张 奇 董成文 张庆翔

（辽宁师范大学 心理学院，辽宁 大连 116029）

一、样例学习效应的提出

随着兴起于20世纪80年代的样例学习研究的逐步深入，在实验中发现了样例效应、自我解释效应和冗余效应等实验结果。Sweller等人用当时提出的认知负荷理论解释了自由目标效应、样例效应、不完整样例学习效应、注意分散效应、通道效应、冗余效应和变式效应。［1］2010年，Sweller用修改后的认知负荷理论，除了重新解释了上述7个认知负荷效应之外，还增加了对专长逆转效应、指导渐减效应、分离元素交互性效应、模块与模块化效应、元素交互性效应、想象效应和自我解释效应，共14个认知负荷效应的解释。［2］

2011年，Renkl对样例学习研究所取得的研究结果进行了归纳和总结，提出了自我解释指导、帮助性指导、样例集指导、易化映射指导、意义组块指导、错中学指导、相似性指导、插入渐减的指导和想象指导，共9条教学设计指导方针。［3］其中，有些指导方针是根据相应的认知负荷效应提出的（尽管Renkl与Sweller对它们做出的解释不尽一致），例如，自我解释指导是根据自我解释效应提出的；易化映射指导是根据分散注意效应和通道效应提出的；插入渐减的指导是根据系列渐减效应提出的；想象指导是根据想象效应提出的。有些指导方针却是根据认知负荷效应以外的实验结果提出的，例如，帮助性指导是根据“指导性解释的样例学习效应”提出的；“错中学”指导是根据“错误样例的学习效应”和“正误样例对比的学习效应”提出的；相似性指导是根据范例学习研究中示范者与学习者的“相似性学习效应”提出的。Renkl提出的样例集指导与变式效应既有重叠也有不同。样例集指导中既包括表面特征变异的样例集，也包括结构特征变异的样例集，而变式效应只涉及结构特征变异的样例集。如果把“样例集”看成广义的概念，系列渐减样例也是样例集，也应该列入样例集指导中的子类别。Renkl提出的建构意义模块指导也与“模块与模块化效应”相重叠。但Renkl提出建构意义模块指导的出发点与模块与模块化效应不同。Renkl提出建构意义模块指导的出发点是：当学生已经熟练地掌握了某类问题的解题方案之后，在遇到新的不同类型的问题时，如何指导学生打开学生的已知解题方案与固定问题类型之间的联结之锁，从而修改原解题方案，解决新的不同类型的问题。而模块与模块化效应只考虑如何将复杂的解题方法分解为几个模块分别进行学习，从而解决同时学习复杂解题方法时超出学生有限工作记忆容量的问题。

见于Renkl提出的9条教学指导方针中，既有根据认知负荷效应提出的，也有与认知负荷效应交叉而不同的，还有根据认知负荷效应以外的样例学习实验结果提出的。因此，作者在此将14个认知负荷效应与Renkl在教学指导方针中所根据的另外3个样例“学习效应”（指导性解释的学习效应、错误样例及正误样例对比的学习效应和相似性学习效应）统称为“样例学习效应”，并概括出17个样例学习效应，理由是它们都是在样例学习实验研究中出现的学习效应。其中的认知负荷效应也是样例学习效应，只不过它们已经被Sweller用修改后的认知负荷理论解释过罢了。

二、样例学习效应

样例学习效应不仅是样例学习实验和理论研究的重要成果，也是样例教学设计乃至一般课堂教学设计的实验和理论依据。准确理解17个样例学习效应的实验依据和理论解释，对于指导课堂教学设计具有重要意义。因此，笔者对17个样例学习效应产生的实验背景和理论解释做概要的介绍。其中，前14个效应是Sweller解释过的认知负荷效应；后3个效应是Renkl在提出9条教学指导方针中涉及的。

（一）自由目标效应

早在1983年，Sweller就开发出“自由目标问题”（goal-free problems），并用实验证明，与解决固定目标的问题（例如，求出图1中CB的值）相比，让学生解决自由目标问题（例如，尽可能更多地求出图1中的未知量）可以学到更多的知识，这就是“自由目标效应”。［4］

图1 三角函数问题

如图1所示，如果固定目标问题是求出CB的长，则答案是CA=sine 35/4.4；CB=CA/cosine 49。［5］如果是自由目标问题，即要求学生尽可能多地求出图中的未知量，那么，除了可以求出上述答案之外，还可以求出 AB=CB sine49；DA=4.4 cosine35；DB=DA+AB=4.4 cosine35+CB sine49；sine∠DCA=DA/4.4；sine∠CBA=CA/CB；等等。由此可见，学生解决自由目标问题比解决固定目标问题求出的答案更多，解决问题的思维活动更发散，对三角函数关系的理解、运用和巩固更充分。

其实，Sweller所说的自由目标问题就是开放问题。学生可以根据问题中给出的已知条件，并运用已知的三角函数知识，尽可能多地求出图1中的未知量。Sweller用元素交互作用的观点对自由目标效应产生的原因做出解释：“出现该效应是因为，在解决传统的固定目标问题时，学生用‘手段-目标’分析策略。”［6］“这种解题思考过程需要学生同时考虑问题的当前状态、目标状态、两种状态之间的差异、可能被用来减小这些差异的算子和已经建立起来的若干个子目标。在考虑这些元素中的每个元素时，都要频繁地涉及其他几个元素，这可能会使相互作用元素的数量多得不得了。与之相比，解决自由目标问题时，学生只需要考虑问题的当前状态和用来改变状态的若干个算子（问题解决图式），结果使思考相互作用元素的数量大大减少。正因为采用手段-目标策略解决固定目标问题所涉及的元素交互性比解决自由目标问题的元素交互性高很多，所以，可以用元素交互性的差异来解释该效应。”［2］

（二）样例效应

样例效应是指当学习过一般解题原理的学生最初运用原理解决具体问题时，学习具体解题样例的学生比没有学习解题样例而直接解决问题的学生学习效果更好。正如Sweller所说：“当学生从解决问题的过程中所学到的比从样例中所学到更少时，便发生了样例效应。”［7］在样例学习的实验研究中，实验组（样例组）被试学习解题样例之后，练习解决同构问题；而对照组（问题解决组）被试没有学习解题样例，而是直接练习解决问题。结果在后测成绩上，实验组被试的成绩明显优于对照组被试。这就是样例效应产生的实验背景。

Sweller对样例效应产生的原因做出如下解释：“问题解决组被试采用手段-目标分析策略尝试解决问题，必须同时考虑大量交互作用的元素。而样例组被试学习问题解决的样例，只需要考虑每个问题的状态是如何变成下一个状态的。对问题状态的变化和对变化的搜索减少了相互作用元素的数量，即通过减少元素交互性来减少外在认知负荷。在学习样例时，与每个问题状态和状态变化相关联的相互作用元素仍然存在，但是，它们构成了内在认知负荷，从而没有使其成为外在元素添加到样例中导致注意分散效应和冗余效应的产生（这两个效应见下文）。如果工作记忆资源只用于考虑每个问题状态和与状态相关联的变化，而且不是大范围的变化，那么，与问题解决组的被试把认知资源用于搜索可能却不相关的许多相互作用的元素相比，样例组被试的相关认知负荷增加。”［7］

（三）不完整样例学习效应

不完整样例就是删除了部分解题步骤的样例。学习这种样例时，学生必须根据自己对解题原理的理解补全缺失的解题步骤。这种效应与样例效应密切相关。［8］Sweller对该效应的解释是：给学生呈现部分解题步骤的样例等于在一定程度上给学生提供了解题方案。学生不必使用手段-目标策略尝试解决问题，从而降低了因使用该策略所产生的较高认知负荷。正是这种恰当的认知负荷促进了不完整样例的学习，其学习效果很容易得到实验的证明。与学习完整的解题样例相比，学习不完整样例使得学生在一定程度上加深了对解题步骤的理解和掌握。因此，在学生能够补全缺失步骤并做出正确解释的情况下，不完整样例的学习效果比学习完整样例的效果好。［9］

