ChatGPT 助力数据科学专业实践类课程教学

摘要：传统课程教学中存在理论与实践分离、学生参与度低、即时反馈机制缺失、个性化学习路径设计不足等问题。为此，文章深入探讨了以ChatGPT为代表的生成式AI技术在数据科学实践课程教学中的应用场景和教学全过程。通过数据挖掘实践教学案例，详细介绍了ChatGPT在实践教学中的具体实施过程，展示了其在数据处理、数据建模、编程支持和即时反馈等方面的所起的作用。经实践结果表明，ChatGPT作为教学辅助工具，在实践教学过程中具有显著优势与应用效果，为实践类课程教学改革提供了有益的探索。

关键词：ChatGPT；教学改革；个性化学习；数据挖掘；课程教学

中图分类号：G642文献标识码：A

文章编号：1009-3044（2024）35-0114-05开放科学（资源服务）标识码（OSID）：

0引言

近年来，人工智能（AI）技术的快速发展在全球范围内引起了广泛关注，尤其在教育领域，AI技术的应用正在逐步改革传统的教学和学习模式[1]。以往AI技术在教育领域的应用主要集中在智能辅导系统、自适应学习平台、虚拟实验室等方面。这些技术在一定程度上提升了教学效率和学生学习体验，但也面临着技术应用深度不够、个性化程度不足等挑战[2]。

以ChatGPT为代表性的生成式AI通过复杂的算法模型自动生成新的内容，包括文本、图像、视频等，成为科技和教育领域的关注的焦点。ChatGPT在教育领域的具有巨大应用潜力和优势，不仅能够提供实时互动和即时反馈，还可以生成个性化学习路径，极大地提高学生的学习参与度和效率[3-4]。因此，ChatGPT有望在数字化教育转型的大背景下，为现代教育提供创新的教学方法和辅助工具[5]。

在传统教学中，存在理论与实践脱节、学生参与度低、缺乏即时反馈机制和个性化学习路径缺失等问题，均对教学效果和学生的学习体验产生了负面影响。而ChatGPT为学生创造一个更加高效、互动和个性化的学习环境[6]，同时帮助教师在教学中解决工作量过大、难以及时解答学生问题、难以实施个性化教学、教学效果不佳等问题。文章将分析以ChatGPT为代表的生成式AI工具在数据挖掘课程教学中的应用场景，并通过数据挖掘中的决策树实践教学案例展示引入ChatGPT后的教学实施过程，探讨其在教学改革中实际效果和应用前景。

1ChatGPT助力数据科学课程教学

1.1ChatGPT在数据科学课程教学中的应用场景

在数据科学课程教学中，ChatGPT的应用潜力尤为显著[7-9]。这些课程通常要求学生具备系统的数据科学思维和扎实的数据工程实践能力，而ChatGPT可以通过实时编程支持、解答学习中的疑惑、提供编程示例和练习等方式，极大地促进学生对复杂概念的理解与技能的掌握。作为智能教学辅助工具，ChatGPT能够协助教师在课程准备、教学设计以及评估反馈等多个环节中减轻工作负担。对学生来说，ChatGPT的个性化学习建议和及时反馈显著提升学习效率，允许学生根据个人进度和兴趣定制学习计划。

在数据挖掘课程中，ChatGPT作为学生的智能伴侣，展现了其即时解答复杂概念和编程问题的能力。例如，在探究聚类算法时，ChatGPT不仅提供关于聚类的概念性解释，还展示相应的Python代码示例，并阐释这些代码在特定数据挖掘场景中的应用。这一过程加速了学生对数据挖掘知识的掌握，增强了他们解决实际问题的能力。当学生在编程过程中遇到错误时，ChatGPT能够分析错误信息，指出问题所在，并给出具体的修正建议。比如，学生在实现图像识别时可能会遇到维度不匹配的错误，ChatGPT可以帮助学生定位错误原因，提供修改建议或者相关教学资源链接，促进学生自我修正并深入理解算法原理。与此同时，ChatGPT作为智能教学辅助工具，能够极大提高教师备课的工作效率。教师可以借助ChatGPT快速创建数据挖掘课程素材，比如数据挖掘案例相关数据及代码，课堂测试题等。此外，ChatGPT还可以协助教师评估和反馈学生的编程作业，自动分析学生提交的代码质量，提出改进建议。

