1 引言
多媒体学习是指通过语词和画面共同呈现材料以获取信息或知识建构的过程(Mayer, 2020)。研究表明，相比纯文本学习，学习者从语言和图像学习中获益更多(Ehrhart & Lindner, 2023; Lindner et al., 2021)。然而，图像的出现可能导致学习者对学习材料的掌握程度产生高估，出现元认知错觉，进而影响有效学习(Lindner et al., 2021)。研究发现，通过降低字体辨识度等简单操控可以降低学习者的流畅性错觉，促使其投入更多心理努力，最终提高学习成绩(Diemand-Yauman et al., 2011; Lai & Zhang, 2021)。这种通过降低学习材料的知觉流畅性来提升学习效果的现象被称为不流畅效应(disfluency effect)(谢和平 等, 2016; Eitel et al., 2014)。
目前关于不流畅效应的产生主要有两种解释，即不流畅理论(disfluency theory)和合理难度理论(desirable difficulty theory)。不流畅理论认为，信息加工被知觉为困难(如不流畅字体)时，将激活学习者的分析性思维，促使学习者投入更多心理努力，从而提高记忆水平和学习效果(Diemand-Yauman et al., 2011)。合理难度理论认为，引入使初始学习变得更困难的条件(即合理难度)将激发学习者投入更多主观努力，进而增强信息的存储强度，促进记忆保持和学习迁移(Bjork & Bjork, 1992)。因此，适当增加感知难度，如将不流畅文本作为一种合理困难引入学习过程中，有助于提升学习效果(Lai & Zhang, 2021)。
然而，在呈现图文信息时采取不流畅的操控方式往往与实际学习经验相悖。一些研究未发现知觉不流畅对学习效果的促进作用(Eitel et al., 2014; Geller et al., 2020)，另有研究报告了知觉不流畅的负向作用(Miele & Molden, 2010; Taylor et al., 2020)。例如，不流畅字体降低了学习者在理解测试中的表现(Miele & Molden, 2010)。以认知负荷理论(cognitive load theory)为主的阻碍论认为，知觉不流畅带来的额外认知负荷将阻碍多媒体学习，降低学习效率(Sweller et al., 1998)。因此，不流畅文本可能促使学习者投入更多认知资源来处理由此带来的困难，进而增加额外工作记忆负荷，影响学习效果。
当前研究关于不流畅文本对学习效果影响的结果并不一致。这种分歧可能源于不流畅文本操控方式与程度的不一致性，以及缺乏对其效果的系统评估(谢和平 等, 2016)。例如，一些研究在采用“75%灰度的斜体字体”(Diemand-Yauman et al., 2011)时观察到了不流畅效应，而采用“30%灰度的斜体字体”时则未观察到此效应(Eitel et al., 2014)。这表明不流畅文本的操控程度可能对学习效果产生影响。Seufert等人(2017)的研究进一步揭示，知觉不流畅程度与学习效果呈倒U型关系，表明中等难度的不流畅文本可能是理想的合理难度。因此，目前需对多媒体学习中不流畅文本的操纵效果进行系统评估，以更准确地界定“合理难度”的不流畅操控程度，验证不流畅效应。
另一方面，随着多媒体元素日趋多样，学习者在复杂学习材料中快速识别出关键内容至关重要。多媒体学习的线索原则强调，在文本中添加线索(如颜色标签)能够引导学习者的注意力，提升其对图文信息的选择和搜索速率，从而促进对信息的组织与整合，最终提升学习效果(Albus et al., 2021; De Koning et al., 2009; Schneider et al., 2018)。此外，根据认知负荷假说，添加线索可以降低学习者的额外认知负荷，使其释放更多认知资源用于选择、组织和整合学习材料，进而提高学习效率(De Koning et al., 2009; Sweller et al., 1998)。因此，在操控整段不流畅文本的学习材料中，添加线索可能有助于引导学习者的注意力或减少额外认知负荷，强化不流畅效应。