（四）分散注意效应

我们在阅读教材时经常会遇到下列情况：图形印在纸的一面上；解释图形的文字却印在纸的另一面上。学生阅读到此，必须翻页对照两个页面上的图形和文字。这无疑分散了学生的注意力，花费了来回翻页查找对应内容的时间，因而降低了学习效率。再如，教材上证明几何定理的例题往往将几何图形和证明的文字符号分开呈现。学生阅读和理解这样的证明例题时，必须在几何图形与证明的文字符号之间交替转移目光，既分散注意力，又耗费时间，降低了学习效率。凡此种种，出现的这些分散学生注意力的消极效应就是“分散注意效应”。

Sweller认为，教材如果以分散学生注意力的形式呈现图形和文字，就等于增加了学生的外在认知负荷。如果将图形和文字有效地整合在一起，例如，将文字和符号写在或印在几何图形对应的位置上，就会避免分散注意效应。这种做法在样例学习研究中称为“图-文信息整合”。实验证明，有效的图-文信息整合可以减少外在认知负荷，消除分散注意效应。［10，11］

（五）冗余效应

如果课堂教学设计不当就会出现冗余效应。例如，在多媒体教学中，如果学生通过阅读屏幕上呈现的图文信息就可以理解其中的知识内容，那么，再听教师的讲解就是多余的。相反，如果只凭聆听教师讲解就能听懂知识内容，那么，再让学生阅读图文信息就是多余的。所以，当教学中给学生呈现了不必要的或多余的附加信息时便产生了冗余效应。

Sweller用修改后的认知负荷理论揭示了产生冗余效应的原因［2］：教师给学生呈现了图解文本和口头讲解两种信息。如果学生只通过阅读图解文本就可以理解知识，他们就不需要两种信息的相互作用了。可是，如果教师给学生提供了两种形式的信息，学生就不得不进行两种信息的互相作用了。在呈现两种信息的情况下，学生可能会搜索图文信息与口头讲解语句之间的对应关系，而确定这些关系需要学生从图解信息和教师讲授的信息中提取相关的知识元素。协调多个相互作用元素的认知活动无疑额外增加了工作记忆的认知负荷。这就使得工作记忆的认知资源不能用于学习知识内容本身，导致学习知识的相关认知负荷下降。所以，提供多余的口头讲解信息不但没有促进学习，反而妨碍了学习。教学中很容易消除冗余效应的消极影响：如果学生自己就能够读懂图文信息，教师就不用讲解了；如果学生只听教师讲解就能听懂所讲的知识，就不用给学生提供图文信息了。

（六）专长逆转效应

专长逆转效应描述如下：“对于新手来说，一种比另一种教学程序（乙）更有效的教学程序（甲），随着学生专长水平的增长，其有效性变小；而且随着学生专长水平的进一步增长，原来的教学程序（乙）变得比教学程序（甲）更有效，这便出现了专长逆转效应。专长逆转效应有多种版本，所有这些专长逆转效应归根结底都是冗余效应的结果。”［2］

例如，在Kalyuga等人2001年的研究中［12］，与练习解决同样问题的对照组被试相比，新手在问题解决的样例学习中获得了样例效应。可是，随着新手们解决问题能力的增强，这种样例效应首先是消失，接着出现样例学习效应的逆转，对于专长水平更高的学生来说，问题解决的学习反而比样例学习的效果更好。这就出现了专长逆转效应。为什么会出现这种专长逆转效应呢？Sweller的解释是：在学习之初，学习解题样例对新手来说很有效。可是随着学生解题能力水平的提高（即专长水平的提高），学习过的解题样例已经变成学生长时记忆中已有的解题图式了。再学习这些解题样例，对于这些只需通过问题解决的练习就能进一步增强问题解决能力的学生来说，已经是多余的了。［2］

（七）指导渐减效应

专长逆转效应说明，随着学生解决问题能力或专长水平的增强，样例效应消失，甚至出现逆转。为了避免专长逆转效应的发生，随着学生专长水平的逐步提高，应该像系列渐减样例学习程序那样，逐步减少样例中的解题步骤，也就是减少给学生提供的指导，这样才能适应学生解题能力水平的发展。所以，指导渐减效应既是为了避免专长逆转效应而提出的，也是被系列渐减样例学习效果所证明的。［13，14］

在样例学习中，实现指导渐减比较容易。正如下文将要谈到的，可以让初学问题解决的新手学习完整的解题样例；随着他们解题专长水平的逐步提高，让他们学习解题步骤系列渐减的不完整样例；待他们成长为解题专家时，就让他们直接解决问题。

（八）分离交互元素效应

这种学习效果是由Pollock等人于2002年在实验研究中得出的。［15］有时，由于学习的内容过于庞杂或学习材料中存在着多种复杂的元素交互作用，以至于学习这些材料所需要的认知资源超出了工作记忆的有限资源。在这种情况下，要学习这种知识内容或材料只能将学习内容分解为几个部分分别进行学习，从而降低每部分内容的交互作用元素，进而减低学习每部分知识的内在认知负荷，最后达到学习全部知识的目的。所以，分离交互元素效应就是将高交互作用元素的学习材料分解成几个低交互作用元素的材料而分别进行学习，最后掌握总体知识。该效应依赖于内在认知负荷而不是外在认知负荷的变化。正如Sweller所说：“在有些情况下，一些学习材料的元素互动性过高，由于学习它们时超出了工作记忆容量，因而不能被有限的工作记忆资源同时加工。因此，只有对这些材料进行分离处理，即将其分割成互不联系且没有相互作用的分离元素才能被学习。因为只有学习了分离的元素后，才有可能在不超过工作记忆负荷的情况下学习这些元素的交互作用。如果这些交互作用的元素最初被分割成孤立的元素进行学习，然后再对其进行整体学习，其学习的促进作用就会比在相同的时间总量内同时学习所有交互作用元素的作用更大。”［2］

（九）模块与模块化效应

该效应源自Gerjets等人在2006年的实验研究。［16］该效应的基本原理与分离交互作用元素效应极为相似。在模块（molar）样例学习中，学生学习用一种完整的方法解决某类具体问题。学习时需要同时加工模块内的交互作用元素。模块化（modular）方法却是把一个完整的问题解决方案依据元素的交互性划分为几个模块（modules），使学习它们的内在认知负荷实质性地减少。实验结果表明，模块化学习程序比模块学习程序的学习效果更好。

Sweller指出了该效应与分离元素交互性效应的两点不同：第一点不同是，在证明该效应的几个实验中，模块组的学习材料与模块化组的学习材料大相径庭。例如，在Gerjets等人的实验中，模块组被试学习如何运用一个等式解决概率问题；模块化组的被试学习如何运用模块化步骤的逻辑系列来解决概率问题。［17］这与分离元素交互性效应的学习条件有许多不同。在分离元素交互性学习条件下，改变的只是元素的交互性，但包含了所有的分离信息，还有与元素间关系相关的附加信息。

第二点不同是，在模块化学习条件下证明模块与模块化效应时，没有涉及模块学习条件。与之相比，在证明分离交互性元素效应时，在分离元素交互性条件下，是先学习分离的元素，接着学习交互作用的元素；而在交互性元素学习条件下，学习的是与分离条件下同样多的元素，只是由交互作用的元素构成。可是在证明模块与模块化效应时，没有在学习模块后接着学习模块化的条件。除了这些方法的不同之外，两个效应的基本原理是一致的，即两个效应都假设减少元素交互性，从而降低内在认知负荷，能够有效地促进元素交互性非常高的学习材料的学习，否则，这些高元互动材料是很难被加工的。［2］

（十）变异性效应

所谓变异性效应是指，学习一组问题结构特征有较大变异的解题样例比学习一组问题结构特征变异较小解题样例的迁移效果好。早在20世纪80年代末就有研究证明，学习结构特征变异的解题样例能促进问题解决的迁移。［18-20］我们的研究也证明：二年级小学生学习了一个根据已知交通工具行驶的时间和路程求其行驶速度的解题样例后，就可以解决与之结构特征相同、表面特征不同的任何问题。可是，学习了一个具有某种结构特征的解题样例后，不能在解决结构特征不同的问题上产生迁移效果。要想促进不同结构特征问题的解决，必须学习两个、三个或多个结构特征不同的解题样例。［21］

