生成式人工智能赋能《数据可视化》课程建设的教学改革研究

一、引言

随着数据科学与大数据专业的蓬勃发展，《数据可视化》课程作为培养学生数据呈现与分析能力的核心课程，其教学质量直接影响专业人才的培养成效。然而，当前教学中存在生成式人工智能与教学知识点融合浮于表面、教学案例陈旧单一、教师专业领域局限等问题，严重制约了课程教学效果的提升[1]。生成式人工智能技术的快速发展，为解决这些问题带来了新契机[2]。本文聚焦上述关键问题，深入研究生成式人工智能在《数据可视化》课程建设中的应用，探索教学改革新路径。

二、生成式人工智能与教学知识点深度融合问题及解决策略

在现有教学实践中，生成式人工智能在《数据可视化》课程的应用多停留在辅助工具层面，与教学知识点未能实现深度融合。教师对人工智能与教学内容结合的切入点把握不足，导致其在教学过程中的应用碎片化，无法充分发挥人工智能的优势，难以有效提升教学的有机性与整体性 。

本文围绕《数据可视化》课程教学目标和各知识点需求，系统构建图形图表作图提示词体系。以图表类型选择教学为例，针对不同数据特征（如时间序列数据、分类数据、数值型数据等），设计详细的提示词模板。例如，对于时间序列数据的折线图生成，提示词可设定为 “基于 [具体时间范围] 的 [数据指标名称] 时间序列数据，生成折线图展示数据随时间的变化趋势，要求清晰标注坐标轴标签、数据单位，添加数据趋势说明文字，折线采用醒目的颜色区分不同数据系列”。通过明确、精准的提示词引导人工智能生成契合教学需求的图表示例，并配套相关解释说明，将人工智能应用深度嵌入教学环节，实现其与教学知识点的紧密结合，提升教学的连贯性和有效性。

（一）教学案例单一、陈旧问题及解决路径

传统《数据可视化》课程教学案例多以文字描述和简单数据表格呈现，形式单一且更新缓慢，难以激发学生的学习兴趣，也无法满足当下多样化的教学需求。陈旧的案例内容与快速发展的行业实际脱节，导致学生难以将所学知识应用于实际场景，限制了学生实践能力和创新思维的培养。

借助生成式人工智能拓展教学案例形式，创建丰富多元的案例库。人工智能可根据教学需求生成包含动态可视化图表、交互式模拟场景、视频讲解等多种形式的案例。例如，在讲解数据可视化在市场营销中的应用时，生成一段模拟电商平台销售数据可视化分析的视频，展示从原始数据导入、图表生成到数据分析解读的全过程，同时结合交互式模拟，让学生能够自主操作数据筛选、图表切换等功能，增强学习的沉浸感和参与度。

制定案例更新策略，定期利用人工智能基于最新行业数据、热点事件生成新颖案例。建立案例反馈机制，收集学生和教师对案例的使用评价，根据反馈及时优化和更新案例内容与形式，确保教学案例始终保持时效性和实用性，为学生提供贴近实际、富有吸引力的学习素材。

（二）教师局限于自身专业领域问题及突破方法

在传统教学模式下，数据科学与大数据专业教师受自身专业背景限制，在教学过程中往往侧重于自身熟悉的领域，难以全面融合其他学科知识，导致教学内容缺乏广度和深度，无法满足学生对跨领域知识的学习需求，也不利于培养学生综合运用多学科知识解决实际问题的能力。

利用生成式人工智能助力教师突破专业领域局限。教师通过输入教学主题和需求，人工智能能够快速生成涵盖多学科知识的跨领域应用案例。例如，在讲解地理信息数据可视化时，人工智能可生成结合地理学、统计学、计算机科学等多学科知识的案例，包括地理空间数据的采集与处理、利用统计方法分析地理现象、借助计算机图形技术实现数据可视化展示等内容。同时，人工智能还可为教师提供案例的教学思路和方法建议，帮助教师更好地理解和驾驭跨领域案例教学，丰富教学内容，拓宽学生视野，实现更全面、多元的教学，提升教师的综合教学能力和课程的教学质量。

（三）基于人工智能的教学资源开发与教学活动设计

在解决上述关键问题的基础上，进一步深化基于生成式人工智能的教学资源开发与教学活动设计。在教学资源开发方面，将深度融合的提示词体系、创新的案例形式融入互动式练习和案例集制作中。例如，互动式练习中，学生根据人工智能依据提示词生成的多样化图表示例进行模仿和改进，同时利用新颖的案例进行实践操作；案例集按照不同难度层次和应用场景分类，每个案例均充分体现人工智能在拓展案例形式和内容上的优势。

在教学活动设计中，组织小组合作项目和课堂互动活动时，鼓励学生运用人工智能生成的跨领域案例作为参考，开展数据收集、分析和可视化展示。在小组合作项目中，引导学生结合不同学科知识对案例进行拓展和创新；在课堂互动活动中，以跨领域案例为基础设计竞赛题目，激发学生的学习兴趣和创新思维，进一步提升学生的综合实践能力和团队协作能力。

三、构建全面的教学效果评估指标体系

构建涵盖知识掌握、技能提升、思维发展、学习态度等维度的教学效果评估指标体系，重点关注生成式人工智能在解决关键问题过程中对学生学习效果的影响。在知识掌握维度，考察学生对深度融合后的教学知识点的理解和运用能力；技能提升维度，评估学生在处理新颖案例、运用跨领域知识进行数据可视化实践中的操作技能；思维发展维度，着重评价学生在跨领域案例学习和实践过程中逻辑思维、创新思维和批判性思维的发展情况；学习态度维度，通过学生对多样化教学案例和跨领域教学活动的参与度、积极性等方面进行衡量。

采用前后测对比、问卷调查、学生作品分析、课堂观察等方法收集数据，定期对数据进行分析，评估生成式人工智能辅助教学在解决关键问题、提升教学质量方面的实际效果，根据评估结果及时调整教学策略和方法，持续优化课程教学。

四、结论与展望

本研究通过针对《数据可视化》课程教学中存在的关键问题，探索生成式人工智能的应用策略，在促进人工智能与教学知识点深度融合、革新教学案例、助力教师突破专业领域局限等方面取得了一定成果。实践表明，这些举措有效提升了教学的趣味性、实用性和综合性，增强了学生的学习兴趣和综合能力。

然而，在研究和实践过程中仍面临一些挑战，如提示词体系的完善、案例更新的自动化程度提升、跨领域教学资源的进一步整合等。未来将继续深入研究，不断优化生成式人工智能在课程建设中的应用策略，探索更有效的教学模式，推动《数据可视化》课程教学质量持续提升，为培养适应时代发展需求的高素质数据科学与大数据专业人才提供有力支持。

本文系教育教学改革研究与实践项目“生成式人工智能赋能新工科专业课程建设——以《数据可视化》为例”（JG2025008）的阶段性成果。

参考文献

[1] 崔希亮.人工智能——语言教学的机遇与挑战.华文教学与研究 .2024 （02）.

[2] 刘 俊，王天锋，许春良.生成式人工智能服务学科教研转型的可能及其实现［J］.教学与管理，2024（35）：23-26.