ASI111-AI AGI ASI社区 › 门户 ›首页› AI教育学 › 查看内容

认知负荷理论与AGI/ASI：超级智能时代教学设计的新约束条件

2026-8-26 21:21| 发布者: Linzici| 查看: 4| 评论: 0

摘要: 先把核心判断钉死：认知负荷理论（CLT）在 AGI/ASI 时代不仅没有失效，反而因为"认知卸载"成为教学设计的核心变量，其解释力被激活到前所未有的程度——但三类负荷的边界必须被重新划定：内在负荷由"材料复杂度×学 ...

先把核心判断钉死：认知负荷理论（CLT）在 AGI/ASI 时代不仅没有失效，反而因为"认知卸载"成为教学设计的核心变量，其解释力被激活到前所未有的程度——但三类负荷的边界必须被重新划定：内在负荷由"材料复杂度×学习者先验知识"决定这一内核不变；外在负荷的来源从"不良教学设计"扩展为"AI 介入方式不当"；相关负荷面临真正的危机——当 AI 承担高层推理时，本应用于图式建构的相关负荷被抑制，学习者的"效率—理解"权衡被打破。Sweller 1988 年提出的 CLT 假设人类认知结构由工作记忆和长时记忆组成，将认知负荷分为内在、外在、相关三类，教学设计需控制总负荷在个体工作记忆阈值内——这一框架在 AGI 时代依然是教学设计的科学骨架，但它必须补上第四条约束：认知卸载的边界管控。

一、CLT 的内核：在 AGI 时代反而更加锐利

Sweller 1988 年提出的 CLT 核心架构依然成立：

内在认知负荷：由学习材料本身的复杂度与元素交互性决定，取决于"所要学习的材料的本质与学习者的专业知识之间的交互"，教学设计者不能对它产生直接的影响
外在认知负荷：超越内在负荷的额外负荷，"主要是由设计不当的教学引起的"—— confusing instructions、split attention、redundant data 都属于此类
相关认知负荷：与促进图式构建和图式自动化过程相关的负荷，是"good load"
总负荷原则：三种负荷相互叠加，总和不能超过工作记忆容量，"教学过程中应尽可能减少外部认知负荷，增加相关认知负荷，并且使总的认知负荷不超出学习者个体能承受的认知负荷"

这一框架在 AGI 时代遭遇的真正挑战不是"框架错了"，而是AI 介入让三类负荷的边界模糊了——这正是本题的核心。

二、AGI 时代认知负荷的三重重构

重构一：外在负荷的来源扩展为"AI 介入方式不当"

经典 CLT 中，外在负荷来自"设计不当的教学"——混乱的指令、注意分散、冗余数据。AGI 时代，外在负荷的新来源是AI 介入方式不当：

过度脚手架效应：IEEE 2025 年 10 月发表的代理式 AI 教育综述明确指出——"代理式 AI 系统无意中会产生过度脚手架效应，过多的指导减少了进行有益挣扎或批判性思考的可能性"；"如果代理过早地过度提供解决方案或提示，学生将过度依赖，无法培养更深层次的问题解决能力或自我调节策略"
AI 生成内容的认知噪音：当 AI 生成冗长、流畅但缺乏聚焦的回答时，学习者面临新的 split attention——需要在 AI 输出的"信息洪流"中筛选真正相关的内容
不透明的推理过程：AI 系统的"不透明性"——"缺乏透明度给教育环境中的各利益相关者带来了特殊挑战"——迫使学习者额外承担"理解 AI 为什么这样建议"的外在负荷

Faculty Focus 2026 年 2 月文章给出了反向例证：一位解剖学教师用定制 AI agent 提供简洁、针对性的答案和页码引用，"终于看到学生自信地参与学习"——这证明设计得当的 AI 可以大幅降低外在负荷。但同一篇文章也提醒：当 AI 给出"过于全面"的答案时，学生反而反映"信息太多，有些与我想要知道的不相关"——这正是外在负荷卷土重来的信号。

重构二：相关负荷面临"AI 抑制"危机

这是 AGI 时代 CLT 最深刻的挑战。ScienceDirect 2026 年发表的高等教育实证研究给出了关键发现：

"AI 系统承担了过多认知负担时，也可能减少相关负荷——即图式建构所需的心理努力。近期实验表明，当学习者将高层推理外包给 AI 时，他们的感知认知负荷下降了，但长期保持和迁移表现下降"