早期的认知负荷理论似乎与变异性效应相矛盾。［1］因为，解决与解题样例有高变异的问题无疑是增加了认知负荷，为什么还会提高解决迁移问题的成绩呢？如果增加的认知负荷与学习直接相关，那么，增加的应该是相关认知负荷，而不是外在认知负荷。上述实验结果表明，关注解题样例的结构特征分明是促进了高变异问题的解决，也就是有助于学生扩展习得图式的适用范围。这似乎需要学生思维活动的积极参与，因而增加的应该是相关认知负荷。

后来，Paas和Van Merrienboer采用学习结构特征相似的样例与学习结构特征有较大变异的样例做对比的实验程序验证过该效应。［8］结果表明，学习结构特征有较大变异的样例提高了迁移成绩。增加样例学习的变异性也与认知负荷的增高有关。在Quilici和Mayer的实验研究中，变异性效应是通过分别关注解题样例结构特征的变异和表面特征的变异实现的。在学习高变异的解题样例时要求学生关注结构特征的变异；在学习低变异的解题样例时要求学生关注表面特征的变异。实验结果表明，关注结构特征变异的学生解决迁移问题的成绩明显优于关注表面特征变异学生的迁移成绩。［22］

Sweller认为：“虽然，以前只根据相关认知负荷的变化解释过该效应。但是，根据当前的理论构想，该效应也是由改变元素之间的交互性、从而改变内在认知负荷引起的。”“学生不仅要学习如何解决某种类型的问题，也要思考使用相似的解题方案还能解决哪些类型的问题。在低变异学习条件下，学生简单地学习怎样解决某一种类型的问题；而在高变异条件下，学生不仅学习如何解决某一种类型的问题，还要学习运用合适的解题方案去解决一些不同类型的问题。因此，他们必须比较和学习造成不同类型问题之间差异的元素。高变异条件下的元素交互性可能比低变异条件下的元素交互性有大幅度的增高。因为在低变异条件下，学生学习了一系列表面相似的元素后，解决同构问题所需要加工的元素数量就减少了。”［2］

（十一）元素交互性效应

按照Sweller的认知负荷理论，教学设计的总原则是降低学习材料的元素交互性水平。［2］可是，如果学习材料产生内在认知负荷的元素互动性水平较低，例如，当学生不依赖其他内容就可以独立地学习5个英文单词时，学习材料的呈现方式与元素的数量就没有关系。即使由呈现方式造成的产生外在认知负荷的元素交互性相当高，而固有元素的交互性水平仍然非常低，也可能出现认知负荷没有超出工作记忆容量的情况。在这种情况下，如果再通过改变教学程序来降低外在认知负荷，在学习效果上就可能出现最低的效应，因为总的认知负荷还远低于工作记忆的容量。中学生学习和记忆上述5个英文单词组成的句子的效果优于单独学习和记忆5个单词的效果。这就是元素交互性效应。

另一种情况是，如果归结为内外综合因素的元素互动性高，那么，降低归因于外在因素的元素互动性水平可能是重要的。如果教学方式中包含了许多交互作用的元素，如同发生分散注意效应和冗余效应的条件一样，而且假如这些互动元素加入与学习相关的固有互动元素中，比如求解一个方程，互动元素的总量和由此而产生的认知负荷总量就可能会大大超出工作记忆的容量。降低与外在认知负荷有关的互动元素的数量，就可以将工作记忆负荷降低到易于加工的范围之内。因此，如果产生内在认知负荷的元素交互性水平高，那么，降低产生外在认知负荷的元素交互性水平就十分重要了。如果内在认知负荷低，降低外在认知负荷的作用就很小。因为，归因于元素交互性的总认知负荷可能低于工作记忆容量。

（十二）通道效应

通道效应源自图文信息“视-听”整合的实验研究。在这些实验中，给控制组被试呈现可视的图形信息和解释图形的书面文本信息；给实验组被试呈现可视的图形信息和可听的口头讲解图形的言语信息。实验结果表明，视-听组合图文信息（边看图形，边听讲解）的教学效果明显优于视—视组合图文信息（既看图形又看文本）的教学效果。按照上述实验惯例，该效应只能在使用具有上述特征的任何两种或多种感觉信息来源的典型范例中获得。当来自视觉通道的图形信息不能被单独理解时，必须同时呈现口头言语信息而不是书面文本信息时才能发生该效应。［23］

Sweller认为，通道效应不同于前文讨论过的其他所有认知负荷效应，它不能归咎于学习材料元素交互性的改变。与其说该效应不能归因于元素交互性之间的差异，不如说是由人类认知系统的基本特性引起的。工作记忆系统在使用听觉和视觉两个信息处理器的条件下开展工作。该效应是利用双通道信息，从而使工作记忆容量得到扩充所带来的收益，而不是通过降低元素交互性所带来的收益。［2］

（十三）想象效应

如果要求学生想象出一个解题步骤或概念，而不是学习该解题步骤或概念的已有材料，在某些情况下，这种想象可能会得到提高学习效果。［24］这种由学生自己独立想象出解题步骤或概念，而不是学习现成的材料而获得的收益就是想象效应。Sweller和同事已对样例学习中的想象作用进行了大量实验研究。想象过程的第一步是阅读样例中的解题方案；第二步是离开显示样例内容的屏幕；第三步是想象出问题的具体解法。Scheiter等让一些学生想象样例中描述的事件。实验结果表明，想象可以促进学习。［25］另一些知觉和运动技能方面的范例学习研究也表明，与实际的动作和操作练习相比，心理想象可以发挥积极作用。［26］

Sweller认为，该效应是用想象解题步骤或者概念的假设进行自我解释的。学生的工作记忆资源直接用于加工与内在认知负荷相联系的交互性元素，而不是加工与学习无关的其他元素。［2］换言之，由于专门用于内在认知负荷的工作记忆资源被最大化，因此使相关认知负荷增高。与此同时，用于加工其他的、与任务不相关方面的工作记忆资源减少了。

（十四）自我解释效应

在样例学习研究的初期就发现了自我解释效应。［9］在自我解释效应的最初研究中，Chi等人发现了学生对物理样例解题步骤进行自我解释存在着个体差异，成功的学生学习样例的时间较长，并能够灵活地解释这些样例。也就是说，他们尝试着理解解题步骤背后的基本原理。［27］Renkl等人的进一步研究发现，即使在样例学习时间相同的条件下，自我解释也与学习效果相关。Sweller认为，自我解释效应与想象效应可以用同样的方法进行解释，它们应该是密切相关的。自我解释活动需要认知资源（相关认知负荷）处理有关的交互作用元素（内在认知负荷），而从事与交互作用元素无关的其他活动构成了妨碍学习的外在认知负荷。［2］

（十五）帮助性解释效应或指导性解释效应

仅仅依赖学生的自我解释是远远不够的。当学生不能对解决步骤做出自我解释或者做出错误的自我解释时都可能会阻碍学习。［28］因此，提供指导性解释来“帮助”学生进行自我解释是十分必要的。帮助性指导就是给学生提供指导性解释来补充他们自我解释的不足。

有许多其他的研究也发现了在样例学习中提供指导性解释的积极效应。可是，在较多的实验研究中，这种帮助是强制提供的；而在另一些研究中，这种帮助是被试自己请求或选择的。［29-32］

帮助性指导的提供也有一些边界条件，除了那些发现了帮助性指导积极效应的研究之外，也有很多研究没有发现帮助性指导的积极效应，甚至还发现了许多不利效应。［33-35］

（十六）错误样例和正误样例对比的学习效应

样例学习的实验研究表明，正确样例与错误样例组合在一起学习的效果明显优于单独学习正确样例的效果。［36，37］而且，如果学生在学习错误样例时能够对错误进行识别、分析和矫正，对正确规则的学习效果则更好，即出现错误样例学习的深加工效应。［38］有人早就指出，在样例教学中包含错误样例可能是更富有成效的。［39］Siegler也发现，对正确和错误解法的自我解释要比仅对正确解法进行自我解释更有利。［40］Siegler认为，让学生解释错误的解题方法（即“纠正性自我解释”）有助于避免他们之后犯类似的错误。Große和Renkl的研究表明，运用该指导原则存在边界条件。在他们的两个实验研究中，相比于正确样例的学习效果，正误样例学习只有助于有高先备知识的学生，但不利于先备知识较差的学生。［41］

