寻证多媒体学习的自我解释效应

杨翠蓉 蒋安琪 陈卫东

(1.苏州科技大学 教育学院，江苏 苏州 215009；2.苏州大学 教育学院，江苏 苏州 215123；3.苏州科技大学 艺术学院，江苏 苏州 215009)

2020年年初，新冠肺炎疫情在全球暴发，为突破时空限制，各国学生由线下学习纷纷转向线上学习。从学习资源视角来看，线上学习是以手机、电脑为载体的多媒体资源学习，是学生通过样例、文本、图、动画等不同学习资源习得知识的一种学习方式。它关注内容之一是促进学习过程与学习效果的有效学习资源的设计与应用。美国教育心理学家理查德·E.梅耶(Mayer R)的多媒体认知学习理论认为，多媒体学习资源多以言语(口头与书面言语)与图形(静态与动态图形)形式呈现，其学习过程是学习者通过听觉与视觉通道对上述资源进行选择、组织与整合加工的过程。[1]不过有研究者质疑梅耶的理论观点，认为多媒体学习资源所涉信息过多，学生无从知道何为有用信息，更重要的是，研究者认为虽然多媒体认知学习理论强调选择、组织与整合的主动学习过程，但以此为依据开发的多媒体学习是消极呈现学习资源，并没有激发学生的主动学习，学生难以整合加工学习资源中相关信息，难以整合当前信息与已有相关知识。[2]自从Chi等在物理样例学习中发现自我解释效应之后[3]，这种基于建构主义学习理论的认知活动——自我解释，为广大多媒体学习研究者所重视，并采取相应策略使其出现在样例、图、动画等多媒体学习中，致力于弥补上述提及的多媒体资源学习的不足与缺憾。

一、引发自我解释的策略及其分类

自我解释是学生学习时向自己进行解释的一种认知活动。[4]在发现自我解释效应之后，Chi等又发现并不是所有学生都能有效进行自我解释，随之，她提出通过提示性问题来引发学生自我解释，并发现促进生物文本资源学习。[5]引发的自我解释策略有提示、暗示、弥补缺损等方式。根据不同的作用、认知活动等，引发自我解释策略存在不同分类。

(一)基于认知机制的分类

根据认知机制，可将引发的自我解释策略分为引发证明的提示性问题(justification-based prompts)与引发元认知的提示性问题(meta-cognition-based prompts)。引发证明的提示性问题是学生运用知识对提示性问题进行解释，产生知识联系，构建心理模型，它更适合低水平学生。如，“用于此步骤的原理是什么？”“这一选择为什么正确？”，等等。引发元认知的提示性问题是预期步骤，并与正确步骤进行比较，让学生意识到自身知识错误，修订已有心理模型，它更适合高水平学生。如，“这一步骤给了你什么新的启发？”“你有没有什么疑问？”，等等。

(二)基于内在表征的分类

根据内在表征，可将引发的自我解释策略分为语义表征的提示性问题与表象表征的提示性问题。语义表征的提示性问题是学生运用口头或书面言语对知识进行语义加工，是常见的引发自我解释策略。比如，引发证明与引发元认知的提示性问题就属于语义表征的提示性问题。表象表征的提示性问题旨在让学生对知识进行表象加工，如，根据提示性问题画图，有利于激活与修订已有心理模型。目前表象表征的提示性问题较少见，即使有，也多用于动画、图形等学习资源。当用于动画时，表象表征的提示性问题或在动画演示完毕后呈现，或是需要对动画学习环境设置“暂停”，在动画暂停后呈现。

(三)基于认知活动的分类

根据特定认知活动，引发自我解释策略可分为引发知识注意的提示性问题。如，“当是满月时，这个立柱是什么颜色？”；引发知识联系的提示性问题，如，“根据图中阴影位置，正确的光源是哪个？”；引发知识思考的提示性问题，如，“引发行为失败的原因是什么？”。这类引发自我解释策略通常用于图、动画、教育游戏等学习资源中。

综上，引发自我解释的策略多种多样，但最终在于促进学生主动加工学习资源，构建或修订相关知识结构，如心理模型、图式等。

二、寻求多媒体学习自我解释效应的发生情境

有研究者对多媒体学习自我解释策略研究进行梳理分析，发现并不是所有学习资源都能产生自我解释效应，自我解释仅促进22%的文本(如，样例)学习，促进44%的图形资源学习与20%的动画学习效果，有必要分析总结多媒体学习自我解释效应产生的情境。[6]