1.2引入ChatGPT后的数据科学课程教学全过程

引入ChatGPT后，教学方式更加强调以学生为中心的教育理念。通过教师、学生与ChatGPT三方协作互动，能够显著提升教学成效并丰富学生的学习经历。在这一模式中，学生成为学习过程的主导者，而教师扮演着规划和执行教学活动的关键角色，确保教学内容和方法都紧密围绕学生需求进行。教学过程可划分为课前准备、课堂教学、课后复习、评估与反馈等四个主要阶段，每个阶段都充分利用了ChatGPT来支持教师的教学工作和学生的自主学习。如图1所示。

在课前准备阶段，教师利用ChatGPT生成教学材料，包括讲义、案例、练习题等，确保内容丰富性和前沿性。学生可以通过ChatGPT预习课程内容，提出预习过程中遇到的问题，并提前获得解答。ChatGPT提供的个性化学习路径，使学生能够根据自身需求进行有效的自主学习。从三者互动方式来看，教师通过ChatGPT收集学生的预习反馈，了解学生的知识掌握情况，调整课前准备内容。学生通过与ChatGPT的互动，获取预习阶段的即时反馈和个性化指导。

在课堂教学阶段，教师在课程上利用ChatGPT实时演示案例，解释复杂概念，回答学生提问。通过ChatGPT，教师能够动态调整教学节奏，满足不同学生的学习需求。学生在课堂上使用ChatGPT进行即时练习，提出问题并获得即时解答。学生通过与GPT的互动，深化对课堂内容的理解和掌握。从C三ha者t⁃互动方式来看，教师通过ChatGPT与学生互动，提供个性化的指导和反馈。学生在课堂上通过ChatGPT进行实时练习和提问，增强学习的参与度和互动性。

在课后复习阶段，教师利用ChatGPT生成复习材料和练习题，帮助学生巩固课堂知识。教师还可以通过ChatGPT分析学生的复习情况，提供针对性的指导。学生通过ChatGPT进行课后复习，完成练习题并获取即时反馈，利用ChatGPT提供的资源深入理解并掌握应用技能。从三者互动方式来看，教师通过ChatGPT掌握学生的复习进度，提供个性化的指导和建议。学生通过与ChatGPT的互动，进行自主复习和知识巩固。

在评估与反馈阶段，教师利用ChatGPT自动评估学生的作业和测试，生成详细的评估报告。根据评估结果，调整教学策略和内容，提供针对性的辅导。学生通过ChatGPT获取评估结果和反馈，了解自身的学习效果和进步情况，并根据反馈调整学习，提升学习效果。从三者互动方式来看，教师通过ChatGPT与学生互动，提供详细的评估反馈和改进建议。学生通过与ChatGPT的互动，了解自身的学习情况，并获取个性化的学习建议。

该模式鼓励学生积极参与学习过程，同时使教师能够通过ChatGPT更有效地准备教学内容和评估学生的学习效果，从而实现教学资源的优化配置。在这一模式中，ChatGPT充当了沟通桥梁的角色，不仅增进了教师与学生间的互动，还让学习过程变得更为个性化和高效。

2ChatGPT在数据挖掘实践教学中应用案例

为了展示ChatGPT在实际教学中具体应用，这里以数据挖掘的决策树实践课程为案例进行说明。决策树实践课程教学目标是掌握决策树的基本概念和算法原理，培养学生数据挖掘实践能力，并能够将决策树模型应用于实际问题中。围绕着该课程目标，在课前准备阶段，教师利用ChatGPT生成关于决策树的教学材料，并提前发送给学生。学生通过ChatGPT预习决策树的基本概念和应用案例，提出预习过程中遇到的问题。在课堂教学阶段，教师利用ChatGPT展示鸢尾花分类案例的实践过程，并解释每一步骤的原理和实现。学生通过ChatGPT进行实时练习，提出问题并获取即时解答。在课后复习阶段，学生通过ChatGPT完成复习练习，并获取即时反馈。在评估与反馈阶段，教师利用ChatGPT自动评估学生的作业和测试，生成详细的评估报告，并提供针对性的改进建议。

这里以课堂教学阶段为例来展示引入ChatGPT后的教学实施具体过程。首先，利用ChatGPT进行互动问答，鼓励学生提出与决策树相关的问题，实时解答，帮助学生加深对决策树基本概念和算法原理的理解；然后，以鸢尾花分类为实践案例详细展示ChatGPT在决策树建模实践过程中具体应用与实施效果，涵盖数据集准备、数据探索、数据预处理、模型训练、模型评估和可视化分析等数据挖掘的全流程，旨在培养学生应用数据挖掘技术解决实际问题的能力；最后，阐述ChatGPT在模型优化与调整、实时编程支持、错误纠正和代码优化等应用价值，帮助学生解决数据挖掘工程实现过程中遇到各种异常问题。