然而，线索利用模型(Alter & Oppenheimer, 2009)指出，线索可能基于加工流畅性(信息加工时的主观难易感受)进一步影响个体的学习判断(即对未来学习成绩的预测)(judgment of learning, JOL)。学习判断作为元认知监测的关键组成部分，在学习决策中起重要作用，如决定哪些项目继续学习以及如何分配学习时间，进而可能影响学习效果(Serra & Dunlosky, 2010)。王景玉等人(2020)发现，外部线索可以提升学习者的加工流畅性，进而引发元认知错觉，导致学习者做出过高的学习判断。这种过度自信可能使学习者过早结束学习，不利于提升学习效果(Metcalfe, 2009)。因此，在不流畅文本中添加线索虽然有助于提高加工流畅性，但也可能导致元认知错觉，最终削弱不流畅效应。
由此，结合多媒体学习中的线索原则和线索利用模型，仍不明确添加线索对不流畅效应的影响是增强还是减弱。新近研究中，Lai和Zhang(2021)未发现线索对不流畅文本学习效果的优化作用。且该研究指出，线索有助于引导注意，同时也可能提升学习者的加工流畅性，进而减少不流畅文本产生的“合理困难”。然而，该研究未直接衡量加工流畅性，线索如何具体影响不流畅效应仍不明确。先前研究表明，自定步调学习时间是衡量加工流畅性的有效指标(王景玉 等, 2020; Carpenter & Geller, 2020)。如，相比流畅项目，学习者在加工不流畅项目时花费更多学习时间(Carpenter & Geller, 2020)。因此，通过考察自定步调下不同条件组的学习时间，可以进一步明晰线索影响不流畅效应的具体机制。
综上，本研究旨在验证多媒体学习中的不流畅效应，并探讨线索对该效应的影响。实验1首先验证“适当”不流畅程度下多媒体学习中的不流畅效应。实验2进一步引入颜色线索，采用自定步调学习时间衡量加工流畅性，考察线索对不流畅效应的影响。鉴于眼动追踪技术可以即时反映学习者的认知加工情况，以及能够帮助研究者了解学习者加工不流畅文本时的注意力分配情况(Lai & Zhang, 2021; Wang et al., 2020)。实验2采用眼动技术，以进一步探究不流畅效应的产生机制，进而为优化多媒体学习效果和提高学习质量提供有价值的指导和建议。
2 实验1：“适当”不流畅程度下多媒体学习中的不流畅效应
2.1 研究方法
2.1.1 被试
为确保被试的先验知识水平较低，经前测问卷筛选后60名(其中男生15人)符合实验要求的大学生参与实验，被试平均年龄为20.46±1.83岁。被试被随机分配到流畅组或不流畅组，每组各30人。所有被试的视力或矫正视力正常。实验结束后获得礼品一份。
2.1.2 实验设计
实验为单因素(文本流畅性：流畅、不流畅)被试间实验设计。因变量为保持和迁移成绩。
2.1.3 实验材料
24名大学生(未参与最终实验)的评定结果如表1 所示。结果表明，在能否识别、识别难度、设计评价和是否影响阅读上，呈现方式主效应皆显著，Fs>15.53，ps<0.001。事后多重比较发现，清晰度30%的得分皆显著高于50%，30%和50%的得分均显著高于70%。由此，相较之下，“小四宋体斜体50%清晰度”这一不流畅呈现方式具备可识别，识别难度适中，对阅读影响较小等特点，可作为中等难度的不流畅操控程度。流畅组(正常呈现)和不流畅组材料示例如图1 所示。
(2)前测问卷。参考王福兴等人(2015)研究，编制包含7个问题的气象学知识问卷以控制先验知识水平。问卷采用李克特5点计分，得分越高代表被试知晓的相关知识越多。选取低于3分的被试参与实验。独立样本t检验发现，流畅组(M=2.27, SD=0.93)与不流畅组(M=2.38, SD=0.94)的先验知识水平差异不显著，t(58)=0.87，p=0.386。
(3)主观评定。被试学习结束后对材料进行主观流畅性评定，采用李克特7点计分(1=非常流畅，7=非常不流畅)。
(4)保持和迁移测试。参考王福兴等人(2015)研究：保持测试下被试进行自由回忆(详细写出闪电的形成过程)，设置19个计分点，共19分；迁移测试包括4个理解性问题，每题2分，共8分。
2.1.4 实验程序
被试填写先验知识问卷后，主试向被试介绍实验流程，并告知他们将学习一篇关于“闪电是如何形成的”的文章。随后，被试认真学习5页PPT学习材料。每页呈现90秒，时间到后自动跳转到下一页，整个学习过程耗时7.5分钟。学习结束后，被试进行计算题运算。随后，被试评估学习材料的流畅性，并完成保持(6分钟)和迁移测试(9分钟)。整个实验30分钟左右，每个被试单独施测。
2.2 结果
2.2.1 文本流畅性评估结果
对流畅性得分进行独立样本t检验。结果发现，两组之间存在显著差异，t(58)=12.17，p<0.001，d=3.14，流畅组(M=6.47, SD=0.78)的流畅程度评分显著高于不流畅组(M=3.37, SD=1.16)。
2.2.2 保持成绩和迁移成绩
3 实验2：线索对多媒体学习中不流畅效应的影响