(一)多媒体环境中样例学习的自我解释效应

多媒体环境中数学、物理等理科学习经常会运用样例。样例是呈现问题及问题解决步骤、结果的学习资源。学生通过观察模仿样例从而获得问题解决能力。样例学习既要减轻学生的认知负荷，又要促进他们积极主动建构性的学习活动，研究者一直在这两者之间寻找一个平衡点，解释就是其中一种策略。

解释分为教学解释与自我解释。教学解释是将完整无误的知识传递给学生，能减少学生，尤其是低水平学生的认知负荷，但它是让学生被动接受知识。自我解释是学生主动建构活动，但会增加他们的认知负荷。已有正误样例、完整样例与不完整样例等学习研究发现，引发自我解释比教学解释、无解释更能促进样例学习效果[7][8]，但多媒体环境中不同复杂度的数学样例学习发现，复杂的一题多解样例促进学生对数学问题的认识，学习效果好于简单的一题一解样例，但教学解释比引发自我解释更能促进数学一题多解样例学习效果。其他研究也发现面对复杂样例时，教学解释减轻学生认知负荷，促进样例学习。[9]引发自我解释策略未必能全面促进样例学习。多媒体环境中复杂税务样例学习发现，引发知识思考的自我解释促进学生税务知识的学习，但未促进他们税务计算等程序性知识学习。可能样例过于复杂，学生认知资源有限，能解释样例所涉概念，但难以解释样例步骤。[10]学生有更多相关知识，则会减轻他们学习时的认知负荷，释放更多工作记忆资源去解释样例所涉知识及样例步骤。Bethold等设计有引发自我解释的概率样例，发现高中生对样例所涉概念等事实性知识掌握得更好，而对概率计算步骤掌握不尽如人意，不过引发自我解释促进大学生掌握概率知识及计算。引发自我解释策略不同也会影响样例学习效果。[11]Andes智能导学系统就电力样例设计3种引发自我解释策略：引发步骤注意的提示性问题、引发证明的提示性问题与引发元认知的提示性问题。研究发现引发元认知的提示性问题下，学生学习样例时请求反馈的次数最少，样例学习时间也最少，其样例学习效果远低于引发步骤注意与引发证明的提示性问题。[12][13]

总之，样例学习的自我解释效应需要考虑样例复杂性和学生特点。

(二)多媒体环境中教育游戏学习的自我解释效应

游戏能愉悦身心，教育游戏设计得当，还能促进学生注意、记忆游戏所涉知识[14]，但也有对教育游戏的批评与质疑。比如，学生游戏时仅简单尝试不同游戏行为，不会有意思考游戏行为所涉知识。引发自我解释策略是一种促使学生整合加工游戏行为与学科知识的方法。

不过Johnson等发现电路游戏的开放式提示性问题让学生难以及时做出相应的信息反馈，而教学解释则降低学生不正确思维与额外认知加工活动。与引发自我解释相比，学生在电路游戏中接受教学解释会获得更高的成就。[15]可能游戏中的开放式问题增加学生认知负荷，他们难以进行自我解释。为弥补开放式提示性问题的不足，同时保证游戏的流畅性，有些教育游戏除给予提示性问题外，还呈现若干备选答案。但是Adams等研究者发现学生会随机选择备选答案，直至提示正确为止，这种规避思考行为减少学生主动深度加工知识的机会，他们虽然保持了游戏的流畅性，但学习收获很少。可能引发自我解释策略呈现时机不对。[16]Moreno等发现“种树”游戏玩家只有在未玩游戏，且解释正确游戏行为时，才产生教育游戏的自我解释效应。引发自我解释策略的抽象性也会影响教育游戏的自我解释效应。[17]O’Neil等的分数游戏中设计三类抽象程度不一的提示性问题：注意数学知识的提示(抽象度低)，联系游戏元素与数学知识的提示(抽象度中等)，思考游戏动作机制的提示(抽象度高)。研究发现中等抽象程度的提示性问题，即游戏元素与知识联系的提示性问题，更为促进学生游戏成绩；提示性问题越抽象，越有利于熟练玩家，越不利于游戏新手。[18]牛顿定律的教育游戏发现，适宜的提示性问题在游戏通关数量与游戏结果上效果要显著高于抽象的提示性问题，由此认为应根据学生的游戏水平提供适宜的提示性问题，例如，根据学生的游戏等级逐渐提升提示性问题的抽象度。[19]

