ВЛИЯНИЕ ЦИФРОВЫХ УЧЕБНЫХ МАТЕРИАЛОВ НА ВНИМАНИЕ УЧАЩИХСЯ: НЕЙРОДИДАКТИЧЕСКИЙ АНАЛИЗ
DOI:
https://doi.org/10.46991/educ-21st-century.v8.i1.169Ключевые слова:
нейропедагогика, учебная аналитика, когнитивная нагрузка, системы управления обучением (LMS), цифровой образовательный контент, смешанное исследованиеАннотация
Проблема истощения когнитивных ресурсов обучающихся в цифровых системах управления обучением (LMS) остается критическим барьером для эффективности высшего образования. Цель данного исследования – изучить влияние архитектуры цифрового образовательного контента на побочную когнитивную нагрузку и академическую успешность студентов на основе интеграции учебной аналитики и нейропедагогики. В работе применен объяснительный последовательный дизайн смешанного исследования. На количественном этапе проанализированы объективные цифровые следы (лог-файлы LMS Moodle и Google Classroom) и данные анкетирования (шкала Ф. Пааса) 150 студентов бакалавриата. Качественный этап включал тематический анализ полуструктурированных интервью (n = 14, где n – количество студентов).
Количественные результаты продемонстрировали, что нейродидактическая оптимизация контента достоверно снижает побочную когнитивную нагрузку (с 7.45 до 3.21 баллов, p < 0.001), параллельно увеличивая время устойчивого внимания с 8.4 до 22.3 минут. Множественный регрессионный анализ подтвердил, что побочная нагрузка является сильнейшим негативным предиктором успеваемости (β = - 0.41).
Качественный анализ выявил феномены «навигационного хаоса» и когнитивной клаустрофобии, доказав, что для их преодоления необходимы стратегии визуального квантования, направляющей коммуникации и микромодульного дофаминового подкрепления. Научная новизна исследования заключается в преодолении разрыва между теорией когнитивной нагрузки и учебной аналитикой. Предложена эмпирически обоснованная концептуальная модель, доказывающая, что архитектура цифрового контента является не эстетическим, а фундаментальным нейропедагогическим инструментом. Практическая значимость работы состоит в разработке доказательных стандартов конструирования образовательных сред, обеспечивающих когнитивную жизнестойкость студентов в условиях обучения, управляемого данными.
Скачивания
Библиографические ссылки
Aleksanyan, A. (2025). Teachers views on pedagogical challenges during post-war return in Mosul. In Teacher and School Resilience in an Era of Uncertainty. Springer. https://doi.org/10.1007/978-3-031-93961-7
Anderson, J. R. (2009). Cognitive psychology and its implications (7th ed.). Worth Publishers.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Chen, C. M., & Wu, C. H. (2015). Effects of different video lecture types on sustained attention, emotion, cognitive load, and learning performance. Computers & Education, 80, 108–121. https://doi.org/10.1016/j.compedu.2014.08.015
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
Dawson, S., Gašević, D., Siemens, G., & Joksimovic, S. (2014). Current state and future trends: A citation network analysis of the learning analytics field. In Proceedings of the First International Conference on Learning Analytics and Knowledge (pp. 231–240). Association for Computing Machinery. https://doi.org/10.1145/2567574.2567585
Gevorgyan, S., & Asatryan, S. (2025). Enhancing educational efficiency through data-driven learning: A case study of the Armenian State Pedagogical University (ASPU). Scientia Paedagogica Experimentalis. https://doi.org/10.57028/s62-269-z1091
Kahu, E. R. (2013). Framing student engagement in higher education. Studies in Higher Education, 38(5), 758–773. https://doi.org/10.1080/03075079.2011.598505
Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75–86. https://doi.org/10.1207/s15326985ep4102_1
Mayer, R. E. (2014). The Cambridge handbook of multimedia learning (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9781139547369
Paas, F. G. W. C. (1992). Training strategies for attaining transfer of problem-solving skill in statistics: A cognitive-load approach. Journal of Educational Psychology, 84(4), 429–434. https://doi.org/10.1037/0022-0663.84.4.429
Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380–1400. https://doi.org/10.1177/0002764213498851
Skulmowski, A., & Xu, K. M. (2021). Understanding cognitive load in digital and online learning: A new perspective on extraneous cognitive load. Educational Psychology Review, 34, 171–196. https://doi.org/10.1007/s10648-021-09624-7
Sweller, J. (2020). Cognitive load theory and educational technology. Educational Technology Research and Development, 68(1), 1–16. https://doi.org/10.1007/s11423-019-09701-3
Thomas, M. S. C., Ansari, D., & Knowland, V. C. P. (2019). Annual research review: Educational neuroscience: Progress and prospects. Journal of Child Psychology and Psychiatry, 60(4), 477–492. https://doi.org/10.1111/jcpp.12973
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Arevik Ghazaryan
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