3.1 研究方法
3.1.1 被试
使用G*Power 3.1软件计算在效应量为0.40，统计检验力为0.80，显著性水平α为0.05(Lai & Zhang, 2021)时，共需52名被试。经前测问卷筛选后66名符合要求的大学生参与实验。其中，7人的眼动数据因采集率低于60%而被剔除，最终保留59名有效被试(其中男生15人)，被试平均年龄为21.34±2.44岁。被试被随机分配到四组中的任意一组。其余同实验1。
3.1.2 实验设计
本实验为2(线索：有线索、无线索)×2(文本流畅性：流畅、不流畅)的被试间设计。通过颜色标签操控线索变量。因变量为认知负荷、学习判断、学习时间、保持成绩、迁移成绩和眼动指标。
3.1.3 实验材料
(1)学习材料。同实验1。材料如图3 所示。
(2)前测问卷。同实验1。2×2方差分析发现，线索主效应、流畅性主效应及二者交互作用皆不显著，Fs<1.93，ps>0.171。先验知识均分为1.92分(SD=0.65)。
(3)后测主观评定。根据实验目的，引入认知负荷量表(Leppink et al., 2014)和学习判断评估(0～100%)以进一步探究线索影响不流畅效应的内在机制。认知负荷量表包含三部分：内在认知负荷(ICL, 与学习材料难度有关)，外部认知负荷(ECL, 与教学设计有关)，相关认知负荷(GCL, 与个体图式有关)，该量表在国内相关研究中具有较好的信效度(熊俊梅 等, 2018)。
(4)保持和迁移测试。实验1中保持测试采用的自由回忆任务难度较大，可能影响被试对信息的有效提取，进而难以准确区分不流畅操控对记忆效果的影响。因此，实验2的保持测试采用填空题形式(测试内容不变)，每个句子对应一个答题点，设置22个填空题，共22分。迁移测试同实验1。
3.1.4 实验仪器
采用SR Research公司的生产的EyeLink 1000 Plus型号眼动仪记录被试眼球运动，眼动仪采样频率为250 Hz。图片呈现在分辨率为1280×1024像素的电脑显示屏上。被试眼睛与屏幕之间的距离为65 cm，头部由托架固定。
3.1.5 实验程序
被试阅读指导语并理解实验流程后，进行九点眼动校准，校准偏差小于0.3º。校准成功后，被试开始阅读屏幕上呈现的内容，每页的学习时间不限制。被试掌握该页内容后按键继续学习下一页，直至完成全部学习。在后测阶段，被试完成认知负荷量表和学习判断评估，随后完成保持和迁移测试。其余同实验1。
3.2 结果
3.2.1 不同线索及流畅性条件的认知负荷、学习判断差异分析
对认知负荷分数及JOL值进行2×2方差分析。结果发现(见表2 )，在三种认知负荷上，线索主效应、流畅性主效应及二者交互作用均不显著，Fs<2.60，ps>0.113。在JOL上，线索主效应显著，F(1, 55)=4.44，p=0.040，η$ _{\mathrm{p}}^{2} $ =0.08；有线索组的学习判断显著高于无线索组；流畅性主效应不显著，F(1, 55)=1.16，p=0.287；二者交互作用不显著，F(1, 55)=0.82，p=0.370。
表2 不同线索及流畅性条件下的认知负荷、学习判断(M±SD) |
| 因变量 | 流畅 | 不流畅 | |||
| 有线索 | 无线索 | 有线索 | 无线索 | ||
| ICL | 23.50±7.54 | 23.57±7.53 | 20.14±4.96 | 21.53±5.37 | |
| ECL | 8.86±3.82 | 7.86±4.93 | 9.50±7.87 | 8.24±7.34 | |
| GCL | 39.50±6.26 | 36.86±7.17 | 35.71±6.80 | 38.18±8.65 | |
| JOL | 0.65±0.11 | 0.60±0.14 | 0.64±0.17 | 0.52±0.19 | |
3.2.2 不同线索及流畅性条件的学习结果差异分析
对学习时间进行2×2方差分析发现(见表3 )，线索主效应显著，F(1, 55)=4.24，p=0.044，η$ _{\mathrm{p}}^{2} $ =0.07，有线索组的学习时间显著短于无线索组，说明添加线索提高了被试的加工流畅性。流畅性主效应不显著，F(1, 55)=0.06，p=0.811；交互作用不显著，F(1, 55)=0.02，p=0.897。为确定学习时间是否影响学习成绩，分别以保持成绩和迁移成绩为因变量，以学习时间为预测变量，进行回归分析。结果发现，学习时间能显著预测保持成绩，β=0.28，t=2.23，p=0.025，R2=0.08，而对迁移成绩的预测效应不显著。因此，在对学习结果进行2×2方差分析时，仅在保持成绩中添加了学习时间为协变量。
