extraneous cognitive load

The increasing integration of digital media into children's lives has raised concerns about possible associations between screen exposure and cognitive development. This narrative review synthesizes empirical evidence published from 2014 to 2025 on associations between screen exposure and attention, memory, executive function, and related developmental outcomes among school-aged children (6–11 years) and adolescents (12–18 years) and interprets the findings through Cognitive Load Theory. Searches of PubMed, PsycINFO, and Google Scholar were conducted in May 2025 and updated in June 2025. Following duplicate removal and screening by one reviewer, 13 empirical studies were included. The evidence encompassed cross-sectional, longitudinal, neuroimaging, and Mendelian randomization designs. Higher or poorly structured screen exposure was generally associated with attention difficulties, weaker working memory or executive function, academic challenges, and differences in brain regions involved in cognitive control. However, findings were not uniform: interactive, purposeful, and developmentally appropriate digital activities were sometimes associated with neutral or beneficial cognitive outcomes. Cognitive Load Theory offers a plausible interpretation in which rapid, distracting, or multitasked media increases extraneous cognitive load and leaves fewer working-memory resources for task-relevant processing and schema construction. Because most included studies were observational and screen exposure was measured inconsistently, the evidence does not establish that screen use directly causes cognitive impairment. Future research should use longitudinal or experimental designs, objective and multidimensional measures of digital use, and direct measures of cognitive load. Guidance for families and educators should consider content, context, timing, and purpose in addition to duration.

افزایش ادغام رسانه‌های دیجیتال در زندگی کودکان، نگرانی‌هایی را درباره ارتباطات احتمالی بین مواجهه با صفحه‌نمایش و رشد شناختی ایجاد کرده است. این مرور روایتی، شواهد تجربی منتشرشده از سال ۲۰۱۴ تا ۲۰۲۵ را درباره ارتباط بین مواجهه با صفحه‌نمایش و توجه، حافظه، عملکرد اجرایی و پیامدهای رشدی مرتبط در کودکان سنین مدرسه (۶ تا ۱۱ سال) و نوجوانان (۱۲ تا ۱۸ سال) گردآوری و یافته‌ها را از منظر نظریه بار شناختی تفسیر می‌کند. جستجوها در پایگاه‌های PubMed، PsycINFO و Google Scholar در ماه مه ۲۰۲۵ انجام و در ژوئن ۲۰۲۵ به‌روزرسانی شد. پس از حذف موارد تکراری و غربالگری توسط یک مرورگر، ۱۳ مطالعه تجربی وارد شدند. شواهد شامل طرح‌های مقطعی، طولی، تصویربرداری عصبی و تصادفی‌سازی مندلی بود. مواجهه بیشتر یا ساختارنیافته با صفحه‌نمایش عموماً با دشواری‌های توجه، ضعف حافظه کاری یا عملکرد اجرایی، چالش‌های تحصیلی و تفاوت در نواحی مغزی مرتبط با کنترل شناختی همراه بود. با این حال، یافته‌ها یکنواخت نبودند: فعالیت‌های دیجیتال تعاملی، هدفمند و متناسب با رشد گاهی با پیامدهای شناختی خنثی یا سودمند همراه بودند. نظریه بار شناختی تفسیر معتبری ارائه می‌دهد که در آن رسانه‌های سریع، حواس‌پرت‌کننده یا چندوظیفه‌ای، بار شناختی زائد را افزایش داده و منابع حافظه کاری کمتری برای پردازش مرتبط با تکلیف و ساخت طرح‌واره باقی می‌گذارند. از آنجا که بیشتر مطالعات واردشده مشاهده‌ای بودند و مواجهه با صفحه‌نمایش به‌طور ناسازگار اندازه‌گیری شده بود، شواهد موجود اثبات نمی‌کند که استفاده از صفحه‌نمایش مستقیماً موجب اختلال شناختی می‌شود. پژوهش‌های آینده باید از طرح‌های طولی یا تجربی، سنجه‌های عینی و چندبعدی استفاده دیجیتال و سنجه‌های مستقیم بار شناختی بهره ببرند. راهنمایی برای خانواده‌ها و مربیان باید علاوه بر مدت زمان، محتوا، زمینه، زمان‌بندی و هدف را نیز مدنظر قرار دهد.

