Моделирование процессов преодоления когнитивной перегрузки учащихся при избыточном объёме учебного материала
Аннотация
Рассматривается подход к анализу процесса преодоления когнитивной перегрузки при усвоении учащимися избыточного объёма учебной информации. В качестве математической модели, описывающей процесс преодоления когнитивной перегрузки динамической системой в виде замкнутой малочисленной учебной группы, выбрана SIR-модель Уильяма Кермака и Андерсона МакКендрика, которая была модифицирована путём введения новых параметров, характеризующих динамику развития ситуации: коэффициентов защищённости от когнитивной перегрузки, подверженности когнитивной перегрузке и преодоления когнитивной перегрузки. Исследование SIR-модели осуществлялось двумя способами: путём построения временнóй зависимости пополнения учащимися, взаимодействующими с когнитивной перегрузкой, трёх SIR-подгрупп (подвергнутых, преодолевающих и преодолевших) по мере развития ситуации и с помощью фазовой плоскости, позволяющей составить целостную картину явления и провести более детальное изучение общих и частных условий движения системы к состоянию равновесия в зависимости от соотношения её параметров. В ходе проведённого исследования установлено, что оба способа анализа процесса преодоления когнитивной перегрузки, основанных на SIR-модели, могут использоваться как взаимодополняющие, поскольку каждый из них акцентирует отдельные факторы, влияющие на развитие ситуации при различных начальных условиях.
Полученные результаты могут рассматриваться как необходимые мотиваторы дальнейшего развития SIR-моделирования для изучения влияния и преодоления деструктивных процессов при усвоении нового знания.
Литература
2. Marathe M., Vullikanti A.K.S. Computational epidemiology. Communications of the ACM. 2013; 56(7):88-96. https://doi.org/10.1145/2483852.2483871
3. Korchazhkina O.M. The Study of Extreme Conditions for Destructive Processes Using the SIR Model. Modern Information Technologies and IT-Education. 2020;16(3):610-622. (In Russ., abstract in Eng.) https://doi.org/10.25559/SITI-TO.16.202003.610-622
4. Albert R. Network Inference, Analysis, and Modeling in Systems Biology. The Plant Cell. 2007;19(11):3327-3338. https://doi.org/10.1105/tpc.107.054700
5. An G. Characterization of fundamental aspects of biology with abstract mathematics: Category theory as a pathway for dynamic computational modeling of biologic systems. Journal of Critical Care. 2011;26(2):e8-e9. https://doi.org/10.1016/j.jcrc.2010.12.033
6. Chen X., Zhu W. Network analysis for exploring systems biology. In: 2010 3rd International Conference on Biomedical Engineering and Informatics. Yantai, China: IEEE Press; 2010. p. 2578-2581. https://doi.org/10.1109/BMEI.2010.5639724
7. Moitra, S., Yanamala N., Tastan O., Singh I., Langmead C.J., Klein-Seetharaman J. Analogies between structural and systems biology and systems-of-systems engineering in dynamic environments. In: 2010 5th International Conference on System of Systems Engineering. Loughborough, UK: IEEE Press, 2010. p. 1-7. https://doi.org/10.1109/SYSOSE.2010.5544104
8. Azam Sh., et al. Numerical modeling and theoretical analysis of a nonlinear advection-reaction epidemic system. Computer Methods and Programs in Biomedicine. 2020;193:105429. https://doi.org/10.1016/j.cmpb.2020.105429
9. Andersson H., Britton T. Stochastic Epidemic Models and Their Statistical Analysis. Lecture Notes in Statistics. Vol. 151. New York, NY: Springer; 2000. 156 p. https://doi.org/10.1007/978-1-4612-1158-7
10. Chao D.L., Halloran M.E., Obenchain V.J., Longini I.M.Jr. FluTE, a Publicly Available Stochastic Influenza Epidemic Simulation Model. PLOS Computational Biology. 2010;6(1):e1000656. https://doi.org/10.1371/journal.pcbi.1000656
11. Pastor-Satorras R., Castellano C., Van Mieghem P., Vespignani A. Epidemic processes in complex networks. Reviews of Modern Physics. 2015;87(3):925-979. https://doi.org/10.1103/RevModPhys.87.925
12. Zinoveev I.V., Manko N.I.-V., Spitsa I.A. Construction of a mathematical model of social group behavior based on the medical and biological SIR model of epidemic spread. News of Zaporizhzhya National University. Physical and Mathematical Sciences. 2013;(2):36-41. (In Russ., abstract in Eng.)
