1. 引言
在高等教育领域，编程入门课程通常给学生，尤其是初学者，带来相当大的认知负荷。对于商科学生，例如学习会计的学生，由于他们在计算机科学方面的背景知识有限，学习如Python等编程语言的挑战可能会进一步加剧。不熟悉的语法、逻辑结构和解决问题的方法所带来的认知负荷可能会阻碍他们学习的兴趣和信心。
研究表明，新手程序员在学习编写代码时经常面临重大的认知挑战。认知负荷不仅妨碍学习进度，还会削弱他们的自信心。正是基于这样的背景，本文深入探讨了XIPU AI如何帮助商科学生在编程入门课程中减少认知负荷，为学生提供个性化的支持和指导，以期增强学习成果。
认知负荷理论（CLT）是理解学习者在像编程这样复杂科目中面临的挑战的关键。Kirschner 等人（2006）和 Sweller 等人（2011）的研究已经证明，减少认知负荷可以有效提高学习者的理解能力和记忆力。如今，像ChatGPT这样的人工智能工具可以丰富个性化的学习体验，显著减轻学习者的认知负荷。
Byck、Barba 和 Moreno（2019）以及 Lee、Bahreini 和 Vink（2021）的研究进一步强调了将人工智能融入课程教学的益处。这些工具能够提供即时反馈，促进个性化学习方法的发展，这对于掌握复杂科目至关重要。关于编程教育中认知负荷的进一步研究包括探讨认知负荷如何影响教学和学习成果（Kalyuga、Ayres 和 Sweller，2011），减轻编程教育中认知负荷的方法（Houichi 和Sarnou，2020），以及影响计算机程序员认知负荷的各种因素（在学习复杂过程中管理工作记忆负荷的方法，2020）。这些研究加深了我们对认知负荷对学习过程影响的理解，并展示了人工智能在减少编程学科认知负荷中的潜在作用。
人工智能可以通过多种方式帮助学生，从算法和程序设计到代码解释和优化。例如，XIPU AI 可以引导学生逐步完成 Python 编程任务，确保他们在编写代码前理解其背后的逻辑。此外，它还可以阐明概念，逐步拆解代码，并为现有代码提供优化建议。
将像XIPU AI 这样的人工智能工具融入教育框架中可以显著减轻学生的认知负荷，使学习变得更加高效和愉快。人工智能工具使个性化学习体验成为可能，让学生能够有效地克服挑战。同时，人工智能工具提供的即时反馈也可以加快学生对编程概念的理解和记忆，让他们的学习之路更加顺畅。
3. XIPU AI 在编程学习中的应用案例和提示词
学生借助 XIPU AI 可以更深入地理解 Python 编程任务背后的逻辑和程序，强调理解而非单纯编写代码。例如，在面对编程课程作业时，他们可以向XIPU AI寻求帮助。AI 可以概述一个步骤接一个步骤的过程，确保学生在实际编写代码前已经掌握了基本逻辑和推理。
提示词：“你好，我正试图为下面<>里的任务编写一个 Python 程序。但是，我不确定如何开始以及我应该遵循哪些步骤来设计算法。你能帮我概述这个任务的过程或算法吗，而不是直接提供代码给我？
<在这里粘贴你的任务>”
当学生们遇到Python中如循环、函数或序列结构等具有挑战性的问题时， 可以向XIPU AI提问。XIPU AI 将提供详尽的解释，帮助他们更好地掌握这些概念。
提示词：“你能解释一下 Python 中的‘for’循环是如何与字典一起工作的吗？”
学生可以要求XIPU AI对特定代码进行详细解释。
提示词：“请逐步解释下面的 Python 代码。"""在这里粘贴你的代码。"""
学生可以利用 ChatGPT 精炼和优化他们现有的 Python 代码，以提高效率和逻辑性。通过展示他们的初始代码并指定他们的优化目标，学生可以获得定制化的建议，以改善代码性能和提升可读性。
提示词：“我在下面的<>中有一个 Python 代码。它似乎能工作，但我觉得它可以更高效、更干净。你能建议如何使它更具逻辑性和效率吗？<在这里粘贴你的代码。>”
如果在编写代码时遇到错误，请将错误消息发送给 XIPU AI 以获取故障排除建议。它可以识别常见的编程陷阱并提供解决方案。
提示词：“我收到了以下在<>中的错误消息。你能建议我如何修复它吗？<在这里粘贴你的错误消息。>"
将 XIPU AI 融合到学习过程中，特别是在商科学生的编程课程，能够显著减少他们的认知负担，使学习更加愉快和高效。学生可以按照自己的节奏和XIPU AI进行互动，这有助于缓解焦虑情绪并提高他们的自信心。
此外，像 XIPU AI 这样的人工智能工具可以促进更个性化的学习体验。通过提供定制化的支持，学生可以更有效地应对他们遇到的独特挑战。此外，人工智能工具提供的即时反馈可以加快学生对编程概念的理解和记忆。
综上所述，将像 XIPU AI 这样的人工智能工具融合到商科和会计学生的教育框架中，可以弥合理论知识与实践应用之间的差距，减轻认知负担，并提升整体学习成果。随着教育领域的不断进步，人工智能工具在支持学生学习旅程中的作用可能会变得越来越重要，特别是在编程等具有挑战性和技术性的学科中。
参考文献
Kirschner, P.A., Sweller, J., and Clark, R.E., 2006. Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), pp.75-86.Sweller, J., Ayres, P., and Kalyuga, S., 2011. Cognitive Load Theory. New York: Springer.
Byck, S., Barba, P.D., and Moreno, V., 2019. The integration of AI education into the accounting curriculum: Investigating the impact and benefits of incorporating AI tools in accounting education. Journal of Accounting Education, 48, pp.1-12.
Lee, F., Bahreini, K., and Vink, P., 2021. The role of artificial intelligence in reducing cognitive load and enhancing the learning experience in higher education settings. Educational Technology Research and Development, 69, pp.1035-1059.
Kalyuga, S., Ayres, P., and Sweller, J., 2011. The impact of cognitive load on teaching and learning outcomes. Educational Psychology Review, 23(3), pp. 343-358.
Houichi, L. and Sarnou, H., 2020. Strategies for managing cognitive load in programming education. Computer Science Education, 30(2), pp. 210-238.
Methods to Manage Working Memory Load in the Learning of Complex, 2020. Factors influencing cognitive load among computer programmers. Journal of Computer Assisted Learning, 36(5), pp. 591-604.
