如果你学过一门新东西——比如一门编程语言、一段数学证明、一套 Excel 函数——你大概率听过这句黄金法则："多刷题，在做中学。" 听起来天经地义，对吧？可认知心理学几十年的研究给出的答案恰恰相反：对一个新手来说，先扎扎实实读懂几道"例题"，远比一头扎进题海自己硬解更高效。这个反直觉结论，背后是一套名为 Cognitive Load Theory（认知负荷理论，CLT） 的体系。
本期我们拆解 MIT OpenCourseWare 的一堂公开课——Prof. Justin Reich 的《How People Learn: Cognitive Load Theory》。它不是网红短视频那种"3分钟教你高效学习"的鸡汤，而是一堂 56 分钟的大学正课，把"大脑为什么学不动""什么样的教学设计真正有效"从底层讲透。它解决的核心问题只有一个：你的工作记忆容量是固定的、极小的，而所有学习都必须挤过这道窄门——那么，怎么设计，才能让有限的脑力用在刀刃上？
| 项目 | 内容 |
|---|---|
| 视频标题 | 02. How People Learn: Cognitive Load Theory |
| 频道 / 来源 | MIT OpenCourseWare（MIT 官方公开课） |
| 讲师 | Prof. Justin Reich（MIT 比较媒介研究/写作系） |
| 课程 | CMS.595 Learning, Media, and Technology（2024 春） |
| 时长 | 56 分钟 |
| 受众层级 | 本科 / 研究生（Intermediate） |
| 核心主题 | 工作记忆瓶颈与教学设计的认知负荷最优化 |
视频开篇就把刀插在最痛的地方：人能同时处理的新信息量，少得可怜。早期 George Miller 在 1956 年那篇著名的《The Magical Number Seven, Plus or Minus Two》里估算短时记忆容量约 7 个组块，但后来的研究（Cowan 等）把"真正可用的注意力槽位"修正到了 4 个左右。
这是视频的核心立论（也是整个 CLT 的地基）：无论你多聪明，工作记忆（working memory）的"带宽"是固定的、极小的。一旦塞进来的信息超过这个带宽，认知就过载——你开始走神、读不进、记不住，不是因为你笨，而是因为通道被堵死了。（这是视频原话层面的核心框架。）
延伸分析：很多人把"学不进去"归因于意志力或天赋，但 CLT 给了一个更可操作的归因——是教学/学习方式制造了过载。这一步把"我没天赋"的无力感，转化成"我可以重新设计输入"的掌控感，这是这堂课最大的情绪价值。
Reich 教授（以及 CLT 创始人 John Sweller）的关键贡献，是把笼统的"脑子累"拆成了性质完全不同的三种负荷：
三种负荷加起来不能超过工作记忆总容量。这是个零和游戏：外在负荷越大，留给内在+相关负荷的空间就越小，学习效率越低。 所以 CLT 的全部实践指南，本质就一句话——尽可能压低 extraneous load，把省下来的带宽让给 germane load。（这是视频/CLT 的理论主干。）
这是整堂课最颠覆常识、也最有实验支撑的发现——Worked-example effect（例题效应）。
Sweller 等人的大量实验显示：对新手而言，"研究若干道完整写出演算过程的例题 + 少量练习"的组合，显著优于"从第一题起就独立解题"。原因正是负荷理论：新手对领域毫无图式，独立解题时几乎全部工作记忆都被"从零摸索解题路径"这种 means-ends search 占满，根本腾不出脑力去理解"这道题到底在教我什么"。而一道好例题，等于把解题路径直接铺好，让脑力得以流向 germane load——去理解结构、归纳套路。
这条直接颠覆了"熟能生巧、上来就刷"的直觉。视频的核心论点：对新手，"高质量的示范"是最高效的输入，强行"在干中学"反而是在用过载惩罚自己。
（延伸分析：这也解释了一个普遍痛点——为什么很多人报了课、做了海量题却仍不开窍。因为他们的练习一直在重复"低水平摸索"，从未把带宽转向 schema 构建。）
但例题不是万能的——这是 CLT 最精彩、也最容易被自媒体忽略的"反转"：Expertise Reversal Effect（专长反转效应），由 Kalyuga、Ayres、Chandler、Sweller（2003）系统提出。
结论很反直觉：当学习者从新手成长为专家后，原本有效的方法会失效甚至有害。对专家来说，一道反复讲解的例题、一段图文一一对应的冗余说明，反而成了 redundancy（冗余），制造新的 extraneous load——专家已有的图式让这些"帮助"变成"噪音"。于是专家在"自己解"的条件下反而表现更好。
