AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

认知心理学

创建 2026-08-27 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

认知心理学/认知主义 —— 通过内部心理过程 —— 注意、感知、记忆、推理与元认知 —— 而非仅通过可观察行为来解释学习的一族理论。在教育中的AI领域，认知主义假设支撑着本领域最具特色的贡献：对学习者知识建模的智能辅导系统、追踪学习者知道什么的知识追踪与认知诊断、基于错误诊断的反馈设计，以及整个学习者建模与自适应教学族。认知主义是行为主义（学习即行为改变）与建构主义（学习即主动制造意义）之间的中间地带，也是与激发了早期AIED的"心智计算机隐喻"联系最紧密的理论透镜。

值得思考的问题

  • 当你想到"学习"，你想象的是某人所做的改变，还是他们所知所能提取的改变？这一区分可能如何改变你判断一个AI辅导工具是否真正有效的标准？
  • AI辅导建立在一个"计算机隐喻"之上 —— 把心智当作一个有记忆限制的信息处理系统。这个隐喻在哪里感觉有力，又可能遗漏了关于人类如何学习的什么重要之处？
  • 一个AI工具让一项任务感觉毫不费力：它解释下一步、减少摩擦，而学习者在使用它时表现出色。这算成功的教学吗？你会怎么知道学习者现在没有工具也能做？
  • 认知负荷理论区分内在、外在与关联负荷。如果你在设计一个AI助手，你会刻意减少哪一种负荷，又会小心不去移除哪一种？
  • 如果一个学习者知道自己可以把记忆和推理卸载给AI，什么时候这是明智的策略，什么时候又是悄悄阻止学习的捷径？是什么决定了二者的区别？
  • 认知主义假定知识可被分解为成分并被随时间追踪。当我们把一个学习者的理解归结为一组可追踪的知识成分时，可能丢失什么？

引言

认知心理学是这样一种学习理论传统：它把学习视为内部心理表征 —— 记忆中持有的概念、图式与程序 —— 的改变，而非可观察行为的改变。其信息处理词汇（注意、编码、提取、有限的工作记忆）既为学习困难提供了诊断语言，也为智能辅导和知识追踪背后的架构提供了基础：推断学习者内部状态并对其作出适应的系统。它仍是本知识库中元认知、可取的困难与自我调节学习的参照框架。

核心思想

  • 学习是内部心理表征的改变。 认知主义主张，学习涉及知识在记忆中的习得、存储与重组 —— 概念、图式与程序 —— 而非仅仅是可观察反应的改变。重要的是学习者所知所能提取的东西，不只是他们做了什么。
  • 信息处理（计算机）隐喻。 心智被当作一个有容量与瓶颈的信息处理系统 —— 对潜在能力的测量、工作记忆限制、编码与提取 —— 这正是使AI辅导（一个建模并适应学习者认知的计算机程序）成为自然契合的那个模型。
  • 注意与记忆是有限的。 工作记忆容量有限；持久学习需要通过复述、精细化与提取练习编码进长期记忆。这把认知主义连接到关于认知外包的研究（把记忆/处理委派给外部工具），以及当AI绕过提取与练习时的"表现-学习落差"。
  • 元认知调节认知。 元认知 —— 监控并控制自己的思考 —— 是一个鲜明的认知主义构念，它解释了为什么学习者对"何时依赖AI"的校准对学习至关重要（见认知外包与自我调节学习）。
  • 知识是可分解且可追踪的。 认知主义AIED假定学习者知识可被表征为成分并被随时间追踪 —— 这是知识追踪、认知诊断与项目反应理论的基础。

认知主义与教育中的AI

AIED的认知主义谱系

认知主义可以说是教育中AI得以存在最应归功的理论。早期的认知导师（如Anderson基于ACT-R的导师）具身了这样一个假设：学习可被建模为产生式规则，且一个系统能追踪学习者已掌握了哪些规则。这产生了至今仍定义本领域的典范架构：一个领域模型、一个追踪学习者知识状态的学生模型，和一个使教学自适应的教学模型 —— 全部源于认知主义。现代知识追踪（贝叶斯、深度学习与基于IRT的）与认知诊断延续了这一传统。同一假设也支撑着智能辅导、自适应学习与个性化学习，它们在本知识库中被归入学习者建模与自适应教学总括之下。

