面对一个复杂的学习任务，是把难度一次性给足，还是由浅入深、层层加码？这是教学设计中最基本的一道选择题。认知负荷理论给出的经典答案是后者——对新手而言，复杂度应当逐步提升，以免有限的工作记忆被瞬间压垮。

但近年来关于“费力学习”的研究正在提示另一面：过度简化，可能低估了学习者的认知能力。

奥地利萨尔茨堡大学的 Ines Zeitlhofer、Joerg Zumbach 与美国加州州立大学奇科分校的 Neil Schwartz 的这项研究，发表于European Journal of Psychology of Education，以经典的河内塔（Tower of Hanoi，ToH）任务为载体，通过四项实验、共 335 名参与者，考察了任务复杂度与前置训练各自及共同的作用。结果显示：让任务始终保持一致的高复杂度，其认知负荷与心理努力反而低于逐渐递增的难度；而前置训练能减少解题步数，却未能稳定降低认知负荷。

复杂问题解决是教育的基石，它要求学习者在有限的工作记忆中同时处理大量相互关联的信息。在教学设计领域，认知负荷理论（Cognitive Load Theory，CLT）是被引用最多的框架之一，其核心主张是：学习的效果，取决于教学条件与工作记忆有限资源之间的相互作用。

在这一框架中，认知负荷（cognitive load）指问题解决任务强加于工作记忆的需求，心理努力（mental effort）则指学习者实际投入的认知资源。由于工作记忆在加工新信息时的容量与持续时间都极为有限，以往研究普遍建议：对新手而言，问题解决任务的复杂度应当逐步提升——例如先借助样例（worked examples）作示范，再让学习者独立解题。

然而，近年来关于“费力问题解决”的研究正在挑战这一默认前提。有研究指出，对任务的过度简化可能低估了学习者的认知容量；学习者愿意投入多少认知资源，本身取决于学习任务的复杂程度。当任务具有挑战性、却仍处于能力范围之内时，学习者反而更可能深度参与，从而促成心智模型的建构。这一思路与支架（scaffolding）、最近发展区（Zone of Proximal Development）等教育心理学的基本概念一脉相承。

另一条线索是前置训练（pre-training）。按照多媒体学习认知理论（Cognitive Theory of Multimedia Learning，CTML），在正式学习前先让学习者掌握关键成分的名称与特征，可以帮助他们预先建立必要的知识结构，从而缓解后续信息加工的认知压力，最终提升表现。问题随之而来：当“一致的高复杂度”遇上“前置训练”，两者究竟相互增益，还是彼此重叠？

研究以河内塔（Tower of Hanoi，ToH）任务为载体。任务要求把一根柱子上由小到大叠放的圆盘整体移到另一根柱子上，规则有两条：每次只能移动最上方的一个圆盘；较大的圆盘不能压在小圆盘之上。任务的状态总数为 3ⁿ（n 为圆盘数），最优解法需要 2ⁿ − 1 步——四个盘 15 步、五个盘 31 步、六个盘 63 步、七个盘 127 步。                             

四项实验均采用被试间与被试内的混合设计，自变量为任务复杂度（一致高复杂度 vs 渐进递增复杂度）与前置训练（有 vs 无，实验一除外）。每项实验中，参与者分三轮完成河内塔任务，每轮包含三次任务；一轮在完成三次任务或到达时间上限时结束。每轮结束后，参与者自评认知负荷与心理努力，成绩则以第三轮的用时和移动步数衡量。

四项实验在设计上逐步收紧：

①实验一：60 名高年级本科生，复杂度序列为 4–5–6（递增）与 6–6–6（一致高）。

②实验二：80 名研究生，在实验一的基础上引入前置训练。

③实验三：84 名本研学生及校外志愿者，将序列调整为 3–5–7 与 7–7–7，以避免盘数奇偶切换导致解题算法改变。

④实验四：111 名研究生，把每轮的练习时间固定为 30 分钟，确保所有人的练习机会均等。

测量工具方面，认知负荷采用 NASA 任务负荷指数（NASA-TLX）五点自评，涵盖心理需求、挫败感、努力感与时间压力等题项；心理努力则采用心理努力评定量表（Mental Effort Rating Scale，MERS）单题七点自评。