2.1决策树基础知识智能回答

教师首先通过ChatGPT生成对决策树概念的简单定义和例子，让学生能够迅速抓住决策树的基本思想。在这一环节，教师设计了一系列问题，引导学生积极思考，并利用ChatGPT的互动性，鼓励学生积极提出有关决策树的问题。ChatGPT会即时回答这些问题，帮助学生在互动中加深对决策树的理解。例如，在ChatGPT4提示词窗口输入“您是一名数据挖掘领域专家，熟悉数据挖掘相关理论与方法，具备丰富的数据挖掘项目实践经验。现在，请您从专业的角度，简要介绍一下决策树的基本概念和算法，字数不超过300字”，反馈情况如图2所示。

从ChatGPT信息反馈中，学生可以了解到决策树的基本概念、算法原理、优势及不足。这为接下来技术实践提供理论指导。通过与ChatGPT互动，学生能够快速掌握决策树的基础知识，理解其应用场景，并在之后的实践中加以应用。ChatGPT不仅解答了学生的疑问，还通过示例和解释帮助学生建立起对决策树的全面认识。

2.2决策树实践案例演示

在学生完成对决策树的基本概念和算法知识的回顾之后，下一步将进入实践教学环节。这里借助于ChatGPT4完整展示决策树分类案例的实践过程，让学生不仅能够将理论知识与实践操作相结合，还能深入理解决策树在实际应用中的工作原理和效果。为此，在ChatGPT4提示词窗口输入“请介绍一下鸢尾花数据集，并利用决策树算法实现鸢尾花分类”，反馈情况如图3和图4所示。

从ChatGPT反馈信息可以了解到鸢尾花数据集包含150个样本，每个鸢尾花样本具有四个特征测量值，包括萼片长度、萼片宽度、花瓣长度和花瓣宽度，分别属于Setosa、Versicolour、Virginica三种不同类型的鸢尾花。同时，ChatGPT4完整给出鸢尾花决策树分类模型实现的Python参考代码。学生可以在ChatGPT参考代码基础上，进一步与ChatGPT互动，结合GPT实时编程建议，在JupyterNotebook或PyCharCmha运t⁃行环境中完成数据挖掘项目整个流程代码。

1）数据获取。首先加载鸢尾花数据集、进行数据处理和转换，并展示处理后的数据，如图5所示。

在数据获取阶段，学生通过ChatGPT获得了清晰的数据加载和处理指示。学生们发现，使用ChatGPT提供的代码示例，他们能够更快速地理解数据预处理步骤，并减少了数据加载和转换中的错误。

2）数据探索。在分类建模之前，对数据进行必要的探索。这里可以通过可视化的方式来查看不同特征和类别之间的关系，如图6和图7所示。

在数据探索阶段，学生利用ChatGPT生成的代码进行特征可视化，得到了不同特征在三类鸢尾花中的分布情况。ChatGPT的解释和指导，使学生能够快速理解数据特征的分布及其对分类结果的影响，提升了他们进行探索性数据分析的能力。

3）数据划分。在模型训练前，需要将数据集划分为训练集和测试集，其中训练集用于后续训练生成模型，测试集用于测试模型并评估，如图8所示。

学生在ChatGPT的指导下，将数据集科学地划分为训练集和测试集。通过ChatGPT的实时反馈，学生了解了数据划分对模型评估的重要性，并学会了如何通过合理划分数据来提高模型的泛化能力。

4）模型训练。使用Scikit-learn库中TreeClassifier来训练一个决策树分类器模型D，e如cis图ion9⁃所示。

当学生对代码有疑惑时候，可以借助ChatGPT对代码进行逐行解析，ChatGPT反馈如图10所示。

在这一阶段，学生在ChatGPT的帮助下，使用Scikit-learn库训练决策树模型。通过逐行解析代码，ChatGPT帮助学生了解每一步操作的原理和目的，增强了他们对模型训练过程的掌握。当执行代码时候遇到错误信息时，ChatGPT也能够快速给出错误原因及修改措施，如图11所示。

