无论是新的测试框架还是全新的学科：我们都不断面临新的知识空白，需要通过积极且理想情况下高效的学习来填补。查看词云并思考您最有可能使用哪种表示形式来获得新知识。您认为学习者有不同类型吗？有些人通过文字学得更好，另一些人通过图片学得更好？
当然，我们每个人都有自己的“首选”资源，并且肯定有人只在极端紧急情况下才会求助于这本书。但实际上不存在不同类型的学习者。最合适的信息呈现方式并不取决于学习者的偏好，而是取决于要传达的信息类型。
最佳代表编码
可能的表示形式是语言学的，例如书籍和有声读物形式的自然语言，或者是形式的，例如 Java 或乐谱。其他是视觉的，如图标、表情符号或卡片。想象一下，当您进入建筑物时，您会收到前往最近紧急出口的文本指示（具体取决于您所在的位置），而不是紧急出口标志。那你感觉有多安全？
另一个例子：如果你在伦敦的旅游局询问大英博物馆在哪里，他们可 医院联系清单 能会在地图上告诉你。如果您询问下一趟巴士何时前往，您会期望得到口头时间或书面巴士时刻表。当您问如何识别您的巴士时，您可能会想到红色巴士的图像。地图、语言、文字、图像——在上面的示例中，只需交换每条信息所使用的代表性编码即可。公交车外观的文字描述而不是图片永远无法如此快速地阅读。我还假设阅读者已经在他们的系统中对红色、双翼飞机和车辆有了视觉表示，这与我的内部表示相似。
什么是好的代表性编码？
代表性代码的质量取决于其处理的容易程度以及它是否正确且完整地提供了所有信息。处理效率、准确性和完整性非常重要，因为每个系统都有其局限性。我们的记忆一次最多可以处理四到九条信息。认知资源也有其局限性。根据认知负荷理论，这些资源现在分布在三个进程中：
内在的认知负荷：它无法真正改变。主题越复杂，资源需求就越高。努力程度取决于主题的难度。学习基本的 HTML 标签比理解 Kubernetes 集群的概念更容易。
德国认知负荷：描述了由相关过程引起的实际认知负荷，例如在工作记忆中保存信息、选择、自我解释等。如果这种负荷特别高，则信息可能会被有效地处理。
无关认知负荷：是理解代表性编码所代表的内容所需的能力。阅读越不恰当、越困难，需要的认知资源就越多。目的是使这个值尽可能低。
2002 年，Valcke引入了第四种认知负荷，即元认知负荷。当我们控制学习过程、评估我们的学习成功并在必要时调整我们的学习策略时，这种负担就会出现。第四个负担的程度在很大程度上取决于学习者的先验知识
总之，我们希望保持尽可能低的外部负载，以便高效地读取新数据，并为实际编辑过程提供更多可用容量。额外负载取决于准备数据的质量。