Introduction: Effective clinical teaching depends on managing cognitive load. Contextual vertical integration (CVI), which interweaves basic-science mechanisms with clinical content within a teaching session, was associated with lower self-reported Intrinsic Cognitive Load (ICL) and Extraneous Cognitive Load (ECL) scores and higher self-reported Germane Cognitive Load (GCL) scores in the CONVINCED-OG cluster-randomized crossover trial. Whether baseline deep and surface learning approaches are associated with cognitive load, or moderate CVI’s benefits, is unknown. This prespecified secondary analysis addressed both questions. Materials & Methods: The dataset comprised 103 third-year MBBS students (824 student-topic observations) taught eight core obstetrics and gynecology topics across two teaching hospitals, each topic delivered under CVI-enabled and non-integrated conditions in a topic-level crossover. Baseline deep and surface learning approaches were measured once using the Revised Two-Factor Study Process Questionnaire; ICL, ECL and GCL were self-reported after each session using the Cognitive Load Questionnaire. For each outcome, two linear mixed-effects models were fitted with random intercepts for participant and cluster-period: a main-effects model, and an interaction model adding condition-by-approach interaction terms. Results: Averaged across instructional conditions, a deeper learning approach was associated with lower ICL (b = − 0.040; 95% CI, − 0.071 to − 0.009; p = 0.011), lower ECL (b = − 0.060; 95% CI, − 0.101 to − 0.019; p = 0.004) and higher GCL (b = 0.037; 95% CI, 0.003 to 0.072; p = 0.033). There was no clear evidence that surface approach was associated with any outcome. No interaction between instructional condition and either learning approach was significant for any outcome, giving no clear evidence that CVI’s cognitive-load benefit varied with learning approach. Sensitivity analyses were consistent. With multiplicity adjustments, ECL survived all adjustments, ICL only Benjamini–Hochberg, and GCL none. Conclusion: There was no clear evidence of moderation of CVI-related differences by learning approaches. Deep-approach scores were associated with lower ICL and ECL and higher GCL; surface approach showed no clear association. Keywords: cognitive load theory, vertical integration, learning approaches, medical education, obstetrics and gynecology, cluster-randomized crossover trial

مقدمه: آموزش بالینی مؤثر وابسته به مدیریت بار شناختی است. یکپارچگی عمودی زمینه‌ای (CVI)، که سازوکارهای علوم پایه را با محتوای بالینی در یک جلسه آموزشی درهم می‌آمیزد، در کارآزمایی خوشه‌ای تصادفی متقاطع CONVINCED-OG با نمرات کمتر بار شناختی ذاتی (ICL) و بار شناختی بیرونی (ECL) و نمرات بالاتر بار شناختی سودمند (GCL) خودگزارش‌دهی شده همراه بود. اینکه آیا رویکردهای یادگیری عمیق و سطحی پایه با بار شناختی مرتبط هستند یا تعدیل‌گر منافع CVI می‌باشند، نامشخص است. این تحلیل ثانویه از پیش تعیین‌شده به هر دو پرسش پرداخت. مواد و روش‌ها: داده‌ها شامل ۱۰۳ دانشجوی سال سوم MBBS (۸۲۴ مشاهده دانشجو-موضوع) بود که هشت موضوع اصلی زنان و زایمان را در دو بیمارستان آموزشی فراگرفتند؛ هر موضوع تحت شرایط یکپارچه‌شده با CVI و غیر یکپارچه در یک طرح متقاطع در سطح موضوع ارائه شد. رویکردهای یادگیری عمیق و سطحی پایه یک بار با استفاده از پرسشنامه فرآیند مطالعه دو عاملی بازنگری‌شده سنجیده شد؛ ICL، ECL و GCL پس از هر جلسه با استفاده از پرسشنامه بار شناختی به صورت خودگزارش‌دهی اندازه‌گیری شد. برای هر پیامد، دو مدل خطی اثرات مختلط با رهگیر تصادفی برای شرکت‌کننده و دوره خوشه برازش شد: یک مدل اثرات اصلی و یک مدل تعاملی با افزودن اصطلاحات تعامل وضعیت-رویکرد. نتایج: به طور میانگین در شرایط آموزشی، رویکرد یادگیری عمیق‌تر با ICL پایین‌تر (b = − 0.040؛ ۹۵٪ CI، − ۰.۰۷۱ تا − ۰.۰۰۹؛ p = ۰.۰۱۱)، ECL پایین‌تر (b = − 0.060؛ ۹۵٪ CI، − ۰.۱۰۱ تا − ۰.۰۱۹؛ p = ۰.۰۰۴) و GCL بالاتر (b = 0.037؛ ۹۵٪ CI، ۰.۰۰۳ تا ۰.۰۷۲؛ p = ۰.۰۳۳) همراه بود. شواهد روشنی مبنی بر ارتباط رویکرد سطحی با هیچ‌یک از پیامدها وجود نداشت. هیچ‌یک از تعاملات بین وضعیت آموزشی و هر یک از رویکردهای یادگیری برای هیچ پیامدی معنادار نبود، و شواهد روشنی مبنی بر اینکه منفعت بار شناختی CVI با رویکرد یادگیری متفاوت باشد، به دست نیامد. تحلیل‌های حساسیت نیز سازگار بودند. با تعدیل چندگانگی، ECL در همه تعدیلات باقی ماند، ICL فقط در بنجامینی–هوچبرگ و GCL در هیچ‌کدام. نتیجه‌گیری: شواهد روشنی از تعدیل‌گری تفاوت‌های مرتبط با CVI توسط رویکردهای یادگیری به دست نیامد. نمرات رویکرد عمیق با ICL و ECL پایین‌تر و GCL بالاتر همراه بود؛ رویکرد سطحی ارتباط روشنی نشان نداد.