教育游戏要产生自我解释效应，应依据学生的游戏水平提供相应提示性问题，还应考虑到游戏流畅性体验。

(三)多媒体环境中动态图形学习的自我解释效应

动态图形包括动画、视频，它们已越来越多地用于多媒体学习。动态图形让学生置身于具体情境中，产生对学习内容、入画人物的真实可信，生发出与学习内容、入画人物的交互关系。这种情境性、真实性与交互性有助于学生学习兴趣与参与度的提高。动画、视频是呈现信息时空变化的学习资源，具有即时性与瞬时性特点，尤为适合涉及动态知识的学习。不过即时瞬时的动画与视频，又会增加学生认知负荷，需要他们高度集中注意，选择加工相关信息。引发自我解释策略是否适合动画与视频学习，产生自我解释效应？

在引发自我解释策略对开普勒第二定律的动画与静态图形学习影响的比较研究中发现，当学习内容为动态知识时，动画学习的自我解释效应要好于图形，这是因为图形呈现静态信息，引发自我解释策略需要学生对静态信息进行推论，从而产生更大学习困难。[20]动画瞬时呈现丰富信息会造成学生知觉选择困难，De Koning等在动画中加入标记，发现与无标记的动画相比，引发的自我解释更为促进有标记的循环系统动画学习。[21]但他们在探讨引发自我解释与教学解释对有标记动画学习影响时，发现两者无显著差异，甚至有教学解释的动画在推断测试上显著好于引发自我解释的动画。他们认为虽然标记让学生集中知觉相关信息，但边看动画边看自我解释比教学解释增加学生更多认知负荷，而且他们的自我解释可能是错误的。[22]为减少认知负荷，研究者们还引入分段策略。他们对动态板书教学视频进行分段，并让学生在每一段视频后进行自我解释、手写或回放，发现自我解释比其他两种策略显著促进学生复述与迁移。[23]动画与视频学习引入引发自我解释策略时还应考虑到学生学业基础。研究者比较引发证明的提示性问题、引发元认知的提示性问题、教学解释对计算机编程的动画学习影响，发现引发自我解释策略比教学解释策略更为促进动画学习效果，其中，对于低水平学生，引发证明的提示性问题更能促进动画学习；对于高水平学生，引发元认知的提示性问题更能促进动画学习。

动画、视频等动态学习资源要产生自我解释效应，须联合标记、分段及其他策略，还应根据学生水平给予不同的引发自我解释策略。

(四)多媒体环境中静态图形学习的自我解释效应

不同于动画，图形是呈现静态具象信息的学习资源，它有利于学生对图形所涉信息进行长久加工，但图形不能反映时空变化的信息，不利于学生对机制等动态信息加工。不同于文本，图形是对信息表象表征的学习资源，形象具体，有助于减少学生心智努力，更便于推论知识。不过也有研究者认为，图形蕴含更丰富具体的信息，如，信息的朝向、颜色、大小、形状等，让学生难以选择知觉相关信息。

由于图形形象具体，研究者认为图形比文本更有助于学生进行自我解释。例如，Ainsworth等选取人体血液循环系统，设计有引发自我解释策略的文本与图形，发现图形学习的自我解释效应显著高于文本，学习图形的学生在知识理解与推论上要显著高于学习文本的学生。[24]研究者意图增强图形学习的自我解释效应，比如，简约图形信息。Butcher选取心脏循环系统，设计引发自我解释的文本、简约图与具体图，发现图形让学生产生更多的自我解释，更少错误的自我解释，简约图形让学生更多对信息进行整合，而具体图形则让学生不能清晰认识学习内容与目标，因而图形学习的自我解释效应高于文本，简约图形学习的自我解释效应高于具体图形。此外，低水平学生从简约图形中受益更大。单图不能反映图形所涉信息的时空变化，多图可弥补此不足。[25]Rau等选取数学分数知识，比较连续多图与单图学习的自我解释效应，发现虽然引发的自我解释更显著促进连续多图学习，但是多图的连续呈现增加学生学习认知负荷。[26]研究者还探讨引发自我解释策略对图形学习影响，他们设计肌肉图形资源，比较引发注意的提示性问题、引发解释的提示性问题、引发注意与解释的提示性问题、做笔记对图形学习的影响，发现提示性问题比做笔记更能促进学生图形学习，它们让学生产生更多解释、推论。有意思的是，引发注意的提示性问题让学生产生更多高层次的推论。[27]

