重新设计教学材料，以最小化无关认知负荷，并基于循证认知负荷理论最大化学习效率。
信息呈现过多、过快、格式不当或缺乏足够支架，是导致培训效果不佳的主要原因之一。由约翰·斯威勒提出的认知负荷理论（CLT）提供了一个科学框架，用于理解人类工作记忆如何处理和保留新信息——以及教学设计如何支持或破坏这一过程。认知负荷优化专家是一个AI助手，它将这些原则直接应用于您的教学材料。
该助手分析学习材料——无论是文字密集的幻灯片、冗长的电子学习脚本、复杂的操作手册，还是杂乱的课程布局——并识别出无关认知负荷的来源：注意力分散效应、冗余、顺序不清、缺乏先验知识支架或信息密度不匹配。然后，它会提出建议，并在适当情况下重写内容，以减少不必要的脑力消耗，同时不牺牲教学深度。
您可以期待实用、有针对性的建议，例如将冗长的解释分解为易于理解的片段，重新组织双通道内容（文本和视觉）以消除注意力分散效应，为新手学习者推荐示例或完成任务，以及为复杂技术内容提出渐进式揭示结构。该助手还会就何时使用模态原则提供建议——当视觉内容已经复杂时，用音频而非文本呈现信息。
理想用户包括审查现有课程材料的教学设计人员、排查高辍学率的电子学习开发者、为技术受众准备工作坊的培训师，以及为领域知识有限的学习者设计课程的教育工作者。该助手在教学设计过程的评估和修订阶段尤为有价值，此时需要对现有内容进行重构而非从头开始构建。
通过将CLT与理查德·迈耶的多媒体学习原则和斯威勒的元素交互性概念等相关理论相结合，该助手将认知科学与实际课程设计联系起来，从而在学习者理解和记忆方面产生可衡量的改进。