DOI: https://doi.org/10.3389/fpsyg.2025.1739300
PMID: https://pubmed.ncbi.nlm.nih.gov/41646904
تاريخ النشر: 2026-01-21
المؤلف: Peng Yin وآخرون
الموضوع الرئيسي: عمليات التعلم البصرية والمعرفية
نظرة عامة
تستكشف هذه الدراسة تأثير جودة تفاعل النظام على نتائج التعلم في تدريس التجارب الافتراضية عبر الإنترنت، باستخدام الحمل المعرفي الزائد كمتغير وسيط. مستندة إلى نظرية الحمل المعرفي، طور الباحثون نموذج معادلة هيكلية لتحليل العلاقات بين جودة واجهة المستخدم، وجودة الاتصال، والحمل المعرفي الزائد، ونتائج التعلم. تم معالجة بيانات من دراسة استبيان مقطعية شملت 610 عينة صالحة باستخدام SPSS 27.0 وAMOS 29.0. تشير النتائج إلى أن كل من جودة واجهة المستخدم وجودة الاتصال تؤثر بشكل كبير وإيجابي على نتائج التعلم، مع وجود الحمل المعرفي الزائد كوسيط جزئي لهذه التأثيرات. وهذا يشير إلى أن التفاعلات عالية الجودة في النظام لا تعزز نتائج التعلم بشكل مباشر فحسب، بل تفعل ذلك أيضًا بشكل غير مباشر من خلال تخفيف الأعباء المعرفية غير الضرورية.
في الختام، تؤكد الأبحاث على الدور الحاسم لجودة تفاعل النظام في تدريس التجارب الافتراضية عبر الإنترنت، مما يبرز أهمية كل من جودة واجهة المستخدم وجودة الاتصال في تحسين أداء التعلم. يبرز الوسيط الجزئي للحمل المعرفي الزائد أهمية نظرية الحمل المعرفي في هذا السياق. تقدم الدراسة رؤى قيمة للممارسين، مقدمة إرشادات حول تحسين تصميم واجهة المستخدم، وتعزيز استراتيجيات الاتصال، وتطوير أنشطة تعليمية فعالة لتعزيز تجارب التعلم الأفضل في البيئات عبر الإنترنت.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على أهمية نتائج التعلم كمقياس حاسم لفعالية التدريس وجودة التعليم. تُعرف نتائج التعلم بأنها إنجازات قابلة للتحقق تتماشى مع الأهداف التعليمية، وتشمل مجموعة من العمليات المعرفية من فهم المعرفة الأساسية إلى المهارات العليا مثل التحليل والإبداع. حددت الدراسات السابقة عوامل خارجية متنوعة، بما في ذلك تفاعل التدريس وتصميم الدورة، التي تؤثر على نتائج التعلم، لا سيما في البيئات عبر الإنترنت. تسلط الورقة الضوء على الانتشار المتزايد لتدريس التجارب الافتراضية عبر الإنترنت، الذي يجمع بين التعليم عبر الإنترنت والتكنولوجيا الافتراضية، وإمكاناته لتعزيز نتائج التعلم من خلال توفير فهم أعمق للمبادئ التجريبية والمهارات العملية.
على الرغم من مزايا تدريس التجارب الافتراضية عبر الإنترنت، لا تزال هناك تحديات، لا سيما فيما يتعلق بتصميم منصات التعلم التي تعطي الأولوية للوظائف التقنية على التجارب المتمحورة حول المتعلم. يمكن أن تزيد مشكلات مثل الواجهات المعقدة والتعليقات غير الكافية من الحمل المعرفي الزائد، مما يعيق التعلم العميق. تهدف الدراسة إلى التحقيق في العلاقة بين جودة تفاعل النظام ونتائج التعلم، مقترحة أن جودة التفاعل داخل الأنظمة الافتراضية تؤثر بشكل كبير على معالجة المتعلمين المعرفية واكتساب المعلومات. من خلال دمج نظرية الحمل المعرفي، تسعى الأبحاث إلى استكشاف ما إذا كان الحمل المعرفي الزائد يتوسط هذه العلاقة، وبالتالي تقديم رؤى لتحسين تصميم التكنولوجيا التعليمية وتحسين أداء التعلم. تركز أسئلة البحث الرئيسية على القوة التنبؤية لجودة تفاعل النظام على نتائج التعلم والدور الوسيط للحمل المعرفي الزائد.