综上，要产生图形学习的自我解释效应，应着力改善图形资源，如呈现简约图形，呈现多图等。

多媒体学习资源多种多样，学习任务千变万化，学习对象千差万别，导致学习过程与效果错综复杂。多媒体学习资源的引发自我解释策略选择与运用同样应考虑图形、动画等不同学习资源特点，引发自我解释策略可以与标记、分段等策略联合，共同促进学生的自我解释；应考虑学习任务特点，根据任务复杂度、任务目标等适宜呈现提示性问题；还应考虑学生特点，给予不同的提示性问题。总之，多媒体学习的自我解释效应产生要兼顾学习资源特点、学习任务特点与学生特点，表现出教学适应性。

三、实证多媒体环境中图形学习的自我解释效应

(一)问题提出

图形资源形象具体，容易制作，深受师生喜爱，它是多媒体学习环境中的常见学习资源。已有多媒体图形学习研究发现简约图形能减少个体注意搜索过程，减轻他们的认知负荷，其自我解释效应好于具体图形。[25]连续多图能反映时空信息的动态变化，由此其自我解释效应要好于单图，但连续呈现多图会增加学习认知负荷。[26]已有多媒体图形学习研究更多探讨引发自我解释策略有无对图形资源学习的影响，并不清楚引发自我解释与教学解释的图形学习影响程度。值得一提的是，有些多媒体学习研究选取样例[9]、教育游戏[15]、动画[22]，发现教学解释比自我解释更能促进学生学习效果，但这些学习资源可能增加学生的认知负荷。基于此，本研究基于教学适合性观点，根据已有研究结果，选取同时呈现简约多图，以减轻学生的认知负荷，进而比较引发自我解释策略与教学解释策略对多媒体多图学习效果影响。

(二)研究对象

实验招募文科专业大学生64名，男12人，女52人，年龄在17～25岁之间，采用随机方法将他们分配至教学解释组(32名)与引发自我解释组(32名)。对两组被试进行汽车知识测试与物理知识测试，发现两组学生汽车知识(M引发解释±SD引发解释=7.19±0.64，M解释±SD解释=7.13±0.66，t=0.38,p=0.70)与物理知识(M引发解释±SD引发解释=18.91±6.55，M解释±SD解释=18.41±5.97，t=0.32,p=0.75)无显著差异，排除它们对研究结果的影响；还排除空间知觉能力对研究结果的影响(M引发解释±SD引发解释=24±5.62，M解释±SD解释=23.91±6.85，t=0.06,p=0.95)。所有参与实验的被试视力正常或矫正视力正常，无色盲、色弱。

(三)研究设计

研究采用单因素实验设计，自变量为解释类型，分为教学解释与引发的自我解释两种策略，反映学习过程的因变量有注视时间、注视次数、眼跳次数、一致性眼跳次数。注视次数与注视时间分别是每个兴趣区的总注视次数和总注视时间。眼跳次数指注视方位的改变次数，反映不同兴趣区的组织整合加工活动。一致性眼跳次数，指对各兴趣区一致性信息的整合。如，两图制动鼓间的眼跳次数为一致性眼跳次数。研究欲通过这四个眼动指标反映学生多媒体图形学习过程。因变量除眼动指标外，还有理解与迁移测试，以反映学生多媒体图形学习结果。

(四)实验仪器与材料

1.实验仪器

实验采用Eyelink1000收集眼动数据，采样率是1 000 Hz，被试机屏幕刷新率是60 Hz，分辨率为1 280×1 024，主试机与被试机通过一根网线(TCP/IP)来实现信号沟通共享。