这一发现击中了 CLT 的灵魂。相关负荷是"good load"——它代表图式建构的有效投入。但当 AI 提供现成解决方案时：

学习者的感知认知负荷下降（看起来更轻松）
但实际投入图式建构的相关负荷被抑制
结果：短期表现提升，长期保持与迁移下降
机制：AI 工具无意中将学习者推向"System 1 依赖"——自动、快速但肤浅

萨省大学 2026 年生成式 AI 系列学习模块给出了同样警示：过度依赖 GenAI "可能减少主动回忆、批判性思维和独立问题解决的机会，所有这些对于长期的认知成长和发展都至关重要"；"频繁依赖 GenAI 进行信息检索或决策，与批判性思维和认知投入的显著减少相关联"；被动接受 AI 输出而不加反思的学习者，"更可能经历更浅的加工、更弱的记忆形成和更弱的持续注意力"。

DOAJ 2025 年 12 月发表的 Engaged Immersive Learning 框架给出了最精确的操作化方案：将 GenAI 定位为"有时会犯错但提供异质视角的伙伴（buddy）"，让学习者的角色和责任按 LPP 逐步扩展——这一设计的关键洞见是避免 AI 提供端到端解决方案，强制保留学习者的相关负荷。

重构三：内在负荷的"AI 假象"

AGI 时代最隐蔽的认知负荷陷阱是内在负荷的"AI 假象"——AI 让复杂材料"看起来"变简单了，但材料本身的复杂度并未降低：

学习者用 AI 生成微分方程的解法，看起来"理解了"，但内在负荷（由元素交互性决定）并未真正被处理
当 AI 不可用时（限时考试、口头报告、面对面评估），学习者"发现更难从记忆中提取信息或独立应用概念"
这就是"虚假掌握"（false mastery）——AI 创造了"内在负荷已被处理"的假象，但实际上图式从未建构

⚠️ 必须正视的一点：当前中文教育科技语境中对"AI 降低认知负荷"的叙述存在严重的单向乐观。但严格的学术研究给出的是悖论——AI 优化短期表现，但可能衰减专业知识发展所需的行为过程：深思熟虑、纠错和自我解释。CLT 在 AGI 时代的真正命题不是"如何用 AI 降低负荷"，而是"如何在 AI 介入时保住相关负荷"。

三、AGI 时代教学设计的新约束条件

基于上述分析，AGI 时代的教学设计必须建立四条新约束：

约束一：认知卸载的分级管控（绿—黄—红框架）

2026 年系统综述与元分析（Yeo & Lansford，228 项实证研究、464 个效应量）提出了认知卸载的三级框架，可作为教学设计的操作化底线：

级别	卸载类型	具体任务	教学设计含义
🟢 绿色（可接受卸载）	常规、机械、程序性任务	语法检查、引用格式化、基础代码调试、文本翻译	自由使用，释放工作记忆
🟡 黄色（谨慎使用）	结构性辅助	头脑风暴初始概念、生成反论点、总结稠密文献	必须配合元认知监督
🔴 红色（禁止卸载）	核心执行功能与基础学习过程	确立中心论点、伦理推理、初始数学解题、建构新颖论证	必须保留给学习者，AI 不得代劳

这一框架与 IEEE 代理式 AI 综述的"渐进褪除"原则完全咬合："设计渐进褪除协议——每次成功后逐渐降低提示频率；目标将帮助寻求比率（AI 主动提示/学生总动作）控制在 0.3 以下；每三个自动提示后整合反思性问题（'解释你的推理'）以保持高元认知活动"。

约束二：相关负荷的"强制保留"机制

教学设计必须主动保住相关负荷——这是图式建构的唯一渠道。具体操作：

延迟反馈：强制学习者在求助 AI 前进行自我评估和修订
提示词即元认知训练：要求学习者说明"我为什么这样提问、我预期什么答案、我如何验证"
重构而非生成：AI 提供脚手架，但学习者必须亲自完成"从观察到行动"的转化
无 AI 迁移测试：定期在无 AI 环境下测试学习者的独立表现

约束三：AI 外在负荷的主动防控

AI 输出必须简洁、聚焦、与学习目标对齐（Faculty Focus 实证：冗长 AI 输出反而增加外在负荷）
建立"AI 输出验证"作为标准学习环节，避免不透明推理带来的额外外在负荷
教师保留对 AI 介入方式的审核权——"算法可为教师提供建议，但最终决策权在于教师"