طرق
يستعرض قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. يوضح تصميم التجارب، بما في ذلك اختيار المشاركين، والمواد المستخدمة، والإجراءات المحددة المتبعة لضمان الاتساق والموثوقية. تم إجراء تحليلات إحصائية لتقييم البيانات، باستخدام تقنيات مثل تحليل الانحدار واختبار الفرضيات لاستخلاص استنتاجات ذات مغزى من النتائج.
بالإضافة إلى ذلك، يصف القسم أي نماذج حسابية أو محاكاة تم استخدامها لدعم النتائج، بما في ذلك المعلمات والخوارزميات المطبقة. تم تصميم المنهجية لمعالجة أسئلة البحث بفعالية مع تقليل التحيزات والأخطاء المحتملة، مما يعزز من صلاحية النتائج التي تم الحصول عليها. بشكل عام، فإن الطرق المستخدمة قوية وتتوافق مع أفضل الممارسات في هذا المجال، مما يضمن أن النتائج تساهم بشكل كبير في المعرفة الحالية.
نتائج
يقدم قسم “النتائج” من الورقة البحثية النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. يسلط الضوء على النتائج المهمة التي تدعم الفرضيات أو أسئلة البحث المطروحة سابقًا في الدراسة. غالبًا ما يتم توضيح البيانات من خلال الجداول أو الرسوم البيانية أو الأشكال، والتي توفر تمثيلًا بصريًا للنتائج، مما يسمح بتفسير أسهل للاتجاهات والأنماط.
في هذا القسم، قد يناقش المؤلفون أيضًا الأهمية الإحصائية لنتائجهم، عادةً باستخدام قيم p أو فترات الثقة لإظهار موثوقية النتائج. بالإضافة إلى ذلك، يتم تناول أي نتائج غير متوقعة أو شذوذ، مما يوفر فهمًا شاملاً لتداعيات البحث. بشكل عام، يخدم هذا القسم لتأكيد أهداف البحث ويضع الأساس لمزيد من المناقشة في الأقسام اللاحقة.
مناقشة
تؤكد قسم المناقشة من الورقة البحثية على أهمية نتائج التعلم (LO) وجودة تفاعل النظام (SIQ) في تدريس التجارب الافتراضية عبر الإنترنت. تعتبر نتائج التعلم، التي تشمل الأبعاد المعرفية والسلوكية والعاطفية، مؤشرات حاسمة لجودة التعليم. تسلط الدراسة الضوء على أن البيئات التعليمية الفعالة عبر الإنترنت تستفيد من النمذجة ثلاثية الأبعاد والعمليات التفاعلية لتعزيز فهم المتعلمين ومشاركتهم. علاوة على ذلك، تحدد بعدين من جودة تفاعل النظام: جودة واجهة المستخدم (UIQ) وجودة الاتصال (CQ). يظهر أن كلا البعدين يؤثران بشكل إيجابي على نتائج التعلم من خلال تحسين تجربة المستخدم وتسهيل التفاعل الفعال بين المتعلمين، مما يعزز الانخراط المعرفي والرضا.
تستكشف الدراسة أيضًا الدور الوسيط للحمل المعرفي الزائد (ECL) في هذا السياق. تفترض أن التفاعلات عالية الجودة في النظام يمكن أن تقلل من الحمل المعرفي الزائد، والذي، إذا كان مفرطًا، يعيق التعلم من خلال استهلاك الموارد المعرفية. تشير النتائج إلى أن كل من UIQ وCQ تقلل بشكل كبير من ECL، مما يؤثر بشكل إيجابي على نتائج التعلم. وهذا يبرز أهمية التصميم التعليمي المدروس الذي يقلل من الحمل المعرفي الزائد لتحسين فعالية التعلم. تختتم الدراسة باقتراح أن تحسين جودة تفاعل النظام أمر ضروري لتحسين نتائج التعليم في البيئات الافتراضية عبر الإنترنت، مما يوفر رؤى قيمة للمعلمين ومصممي المناهج.