2.实验材料：有标记的简约图形

研究选取知识：汽车制动系统，设计两张图形，分别是未产生制动与产生制动的汽车制动系统图，每张图形大小为1 024×768。在多媒体学习环境中同时呈现这两张图，其中未制动图位于学习界面的上方，制动图位于学习界面的下方。两图都呈现6个汽车制动部件：制动鼓、制动蹄片、轮缸活塞、主缸活塞、制动踏板、制动液，只是未制动图呈现的是未踩下制动踏板时各制动部件的空间位置；制动图呈现的是踩下踏板后，各制动部件的空间位置。为让学生熟悉各制动部件，减少不必要的认知加工负担，在未制动图各部件右边标上每个部件名称；同样为让学生迅速知觉搜索到图形中与制动相关的信息，对未制动图与制动图3个主要部件(主缸与轮缸活塞、制动蹄片)进行红色标注，其余信息为黑色。根据研究问题，本图形资源的教学解释策略是在制动图相应制动部件右边，呈现相应制动过程的完整陈述句。本图形资源的引发自我解释策略是缺损弥补策略，在相应制动部位右边呈现制动过程的不完整陈述句。完整陈述句与不完整陈述句的语句长度、字数、字体(宋体黑色加粗)与字号(16号，1.05°)均等同，只是不完整陈述句关键内容缺失，用“X”代替。例如，教学解释是“推动主缸活塞向前移动”，引发自我解释则是“推动XXXX向X移动”。具体如图1-1与图1-2所示。

图1-1 有教学解释的图形

图1-2 引发自我解释的图形

(五)研究过程

根据学习资源研究范式，先让被试学习汽车基本结构，学习时间不限直到掌握为止，紧接着让不同组学生进行正式实验。为让被试看清，他们与眼动仪被试机显示屏的距离为0.5～0.7米之间。被试在学习汽车制动图之前，先进行9点校准，以保证精确记录被试眼动轨迹；紧接着让学生在多媒体学习环境中观看图形材料3分钟，教学解释组看有教学解释的多图，自我解释组看引发自我解释的多图。学习完毕，让学生完成汽车制动系统的复述理解与迁移测试。

(六)数据收集与分析

为了描述比较教学解释与引发自我解释策略对多媒体多图学习过程的影响，研究根据眼动技术，采用Eyelink1000眼动设备(1 000 HZ采样率，1 024×768)实时记录教学解释组与引发自我解释组学生图形学习的眼动过程。研究仅比较分析与汽车制动内容相关的眼动数据，根据汽车制动学习内容，在征询有关专家后，将制动图与未制动图中与学习相关信息设为兴趣区，主要是将未制动图的汽车制动部件区域设为兴趣区Z1，将制动图的制动部件区域设为兴趣区Z2，将未制动图中汽车制动部件名称设为兴趣区Z3，将两图的解释区域(教学解释或引发自我解释)设为兴趣区Z4。研究主要收集与分析学生各兴趣区的注视时间与次数，各兴趣区间的眼跳次数与一致性眼次数，以描述比较不同解释组学生在图形所涉相关信息的注意选择与集中，相关信息的整合加工。[28][29]

根据眼动实验数据处理程序，分析数据前先删除注视时间大于1 200 ms或注意时间小于80 ms的注视点，或通过Data Viewer预览被试眼动轨迹，手动删除眼动轨迹中比较明显的异常点，以去除眨眼、伪迹。最后统计分析眼动数据。

(七)研究结果

1.教学解释组与引发自我解释组的图形信息注意选择与集中

运用独立样本T检验与卡方分析，分别统计比较不同解释组学生的注视时间与次数，发现教学解释与引发自我解释组学生在未制动部件信息(t=0.02,p>0.05)与制动部件信息(t=0.04,p>0.05)的注视时间上无显著差异，但引发自我解释组学生有比教学解释组更多的未制动部件信息(χ2=26.64,p<0.001)与制动部件信息(χ2=7.70,p<0.01)的注视次数。不过，教学解释组学生对解释区域的注视时间要多于自我解释组学生，呈边缘显著差异(t=-1.85,p=0.06)，对解释区域的注视次数要显著多于自我解释组学生(χ2=8.87,p<0.01)。具体如图2-1与图2-2所示。

