L’apprendimento autonomo, specialmente in contesti digitali, richiede una gestione precisa del carico informativo per evitare il sovraccarico cognitivo, un fenomeno che riduce l’efficacia della memoria di lavoro e compromette la plasticità sinaptica. Il cervello umano, infatti, elabora solo una quantità limitata di informazioni in parallelo: quando il carico supera questa soglia, il sistema attentivo entra in stato di saturazione, bloccando la codifica efficace delle nuove conoscenze. La memoria di lavoro, con capacità stimata tra 4 e 7 unità di informazione (Baddeley, 2000), deve essere sostenuta da strategie che modulano dinamicamente l’ingresso di dati, allineandosi ai cicli ultradiani naturali del cervello (attivazione di 90-120 minuti di concentrazione alternata a pause di recupero).

Una comprensione neurofisiologica rivela che il sistema attentivo, regolato dalla corteccia prefrontale e dal nucleo accumbens, filtra selettivamente gli stimoli tramite meccanismi di attenzione endogena ed esogena. L’attenzione endogena, guidata da obiettivi interni, permette di concentrarsi su contenuti rilevanti, mentre quella esogena risponde a input esterni forti e distraenti, spesso responsabili di sovraccarico. La memoria a lungo termine, attraverso processi di consolidamento durante il sonno e la ripetizione spaziata, trasforma informazioni temporanee in ricordi stabili solo se introdotte in modo graduale e non simultaneo.

Il principio chiave del sovraccarico cognitivo — descritto da Sweller (1988) — stabilisce che l’efficacia dell’apprendimento si riduce drasticamente quando il carico intrinseco supera la capacità recettiva individuale, misurabile attraverso indicatori fisiologici come la pupillometria (dilatazione pupillare correlata allo sforzo cognitivo) e la HRV (variabilità della frequenza cardiaca, indicatore di regolazione autonomica). Monitorarli in tempo reale permette di intervenire prima che il cervello entri in stato di disfunzione attentiva.