ChatGPT 驱动下数据结构与算法课程教学改革与实践路径

摘要：针对数据结构与算法课程教学中存在的教学内容关联性不足、教学方法单一等问题，文章探索了大语言模型背景下知识图谱赋能的“一体二驱三层四融合”课程教学模式。该模式以ChatGPT构建课程知识图谱为基础，优化课程教学体系，并建设相应的课程资源平台，旨在培养学生的实践创新能力，推动创新型、应用型、复合型人才的培养。

关键词：数据结构与算法；教学改革；ChatGPT；知识图谱；实践创新

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2025）02-0134-03 开放科学（资源服务） 标识码（OSID） ：

0 引言

2022年，以ChatGPT为代表的大语言模型横空出世，掀起了生成式人工智能在教育应用领域的新热潮，对教育理论与实践产生了显著影响，同时为高等教育领域的知识生产、沟通交流和教学模式创新提供了新的契机[1-3]。因此，有必要开展大语言模型背景下的课程教学改革研究，进一步深化创新人才和交叉复合型人才的培养。

将知识图谱技术融合于教学进程中被普遍认为是教学信息化、智能化发展的重要方向[4]，这不仅有助于促进教学资源共享，还能提升教育个性化水平。课程知识图谱拓宽了教师的教学视野与备课素材，使教学内容更加贴近行业前沿与技术发展。同时，课程知识图谱也促进了学生对计算机科学与技术的深刻理解与掌握，激发了他们在软件开发、系统设计、网络安全等领域的自主应用与创新思维，从而促使学生深入钻研复杂问题，积极参与项目实践，并勇于在技术创新上寻求突破[5-6]。因此，充分挖掘课程知识图谱在当前教育学习方式变革中的潜在作用，将有助于推动大语言模型背景下课程教学模式的创新。

数据结构与算法课程是电子信息类相关专业的重要专业核心课程，主要研究数据的各种组织形式、存储结构，以及建立在不同存储结构之上的各种算法设计、实现和分析。该课程对于提升学生解决复杂工程问题的能力和实践创新能力具有重要作用[7]。然而，在实际教学过程中，该课程也面临一些挑战，例如：教学内容关联性不足、教学方法单一、学生难以在短时间内掌握课程核心知识、实践应用能力不足等问题。

鉴于此，本项目以“以学生为主体，以能力为导向”为理念，探索大语言模型背景下知识图谱赋能的课程改革新模式。通过构建基于知识图谱的多路径课程教学体系，并探索相应的实践路径，旨在培养学生的实践创新能力，为培养创新型、应用型、复合型高级专门人才提供支持。

1 课程教学模式探索

知识图谱的核心在于以结点为载体，通过结点间的关联关系揭示知识点之间的逻辑联系[8]。同时，大语言模型的兴起为课程载体的多元化、课程内容的深度重构以及实施方式的创新探索提供了前所未有的可能性。知识图谱能够为大语言模型提供精准的知识导航，确保生成内容的准确性和针对性。其核心价值在于为大语言模型提供精准的知识引导，确保生成内容具有高度的准确性和强烈的针对性。大语言模型与知识图谱的结合为课程形态的创新与变革提供了强大的技术支持与智力保障，为构建适应时代发展需求、满足学生个性化学习需求的课程体系奠定了基础。

基于以上分析，针对数据结构与算法课程教学中存在的教学内容关联性不足、教学方法单一等问题，本项目尝试建立“一体二驱三层四融合”的课程教学新模式，如图1所示。该模式以学生为主体，依托大语言模型与动态知识图谱作为核心驱动力，精心构建一个从基础知识点出发，逐步延伸至基本问题、组合问题乃至复杂问题的分层递进教学模式。

通过线上教学与线下实践的深度融合，以及课内知识传授与课外自主探究的无缝对接、理论与实践的紧密结合，设计一系列贴近实际工程应用的案例与项目，让学生在解决真实问题的过程中，不仅掌握数据结构与算法的核心理论，更能够锻炼其解决复杂工程问题的能力与实践创新能力。

2 实践路径探索

本项目以电子信息类专业基础课程数据结构与算法的教学改革为研究对象，通过构建动态知识图谱驱动与大语言模型相融合的“一体二驱三层四融合”教学模式，从基于ChatGPT 的课程动态知识图谱构建、知识图谱赋能的多路径课程教学体系优化、课程资源建设三大方面，探索该课程的实践路径。