（十七）范例学习中的相似性效应

在范例（modelling examples）学习研究中，一个经典的调节变量就是示范者和观察者的相似性。如果示范者或榜样的水平过高，观察者可能会降低学习的自我效能感，因此降低学习效果。例如，Ryalls等人发现，年龄在14个月至18个月的幼儿跟同龄示范者学习“三步序列”比跟成人示范者学习的效果更好。［42］Braaksma等人为学生观察学习议论文写作提供了两个榜样：一个是有足够写作能力的榜样（a competent model）；另一个是没有足够写作能力的榜样（non-competent model）。在一种观察学习条件下，要求学生特别关注有足够写作能力的榜样；在另一种观察学习条件下，要求学生特别关注没有足够写作能力的榜样。实验结果表明，较差的学生从没有足够写作能力榜样的观察学习中获益更多；较好的学生从有足够写作能力的榜样中获益更多。这种实验结果被解读为观察学习中的相似性效应（similarity effect）。［43］此外，在范例学习研究的文献中，有另一种实验结果也应该视为相似性效应。Schunk和Hanson的研究发现，与向成年的教师学习相比，小学生向同年龄和同性别的同伴学习减法技能获益更多。而且，相似性效应的作用超过了错中学效应。［44］

Renkl认为，相似性效应的边界条件究竟是什么还很难确定。上述实验研究只能确定，在范例学习中，学习者与示范者的相似性是一个重要变量；实验结果还得出，如果示范者的能力水平远高于学习者，就可以预料学习的较少。除此之外，到目前为止，还不清楚哪种相似性类型和相似性特征（诸如年龄、性别、口音、种族等等）与学习效果有关或无关，以及关系的大小。［3］此外，不同的相似性特征可能是通过不同的心理机制影响学习的。例如，种族相似性可能是主要提高了学生的学习动机；而能力相似性也可能促进了同化示范行为的可能性。总之，实验证据表明，示范者与观察者的相似性特征对范例学习效果来说是一个关键因素。但是，必须用进一步的研究确定，哪些具体方面的相似性是关键的。

三、教学设计原则

Sweller等人在1998年用当时提出的认知负荷理论解释过上述7个认知负荷效应，并对应地提出了7个样例设计原则。2010年，Sweller修改了认知负荷理论，并解释了14个认知负荷效应。可是，对后7个认知负荷效应却没有明确地提出对应的样例设计原则。笔者认为，完全可以根据后7个认知负荷效应明确地提出相应的样例设计或指导原则。因为，Renkl在2011年提出的9个教学指导方针中，有的就是根据其中的认知负荷效应提出的（如前文所述的自我解释效应、系列渐减效应和想象效应）。所以，根据后7个认知负荷效应提出相应的教学设计原则是合理且可行的。笔者认为，Renkl在2011年提出的9个教学指导方针是教学设计的指导方针，而且也是根据上述样例学习效应提出的，所以，有必要将其整合到教学设计原则中。由此，我们根据上述样例学习效应，对应地提出如下教学设计原则。

（一）开放问题设计原则

根据自由目标效应，设计并让学生解决开放问题（即自由目标问题）比让学生解决固定目标问题学到的更多、学习效果更好。该效应启示广大教师们，在给学生设计和布置练习题、思考题等作业时，不仅要设计一些有固定解题目标的问题，还要设计一些开放性问题。学生在解决自由目标问题的过程中，思维将得到发散，学过的知识也会得到充分的联想和整合。所以，合理运用该原则既有助于训练学生的发散思维，又有助于促进学生的知识联想、融会贯通和知识的合理建构。同时，Sweller已经明确指出了运用该原则应该注意的设计要领：应该选择那些知识点之间存在相互联系、运用知识点的已知条件具备、可以求出的未知量数量有限的具体知识内容设计开放问题。“可以求出大量的或无限数量的未知变量的问题不能使用该设计方法”［2］，否则，学生会在解决这种问题时陷入无休止的思考或认知加工。

（二）样例学习设计原则

根据样例效应提出的样例学习指导原则不仅是样例学习的基本原则，也是一般原理应用教学的通用原则。几乎所有的教材在实验证明、逻辑论证和概括提出一般原理或规则后，都要列举应用一般原理或规则解决具体问题的解题样例（即教材中的例题和解题方案）。这种做法在以前是没有文献依据的经验性通用做法。这种做法的教学效果已经说明，解题样例是架设在原理与原理应用之间的桥梁。教师在课堂教学中给学生讲解解题样例（相当于应用原理解决问题的示范），其目的就是通过样例教学帮助和指导学生学会应用一般原理解决具体问题的方法。在样例学习的实验研究中，实验研究者给初学者提供解题样例，其目的也是让学生通过自主的样例学习，学会应用一般原理解决具体问题的方法。两者殊途同归。当然，在教师的样例教学之下，学生学习一般原理的应用要比自主样例学习容易得多。所以，教材编写和教师们在课堂教学中主要采用样例教学的方法，而忽略了学生自主样例学习的方法。因此，样例学习指导（即指导学生自主学习解题样例）可以作为一般原理应用的通用教学原则，推广到所有的原理应用或解题能力培养和训练的教学中。

样例教学更适用于演示教学和示范教学。只不过数学、物理学等学科的样例教学提供的是文本、图形和口头言语信息。而演示和示范教学提供的是教师运动和操作的真实动作及讲解的口头言语信息。现在很容易将教师的演示和示范教学过程拍摄、录制并编辑成精巧的视频，让学生自己单独反复观看学习。这就是范例学习。所以，样例学习指导同样适用于体育、表演、实验操作等一般原理的应用教学中。

（三）完形问题设计原则

根据不完整样例的学习效应，让学生学习不完整的解题样例可以促进学生对解题原理和具体解题步骤做出自我解释，并促进学生对解题原理和解题步骤之间的逻辑关系的整体理解和运用。根据该效应，笔者借用格式塔心理学的“完形”概念，将这种教学设计原则称之为“完形”原则。该原则也可以推广到一般教学内容设计和测题设计中去。填空题就是运用该原则设计的测题类型之一。其实，该原则的运用并不局限于测题的设计，更应该运用在学习材料、练习材料或作业材料的设计上。实验研究结果已经证明，让初学记叙文写作的三年级学生阅读并补写文章开头、结尾或中间内容的不完整范文，比阅读完整范文更有利于学生掌握记叙文写作的结构性规则。［45］所以，该原则可以推广到其他学科知识学习材料和作业材料的设计上，诸如给学生设计和呈现缺失某个运算符号或字符的计算公式、缺失某个关键词的句子、缺失某个题目的文章等，让学生在学习或阅读的过程中补写缺失的项目和内容，这样也会收到类似的学习效果。

（四）图-文信息整合原则

为了避免和减少分散注意效应，防止不当的教学设计分散学生学习时的注意力，在样例设计上，心理学家们已经开发出一些整合图-文信息的有效方法。笔者认为有必要将这些有效的图-文整合样例的设计方法推广到教材页面设计、板书设计和PPT屏面设计上。在教材中出现的结构示意图、原理解释图、因果关系图（实验曲线）等，应该将解释和说明这些图形的文本信息尽可能有效地整合到图形中。不能整合的文本信息至少应该与图形排版印刷在一个页面上或书本展开的两个页面上。这样设计会避免学生翻页阅读图形和文本，减少阅读时的翻页时间，提高阅读效率。在板书设计上应该以图形为中心，在图形的对应位置上标注文字和讲解文本信息。在PPT屏面设计上，尽量将图形和解释图形的文字设计在一个屏面上，而不要设计在前后两个屏面上。这样有助于教师对图形的讲解和学生对文本信息的理解。避免分散注意效应的另一种教学设计方法是，在呈现给学生的学习材料上要尽可能排除无关刺激（如与知识内容无关的装饰图案、人物图像等）的诱惑或干扰。