图2-1 不同解释策略对图形相关信息的注视时间

图2-2 不同解释策略对图形相关信息的注视次数

2.教学解释组与引发自我解释组的图形信息的整合加工

运用卡方分析，统计比较不同解释组学生在两图制动部件、教学解释或引发自我解释、制动部件名称间的眼跳次数与一致性眼跳次数，发现引发自我解释组学生比教学解释组有更多的部件名称与解释之间的眼跳次数(χ2=347.76,p<0.001)、一致性眼跳次数(χ2=69.08,p<0.001)，更多的未制动部件与解释之间的眼跳次数(χ2=48.07,p<0.001)、一致性眼跳次数(χ2=5.76,p<0.05)，更多的未制动部件与部件名称之间的眼跳次数(χ2=105.99,p<0.001)、一致性眼跳次数(χ2=5.62,p<0.05)，更多的制动部件与部件名称之间的眼跳次数(χ2=177.19,p<0.001)、一致性眼跳次数(χ2=23.68,p<0.001)，更多的制动部件与解释之间的眼跳次数(χ2=6.84,p<0.01)、一致性眼跳次数(χ2=16.93,p<0.001)。只是引发自我解释组学生虽在两图制动部件间的眼跳次数显著高于教学解释(χ2=17.39,p<0.001)，但在一致性眼跳次数上无显著差异(χ2=0.84,p>0.05)。具体如图3-1、图3-2所示。

教学解释组与引发自我解释组的眼跳次数(图3-1)与一致性眼跳次数(图3-2)

3.教学解释组与引发自我解释组的多媒体图形学习结果

运用独立样本T检验，统计分析发现引发自我解释组与教学解释组在制动系统主要部件(M引发解释±SD引发解释=14.09±5.19，M解释±SD解释=12.69±6.58，t=0.95,p=0.70)与制动过程(M引发解释±SD引发解释=13.84±3.58，M解释±SD解释=12.72±4.40，t=1.12,p=0.31)的理解掌握上无显著差异，不过引发自我解释组比教学解释组显著促进制动系统知识的迁移(M引发解释±SD引发解释=8.31±2.60，M解释±SD解释=6.13±2.38，t=3.51,p<0.001,d=0.89)(图4)。

(八)研究讨论

本文选取汽车制动系统，设计简约图形2张：未产生制动的汽车制动系统图(未制动图)与产生制动的洗车制动系统图(制动图)，且在多媒体学习环境中同时呈现，发现：引发自我解释组学生在缺损弥补问题的指引下，比教学解释组学生更多整合加工汽车制动部件及其名称、两图所涉汽车制动过程，最终，在汽车制动知识迁移应用上显著好于教学解释组。应用引发自我解释比教学解释更能促进学生知识。总之，已有多媒体样例学习、动画学习研究同样得出类似结果[7][8][21]，并符合学习的ICAP理论(Interaction—Construction—Active—Passive)[30]。

学习的ICAP理论将学习者的学习行为分为被动学习、主动学习、建构学习和互动学习，认为随着学习者对学习材料加工程度依次增加，学习效果也逐渐增强。根据ICAP理论，自我解释是一种建构性学习，需要学习者主动提取与组织头脑中已有相关信息，并对当前信息进行理解、推断与决策，是一种深层加工过程。教学解释是一种主动学习。由于提供正确完整的解释信息，学习者仅需主动加工当前教学解释信息，无须或较少需要对教学解释、汽车制动系统的关键部件及部件名称三者间进行整合加工，最终教学解释组学习者虽在理解测试上结果与引发自我解释组无显著差异，但迁移测试结果显著低于引发自我解释组。总之，本研究丰富并进一步证实多媒体学习的自我解释效应。多媒体学习环境中同时呈现多张简约图可能减少学生认知负荷，在引发自我解释策略下，学生有更多认知资源进行自我解释，学习效果要好于教学解释策略。

四、从寻求到证实：自我解释效应对多媒体图形学习设计的教育启示

建构主义学习理论已深入人心，众多教育研究者与实践者是其忠诚拥趸，并开发出种种学习策略，引发自我解释策略就是其一。此之甘露，彼之砒霜，在寻找多媒体学习的自我解释效应中发现，没有一个全效的引发自我解释策略。教学适应观认为学习策略要引发学生特定认知活动，应当与学习资源、学习任务、学生已有知识等相匹配。当多媒体学习未出现自我解释效应时，并不是完全摒弃引发自我解释策略，而是要么设计修订现有学习资源、学习任务；要么找寻更适合的学生人群，使他们与已有引发自我解释策略相匹配；要么修订现有引发自我解释策略，使其与当前学习资源、学习任务与学生人群相匹配。本实证研究结果为多媒体图形资源学习提供进一步的教育启示。