2.1 基于ChatGPT 的课程知识图谱构建

知识图谱构建的一般步骤包括：知识建模、知识获取、知识融合、知识推理、知识管理和应用。其中，知识获取主要包括实体抽取、属性抽取、关系抽取和事件抽取等[9]。ChatGPT在自然语言处理与生成领域取得了突破性进展，其卓越的能力使得从海量文本数据中自动识别和抽取实体、关系、事件等关键知识信息成为可能，从而为知识图谱的构建过程引入了自动化与高效化的新途径。这一技术革新极大地减轻了传统上依赖人工标注的繁重工作负担，显著提升了知识图谱构建的效率和规模。

本项目采用基于ChatGPT的两阶段多轮提示问答形式，通过实体关系三元组抽取、命名实体识别、事件抽取等多个任务，实现知识图谱的自动构造，其自动构架框架如图2 所示。两阶段的提示问题形式如下：

1） 第一阶段。通过给定的实体/关系/事件类型列表，构造提示问题，将提示问题和给定课程句子输入ChatGPT，要求ChatGPT输出句子中包含的实体、关系和事件类型。

2） 第二阶段。此阶段包含多轮提示问答。首先，根据任务框架设计信息抽取模板，将问题输入Chat⁃GPT得到问题响应，最后根据问答结果构造结构化信息输出。

其中，实体识别和关系抽取阶段的提示模板设计如下：

模板1：

“‘数据……’请根据上述文本回答下列问题。请抽取出文本中的各个实体，实体的类型至少包括：章节实体、概念实体、法则实体等。抽取出来的实体以二元组格式输出，多个实体用列表存储。”

模板2：

“‘数据……’请根据上述文本回答下列问题。请抽取出文本中的各个实体之间的关系，关系的类型至少包括：包含关系、属于关系、基本概念关系、存储方式关系、应用关系、依赖关系、同义关系、关联关系等。抽取出来的关系以三元组列表格式输出，多组关系用集合存储。”

2.2 课程教学体系优化

针对数据结构与算法课程教学中存在的教学内容关联性不足、教学方法单一等问题，聚焦于构建以“能力为本，问题引领”的课程体系，以知识图谱自动构建为核心，探索并优化教学路径，逐步提升学生在应对复杂工程问题时的问题解决能力和实践创新能力。

基于数据结构与算法课程知识图谱，通过挖掘多样化的实践路径，丰富知识语义关联，鼓励学生积极探索适合自己的学习路径。教师需加强对学生的引导和沟通交流，充分考虑学科基础、专业领域及动手能力，为其制定差异化的多种学习路径，充分发挥学生自身的优势，培养发散性思维和创新性思维。具体教学过程如下：

1） 个性化学习路径设计。基于自动构建的知识图谱，设计多条个性化学习路径。例如：对于希望深入算法研究的学生，设计包含高级算法分析和优化的路径；对于关注应用实践的学生，则提供更多与实际项目结合的实践案例。同时，为每条学习路径配套相应的线上课程资源（如视频教程、课件、案例库） 、线下教材、参考书目及前沿文献等课程资料。

2） 课前预习与引导。通过学习通、头歌等教学平台，提前发布预习任务，包括观看指定视频、阅读教材章节、思考引导问题等；引导学生使用知识图谱工具进行自主学习，帮助学生建立知识结构，明确学习重点；鼓励学生主动搜索并阅读相关领域的最新研究成果，培养科研意识和创新思维。

3） 课中实践与互动。根据学生兴趣和能力进行分组，每组分配一个实践项目或算法实现任务，鼓励小组成员间相互协作，共同解决问题。课程组教师在课堂中扮演引导者的角色，针对学生在实践中遇到的问题进行答疑解惑。鼓励学生提出自己的见解和解决方案，促进多学科交叉融合。利用教学平台跟踪学生学习进度和知识点掌握情况，实时反馈学习成效。通过平台内的讨论区、问答板块等功能，促进师生、生生之间的互动交流。

4） 课后评价与持续改进。定期对学生的学习数据进行收集和分析，包括在线学习时长、作业完成情况、测试成绩等，以评估学生的学习效果。结合平时成绩、实践项目报告、期末考试等多种形式进行综合评价。根据评价结果和学生反馈，及时调整和优化知识图谱、学习路径、实践内容及教学策略。

2.3 课程资源平台建设

为落实知识图谱赋能的数据结构与算法课程教学体系，以当前丰富的线上线下教育资源为基础，建设以课程思维题库、课程教学案例库、客观题考试题库、编程考试题库、学习资源库、课程思政案例库为核心的课程资源平台，通过全面整合教学资源，对现有线上与线下混合教学模式进行系统性的重构与优化。