学生表示ChatGPT的错误分析和修正意见极大地减少了他们在编程中的挫败感，提升了学习效率。ChatGPT4除了可以提供实时的编程建议、语法纠错和代码优化指导，也能够在算法选择、参数调整、特征工程、模型评估与结果解释等方面提供实践建议和指导，帮助学生更高效完成数据挖掘实践项目，有力提升学生的数据挖掘实践能力。

5）模型评估。计算模型在测试集上的准确率、召回率、精确率、F1分数等分类模型性能指标，并且绘制混淆矩阵的热力图。如图12所示。

学生通过ChatGPT的指导，学会了使用多种评估指标来衡量模型的性能，并通过绘制混淆矩阵来直观展示分类结果。ChatGPT的详细解释帮助学生理解每个评估指标的意义及其在实际应用中的重要性。

6）模型可视化与重要特征分析。利用graphviz库展示决策树模型，并计算特征的重要性。如图13和图14所示。

在模型可视化和特征重要性分析阶段，学生在ChatGPT的帮助下，利用graphviz库生成了决策树的可视化图，并分析了各特征对分类结果的影响。这一过程使学生不仅掌握了决策树的内部结构，也了解了不同特征在决策中的重要性。

通过这样系统的实践教学设计和ChatGPT的实时支持，学生在整个数据挖掘实践过程中不仅学会了如何应用决策树算法，还提高了编程能力和问题解决能力。学生普遍反映，ChatGPT提供的实时指导和个性化反馈，使他们在学习过程中更加自信和高效，显著提升了他们的学习体验和学习效果。

3结论

通过将ChatGPT引入教学改革实践，不仅能够开发出更加符合当代教育需求的新教学方法，还能够增强师生之间以及学生之间的互动。这些实践探索表明，利用ChatGPT等AI工具可以显著提升教学质量和学习体验，为教育领域带来深远的影响。

然而，尽管ChatGPT具备强大的功能，但其实际应用仍面临诸多挑战[10]。这些挑战包括其输出的准确性可能受限于训练数据，以及生成的编程代码可能不能在实际环境中成功运行。这要求教师和学生对ChatGPT的回答进行批判性评估和必要的校正，并需要教师提供专业的指导以促进学生的独立思维和问题解决技能。此外，使用ChatGPT可能会引发学生依赖AI来完成作业的诚信问题，教师因此需要强调诚信教育，并设计能够提升学生编程和协作技能的作业，同时通过具有挑战性的作业和测试来监控学生的学习进度并鼓励他们诚实学习。

ChatGPT作为一种新事物，在教学中的应用仍然处于初级阶段，而且应用于实际教学过程中也会面临一系列新的问题。因此，如何更合理有效地将GPT融入课程教学过程，切实提升教学效果，还C需ha要t⁃今后在教学实践过程中不断探索与研究。

参考文献：

[1]李传珍.人工智能时代的程序设计课程教学改革探索与实践[J].科技与创新，2021（1）：99-100，103.

[2]马生琴.教育人工智能背景下高校课堂教学的挑战与变革[J].教育现代化，2020，7（2）：179-180.

[3]陈玉琨.ChatGPT/生成式人工智能时代的教育变革[J].华东师范大学学报（教育科学版），2023，41（7）：103-116.

[4]于浩，张文兰.基于ChatGPT技术的教育教学变革思考[J].继续教育研究，2023（5）：33-39.

[5]郑燕林，任维武.实践观视域下ChatGPT教学应用的路径选择[J].现代远距离教育，2023（2）：3-10.

[6]黄建.人工智能产业发展对教育行业的影响与挑战：以Chat⁃GPT为例[J].经济界，2023（2）：76-80.

[7]姜春茂，段莹.ChatGPT背景下的计算机实践类课程改革初探[J].实验技术与管理，2023，40（12）：1-7，23.

[8]沈超.ChatGPT：助力高等教育变革与创新型人才培养[J].国家教育行政学院学报，2023（3）：13-16

[9]张绒.生成式人工智能技术对教育领域的影响：关于Chat⁃GPT的专访[J].电化教育研究，2023，44（2）：5-14.

[10]崔宇红，白帆，张蕊芯.ChatGPT在高等教育领域的应用、风险及应对[J].重庆理工大学学报（社会科学），2023，37（5）：16-25

【通联编辑：王力】

基金项目：2023年安徽省新建专业质量提升工程项目（No.2023xjzlts065）；滁州学院新工科研究与改革实践项目（No.2021xgk08）；滁州学院校企共建实验教学中心（No.2023xqgjxyj01）