SuperAPI AI 工具集

flpbalada-cognitive-load

设计与创作

查看项目

更新于 10-16 00:30

技能介绍

用途:该技能以 John Sweller 的认知负荷理论为框架,指导设计界面、引导流程(onboarding)与信息架构,使体验更符合人类工作记忆的限制。适用于设计复杂表单或工作流、简化功能繁多的界面、提升任务完成率、评审可用性等场景。

主要能力:将总认知负荷拆分为内在负荷(任务本身复杂度,无法消除只能管理)、外在负荷(糟糕设计带来的多余负担,应消除)与关联负荷(构建理解的学习性投入,应最大化)。提供任务分解、负荷来源识别与设计干预的分析框架,并给出输出模板(任务图、负荷问题、建议、成功指标)。

使用方式:先映射任务步骤并标注每步的负荷类型与决策数量,再按步骤分类内在/外在/关联负荷,最后针对高内在负荷采用分步、渐进披露、脚手架;针对高外在负荷移除多余元素、强化视觉层级、统一模式;针对低关联负荷增加反馈与可学习模式。资料未提供具体安装命令或代码调用方式。

适用场景与限制:适合产品与交互设计评审、引导流程规划。文中案例(Google 搜索、Slack 渐进披露、Apple iOS 一致性)为说明性示例。测量方法包括任务完成时间、错误率、求助次数等定量指标与出声思维、认知走查等定性方法。资料未说明收费、平台或具体效果数据。