s41598-017-15249-0
  • Pezzulo, G., & Cisek, P. (2016). Navigating the affordance landscape: Feedback control as a process model of behavior and cognition. Trends in Cognitive Sciences, 20(6), 414–424.https://doi.org/10.1016/j.tics.2016.03.013
  • Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202\_4
  • Sweller, J. (2008). Instructional implications of David C. Geary’s Evolutionary Educational Psychology. Educational Psychologist, 43(4), 214–216.https://doi.org/10.1080/00461520802392208
  • Sweller, J. (2021).Why inquiry based approaches harm students’ learning (Analysis paper 24). The Centre for Independent Studies, Australia.
  • Sweller, J. (2023). The development of cognitive load theory: Replication crises and incorporation of other theories can lead to theory expansion. Educational Psychology Review, 35(4), 95.https://doi.org/10.1007/ s10648-023-09817-2
  • Sweller, J., Zhang, L., Ashman, G., Cobern, W., & Kirschner, P. A. (2024). Response to De Jong et al.’s (2023) paper “Let’s talk evidence - The case for combining inquiry-based and direct instruction”. Educational Research Review, 42, Article 100584.https://doi.org/10.1016/j.edurev.2023.100584
  • Thelen, E., & Smith, L. B. (1994).A dynamic systems approach to the development of cognition and action. MIT Press.
  • Thelen, E., & Smith, L. B. (2006). Dynamic systems theories. In W. Damon & R. M. Lerner (Eds.), Handbook of child psychology. Volume 1, Theoretical models of human development (6th ed., pp. 258–312). Wiley.
  • Tononi, G., Boly, M., Massimini, M., & Koch, C. (2016). Integrated information theory: From consciousness to its physical substrate. Nature Reviews. Neuroscience, 17(7), 450–461.https://doi.org/10.1038/nrn.2016.44
  • Trapp, S., Parr, T., Friston, K., &Schröger, E. (2021). The predictive brain must have a limitation in short-term memory capacity. Current Directions in Psychological Science, 30(5), 384–390.https://doi.org/10.1177/09637214211029977
  • Trübutschek, D., Marti, S., Ueberschär, H., & Dehaene, S. (2019). Probing the limits of activity-silent non-conscious working memory. Proceedings of the National Academy of Sciences of the United States of America, 116(28), 14358– 14367.https://doi.org/10.1073/pnas.1820730116
  • Van Geert, P. (1994). Dynamic systems of development: Change between complexity and chaos. Harvester Wheatsheaf.
  • van Merriënboer, J. J., & Sweller, J. (2005). Cognitive load theory and complex learning: Recent developments and future directions. Educational Psychology Review, 17(2), 147–177.https://doi.org/10.1007/s10648-005-3951-0
  • Wang, T., & Kao, C. (2024). Pupil dilation as an index of examinee’s cognitive load in answering a mathematics questions: A comparison study of different approaches. Mind, Brain, and Education, 18(1), 43–47. https://doi. org/10.1111/mbe.12388
版权声明：此编译稿仅供大家学习，不得用于商业用途。版权归原作者。如涉及侵权，请告知，将及时处理。
返回文章

交流感悟 (0)

0 / 500

暂无讨论内容