(一)多媒体学习中的图形资源设计

图形是形象呈现学习内容的静态具象学习资源，由此，已有多媒体学习研究发现，多媒体的图文结合是对陈述性知识进行语义加工与表象加工，其学习效果显著好于文本。多媒体的图形还能以具体形象呈现程序性知识，如钢琴工作原理等，如果以图形呈现动作步骤、运行环节，其学习效果同样也要好于文本学习。但有必要提及的是，对于复杂的程序性知识，有必要同时呈现多图，一方面，减轻学生认知负荷，释放更多工作记忆资源用于图片加工；另一方面，也能促使学生对多图进行对照比较等深层加工活动，加深知识的理解。本研究的眼动数据结果表明，当同时呈现动静态的汽车制动系统图时，学生在两图间有更多的眼跳，反映了学生对两图进行的整合加工活动。

结合以往多媒体图形学习研究与本实证研究结果，多媒体学习有必要针对不同类型的知识，设计有效的图形资源。对于事实等陈述性知识学习，宜设计图文资源；对于复杂机制、运动技能等程序性知识，同时呈现多图尤其能促进学生的深度加工与理解。

(二)多媒体图形资源学习的引发自我解释策略设计

多媒体学习资源的相关研究除发现引发自我解释比教学解释更能促进学生知识习得与理解外[7][8][21]，有的多媒体样例学习、教育游戏学习与动画学习却发现教学解释比引发自我解释更有助于学生学习[9][15][22]。通过分析已有对立矛盾的研究结果不难发现，未产生自我解释效应的研究或者学习任务复杂，或者学习资源繁复，或者学生已有知识水平较低。本实证研究选取的学生为人文科学领域的大学生，多为女性，高中、大学期间未选修物理课程，而且对机械缺乏兴趣，她们关于汽车知识及其相关物理原理知之甚少。针对先验知识水平低的学生，本研究设计多个简约图形且同时呈现，旨在减少学生认知负荷，在引发的自我解释下，使得学生有足够的工作记忆资源进行对照、比较、整合等深层加工活动。本研究再一次表明，多媒体学习要产生自我解释效应，应考虑学生的知识与能力水平。对于知识与能力水平低的学生，宜设计简约的学习资源，以减轻他们的学习资源加工负担，才能将更多工作记忆资源放在自我解释上。

本研究采用多图形式，以简明形象呈现汽车制动过程，语义表征的提示性问题能让学生用语言陈述汽车制动过程及其相应原理，通过此种引发自我解释策略学习汽车制动图，得以让学生形成汽车制动的多重表征，更有助于学生理解掌握汽车制动及其应用。根据认知活动类型，语义表征的提示性问题还可以分为引起注意、新旧知识联系与思考的提示性问题。本研究的引发自我解释策略是缺损弥补的提示性问题。缺损汽车制动部件的提示性问题，能引起学生注意制动名称与制动部件；缺损汽车制动产生原因的提示性问题，能引起学生思考汽车制动步骤及其后果。如，本研究的提示性问题之一：“XXXX推动XXX产生XXXX”。该提示性问题还有多个缺损，它能引起学生对制动步骤的相关关系进行思考。正如本研究结果发现，学生在学习过程中对动静态图相关汽车制动部件进行整合加工(眼跳)，但并不仅仅局限于动静态图中相同汽车制动部件的整合加工(一致性眼跳)。总之，引发自我解释策略宜考虑希望学生出现的认知活动。本研究则发现，通过缺损弥补这种引发自我解释策略，可以同时引发学生的注意、知识联系与思考活动，最终构建汽车制动系统的多重表征，最终促进知识应用与迁移。

教育教学在于授人以渔，推动自身主动建构思考，以适应学习社会化、学习终身化。教育教学要因材施教，顺应每个学习任务、学习者的特点。通过寻求多媒体学习中样例、教育游戏、动画、图形等资源中的自我解释效应，通过实证研究多媒体多图学习的自我解释效应，发现即使是现代高科技的线上学习、多媒体学习，仍然要不忘教育教学目标与原则，表现出教学适合性，表明多媒体学习不仅是呈现不同学习资源，具有多样化特点，更重要的是其个性化特点。未来的多媒体学习有必要多多设计有助于每位学生的个性化学习资源与学习策略。