认知负荷随持续作业时间变化的研究尚未引起足够重视

四、认知负荷随持续作业时间变化的研究尚未引起足够重视

Sweller的认知负荷理论可以归结为两条基本的原则。第一，任务复杂性决定了个体的工作记忆中需要同时加工的元素数量及其元素之间的交互作用程度。第二，个体的先前知识经验(主要指长时记忆中所具有的图式数量和质量)和任务组织、呈现方式将影响个体的认知负荷。在认知作业过程中，通过练习、图式获取和最终的自动化，个体可减少同时需要加工的元素数量(即加载于工作记忆中的认知负荷)，因而在持续作业过程中个体感受的认知负荷是不同的。Paas(1994)^[168]提出的认知负荷结构模型认为，任务复杂性和个体的知识经验决定心理负荷的大小，而任务特征、个体特征以及两者的交互作用决定个体的心理努力投入，即决定任务加工中真实的认知负荷水平。在特定的时刻或较短时间内，个体特征具有相对的稳定性，因而在特定的时刻或较短时间内的认知负荷是相对稳定的。但在持续作业过程中，个体特征(如动机、元认知因素、疲劳、厌烦等)在不断变化，个体的认知负荷状况也在变化。针对认知作业过程中认知负荷变化的特点，Xie和Salvendy(2000)^[169]进一步将认知负荷区分为即时负荷、平均负荷、累积负荷、高峰负荷和总负荷。认为平均负荷、累积负荷和即时负荷不同于总体负荷，即时负荷和总体负荷能反映认知负荷在认知加工过程中的动态特征。由于对于不同的个体，相同的任务可能引起不同的负荷，他们建立基于任务和个体的负荷模型，模型将负荷分成有效负荷(effective workload)和无效负荷(ineffective workload)两部分，有效负荷反映任务要求，包括任务复杂性、任务类型等，一旦任务确定，有效负荷就固定不变;无效负荷反映个体的动态反应，包括专业知识、技能、态度、动机等，他们还据此设计评估模型，对任务负荷进行动态预测研究。

在认知负荷的变化过程中，持续作业时间必然是影响认知负荷的一个重要因素。随着持续作业时间的延长，个体的疲劳感增大，注意水平下降，作业绩效也随之下降。以汽车司机为例，估计汽车司机在行车过程中的认知负荷除了估计其信息加工负荷外，还要考虑到其连续行车的时间这个方面的因素。在20世纪60—70年代，有许多关于作业时间对警戒或注意集中方面的研究^[170]，某些研究描述了任务要求(如通过控制事件率)和作业时间对任务绩效的影响^[171]。Ding、Sheue等(1999)^[172]对监控作业过程中的任务动态分配进行了神经网络建模研究。即首先利用多元回归分析方法对心理工作负荷(mental workload)的影响因素进行显著性检验，合成跨度(span)、区分性(discriminate)、预测性(predict)、注意转换(transfer attention)四个因素，将这四个因素作为输入项，建立BP神经网络对心理工作负荷进行分类，然后将分类结果与心理工作负荷上限值进行比较，超过上限值就认为是超负荷，并依此对任务进行重新分配，以达到对监控作业过程中的心理工作负荷状况进行实时的分析和动态分配。但从总体来看，持续作业时间对认知负荷的影响并没有受到研究者的重视，相关研究报道还很少见。如果能建立一个模型，对个体认知负荷随持续作业时间的变化进行预测，则可以对即将出现的认知超负荷提前采取相应对策，以防止认知超负荷的发生和减少灾难发生的可能性。