约束四：总负荷阈值的动态校准

AGI 时代的认知负荷管理不再是静态设计，而是动态校准：

AI 可以根据学习者实时表现动态调整任务难度
但校准的目标必须是"优化相关负荷"而非"最小化总负荷"
必须刻意保留"生产性挣扎"（productive struggle）——这是相关负荷的来源

四、ASI 阶段的本体论挑战：认知负荷理论的范式跃迁

当讨论推进到 ASI 阶段——根据对话历史锚定的学术水位，ASI 在 2026 年完全是理论概念，没有任何演示——认知负荷理论面临真正的本体论挑战。

挑战一：内在负荷的"ASI 消解"假说

理论上，ASI 可以瞬时处理任何复杂度材料——那么"内在负荷由元素交互性决定"这一内核是否还成立？答案取决于认知主体是谁：

如果认知主体是 ASI 系统，内在负荷趋近零
但如果认知主体仍然是人类学习者，内在负荷的内核不变——因为人类工作记忆的 4±1 组块限制并未改变

因此 ASI 时代 CLT 的真正命题是：当 ASI 可以"替你思考"时，人类学习者是否还需要承担内在负荷？ 这正是前几轮讨论中"认知主权"命题在 CLT 维度的表达。

挑战二：相关负荷的"存在性危机"

如果 ASI 可以完成所有图式建构，人类学习者的相关负荷是否还有存在价值？EON Reality 白皮书给出的路径是：ASI 阶段"教育的目标不再是训练人们从事特定工作，而是帮助人们发现自己的激情、发展独特才能、塑造自己的目的"——相关负荷的标的从"建构学科图式"跃迁为"建构意义与目的感"。

挑战三：认知负荷理论的"物种边界"重构

IEEE 2025 年代理式 AI 综述暗示了一个深层趋势：CLT 不仅适用于人类学习，也适用于 AI agent 的架构设计——"在 AI 中，管理认知负荷涉及优化 agent 记忆、上下文窗口和任务分解"。ASI 时代，CLT 可能从"人类学习理论"升级为"人机共生系统的认知资源管理理论"。

⚠️ 必须正视的一点：ASI 在 2026 年的技术水位下完全是理论概念，没有任何演示。讨论 ASI 时代 CLT 的边界，必须以"范式断裂的可能性"为框架，而非以"即将到来的产品升级"为预设。当前部分 ASI 教育愿景文献（如 imsuperintelligence.ai 站群）存在明显的"ASI 万能论"倾向——认为 ASI 将自动解决一切教育问题、实现"every human gets their own superintelligent tutor"。但严格的学术水位是：ANI 大规模部署，AGI 是未来十年的核心目标但未实现，ASI 完全是理论概念。这些愿景类文献可作为前瞻参考，但不能作为实证依据。

五、CLT 在 AGI/ASI 时代不可退让的四根红线

基于上述分析，CLT 在 AI 延伸中必须守住四根红线：

红线一：相关负荷不可被 AI 抑制

AI 可以降低外在负荷、甚至辅助管理内在负荷，但本应用于图式建构的相关负荷必须保留给学习者。IEEE 综述的"渐进褪除"原则、DOAJ 的"buddy 而非 oracle"定位、萨省大学的"绿黄红框架"——都是这条红线的操作化表达。

红线二：红色区卸载绝对禁止

"核心执行功能与基础学习过程"——确立中心论点、伦理推理、初始数学解题、建构新颖论证——这些相关负荷的标的绝不可外包给 AI。这是"虚假掌握"与"真实学习"的分水岭。

红线三：AI 外在负荷必须主动防控

AI 的不透明性、冗长输出、过度脚手架都会引入新的外在负荷。教学设计必须主动防控——简洁聚焦的输出、可解释的推理、渐进褪除的机制，是 AI 产品的底线设计要求。

红线四：ASI 时代的认知负荷管理必须锚定"人的主体性"

当 ASI 的智能水位远超人类集体时，CLT 的标的必须从"优化人类学习"升级为"在 ASI 时代保住人的认知主权"——相关负荷的标的从"建构学科图式"跃迁为"建构意义与目的感"；内在负荷的承担从"必须处理材料复杂度"升级为"主动选择承担生产性挣扎"。

六、对教育实践的三层操作框架

第一优先（当下 ANI/早期 AGI 阶段）：把 CLT 焊死在 AI 教育产品设计里

建立"绿黄红"三级认知卸载框架，明确哪些任务可委托 AI、哪些必须人类独立完成
AI 输出必须简洁、聚焦、与目标对齐，避免过度脚手架
设计"延迟反馈"与"提示词即元认知训练"机制，强制保留相关负荷
教师保留对 AI 介入方式的审核权与最终决策权