Introduction Promoting scientific argumentation in the context of socio-scientific issues remains a major challenge in science education. Artificial intelligence offers new opportunities to provide adaptive feedback on students’ written arguments; however, little is known about learners’ perceptions of hybrid learning environments that combine AI-supported feedback with peer feedback under authentic classroom conditions. This study presents the development and pilot evaluation of SMOKEChem, a web-based learning environment designed to foster scientific argumentation through AI-supported and collaborative feedback processes. Methods An exploratory mixed-methods design was employed to investigate learners’ perceptions of SMOKEChem during regular chemistry lessons. A total of 130 secondary school students (mean age = 15 years) participated in the study. Quantitative data were collected using questionnaires assessing technology acceptance, cognitive load, and chatbot usability, while qualitative responses explored students’ perceptions of peer feedback. Results The findings indicate that SMOKEChem was perceived as useful, user-friendly, and cognitively balanced, with low levels of extraneous cognitive load and high levels of germane cognitive load. Furthermore, students perceived AI-supported and peer feedback as fulfilling complementary functions: acceptance and usability data indicate that AI provided immediate, structured guidance for revising arguments, while qualitative data on peer feedback point to dialogic reflection, perspective-taking, and collaborative knowledge construction. Discussion The findings provide initial empirical evidence that hybrid feedback designs combining AI-supported and peer feedback can effectively support scientific argumentation in socio-scientific contexts. The complementary strengths of both feedback sources highlight the potential of integrating AI into collaborative learning environments rather than replacing peer interaction. These results provide practical implications for the design of AI-supported argumentation environments and inform future research on hybrid feedback approaches in science education.

مقدمه: ارتقای استدلال علمی در زمینه مسائل اجتماعی-علمی همچنان یکی از چالش‌های عمده در آموزش علوم به‌شمار می‌رود. هوش مصنوعی فرصت‌های جدیدی را برای ارائه بازخورد تطبیقی بر استدلال‌های نوشتاری دانش‌آموزان فراهم می‌کند؛ با این حال، اطلاعات اندکی درباره ادراک یادگیرندگان از محیط‌های یادگیری ترکیبی که بازخورد مبتنی بر هوش مصنوعی را با بازخورد همتایان در شرایط واقعی کلاس درس تلفیق می‌کنند، وجود دارد. این مطالعه به معرفی توسعه و ارزیابی اولیه SMOKEChem، یک محیط یادگیری مبتنی بر وب که با هدف تقویت استدلال علمی از طریق فرآیندهای بازخورد مبتنی بر هوش مصنوعی و همکاری طراحی شده است، می‌پردازد. روش‌ها: یک طرح اکتشافی آمیخته برای بررسی ادراک یادگیرندگان از SMOKEChem در جریان کلاس‌های معمول شیمی به‌کار گرفته شد. در مجموع ۱۳۰ دانش‌آموز دبیرستانی (میانگین سنی = ۱۵ سال) در این پژوهش شرکت کردند. داده‌های کمی از طریق پرسشنامه‌هایی درباره پذیرش فناوری، بار شناختی و قابلیت استفاده چت‌بات گردآوری شد و پاسخ‌های کیفی به بررسی ادراک دانش‌آموزان از بازخورد همتایان پرداخت. یافته‌ها: نتایج نشان داد که SMOKEChem به‌عنوان ابزاری مفید، کاربرپسند و دارای تعادل شناختی ادراک شد و سطوح بار شناختی بیرونی پایین و بار شناختی سازنده بالایی را نشان داد. افزون بر این، دانش‌آموزان بازخورد مبتنی بر هوش مصنوعی و بازخورد همتایان را دارای کارکردهای مکمل تلقی کردند: داده‌های پذیرش و قابلیت استفاده نشان داد که هوش مصنوعی راهنمایی فوری و ساختاریافته‌ای برای بازنگری استدلال‌ها ارائه می‌دهد، در حالی که داده‌های کیفی درباره بازخورد همتایان به بازتاب گفت‌وگویی، دیدگاه‌پذیری و ساخت دانش مشارکتی اشاره داشت. بحث: یافته‌ها شواهد تجربی اولیه‌ای ارائه می‌دهند که طراحی بازخورد ترکیبی با ادغام بازخورد مبتنی بر هوش مصنوعی و بازخورد همتایان می‌تواند به‌طور مؤثری از استدلال علمی در زمینه‌های اجتماعی-علمی حمایت کند. نقاط قوت مکمل هر دو منبع بازخورد، پتانسیل ادغام هوش مصنوعی در محیط‌های یادگیری مشارکتی به‌جای جایگزینی تعامل همتایان را برجسته می‌کند. این نتایج پیامدهای عملی برای طراحی محیط‌های استدلال مبتنی بر هوش مصنوعی داشته و پژوهش‌های آتی درباره رویکردهای بازخورد ترکیبی در آموزش علوم را هدایت می‌کند.