表3 不同线索及流畅性条件下学习结果的差异分析(M±SD) |
| 因变量 | 流畅 | 不流畅 | |||
| 有线索 | 无线索 | 有线索 | 无线索 | ||
| 学习时间(s) | 338.53±75.17 | 420.69±195.47 | 334.40±100.19 | 406.81±164.95 | |
| 保持成绩 | 13.00±3.01 | 14.50±3.20 | 12.00±3.55 | 9.71±4.40 | |
| 迁移成绩 | 3.71±1.14 | 3.21±0.70 | 2.79±1.19 | 2.68±1.17 | |
在保持成绩上(见表3 )，线索主效应不显著，F(1, 55)=1.32，p=0.256。流畅性主效应显著，F(1, 55)=9.83，p=0.003，η$ _{\mathrm{p}}^{2} $ =0.15，流畅组的保持成绩显著高于不流畅组。二者交互作用显著，F(1, 55)=4.26，p=0.044，η$ _{\mathrm{p}}^{2} $ =0.07。简单效应分析发现，在有线索条件下，流畅组与不流畅组的保持成绩差异不显著，F(1, 55)=0.53，p=0.469；在无线索条件下，流畅组的保持成绩显著高于不流畅组，F(1, 55)=13.34，p<0.001，η$ _{\mathrm{p}}^{2} $ =0.20。
在迁移成绩上(见表3 )，线索主效应不显著，F(1, 55)=1.18，p=0.283；流畅性主效应显著，F(1, 55)=6.82，p=0.012，η$ _{\mathrm{p}}^{2} $ =0.11，流畅组的迁移成绩显著高于不流畅组；线索和流畅性交互作用不显著，F(1, 55)=0.48，p=0.490。
3.2.3 眼动指标分析
由于每名被试在不同条件下的学习时间不同，故选取线索区和图片区注视时间比例和注视次数比例(如，线索区/图片区的总注视时间与整个材料的总注视时间的比值)(Yang et al., 2023)来考察线索和流畅性对学习者图文加工的影响。
2×2方差分析结果发现(见表4 )，线索区注视时间和注视次数比例结果模式一致。线索主效应显著，有线索组被试在线索区的注视时间和注视次数比例显著高于无线索组[注视时间比例: F(1, 55)=12.23, p<0.001, η$ _{\mathrm{p}}^{2} $ =0.18; 注视次数比例: F(1, 55)=12.75, p<0.001, η$ _{\mathrm{p}}^{2} $ =0.19]；流畅性主效应显著，不流畅组被试在线索区的注视时间和注视次数比例显著高于流畅组[注视时间比例: F(1, 55)=7.80, p=0.007, η$ _{\mathrm{p}}^{2} $ =0.12; 注视次数比例: F(1, 55)=6.22, p=0.016, η$ _{\mathrm{p}}^{2} $ =0.10]；交互作用均不显著，Fs<1.76，ps>0.191。
表4 不同实验组线索兴趣区和图片兴趣区眼动指标的差异分析结果(M±SD) |
| 兴趣区 | 眼动指标 | 有线索 | 无线索 | |||
| 流畅 | 不流畅 | 流畅 | 不流畅 | |||
| 线索区 | 注视时间比例 | 0.13±0.04 | 0.16±0.02 | 0.11±0.02 | 0.12±0.02 | |
| 注视次数比例 | 0.16±0.05 | 0.19±0.02 | 0.14±0.03 | 0.15±0.02 | ||
| 图片区 | 注视时间比例 | 0.16±0.08 | 0.10±0.05 | 0.19±0.10 | 0.15±0.06 | |
| 注视次数比例 | 0.19±0.09 | 0.10±0.05 | 0.22±0.11 | 0.17±0.06 | ||
图片区注视时间和注视次数比例的结果模式一致。线索主效应显著，无线索组被试在图片区的注视时间和注视次数比例显著高于有线索组[注视时间比例: F(1, 55)=4.25, p=0.044, η$_{\mathrm{p}}^{2} $ =0.07; 注视次数比例: F(1, 55)=5.09, p=0.028, η$_{\mathrm{p}}^{2} $ =0.09]；流畅性主效应显著，流畅组被试在图片区的注视时间和注视次数比例显著高于不流畅组[注视时间比例: F(1, 55)=7.88, p=0.007, η$_{\mathrm{p}}^{2} $ =0.14; 注视次数比例: F(1, 55)=9.34, p=0.003, η$_{\mathrm{p}}^{2} $ =0.15]；交互作用均不显著，Fs<0.74，ps>0.395。