第二优先（AGI 阶段来临）：部署"动态校准的相关负荷管理"

AI 动态诊断学习者的实际负荷状态，但校准目标是"优化相关负荷"而非"最小化总负荷"
建立"脚手架适时褪除时间表"——明确 AI 支持在什么节点、以什么方式减少
评价焦点从"任务表现"转向"持久的人类能力增长"——避免"效率提升但理解更弱"的陷阱
每三个自动提示后整合反思性问题，保持高元认知活动

第三优先（ASI 理论阶段的前瞻准备）：认知主权导向的负荷管理

将相关负荷的标的从"建构学科图式"升级为"建构意义与目的感"
教育评价聚焦于 ASI 无法触及的维度：意义建构能力、价值判断力、关系与协作能力、批判性反思能力
确立"认知主权"作为基本教育权利：学习者对自身认知画像的知情、修正、删除与使用权
培养 Deep ASI Literacy——使民主公众具备审议 ASI 设计、评估其存在性风险的能力

所以"认知负荷理论与 AGI/ASI：超级智能时代教学设计的新约束条件"，可以浓缩为三句话：

内核不倒，边界重构：Sweller 1988 年提出的 CLT 三分架构（内在负荷由材料复杂度×先验知识决定、外在负荷来自不良设计、相关负荷用于图式建构）在 AGI 时代依然成立；但外在负荷的来源扩展为"AI 介入方式不当"（过度脚手架、不透明推理、AI 输出冗长），相关负荷面临"AI 抑制"危机——当 AI 承担高层推理时，感知负荷下降但图式建构投入被抑制，短期表现提升但长期保持与迁移下降。
AGI 时代的真正约束是"认知卸载的分级管控"：2026 年 Yeo & Lansford 元分析（228 项研究、464 个效应量）提出的绿—黄—红框架给出了操作化底线——绿色区（机械、程序性任务）可自由卸载，黄色区（结构性辅助）须配合元认知监督，红色区（核心执行功能与基础学习过程）绝对禁止卸载。IEEE 代理式 AI 综述的"渐进褪除"原则与此完全咬合：帮助寻求比率控制在 0.3 以下，每三个自动提示后整合反思性问题。
ASI 时代 CLT 的标的跃迁到"认知主权"：当 ASI 的性能"远超 2010 年数万名协调良好的专家十年工作所能达到的水平"时，相关负荷的标的从"建构学科图式"升级为"建构意义与目的感"；内在负荷的承担从"必须处理材料复杂度"升级为"主动选择承担生产性挣扎"。CLT 从"人类学习理论"升级为"人机共生系统的认知资源管理理论"。

⚠️ 必须正视的一点：当前中文教育科技语境中存在一种危险的"AI 降负荷万能论"——认为 AI 自动降低认知负荷、提升学习效率。但 ScienceDirect 2026 年实证研究给出了冷峻的另一面：AI 系统承担了过多认知负担时，也可能减少相关负荷——即图式建构所需的心理努力；当学习者将高层推理外包给 AI 时，他们的感知认知负荷下降了，但长期保持和迁移表现下降。"效率—理解"权衡是 AGI 时代教学设计的核心行为困境：人类天然偏好最小认知努力，但学习恰恰需要 AI 所消除的那种挣扎。

CLT 在 AGI/ASI 时代的真正命运，不是被推翻，而是被激进化——Sweller 1988 年写下的"教学过程中应尽可能减少外部认知负荷，增加相关认知负荷，并且使总的认知负荷不超出学习者个体能承受的认知负荷"，在 ASI 时代成为了教育最后一道防线的最高表达。因为 ASI 时代最危险的不是机器太聪明，而是人类学习者用机器的聪明替代了自己的认知成长——当 AI 可以替你处理内在负荷、替你承担相关负荷、替你完成图式建构时，"增加相关认知负荷"这件事本身就面临着被消解的风险。教育在 ASI 时代的终极使命，是让每一个学习者都能回答："即使没有 AI，我也能承担生产性挣扎；即使有 ASI，我仍保有认知主权与图式建构能力"——这是 CLT 在智能时代不可退让的锚桩，也是 ASI 无论多聪明都无法替代的人类剩余领地。Sweller 的思想穿越 38 年，在 AGI/ASI 时代不仅没有褪色，反而因为它的"工作记忆瓶颈—相关负荷—图式建构"内核，成为了教育对抗认知卸载的最后一道理论堡垒。