课程资源平台采用广泛使用的B/S（浏览器/服务器） 架构，以Java 作为主要开发语言，采用Spring、Spring MVC、MyBatis框架，结合MySQL数据库，为平台提供强大且可靠的数据存储解决方案。对于大数据信息的存储和传输，如视频、资料、文档和图片等，平台采用了高效的文件上传和存储机制。

平台分为三种用户类型，分别为学生、教师和管理员，涵盖对学生、教师、课程、课程视频、课程资料、话题、在线考试等众多方面的管理，以及资源浏览和学习数据统计功能。管理员需管理所有用户及本系统所有模块，包括对教学视频数据的上传、下载、播放、收藏等操作，以及对教学资料的增加、删除、下载等管理，还有在线考试的管理，以及话题的发布与回复等。各类型用户首先通过统一页面登录进入平台，系统会根据用户的类型自动跳转到对应的用户页面，并实现各种类型用户对应的功能。

登录成功后，学生用户可以观看各资源库中所有内容及本院校的课程视频，下载教师发布的教学文档，观看教师上传的资源，包括PPT、WORD、图片等所有类型的学习文件，并可随时参与话题评论，实现学生与教师、学生之间的在线交流沟通。教师用户可以上传资源至资源库，管理视频、教学课件、课程资源，发布公告，创建并参与话题评论和在线留言。管理员具有系统最高权限，可以管理思政资源库所有内容以及全部院校教师上传和发布的视频课程、课件资料、课程公告、话题评论，以及所有用户的管理等。

以思政案例库为例，思政部分是以思政内涵为选择项选入案例，课程部分是以数据结构与算法课程知识点为检索查找案例。教师可以根据分类添加案例，查看案例时，教师和学生可以根据案例快速检索资源。

课程资源库分为课程知识及思政思维两个部分，教师可以根据案例分析在对应的模块上传资源案例。上传时支持预览功能，以确保案例版式无误。上传完成后，教师和学生均可在资源库板块查看所有资源，也可以根据分类选择对应所需的案例知识。课程资源库的功能如图3所示。

3 总结

本文以电子信息类专业基础课程数据结构与算法的教学改革为研究对象，探讨大语言模型对《数据结构与算法》课程教学模式的影响。通过构建基于ChatGPT的课程动态知识图谱，探索知识图谱赋能的数据结构与算法课程多路径教学体系设计与立体化课程资源建设。力争实现“以学生为主体，以教师为主导，以知识图谱为驱动，以成果为导向”的育人模式，全面提升学生解决复杂工程问题的能力和实践创新能力，形成可推广的课程改革模式，切实促进电子信息类人才培养质量的提升。

参考文献：

[1] 宋存霞，李佳颖.ChatGPT技术与教师专业发展：挑战与应对[J].教育理论与实践，2024，44（25）：42-48.

[2] 刘丙利.ChatGPT对话教育：意涵价值、风险挑战与实践进路[J].开放教育研究，2024，30（4）：53-61.

[3] 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.

[4] 杨文霞，王卫华，何朗，等.知识图谱赋能智慧教育的研究与实践：以武汉理工大学“线性代数” 课程为例[J].高等工程教育研究，2023（6）：111-117.

[5] 卢艳丽，王洪强，高峰，等.基于“课程思政+知识图谱” 的材料专业高质量课程建设探索与实践[J].高教学刊，2024，10（20）：38-41.

[6] 林晓东.基于知识图谱的计算机课程线上改革教学效果评价方法设计[J].电脑知识与技术，2024，20（16）：33-36.

[7] 王昭.数据结构与算法课程思政教学探索与实践[J].计算机教育，2024（2）：16-19，25.

[8] 薛雅倩，松云.人工智能课程知识图谱构建及个性化推荐探索[J].计算机教育，2024（6）：151-155.

[9] 孙丽郡， 孟繁军， 徐行健. 课程知识图谱构建技术研究综述[J/OL]. 计算机工程， 2024： 1-25[2024-08-12]. https：//doi.org/10.19678/j.issn.1000-3428.006954.

【通联编辑：唐一东】

基金项目：湖南省普通高等学校教学改革研究项目（HNJG-2023-0795、HNJG-20230789） ；2023 年度湖南工商大学校级教学改革研究项目“新工科背景下程序设计与算法类课程群‘思政元素’挖掘与实践路径研究”；2022 年度湖南工商大学校级教学改革研究重点项目“面向国家重大需求的电子信息工程专业本科教学的探索与实践”