这是整堂课最重要的"动态性"洞察：最优教学方式不是固定的，而是随学习者专长水平而翻转的。新手要高指导（例题、拆解），专家要低指导（问题、挑战）。一条"标准最优学法"对所有人——这种话本身就是错的。
（延伸分析：这也回应了"为什么顶流学习法会反噬"的现象——把适合专家的低指导方法，硬套在新手身上，或把适合新手的高指导方法，强加给已经进阶的人，都会适得其反。方法必须匹配你当下的水平。）
视频另一条主线是诊断糟糕设计如何制造 extraneous load，两个最经典的效应：
（这是视频/CLT 对多媒体设计的核心警示，也是 Richard Mayer 后来发展出 12 条多媒体学习原则的基础。）
如果说工作记忆是窄门，那长期记忆（long-term memory）就是无垠的仓库——而这才是这堂课真正想升华的点。
专家和新手的根本差别，不在工作记忆大小（大家的带宽差不多），而在长期记忆里储存了多少自动化的图式（schemas）。当一个图式被练到自动化，它就从工作记忆里"卸载"出去了，几乎不再占用带宽。专家能瞬间看穿一道难题，不是脑子转得更快，而是大量信息已经被打包成块（chunking），整体调入，一次只占一个槽位。
视频的深层信息：所谓"变聪明"，本质是把更多知识结构化、自动化地塞进长期记忆，从而释放工作记忆。学习，就是一场"用长期记忆为工作记忆减负"的长期工程。
最后，CLT 还有一个对教学设计极实用的推论——Modality effect（双通道效应）：视觉信息用图、听觉信息用语音分别承载，可以让两个通道（视觉+听觉）同时工作，等于在物理上扩展了可用带宽（依托 Alan Baddeley 的工作记忆模型中的语音环与视觉空间画板）。这就是为什么"图+精炼解说"的视频，往往比"一张满是字的幻灯片"更容易吸收——前提是两条通道承载的是互补而非重复的信息，否则又掉进冗余陷阱。
flowchart TD
A[工作记忆<br/>固定且极小的带宽 ≈4 chunks] --> B{总负荷 ≤ 带宽<br/>零和分配}
B --> C1[内在负荷 Intrinsic<br/>材料本身复杂度]
B --> C2[外在负荷 Extraneous<br/>设计造成的废负荷]
B --> C3[相关负荷 Germane<br/>建构 schema 的好负荷]
C1 --> D1[调整: 切分难度<br/>由易到难搭建]
C2 --> D2[压缩: 整合分割注意<br/>删除冗余 → 释放带宽]
C3 --> D3[放大: 例题/对照/归纳<br/>把带宽导向 schema]
D2 --> E[长期记忆 LTM<br/>无限容量的图式仓库]
D3 --> E
E -->|自动化 chunking<br/>释放工作记忆| F[专长 Expertise]
G[新手 Novice] -->|高指导| H1[例题效应<br/>看示范 > 硬解]
F -->|专家| H2[专长反转效应<br/>例题失效 解题更优]
H1 -.进阶.-> F
1. 给自己的学习重新排序：先吃例题，再上手题。 当你面对一个全新领域，别急着刷题。先找 3–5 道带完整推导、注释清楚的例题，逐行读懂"为什么这么走"，建立初步 schema，再开始少量练习。对新手，"研究例题"是被严重低估的高 ROI 动作。记住：让你"感觉很努力"的硬解，可能正在过载你、却没在教你。
2. 用"流畅感"自检——它经常骗你。 看着精美的视频、跟着顺一遍，觉得"懂了"——这往往只是 extraneous load 被压低带来的流畅错觉（illusion of competence），而 germane load（真正建构图式的脑力）可能为零。判断标准不是"看着顺不顺"，而是"我能不能脱离示范，自己复述/迁移/变形"。
3. 阶段性切换方法，别从一而终。 刚入门用高指导（例题、分步拆解）；一旦发现自己看例题已经"秒懂"且略嫌啰嗦，就是专长反转信号——立刻切换到独立解题、变式、对比题，把带宽从"读示范"转向"建构更深的 schema"。最贵的错误，是用新手方法学到了专家阶段。
4. 清理你学习环境的 extraneous load。 看教程时，把图与文字放在一起对照、关掉无关弹幕/动画、拒绝"同一信息三次重复"的啰嗦讲解。每砍掉一份冗余，就多一份带宽留给真正的理解。
5. 教学/做内容的人，请把"减负"当第一性原理。 无论你做 PPT、录课、写文档：空间邻近、删除冗余、图文互补双通道、由易到难——这四条把 Mayer/CLT 的精华都用上了。让学习者的全部带宽流向你真正想教的那个 schema，而不是流向"理解你的排版"。
学习的瓶颈不在天赋，而在固定的工作记忆带宽——所有高效学习的本质，都是把宝贵的带宽从"废负荷"里省下来，导向真正建构心智图式的那部分脑力，并且在你从新手成长为专家的路上，果断换掉已经失效的方法。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。