13. Lloyd A.L., May R.M. How Viruses Spread Among Computers and People. Science. 2001;292(5520):1316-1317. https://doi.org/10.1126/science.1061076
14. Barrouillet P., Bernardin S., Portrat S., Vergauwe E., Camos V. Time and cognitive load in working memory. Journal of Experimental Psychology: Learning, Memory, and Cognition. 2007;33(3):570-585. https://doi.org/10.1037/0278-7393.33.3.570
15. de Jong T. Cognitive load theory, educational research, and instructional design: some food for thought. Instructional Science. 2010;38:105-134. https://doi.org/10.1007/s11251-009-9110-0
16. Korchazhkina O.M. SIR model for studying destructive processes in the acquisition of new knowledge. Systems and Means of Informatics. 2021;31(1):168-180. (In Russ., abstract in Eng.) https://doi.org/10.14357/08696527210114
17. Bolbakov R.G. Cognitive entropy as a characteristic of educational processes. Distance and virtual learning. 2016;(2):11-17. (In Russ., abstract in Eng.) EDN: VKAMUV
18. Zhumartova B.O., Ysmagul R.S. Application of the SIR model in modeling epidemics. International Journal of Humanities and Natural Sciences. 2021;(12-2):6-9. (In Russ., abstract in Eng.) https://doi.org/10.24412/2500-1000-2021-12-2-6-9
19. Mansal F., Baldé M.A.M.T., Bah A.O. Optimal Control on a Mathematical Model of SIR and Application to Covid-19. In: Seck D., Kangni K., Sambou M.S., Nang P., Fall M.M. (eds.) Nonlinear Analysis, Geometry and Applications. Trends in Mathematics. Cham: Birkhäuser; 2024. p. 101-128. https://doi.org/10.1007/978-3-031-52681-7_4
20. Shakarian P., Bhatnagar A., Aleali A., Shaabani E., Guo R. The SIR Model and Identification of Spreaders. In: Diffusion in Social Networks. SpringerBriefs in Computer Science. Cham: Springer; 2015. p. 3-18. https://doi.org/10.1007/978-3-319-23105-1_2
21. van Merriënboer J.J.G., Sweller J. Cognitive Load Theory and Complex Learning: Recent Developments and Future Directions. Educational Psychology Review. 2005;17:147-177. https://doi.org/10.1007/s10648-005-3951-0
22. Möller M., Winter M., Reichert M. Cognitive Factors in Process Model Comprehension A Systematic Literature Review. Brain Sciences. 2025;15(5):505. https://doi.org/10.3390/brainsci15050505
23. Cherepanov A.A. PhaPl web application for automatic construction and study of phase portraits on a plane. Bulletin of Samara University. Natural Science Series. 2018;24(3):41-52. (In Russ., abstract in Eng.) https://doi.org/10.18287/2541-7525-2018-24-3-41-52
24. Gkintoni E., Antonopoulou H., Sortwell A., Halkiopoulos C. Challenging Cognitive Load Theory: The Role of Educational Neuroscience and Artificial Intelligence in Redefining Learning Efficacy. Brain Sciences. 2025;15:203. https://doi.org/10.3390/brainsci15020203
25. Chernyavsky A.D. Information model of the "social explosion". Modern studies of social problems. 2012;(1):406-426. (In Russ., abstract in Eng.) EDN: PAFCPR
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики и строится с учетом этических норм работы редакторов и издателей, закрепленных в Кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of Conduct and Best Practice Guidelines for Journal Editors) и Кодексе поведения для издателя журнала (Code of Conduct for Journal Publishers), разработанных Комитетом по публикационной этике - Committee on Publication Ethics (COPE). В процессе издательской деятельности редколлегия журнала руководствуется международными правилами охраны авторского права, нормами действующего законодательства РФ, международными издательскими стандартами и обязательной ссылке на первоисточник.
Журнал позволяет авторам сохранять авторское право без ограничений. Журнал позволяет авторам сохранить права на публикацию без ограничений.
Издательская политика в области авторского права и архивирования определяются «зеленым цветом» в базе данных SHERPA/RoMEO.
Все статьи распространяются на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная, которая позволяет другим использовать, распространять, дополнять эту работу с обязательной ссылкой на оригинальную работу и публикацию в этом журналe.