认知负荷与教学设计

认知负荷理论（CLT）是教学设计中应用最广的认知主义框架：它区分内在负荷（任务复杂度）、外在负荷（呈现摩擦）与关联负荷（图式建构努力）。设计良好的AI应减少外在负荷同时保留关联加工；整合不佳的AI三者全减，留下完成的任务与空洞的学习。CLT的工作记忆框架也是关于认知外包之争论的核心 —— AI究竟减少了有害的外在负荷，还是短路了产生学习的关联加工。

Mayer的多媒体学习认知理论（CTML）把同样的工作记忆假设应用于材料本身，其处方异常具体：词与图结合比只有词效果更好，当排除外在材料时、当一课被分段且由用户掌握节奏而非作为一个连续单元呈现时、当对应的词与图邻近且同时出现时、以及当叙述是对话式的且用友好的真人嗓音而非正式或机器生成时，学习者表现更好。

认知主义对行为主义与建构主义

  • 对行为主义： 行为主义通过强化与操练把学习解释为可观察的行为改变；认知主义坚持内部表征并追踪心理状态。AI实践常显示"名为建构主义、实为行为主义"的落差，但认知主义设计（学生建模、知识追踪）不同于纯粹的行为主义操练-反馈，因为它们表征并对学习者推断出的知识作出适应，而非仅仅强化反应。
  • 对建构主义： 建构主义主张学习者通过经验主动建构意义；认知主义强调对（常为预先结构化的）知识与技能的准确编码。AIED的认知主义谱系（结构化领域、明确的知识成分）有时被建构主义者批判为过于行为主义或过于传递导向，而认知主义反驳说，表征并追踪知识正是使真正自适应教学成为可能的东西。
  • 对学习科学： 认知主义提供了该领域据以设计的机制 —— 工作记忆、编码、提取、可分解的知识成分 —— 但它本身不是面向设计的。它解释学习如何发生；学习科学则追问如何构建它发生的环境，并使这些设计接受经验检验。

AI时代的张力：认知主义的边界承压

生成式AI既延伸又挑战认知主义。它通过使知识表征更强大（作为知识引擎、可经知识追踪追踪并经学习者建模与自适应教学适应的LLM）延伸它。它通过复杂化认知"所在何处"挑战它：当AI执行推理、记忆乃至类元认知功能时，"学习是发生在个体心智中的内部处理"这一认知主义假设便不稳了 —— 正如分布式认知、共同调节与后人本框架所主张的，认知可以分布于人与人工系统之间。然而认知主义问题仍是本领域的核心问题：学习者内化了知识，还是工具持有它？ 这是认知外包与表现-学习落差问题的最纯粹形式。

对设计与研究的启示

  1. 为内化而设计，不只是为表现。 认知主义AIED应以学习者能否在没有工具的情况下提取并应用知识来评估 —— 而不是以受助表现。这就是表现-学习落差，也是测量无助迁移的理由。
  2. 表征学习者，而不只是回应。 把结构化学习者建模与自适应教学与知识追踪挂接到AI对话上，使系统适应推断出的知识，而非流利却盲目地回应。(EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners)
  3. 尊重工作记忆限制。 把认知负荷理论应用于AI用户体验：减少外在负荷（摩擦、过载界面）同时保留关联加工（生产性挣扎、提取练习），而非把所有认知需求最小化。
  4. 校准元认知。 因为元认知支配学习者何时选择卸载，教校准（知道自己无助时实际能做什么）是对过度依赖的认知主义答案（见认知外包）。

关联概念

关联文章

元数据

学习与教学认知心理学, 学习理论, 元认知
技术与方法生成式人工智能, 智能辅导, 知识追踪
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。