4 总讨论
研究通过两个实验考察了多媒体学习中不流畅效应的产生机制及线索对该效应的影响。实验1发现，在合理难度的不流畅操控下，不流畅组的迁移成绩显著高于流畅组。实验2引入颜色线索变量发现，线索组的加工流畅性和学习判断显著高于无线索组；流畅组的学习成绩显著优于不流畅组，且流畅性对学习效果的影响受线索调节。
4.1 多媒体学习中的不流畅效应
实验1证实了多媒体学习中不流畅效应的存在，与前人研究一致(Eitel et al., 2014; Lai & Zhang, 2021)。结果支持了适当难度的不流畅文本能够增强多媒体学习效果的观点(Seufert et al., 2017)，为不流畅理论(Diemand-Yauman et al., 2011)和合理难度理论(Bjork & Bjork, 1992)提供了新的证据。然而，实验未在保持成绩上发现不流畅效应，可能与被试的工作记忆容量有关(Lehmann et al., 2016)。在自由回忆任务下，较大的工作记忆负荷可能掩盖了不流畅操控的效果。另外，与以往侧重于陈述性知识材料的研究(Diemand-Yauman et al., 2011)不同，本研究采用了更注重知识组织和联系的程序性知识材料。不流畅文本在激发学习者分析性思维的同时，也增强了他们对程序性知识材料的理解，从而在迁移测试中表现更佳。
实验2发现了反转的不流畅效应，即流畅组的保持和迁移成绩显著高于不流畅组。这可能是因为自定步调学习环境下学习者能够更灵活地分配学习时间，进而影响学习效果。结合眼动结果可知，流畅组学习者分配更多时间加工图片信息，有助于图文信息的整合加工，进而提高学习成绩，这与多媒体学习的认知理论一致(Mayer, 2020)。相反，不流畅组学习者花费更多时间在较难加工的文本上，难以有效组织和整合图文信息，导致学习成绩较差。这与学习时间分配理论中的“差异减少模型”(Metcalfe & Kornell, 2005)一致，即自主学习情境下学习者倾向于在困难内容上投入更多时间。然而，过于专注困难内容往往不利于提高学习成绩，可能导致事倍功半。
4.2 线索对多媒体学习中不流畅效应的影响
实验2发现线索调节流畅性对学习效果的影响。在无线索条件下，流畅组的保持成绩显著高于不流畅组；随着线索的添加，二者在保持成绩上的差异消失，这与Lai和Zhang(2021)的研究结果不一致。本研究发现，尽管颜色线索提高了加工流畅性和学习判断，但其对学习效果的促进作用并不显著。根据线索利用模型(Alter & Oppenheimer, 2009)，颜色线索虽能提升流畅组学习者的加工流畅性，但也可能导致元认知错觉，使其容易做出错误的学习判断(如认为已掌握相关内容)。然而，这种元认知偏差可能进一步影响学习决策(如提前终止学习)和学习效果，从而削弱流畅组在自定步调学习中的优势。
另外，眼动结果显示，不流畅组比流畅组学习者更加关注线索信息。说明在不流畅组中线索能够有效引导学习者的注意力，支持了线索引导注意假说(De Koning et al., 2009)。然而，线索并未增强不流畅效应。这可能是因为不流畅组学习者过于关注线索区域，进而抑制了对其他重要内容的加工，出现权衡效应(the trading-off effect)(何先友, 莫雷, 2002)，最终不利于不流畅组整体学习成绩的提升。此外，尽管线索提升了加工流畅性，但没有充分的证据支持线索降低了不流畅文本的“合理难度”(Lai & Zhang, 2021)。因此，平衡多媒体学习中的文本流畅性与线索有效性仍是未来研究需进一步考虑的问题。
本研究还发现，线索和流畅性操控对认知负荷的影响不显著。Yang等(2023)指出，依赖于学习者主观自我报告的认知负荷评估可能不够敏感，无法充分揭示不流畅效应的认知负荷机制。未来研究可以结合使用次要任务(Yang et al., 2023)或脑成像技术(Pinti et al., 2020)，深入探究线索或流畅性对学习过程中认知负荷的影响，进而更全面地揭示不流畅效应的认知机制。
5 结论
多媒体学习中引入合理难度的不流畅文本有助于提升学习效果。不流畅文本中添加线索可能产生权衡效应：线索有助于引导学习者对相关内容的注意力，但也可能抑制对其他内容的加工。在教学设计中，教学者需注意平衡多媒体学习中的文本流畅性与线索有效性。