القيود
تقدم الدراسة عدة قيود قد تؤثر على صلاحية وعمومية نتائجها. أولاً، الاعتماد على الاستبيانات الذاتية يقدم إمكانية وجود تحيز في الطريقة الشائعة وتأثيرات التصور الذاتي، والتي يمكن أن تخفف منها الأبحاث المستقبلية من خلال دمج مقاييس موضوعية مثل البيانات الفسيولوجية (مثل تتبع العين، وتقلب معدل ضربات القلب) ومقاييس الأداء (مثل درجات الاختبارات الفورية). بالإضافة إلى ذلك، يمكن أن يعزز استخدام مثلث البيانات متعددة المصادر، بما في ذلك تقييمات المعلمين وسجلات النظام، من صلاحية البناء.
ثانيًا، يحد التصميم المقطعي للدراسة من التفسيرات السببية. يمكن أن تتبنى الأبحاث المستقبلية تصاميم طولية لتقييم جودة تفاعل النظام، والحمل المعرفي، ونتائج التعلم على مدى الزمن، باستخدام نمذجة اللوحات المتقاطعة لتحليل العلاقات الزمنية. بدلاً من ذلك، يمكن أن تشمل التصاميم التجريبية تخصيصًا عشوائيًا لبيئات التعلم الافتراضية المختلفة، مما يسمح بالملاحظة المباشرة لتأثيرات جودة الواجهة على الحمل المعرفي ونتائج التعلم. أخيرًا، يترك تركيز الدراسة على المتغيرات على مستوى النظام ومستوى المعرفة دون النظر في خصائص المتعلم الفردية مجالًا للتأثيرات المربكة. يجب أن تشمل التحقيقات المستقبلية عوامل مثل المعرفة السابقة، والكفاءة التقنية، وسعة الذاكرة العاملة لفهم أفضل للتفاعلات بين تصميم النظام واختلافات المتعلمين في سياقات التعلم الافتراضية.
DOI: https://doi.org/10.3389/fpsyg.2025.1739300
PMID: https://pubmed.ncbi.nlm.nih.gov/41646904
Publication Date: 2026-01-21
Author(s): Peng Yin et al.
Primary Topic: Visual and Cognitive Learning Processes
Overview
This study explores the impact of system interaction quality on learning outcomes in online virtual experiment teaching, utilizing extraneous cognitive load as a mediating variable. Grounded in Cognitive Load Theory, the researchers developed a structural equation model to analyze the relationships among user interface quality, communication quality, extraneous cognitive load, and learning outcomes. Data from a cross-sectional questionnaire study involving 610 valid samples were processed using SPSS 27.0 and AMOS 29.0. The findings indicate that both user interface quality and communication quality significantly and positively influence learning outcomes, with extraneous cognitive load partially mediating these effects. This suggests that high-quality system interactions not only directly enhance learning outcomes but also do so indirectly by alleviating unnecessary cognitive burdens.
In conclusion, the research underscores the critical role of system interaction quality in online virtual experiment teaching, highlighting the importance of both user interface and communication quality in improving learning performance. The partial mediation of extraneous cognitive load emphasizes the relevance of Cognitive Load Theory in this context. The study provides valuable insights for practitioners, offering guidance on optimizing user interface design, enhancing communication strategies, and developing effective instructional activities to foster better learning experiences in online environments.
Introduction
The introduction of this research paper emphasizes the significance of learning outcomes as a critical measure of teaching effectiveness and educational quality. Learning outcomes are defined as verifiable achievements aligned with educational objectives, encompassing a range of cognitive processes from basic knowledge comprehension to higher-order skills such as analysis and creation. Previous studies have identified various external factors, including teaching interaction and course design, that influence learning outcomes, particularly in online environments. The paper highlights the growing prevalence of online virtual experiment teaching, which combines online education with virtual technology, and its potential to enhance learning outcomes by providing a deeper understanding of experimental principles and practical skills.