（五）减少冗余信息原则

为了避免冗余效应的发生，在教学内容和学习方式的设计上，教师要根据学生的实际学习能力和学习内容的难易程度，恰当地选择学习材料的视听呈现方式。对于预计学生凭借自己的阅读和观察就可以学懂的知识内容，就可以给学生呈现视觉文本和图形，引导学生自己进行阅读和观察学习；对于预计学生自己读不懂或看不懂的文本或图形，教师则要进行口头讲解，并运用口头演讲技巧使学生听懂所讲的知识内容。在设计课堂教学PPT幻灯片时，预计学生能够看懂的图形就不要附加文本信息了；预计学生听不懂的内容，尤其是抽象的不易想象的知识内容，最好附加图形进行讲解，用图形辅助学生理解教师讲解的内容。PPT幻灯片上呈现的内容一般是知识要点和纲要，不是大量的具体文本信息。否则，就等同于把教材内容搬到了屏幕上。

（六）系列渐减样例设计原则

许多实验表明，学习解题步骤渐减的系列样例比学习一对儿“样例-问题”的效果更佳，也就是说，渐减的指导方案比学习样例-问题对儿有更好的学习效果。［46-48］这就是在前文提到的指导渐减效应。在样例学习研究中，解题步骤渐减的系列样例设计有两种。一种是正向渐减系列：首先让被试学习完整的解题样例；再学习删除了第一个解题步骤的同构样例；待被试在学习中尝试补充了这个删除的步骤后，会得到这个步骤的正确反馈。接着，在随后学习的样例中，删除的解题步骤的数量依次逐渐增多，最后直至只有问题为止，也就是一个需要解决的问题。另一种是逆向渐减系列：第一个不完整样例删除了完整样例的最后一个解题步骤；第二个不完整样例删除了最后两个解题步骤，以此类推，直到给被试呈现没有任何解题步骤的问题。实验中发现：不论是学习正向渐减还是逆向渐减的系列样例，至少在近迁移成绩上，渐减程序可以促进学习；与正向渐减系列不完整样的学习效果相比，逆向渐减系列不完整样的学习更有优势。［49］

Renkl更关注的是如何优化渐减的指导。因为根据系列渐减样例的设计原则和方法，在系列样例的每个样例中删除的解题步骤是固定的。这种逐步减少解题步骤的固定样例设计是否与学生解题能力的发展同步，是一个很重要的技术问题。设计系列渐减样例的目的是为了消除专长逆转效应。［49］同样重要的是如何使学生从完整样例的学习阶段顺利而有效地过渡到独立的问题解决阶段。更重要的是，系列渐减的样例可能会与学生在学习过程中的实际需要不同步。例如，如果学生在完整样例的学习中恰恰是没有弄懂第一步运算，而在接下来的样例学习中恰恰又是缺少第一步运算的不完整样例。这种样例设计的固化模式与学生学习中实际需要之间的矛盾不解决，系列渐减样例的学习效果就不能得到有效的发挥。因此，必须考虑在什么时机给学生插入什么样的渐减指导，即如何优化渐减的指导并充分发挥渐减指导的积极作用。

为了优化渐减的指导，需要根据学生学习的实际需要插入有针对性的渐减指导，才能真正发挥其指导作用。所以，有效的或优化的渐减指导应该是有调节的可变的指导，而不是一个固定的渐减指导过程。Salden等人认为，当学生还没有理解解题的原理及其如何应用时，不应该给他们提出自我解释解题步骤的原理及其应用等问题和要求。一旦学生表现出了对解题步骤原理的理解，或者尝试着在问题解决中运用自己理解的知识时，才能提出这样的问题和要求。［50］Koedinger等人运用认知导师智能系统的教学指导技术对学生学习几何题证明样例实施了自适应的渐减性指导。［51］简言之，该种渐减指导的具体方法是，如果学生能够对某种类型的解题步骤做出正确的自我解释，那么，在下一个要学习的解题样例中就减少这个解题步骤。两个实验（实验室和自然）结果均表明，接受自适应渐减指导的学生在延迟的后测中表现最好。

按理说，这种自适应的渐减指导也应该适用于视频范例这样复杂样例的学习。然而，几乎没有相应的实验证据说明在复杂范例的学习过程中如何实现最好的渐减指导。

（七）分离元素交互性原则

根据分离交互性效应，可以指导学生将交互性水平较高的、同时学习超出工作记忆容量的知识内容分解成几个元素来学习，然后再将分离的元素组合起来学习。这种教学指导原则就是分离元素交互性原则。著名记忆心理学家艾宾浩斯在记忆无意义音节实验中采用的部分识记与整体识记相结合的学习方法就是该原则的早期范例。该原则与前面的模块化原则有些类似，却有根本的不同。类似的是，都是将学习材料分解开来分别进行学习。不同的是，按照模块化原则，在分解学习材料时，必须按照知识模块进行分解。可是，按照分离元素交互性原则，学习材料可以不必按照知识模块分解，而可以按照知识元素来分解。拿一个英文句子的分解来说，按照模块化原则，可以将句子分解为主语、谓语和宾语等几个模块；可是，按照分离元素交互性原则，可以将句子分解为一个个的单词。

（八）模块与模块化设计原则

根据模块与模块化效应，有些知识内容必须作为一个整体（即模块）来学习；可有些结构复杂的知识内容（例如，多因素方差分析的计算公式等），由于元素的互动水平过高，同时加工会超出许多初学者的有限工作记忆容量，不能作为一个整体知识来学习。这时在教学设计上就应该根据所学知识内容的模块化结构，将其分解为几个模块分别进行讲解和学习，然后再将这些模块整合在一起进行讲解和学习。这样才能实现复杂性整体知识的有效学习。该教学设计原则也可以推广到许多学科的复杂知识内容的教学设计上。诸如，复杂电路的设计与分析、复杂机械传导系统的设计与分析、大规模集成电路的设计与功能分析，长篇论述文章和文学巨著的解读、多内容复杂画作的分析（如清明上河图）和大规模交响乐创作意图的领会等。

与模块与模块化设计原则有关联但又不同的是，Renkl根据样例学习的有关实验研究提出的建构意义模块指导原则。

Renkl认为，当学生遇到用已知的解题方案不能解决新问题时，就不得不修改解题方案。可是，有时候学生把解题方案与固定的问题类型牢固地“锁在”了一起，使原来的解题方案难以得到修改。［3］

Catrambone所做的系列实验结果显示，重组新的解题步骤的能力可以通过设定子目标来培养，例如视觉隔离（如画圈）或标签。［52］Catrambone还发现，突出子目标可引出对解题步骤的自我解释，学习效果得以增强。设置问题解决顺序的子目标可能是一种循序渐进的继时表征方法。Atkinson等的研究也发现，解题步骤的继时表征要比同时表征更有效。［53］Schmidt-Weigand也发现了逐步表征的积极作用，尤其是在表征之前，提示学生考虑下一解题步骤。［54］

在某些情况下，初学者很难识别复杂解题方法的整体意义，因为解题样例中使用了数不清的公式。因此，指导初学者根据复杂解题规则的意义结构将其分解为几个模块来分别学习，然后再学习复杂解题规则的整体意义，这种学习方法效果更好。实验结果已经表明，把复杂解题规则分解成几个模块化单元，会在解决同构问题和新问题时取得更好的表现。因此，模块化学习指导更适合初学者。当然，把复杂规则作为一个整体的大模块来学习对于高能力学生来说更方便。这种样例设计方法和教学指导方法在数学领域的效果是明显的。但是，在其他学科领域的学习效果还缺少直接的证据，尤其是修改原有解题方案，解决异构问题的“开锁”钥匙还没有真正找到。

（九）变异性样例设计原则

学习运用原理和法则解决具体问题，必须给学生呈现或讲解例题和解题方案（即样例）。样例学习的实验研究结果证明，学生学习了一个应用一般原理解决一个具体问题的样例后，可以解决表面特征变异，但结构特征不变的任何具体问题，即产生广泛的近迁移效果。可是，学生学习了一种结构特征的解题样例后，却很难或不能解决结构特征变异的其他类型的问题。［46］针对如何帮助学生解决结构特征变异的问题，要根据学生的学习能力、一般原理和解题规则的变式类型，为学生设计一系列结构特征变异的解题样例，这样才能促进学生对一般原理及各种变式的理解和应用，并促进他们解决远迁移问题能力的增强。

