基于信号处理与神经网络的手机依赖对大学生认知负载影响的深度研究.pdfVIP

基于信号处理与神经网络的手机依赖对大学生认知负载影响的深度研究1

基于信号处理与神经网络的手机依赖对大学生认知负载影响

的深度研究

1.研究背景与意义

1.1手机依赖现状

当前，手机已成为大学生日常生活中不可或缺的工具。据相关调查数据显示，超过

80%的大学生表示每天使用手机的时间在4小时以上，其中30%的大学生使用手机时

间超过8小时。这种过度使用手机的现象，被称为手机依赖。手机依赖不仅体现在长时

间使用上，还体现在对手机的过度关注和依赖程度上。例如，当手机电量低于20%时，

有60%的大学生会感到焦虑不安，这种现象被称为“电量焦虑症”。此外，大学生在没有

手机的情况下，会出现注意力不集中、情绪烦躁等戒断反应，进一步说明了手机依赖的

严重性。手机依赖现象在大学生群体中普遍存在，且呈现出逐年加重的趋势，这引起了

教育工作者和社会各界的广泛关注。

1.2认知负载理论概述

认知负载理论是由澳大利亚新南威尔士大学的约翰·斯威勒（JohnSweller）教授

于1988年提出的。该理论认为，人类的认知资源是有限的，在学习过程中，认知资源

会被分配到不同的任务上。认知负载主要分为三种类型：内在认知负载、外在认知负载

和相关认知负载。内在认知负载是由学习材料的复杂性决定的，是不可避免的；外在认

知负载是由教学设计和学习环境引起的，可以通过优化教学方法和环境来降低；相关

认知负载则是与学习者的学习目标和任务相关的，可以通过有效的教学策略来提高学

习效率。在手机依赖的背景下，大学生在使用手机时会面临多种信息刺激，这些信息刺

激会增加他们的外在认知负载，从而影响他们的学习和认知能力。例如，当大学生在学

习时同时使用手机查看社交媒体信息，他们的注意力会被分散，导致学习效率降低。因

此，研究手机依赖对大学生认知负载的影响，对于优化教学环境和提高大学生的学习效

果具有重要意义。

1.3研究目的与意义

本研究旨在深入探讨基于信号处理与神经网络的手机依赖对大学生认知负载的影

响。通过信号处理技术，可以对大学生使用手机的行为数据进行实时监测和分析，从而

准确地评估手机依赖的程度。同时，利用神经网络模型，可以对认知负载的变化进行预

测和分析，为干预措施提供科学依据。研究的主要目的包括：一是明确手机依赖对大学

2.信号处理与神经网络基础2

生认知负载的具体影响机制，揭示手机依赖与认知负载之间的内在关系；二是通过实证

研究，验证信号处理与神经网络技术在评估和预测认知负载方面的有效性；三是为教育

工作者和政策制定者提供科学依据，制定有效的干预措施，帮助大学生合理使用手机，

减轻认知负载，提高学习效果。本研究的意义在于，不仅丰富了认知负载理论在现代信

息技术环境下的应用研究，还为解决大学生手机依赖问题提供了新的视角和方法，具有

重要的理论和实践价值。

2.信号处理与神经网络基础

2.1信号处理技术原理

信号处理技术是研究信号的采集、转换、分析和处理的科学。在手机依赖对大学生

认知负载影响的研究中，信号处理技术主要用于采集和分析大学生使用手机的行为数

据。这些数据包括手机使用时间、使用频率、使用场景等，通过这些数据可以准确地评

估手机依赖的程度。

•数据采集：利用手机内置的传感器，如加速度计、陀螺仪、GPS等，可以实时采集

大学生使用手机的行为数据。例如，加速度计可以检测手机的运动状态，从而判

断用户是否在使用手机；GPS可以记录用户使用手机的地点，分析使用场景。据

研究，通过这些传感器采集的数据，可以准确地识别出大学生使用手机的行为模

式，准确率可达90%以上。

•数据预处理：采集到的数据往往存在噪声和冗余信息，需要进行预处理。常见的

预处理方法包括滤波、去噪、归一化等。例如，使用低通滤波器可以去除高频噪

声，保留有用的信号成分；归一化处理可以将数据转换到相同的量纲，便于后续

分析。预处理后的数据质量显著提高，为后续的分析提供了可靠的基础。

•特征提取：从预处理后的数据中提取有用的特征，这些特征能够反映大学生使用

手机的行为