实验一的结果率先显示出一种反直觉的模式。在第三轮，一致高复杂度组与递增组的成绩差异并不显著；但从三轮的变化看，两组的认知负荷与心理努力却走向了相反的方向——一致高复杂度组的负荷与努力随轮次下降，递增组则持续上升。

这一模式在后续实验中反复出现并得到加强。实验二中，一致高复杂度显著降低了第三轮的心理努力；实验三中，一致高复杂度不仅缩短了用时、减少了步数，还同时降低了认知负荷与心理努力；实验四在练习时间标准化之后，仍在认知负荷与心理努力上复现了一致的结果。

四项实验的元分析给出了更稳健的答案：一致高复杂度对认知负荷的合并效应量为 d = 0.60（95% CI [0.20, 1.00]，p = .003），对心理努力的合并效应量为 d = 0.58（95% CI [0.19, 0.98]，p = .004），两项分析的异质性均为 I² = 0%。                                                     

研究者对这一模式的解释是：一致高复杂度的优势，并不在于降低负荷的总体水平，而在于改变负荷的时间分布。在一致高复杂度条件下，认知负荷在开局时最高——此时学习者尚未形成解题图式；随着反复接触同一复杂任务，图式逐步建立并趋于自动化，负荷随之下降。相反，递增复杂度开局的难度偏低，学习者容易低估任务、早期投入不足，未能及时建立解法；当难度真正上升时，他们缺乏稳定的解题结构，负荷反而在后段攀升。

换言之，真正影响图式建构的，可能是认知负荷峰值出现的时机，而非其平均高度。作者指出，即便两种条件的负荷均值相当，只要峰值时机不同，学习的走向也会不同。

与任务复杂度相比，前置训练的效果要复杂得多。研究中，前置训练由八页幻灯片构成，向学习者介绍河内塔的规则、盘片组成与状态变化，但不提供完整的解法策略——学习者仍需自己规划与评估每一步移动。

效果最一致的，是成绩中的步数指标。实验二、实验三与实验四中，接受前置训练的学习者都显著减少了完成任务的移动步数；但用时上的优势只出现在实验二。研究者据此判断：前置训练主要提升的是解题的准确性，而非速度。原因可能在于，前置训练只提供了图式的讲解，却没有配套的练习环节，学习者仍须在解题过程中主动提取与应用。

对认知负荷与心理努力的影响则更为分化。前置训练降低认知负荷的假设未获证实；降低心理努力的结果在实验二与实验四中成立，在实验三中不成立。作者援引 Endres 等人的研究解释这一分歧：在某些复杂问题解决任务中，更高的先备知识反而可能带来更高的内在认知负荷——学习者一旦知道正确的解法结构，反而更清楚这道题有多难。

至于两者的结合，四项实验一致显示：任务复杂度与前置训练之间不存在显著的交互效应。在一致高复杂度的条件下，额外提供前置训练并未带来更多收益。作者推测，前置训练的效果可能取决于任务本身的认知负荷水平——当任务复杂度虽高、却仍能在工作记忆容量之内被处理时，前置训练的作用就会被“吸收”掉。

综合四项实验，研究给出了两组强度不同的结论。一方面，一致高复杂度相对于渐进递增，能够提升问题解决表现并降低认知负荷与心理努力，这一效应在元分析层面稳健、异质性极低。另一方面，前置训练的作用有限且不稳定。

对教学设计者而言，当任务仍处于学习者的认知容量之内时，维持一个稳定且偏高的复杂度，可能优于逐步加码的安排——尤其在“发现底层问题解决结构”至关重要的领域。

对教师而言，前置训练应当被有选择地使用：它更适合陌生的任务，或者初始负荷可能超出工作记忆容量的情境。但仅有讲解、没有练习的前置训练难以真正促成图式内化，需要与后续的练习环节配套。

这项研究给出的启示，或许可以概括为一句话：难度的时机，比平均值更重要。与其把复杂任务切碎成一段段平缓的台阶，不如让学习者在能力所及的范围内尽早直面真实的问题结构——前提是，任务足够难，但没有难到超出他们能够承受的范围。