（十）增加元素交互性设计原则

根据元素交互性效应，当学生学习元素交互性水平低的分离性材料时，在工作记忆容量允许的前提下，可以指导学生采用将分离性学习材料有机整合起来的学习或记忆方法进行有效的学习。将分离的或离散的学习内容有机地组织在一起的学习方法有很多。以往记忆术中采用的一些识记方法，诸如口诀法、谐音记忆法、表格法、概念图法和奇异联想法等都属于应用该原则的方法。

（十一）视-听信息整合原则

通道效应的实验结果已经证明，视-听信息组合材料的学习效果明显优于视-视组合材料的学习效果。根据通道效应，教学中应该给学生呈现视-听整合的教学材料和学习内容。诸如一些教师们常用的教学方式，即给学生呈现几何或原理图形，针对几何或原理图形口头讲解几何定理或原理以及几何题的证明过程。这种教学设计原则还可以推广到示范和演示教学中。在诸如实验操作、体育运动和操作表演等动作和操作示范教学中，教师最好一边示范动作，一边口头讲解动作要领。在诸如实验演示和模拟演示等演示教学中，一边演示实验和模拟过程，一边口头讲解实验和模拟原理。视-听信息整合教学设计或教学方式有两个关键的要领：一是视-听信息同步整合，即教师将学生的目光吸引到哪里，教师就讲到哪里；或者教师讲到哪里就写（画）到哪里。例如，教师在黑板上推导公式或定理，就是讲到哪儿写（画）到哪儿。二是视-听信息异步整合。所谓视-听信息的异步整合，一般是先给学生呈现图表等视觉信息，然后指引学生观察图表，教师指引到哪里就讲解到哪里。在设计PPT幻灯片时，最好像前一原则那样设计图文整合的屏面，然后教师指点图形讲解文本内容。

需要指出的是，在Renkl提出的样例学习指导原则中，上述两种信息整合方法被合称为“易化映射指导”（Easy-Mapping Guideline）。［3］其含义是，通过两种信息整合的方法设计问题解决样例，可以帮助学生匹配不同信息来源的信息，使不同来源之间相关信息的相互映射（或匹配）更加容易，从而提高学习效率。

（十二）样例集设计原则

为让学生直接注意解题样例中某一方面的特征（比如问题的结构特征），一种可能的办法就是用某种特定的方式集合一系列解题样例。Quilici等在1996年的研究中就使用了强调问题结构特征的样例集，这种样例集的设计如下：（1）每种类型的问题都被一系列不同的表面故事样例集所证明；（2）在不同类型的问题中使用相同的表面故事样例集。［55］这种设计或安排，会使学生清楚地看到问题的表面特征和结构特征并不都是同时变化的。而且依赖问题表面特征寻找正确解题方案是不可靠的。两个实验结果都表明，与控制组被试（只对所有给定类型的解题样例做非常简单的表面故事比较）相比，根据解题样例的结构特征给问题分类的实验组被试在解决迁移问题中表现出积极效应。Quilici和Mayer于2002年重复验证了这种样例集学习的积极效应。

Paas等给被试提供六个几何证明解题样例，这些样例属于三种问题类型，随着决定的价值类别而变化，在问题顺序低变化的条件中，呈现多对不同构的样例，每一对里的数字值是不同的；在问题顺序高变化条件下，每个样例的价值都是不同的。高变化条件被假设有利于比较一系列包含相关和不相关的特征的样例的加工，结果正如预期的那样，高变化条件下迁移成绩更高。［8］

有许多实验证据表明，样例集效应也有边界条件。如果指向样例比较的自我解释没有效果，则积极效应就是不稳定的。Scheiter等人发现强调结构样例的积极效应只在要求被试比较样例之间的相似点和不同点时出现。［25］在相似性推理研究中也有大量的证据证明，仅仅呈现一系列的多个样例并不足以产生迁移。相反，只有提示被试必须比较样例才会产生迁移效果。［36-37］另外，在样例比较中，较多的支持条件比较少的支持条件效果更好。［36］

总之，样例集设计，即通过典型的系列样例设计来凸显问题的结构特征，对学习效果有积极的促进作用。但是这种情况并不是必须出现的，为了保证样例集的积极学习效应，提示和训练都可以用来帮助学生进行样例的比较加工。

（十三）想象设计原则

笔者认为，Sweller等人在实验中运用的想象和Renkl提出的想象指导中的“想象”有两种含义：其一，如果是对学习过的样例内容（包括问题、解题步骤和答案）进行想象，其实就是对样例内容的回忆和再现；如果是对当前所面临的新问题（尤其是近迁移问题）的解题方案或解题步骤进行想象，其实也是回忆或再现出样例中的解题方案或解题步骤，并运用到新问题的解决上。所以，与其说是“想象效应”，不如说是“回忆效应”或“再现效应”。除此之外，在样例学习与问题解决之间插入的想象，其作用是否与插入的作用紧密相关，还需要进一步的研究证实。不过依笔者看来，主要还是回忆或再现的作用，与测试效应关系密切。

按照上述分析结果，以往记忆研究中提出的“尝试回忆”或“再现”复习或巩固策略都是该原则的历史性范例。因此，该指导原则可以推广到一般教学中。

Sweller及同事的研究显示，想象作用有边界条件。［55-58］当学习者不熟悉学习内容时，不会产生想象作用。先备知识的缺乏也会阻碍学生执行想象的指令，即当学生不看样例时，他们根本无法想象出问题的解法。因此，在问题解决技能习得的初期教学中，不应该过早地提出想象指导。比较适宜的教学方案指导应该是，首先让学生学习解题样例，然后再提出想象的要求。［56］

（十四）自我解释的样例设计原则

根据自我解释效应，在样例中可以设计自我解释的提示。提示分为两类：第一类是提示被试阐释样例，即促进学生对解题步骤和原理的理解；第二类是提示被试比较样例，帮助学生形成或区分抽象的问题类别。

学生可以根据第一类提示进行两种自我解释：基于原理的解释和对目标算符的阐释。基于原理的解释指向解题方案背后的抽象原理，例如数学定理和物理学定律等。这种解释促进了学生对解题方案中基本原理的理解，其中还包括自主建构有意义模块的原理。Atkinson等在实验中发现了基于原理的自我解释效应。［46］实验比较了要求学生根据潜在的概率学原理证明解题步骤合理性的各种情况。实验得出了自我解释指导会提高学生解决近迁移问题（近迁移问题的结构特征与样例题相同，只是表面特征不一致，诸如数字或物体等）效果的结论。

目标算符阐释是学生通过辨识样例中解题步骤所达到的子目标，赋予算子意义的一种解释方式。这种解释显示出学生对解题目标和达到目标所进行的运算的自我理解。这种自我解释也能够帮助学生有效解决迁移问题。［9］

使学生做出基于原理的自我解释和目标算符的自我解释的主要指导方式有“训练”和“提示”两种。例如，Renkl等人开发出一种在样例学习中训练被试进行自我解释的方法。其中包括告知被试自我解释的重要性、要求被试通过样例学习自我建构解题模型和与其他样例进行比较的自我训练方法。实验结果显示，在目标算符自我解释的短暂训练（10~15分钟）中显现出训练的效果。这种训练对学生的自我解释活动、迁移问题和相似问题的解决都有很大的促进作用。［59］

在大多数自我解释的样例学习研究中采用的是提示的方法。该方法可以在实验中测量自我解释效应的大小。在许多采用电脑进行样例学习的实验中，有时需要被试在电脑屏幕呈现的文本框里输入自我解释的内容；有时需要被试在列有解题目标或解题原理的选项中选择其中的一个作为自我解释的选项。［59］