Despite the advantages of online virtual experiment teaching, challenges remain, particularly regarding the design of learning platforms that prioritize technical functionality over learner-centered experiences. Issues such as complex interfaces and inadequate feedback can increase extraneous cognitive load, hindering deep learning. The study aims to investigate the relationship between system interaction quality and learning outcomes, proposing that the quality of interaction within virtual systems significantly affects learners’ cognitive processing and information acquisition. By integrating Cognitive Load Theory, the research seeks to explore whether extraneous cognitive load mediates this relationship, thereby providing insights for optimizing educational technology design and improving learning performance. The main research questions focus on the predictive power of system interaction quality on learning outcomes and the mediating role of extraneous cognitive load.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the design of the experiments, including the selection of participants, materials used, and the specific procedures followed to ensure consistency and reliability. Statistical analyses were conducted to evaluate the data, employing techniques such as regression analysis and hypothesis testing to draw meaningful conclusions from the results.
Additionally, the section describes any computational models or simulations utilized to support the findings, including the parameters and algorithms applied. The methodology is designed to address the research questions effectively while minimizing potential biases and errors, thereby enhancing the validity of the results obtained. Overall, the methods employed are robust and align with best practices in the field, ensuring that the findings contribute significantly to the existing body of knowledge.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments and analyses. It highlights the significant outcomes that support the hypotheses or research questions posed earlier in the study. The data is often illustrated through tables, graphs, or figures, which provide a visual representation of the results, allowing for easier interpretation of trends and patterns.
In this section, the authors may also discuss the statistical significance of their findings, typically using p-values or confidence intervals to demonstrate the reliability of the results. Additionally, any unexpected outcomes or anomalies are addressed, providing a comprehensive understanding of the implications of the research. Overall, this section serves to validate the research objectives and lays the groundwork for further discussion in subsequent sections.
Discussion
The discussion section of the research paper emphasizes the significance of learning outcomes (LO) and system interaction quality (SIQ) in online virtual experiment teaching. Learning outcomes, which encompass cognitive, behavioral, and affective dimensions, are critical indicators of educational quality. The study highlights that effective online learning environments leverage 3D modeling and interactive operations to enhance learners’ understanding and engagement. Furthermore, it identifies two dimensions of system interaction quality: user interface quality (UIQ) and communication quality (CQ). Both dimensions are shown to positively influence learning outcomes by enhancing user experience and facilitating effective interaction among learners, thereby fostering cognitive engagement and satisfaction.
The study also explores the mediating role of extraneous cognitive load (ECL) within this context. It posits that high-quality system interactions can reduce extraneous cognitive load, which, if excessive, detracts from learning by consuming cognitive resources. The findings indicate that both UIQ and CQ significantly reduce ECL, which in turn positively affects learning outcomes. This underscores the importance of thoughtful instructional design that minimizes extraneous cognitive load to optimize learning effectiveness. The study concludes by proposing that enhancing system interaction quality is essential for improving educational outcomes in online virtual environments, thereby providing valuable insights for educators and instructional designers.
Limitations
The study presents several limitations that could affect the validity and generalizability of its findings. Firstly, the reliance on self-reported questionnaires introduces the potential for common method bias and subjective perception influences, which future research could mitigate by incorporating objective measures such as physiological data (e.g., eye-tracking, heart rate variability) and performance metrics (e.g., immediate test scores). Additionally, employing multi-source data triangulation, including teacher evaluations and system logs, could enhance construct validity.
Secondly, the cross-sectional design of the study limits causal interpretations. Future research could adopt longitudinal designs to assess system interaction quality, cognitive load, and learning outcomes over time, utilizing cross-lagged panel modeling to analyze temporal relationships. Alternatively, experimental designs could involve random assignment to different virtual learning environments, allowing for direct observation of the effects of interface quality on cognitive load and learning outcomes. Lastly, the study’s focus on system-level and cognitive-level variables without considering individual learner characteristics leaves room for confounding effects. Future investigations should include factors such as prior knowledge, technical proficiency, and working memory capacity to better understand the interactions between system design and learner differences in virtual learning contexts.