第二类自我解释提示是提示被试做样例比较的自我解释。在类比推理的问题解决研究中强调了样例比较的可能性。［60］通过解题样例之间的相互比较可以使学生产生包含一般解题原理在内的抽象问题解决图式，这种图式可以用来解决样例学习之后的迁移问题。这里需要指出的是，阐释样例和样例比较这两种类型的自我解释，其功能是相同的。基于原理的自我解释是将解题样例或解决步骤与抽象的解题原理联系起来；比较两个或更多个解题样例或解题步骤，并告诉学生它们是应用同一个解题原理的不同解题实例，也会产生相同的学习效果。

这种样例比较是典型的问题类型内比较，即一系列同类型的问题可以用相同系列的原理来解决。比如，学生通过比较某种类型概率问题的解题样例后，他们就会发现题目中使用的数字和物体名称与选择合适的解决步骤无关，而与相同类型问题之间的结构特征有关。在理想的学习状态下，学生的注意力会直接朝向问题中恒定不变的结构特征。因此，当学生进行样例比较时，他们可以理解同类型问题中恒定的结构特征，进而辨别出适当的解决步骤。当然，在比较和辨别的过程中也存在大量的表面特征（诸如表面的故事等），但它们与学生选择的解决步骤无关。

除了同构样例的比较之外，还有一些称为“关键特征”的样例比较，即几个样例中某些具体特征之间的差异更明显，而且关注这些特征更为重要。这种样例比较模型是由Bransford和Schwartz建立的。［61］比如，不同却非常容易混淆在一起的概率问题的解题样例，一种是“与命令相关”的，一种是“与命令无关”的。学生可以注意到当解决概率问题时，检查命令是否是相关的是非常重要的，而这里面的关键特征就是“与命令的相关性”。

有时类别内比较和类别外比较是可以结合在一起的。所以，学生能够发现看起来相似的问题（比如相同的故事表面结构）也会需要不同的解决步骤；而看起来不相似的问题（比如不同的故事表面结构）也可能会有相同的解决步骤。［55］Scheiter等发现，指导学生比较这些相似和不相似的样例是很重要的。因为没有这种指导，他们就不能发现这种关注特征结构的样例集所带来的积极效果。［62］

（十五）指导性解释的样例设计原则

如果学生不能对样例做出自我解释，就需要在样例中呈现指导性解释或“帮助性”解释。在Renkl提供帮助性解释的实验中，被试学习概率问题的解题样例，在学习过程中他们有机会点击“解释”按钮，这会最低限度地给被试提供包含解题原理在内的有关解题步骤的解释。当被试认为这种帮助能够使自己继续进行自我解释的时候，他们可以按“返回”按钮回到原样例的学习上来。如果被试需要更多的帮助性指导，他们可以按“更多帮助”的按钮，这样会帮助被试将样例中的要素与解题公式中的要素进行比较，并指导他们如何确定事物的概率。实验的控制组被试没有机会请求这种帮助性指导。实验结果显示，有机会请求帮助的被试比没机会请求帮助的被试在随后进行的迁移测验中表现得更好。［63］

Renkl还发现了三种能够调节帮助效果的因素，在以下三种情况下可以发现帮助性解释的积极作用：（1）当以概念的理解作为学习结果的测量指标时，帮助性解释起积极作用；相反，如果帮助性解释提供的是概念性解释，则在问题解决上没有产生积极的作用。（2）当被试在样例学习中没有自我解释（最典型的情况是被试的自我解释是由“提示”引起的）时，帮助性解释才有助于学习；而在被试能够做出自我解释时，两种类型的帮助，即提示和指导性解释就都是多余的。（3）帮助性解释在数学内容的样例学习中是有效的。对此的一个有待验证的假设性解释是，学生认为学习数学是非常难的，所以他们不能确定什么时候才能离开实验仪器。

（十六）错误样例和正误样例组合的设计原则

根据错误样例和正误样例对比的特有学习功能，在学习与教学中，给学生呈现一定的错误样例和正误样例的对比，可以帮助学生认识到什么是错误的，进而澄清错误的原因，并形成正确的认识。

在样例学习和样例教学中，应该根据学生在学习过程中容易犯错误的类型，恰当地且有针对性地给这些学生设计正确与错误的样例组合，使其在正误样例组合学习的过程中清楚地认识到什么是正确的、什么是错误的，以及进一步识别错误的类型、分析错误的原因并掌握纠正错误的方法。如此会使学生更准确地理解和运用正确的知识，并避免犯类似的错误。

根据Große等的研究结果，不宜过早地给学生提供错误样例。因为过早提供错误样例可能对基础知识较差的学生不利。因此，在样例学习和教学中，对初学者应该先提供正确的样例；在解决问题的过程中提供错误样例；在纠正学生的错误时提供正误样例的对比。在Renkl提出的样例学习指导原则中，将该种样例设计原则称为“错中学的指导”（Learning by Errors Guideline）。［3］

（十七）范例中示范者与学习者的相似性设计原则

鉴于范例学习的相似性效应多是在幼儿和小学生的范例学习中发现的，所以，可以在幼儿和小学生动画和视频的范例设计中采用同龄人（同伴或同学）为教师代理人。又鉴于学生从能力相似或接近者的范例学习中获益较多，因此，在动画和视频的范例设计中采用同龄人、而且能力相似或接近者为教师代理人，可能会有更好的学习效果。至于动画和视频中教师代理人性别、种族和口音等特征的设计，可以在教学实践中不断探索，以求得更好的教学效果。

上述教学设计原则是根据问题解决样例学习实验研究的结果和认知负荷理论的解释提出的。它们适用于问题解决样例学习的实验设计和教学设计。当把它们推广到一般教学设计时要谨慎，既不能照搬和套用，更不能不考虑它们适用的边界条件。样例学习的研究正在深入，还会出现对教学设计有益的新研究结果。尤其是随着规则样例学习研究的深入开展，适用于规则学习的样例设计原则会不断涌现。所以，本文总结的只是样例学习研究对教学贡献的一部分。期待将来有更多有益于教学设计的研究成果问世。

［1］Sweller J，van Merriënboer J J G，Paas F G. Cognitive architecture and instructional design［J］. Educational Psychology Review，1998，10（3）.

［2］Sweller J. Element interactivity and intrinsic，extraneous，and germane cognitive load［J］. Educational Psycology Review，2010，22（2）.

［3］Renkl A. Instruction based on examples［M］//Mayer R E，Alexander P A. Handbook of research on learning and instruction. New York：Routledge，2011.

［4］Sweller J，Mawer R F，Ward M R. Development of expertise in mathematical problem solving［J］. Journal of Experimental Psychology，General，1983，112（4）.

［5］Sweller J. Cognitive load during problem solving：effects on learning［J］. Cognitive Science，1988，12（2）.

［6］Newell A，Simon H A. Human problem solving［M］. Englewood Cliffs：Prentice Hall，1972.

［7］Cooper G，Sweller J. Effects of schema acquisition and rule automation on mathematical problem-solving transfer［J］.Journal of Educational Psychology，1987，79.

［8］Paas F，van Merrienboer J. Variability of worked examples and transfer of geometrical problem solving skills：a cognitive-load approach［J］. Journal of Educational Psychology，1994，86（1）.

［9］Renkl A. Learning from worked-out examples：a study on individual differences［J］. Cognitive Science，1997，21（1）.

［10］Tarmizi R A，Sweller J. Guidance during mathematical problem solving［J］. Journal of Educational Psychology，1988，80（4）.

［11］Ward M，Sweller J. Structuring effective worked examples［J］. Cognition and Instruction，1990，7（1）.

［12］Leahy W，Sweller J. Cognitive load and the imagination effect［J］. Applied Cognitive Psychology，2004，18（7）.

［13］Renkl A，Atkinson R. Structuring the transition from example study to problem solving in cognitive skills acquisition：a cognitive load perspective［J］. Educational Psychologist，2003，38（1）.

［14］Renkl A，Atkinson R，Grosse C. How fading worked solution steps works-a cognitive load perspective［J］. Instructional Science，2004，32（1-2）.

［15］Pollock E，Chandler P，Sweller J. Assimilating complex information［J］. Learning and Instruction，2002，12（1）.

［16］Gerjets P，Scheiter K，Catrambone R. Can learning from molar and modular worked examples be enhanced by providing instructional explanations and prompting self-explanations?［J］. Learning and Instruction，2006，16（2）.

［17］Gerjets P，Scheiter K，Schuh J. Information comparisons in example-based hypermedia environments：supporting learners with processing prompts and an interactive comparison tool［J］. Educational Technology Research and Development，2008，56（1）.

［18］Cormier S M，Hagman J D. Transfer of learning：contemporary research and applications［M］. San Diego，CA：Academic Press，1987.

［19］Jelsma O，van Merrienboer J J G，Bijlstra J P. The ADAPT design model：towards instructional control of transfer［J］.Instructional Science，19（2）.

［20］Singley M K，Anderson J R. The transfer of cognitive skill［J］. Readings in Cognitive Science，1989，89（4）.

［21］张奇，赵弘.算术应用题二重变异样例学习的迁移效果［J］.心理学报，2008，40（4）.

［22］Quilici J L，Mayer R E. Role of examples in how students learn to categorize statistics word problems［J］. Journal of Educational Psychology，1996，88（1）.

［23］Tindall-Ford S，Chandler P，Sweller J. When two sensory modes are betterthan one［J］. Journal of Experimental Psychology Applied，1997，3（4）.

［24］Leahy W，Sweller J. Interactions among the imagination，expertise reversal，and elementinter activity effects［J］.Journal of Experimental Psychology：Applied，2005，11（4）.

［25］Scheiter K，Gerjets P，Catrambone R. Making the abstract concrete：visualizing mathematical solution procedures［J］.Computers in Human Behavior，2006，22（1）.

［26］Corriss D，Kose G. Action and imagination in the formation of images［J］. Perceptual and Motor Skills，1998，87（1）.

［27］Chi M T H，Bassok M，Lewis M W，et al. Self-explanations：how students studyand use examples in learning to solve problems［J］. Cognitive Science，1989，13（2）.

［28］Berthold K，Renkl A. Instructional aids to support a conceptual understanding of multiple representations［J］. Journal of Educational Psychology，2009，101（1）.

［29］Atkinson R K. Optimizing learning from examples using animated pedagogical agents［J］. Journal of Educational Psychology，2002，94（2）.

［30］Myers J L，Hanson R S，Robson R C，et al. The role of explanation when learning elementary probability［J］. Journal of Educational Psychology，1983，75（3）.

［31］Ross B H，Kilbane M C. Effects of principle explanation and superficial similarity on analogical mapping in problem solving［J］. Journal of Experimental Psychology：Learning，Memory & Cognition，1997，23（23）.

［32］Schworm S，Renkl A. Computer-supported example-based learning：when instructional explanations reduce selfexplanations［J］. Computers & Education，2006，46（4）.

［33］Brown A L，Kane M J. Preschool children can learn to transfer：learning to learn and learning from examples［J］.Cognitive Psychology，1988，20，（4）.

［34］Hoogveld A W M，Paas F，Jochems W M G. Training higher education teachers for instructionaldesign of competencybased education：product-oriented versus process-oriented worked examples［J］. Teaching and Teacher Education，2005，21（3）.

［35］Van Gog T，Paas F，Van Merrienboer J. Effects of process-oriented worked examples on trouble shooting transfer performance［J］. Learning and Instruction，2006，16（2）.

［36］许德志，张奇. 碳氢共价键结构式正误样例组合的学习效果［J］. 心理科学，2011，34（2）.

［37］张奇，张华. 物体受力分析正误样例组合的学习效果［J］. 心理科学，2014，37（1）.

［38］蔡晨，曲可佳，张华，等.正误样例组合学习的相似性效应和认知加工深度效应［J］. 心理发展与教育，2016，32（3）.

［39］VanLehn K. Rule-learning events in the acquisition of a complex skill：an evaluation of CASCADE［J］. The Journal of the Learning Sciences，1999，8（1）.

［40］Siegler R S. Microgenetic studies of self-explanation［M］//Granott N，Parziale J. Transition processes in development and learning. New York：Cambridge University Press，2002.

［41］Große C S，Renkl A. Finding and fixing errors in worked examples：can this foster learning outcomes?［J］. Learning& Instruction，2007，17（6）.

［42］Ryalls B O，Gul R E，Ryalls K R. Infant imitation of peer and adult models：evidence for a peer modeladvantage［J］.Merrill-Palmer Quarterly，2000，46，（1）.

［43］Braaksma M A H，Rijlaarsdam G，Huub V D B. Observational learning and the effects of model observer similarity［J］.Journal of Educational Psychology，2002，94（2）.

［44］Schunk D H，Hanson A R. Peer models：influence on children’s self-efficacy and achievement［J］. Journal of Educational Psychology，1985，77（3）.

［45］王瑶，张奇. 阅读范文对小学生作文成绩的影响［J］. 心理发展与教育，2012，28（5）.

［46］Atkinson R K，Catrambone R，Merrill M M. Aiding transfer in statistics：examining the use of conceptually oriented equations and elaborations during subgoal learning［J］. Journal of Educational Psychology，2003，95（4）.

［47］Kissane M，Kalyuga S，Chandler P，et al. The consequences of fading instructional guidance on delayed performance：the case of financial services training［J］. Educational Psychology，2008，28（7）.

［48］Renkl A，Atkinson R K，Große C S. How fading worked solution steps works-a cognitive load perspective［J］.Instructional Science，2004，32（1-2）.

［49］Renkl A，Atkinson R K. Structuring the transition from example study to problem solving in cognitive skills acquisition：a cognitive load perspective［J］. Educational Psychologist，2003，38，（1）.

［50］Salden R，Aleven V，Schwonke R，et al. The expertise-reversal effect and worked examples intutored problem solving［J］. Instructional Science，2010，38（3）.

［51］Koedinger K R，Corbett A T. Cognitive tutors：technology bringing learning sciences to the classroom［M］// Sawyer R K.The Cambridge handbook of the learning sciences. New York：Cambridge University Press，2006.

［52］Catrambone R. The subgoal learning model：creating better examples so that students can solve novelproblems［J］.Journal of Experimental Psychology：General，1998，127，（4）.

［53］Atkinson R K，Derry S J. Computer-based examples designed to encourage optimal example processing：a study examining the impact of sequentially presented，subgoal-oriented worked examples［G］// Fishman B，O’Connor-Divelbiss S. F. Proceedings of the Fourth International Conference of Learning Sciences. Hillsdale，NJ：Erlbaum，2000.

［54］Schmidt-Weigand F，Hänze M，Wodzinski R. Complex problem solving and worked examples：the role of prompting strategic behavior and fading-in solution steps［J］. German Journal of Educational Psychology，2009，23（2）.

［55］Cooper G，Tindall-Ford S，Chandler P，et al. Learning by imagining［J］. Journal of Experimental Psychology：Applied，2001，7（1）.

［56］Ginns P，Chandler P，Sweller J. When imagining information is effective［J］. Contemporary Educational Psychology，2003，28（2）.

［57］Leahy W，Sweller J. Cognitive load and the imagination effect［J］. Applied Cognitive Psychology，2004，18（7）.

［58］Tindall-Ford S，Sweller J. Altering the modality of instructions to facilitate imagination：interactions between the modality and imagination effects［J］. Instructional Science，2006，34.

［59］Renkl A，Stark R，Gruber H，et al. Learning from worked-out examples：the effects of example variability and elicited self-explanations［J］. Contemporary Educational Psychology，1998，23（1）.

［60］Holyoak K J，Morrison R G. The Cambridge handbook of thinking and reasoning［M］. New York：Cambridge University Press，2005.

［61］Bransford J D，Schwartz D L. Rethinking transfer：a simple proposal with multiple implications［J］. Review of Research in Education，1999，24（1）.

［62］Scheiter K，Gerjets P. When less is sometimes more：optimal learning conditions are required forschema acquisition from multiple examples［M］//Bara B G，Barsalou L，Bucciarelli M. Proceedings of the 27th Annual Conference of the Cognitive Science Society. Mahwah，NJ：Erlbaum，2005.

［63］Renkl A. Worked-out examples：instructional explanations support learning by self-explanations［J］. Learning &Instruction，2002，12（5）.