湖南大学《计算与人工智能概论》精品课程建设

项目编号：531120010022

引言

随着信息技术的飞速发展，人工智能，尤其是大语言模型（LLMs），在教育领域展现出了巨大的应用潜力。商科计算机通识课程旨在帮助商科学生掌握必要的计算机技能和数据分析方法，以应对数字化时代商业环境中的挑战。然而，传统的教学模式存在教学内容抽象、师生互动不足以及难以实现个性化指导等问题，导致教学效果不尽如人意。大语言模型具备强大的自然语言处理和数据分析能力，为解决这些问题提供了一种全新的思路。本文将探索大语言模型在商科计算机通识课程中的应用。

1 大语言模型的定义及其在教育中的应用

1.1 大语言模型的基本概念

大语言模型（Large Language Models, LLMs）是一种基于深度学习技术，通过大量文本数据训练而成的自然语言处理模型。它具备理解和生成自然语言文本的能力，能够在对话、翻译、文本生成等任务中表现优异。以GPT-4为代表的大语言模型，能够通过解析语境，生成合理而富有逻辑的回答，为教育领域提供了新的工具和可能。

1.2 大语言模型在教育领域的应用现状

大语言模型在教育中的应用日益普及，其广泛用于智能答疑、自动批改作业、生成个性化学习内容等。例如，智能答疑系统可以为学生提供实时的学习支持，帮助解决课堂内外遇到的问题。而在作业评改方面，大语言模型可以帮助教师批改大量的学生作业，提高效率的同时减轻工作负担。此外，它还可以根据学生的学习情况动态调整教学内容，提供个性化的学习计划，以适应不同学生的需求。

1.3 大语言模型在商科计算机通识课程中的潜力

商科计算机通识课程内容涉及编程基础、数据分析工具的使用及其在商业中的应用。然而，商科学生通常缺乏计算机基础，对编程和数据分析的理解存在困难，传统的教学模式往往难以满足个性化需求。大语言模型在该课程中的应用展现了显著的潜力。

首先，大语言模型可以充当学生的学习助手，在学生学习编程和数据分析时，提供即时的解答和支持，解决学习中遇到的问题。例如，学生在编写代码时可以随时向大语言模型询问问题，大语言模型会根据学生的代码指出错误并提供改进建议。这种支持能够帮助学生在学习过程中及时纠正错误，增强学习效果。其次，大语言模型可以辅助教师设计课程和生成教学材料。例如，针对基础薄弱的学生，可以生成一些简单的编程案例和指导步骤；而对于有一定基础的学生，可以提供更复杂的商业数据分析案例，培养他们的实际操作能力。这种个性化的教学内容有助于学生根据自身水平逐步学习，提升学习体验。此外，大语言模型还能够帮助教师进行学习效果评估。通过分析学生的学习进度和反馈，模型可以生成个性化的学习报告，帮助教师全面了解每个学生的学习状况，从而制定更加有效的教学策略。

2 商科计算机通识课程的教学现状与挑战

2.1 商科计算机通识课程的现状

商科计算机通识课程旨在为商科学生提供基本的计算机技能与数据分析能力，帮助他们适应数字化商业环境。然而，目前课程的教学内容主要以基础计算机技能、编程基础（如Python）和数据分析工具（如Excel、R等）为主，教学方式以传统的教师讲授与实验练习相结合。学生在课堂中被动接受知识，实践机会较少，难以充分理解计算机技能在商业中的应用。

目前，大多数商科学生缺乏计算机基础，对编程和数据分析存在畏难情绪，教学中师生互动不足，导致学生学习效果不佳。此外，课程内容与商科实际需求的结合不够紧密，缺乏实用性，学生往往难以理解这些技术在商业中的重要性，影响了他们对课程的兴趣和学习积极性。

2.2 商科计算机通识课程教学面临的挑战

商科计算机通识课程教学面临的主要挑战之一是学生的基础差异较大。许多商科学生在高中阶段并未系统学习计算机编程，因此在学习编程和数据分析时遇到困难。而传统的教学方式通常是以统一的进度教授，难以兼顾每个学生的学习节奏与需求，导致部分学生因无法跟上进度而失去学习兴趣。其次，编程和数据分析内容相对抽象，对于缺少逻辑思维训练的商科学生来说难度较大。编程语言的语法、数据分析的复杂性使学生在理解和应用上存在障碍。此外，当前的教学方式多以理论为主，缺乏真实的商业案例和实践应用，导致学生难以理解知识的实际应用场景，从而感到学习内容枯燥乏味。另外，教学资源的限制也给课程实施带来了困难。教师在面对大量学生时难以提供个性化的辅导和及时的反馈，尤其在编程学习中，学生遇到问题需要即时解答，但受限于教师精力，难以实现这种个性化的支持。教学中的反馈不足影响了学生的学习体验，导致学生在遇到挫折时缺乏解决问题的动力。

2.3 大语言模型的引入对商科计算机通识课程的影响

大语言模型的引入为商科计算机通识课程的教学提供了一种新颖且有效的解决方案。首先，大语言模型可以作为学生的学习助手，提供24小时的即时支持。学生在学习编程和数据分析时遇到困难，可以随时向大语言模型提问，并获得及时、详细的解答。例如，在编程练习中遇到语法错误时，模型可以为学生指出问题所在并提供解决建议，帮助学生在学习过程中减少挫败感，提高学习效率。其次，大语言模型能够根据学生的学习需求生成个性化的学习材料和练习题目。例如，对于学习基础薄弱的学生，可以生成更加详细的步骤说明和基础练习，而对于有一定基础的学生，则可以提供更具挑战性的项目和实际商业案例。这种个性化的学习支持能够帮助学生按照自己的节奏学习，激发他们的学习兴趣，提高学习效果。

3 基于大语言模型的商科计算机通识课程教学设计

3.1 教学目标与模块化设计

基于大语言模型的商科计算机通识课程教学目标在于提高学生的计算机基础技能，特别是编程与数据分析能力，同时培养学生在实际商业场景中应用这些技能的能力。课程内容被模块化为基础计算机技能、编程入门、数据分析与可视化、商业案例应用四个模块。模块化的设计使得教学内容更加系统化，学生可以根据自己的学习进度逐步掌握各模块知识。

基础计算机技能模块包括办公软件的使用和数据管理基础；编程入门模块侧重于Python编程，包括基础语法、数据类型和控制结构等；数据分析与可视化模块涉及数据处理、分析和可视化工具的应用；商业案例模块旨在通过具体商业场景的实践应用，帮助学生加深对计算机技能在商业决策中的理解。

3.2 教学内容与任务设计

教学内容设计中充分利用了大语言模型的特点，支持学生通过“学中做”的方式掌握课程内容。编程模块中，学生学习Python基础，通过练习巩固编程知识，完成小型编程项目。大语言模型作为学习辅助，提供代码反馈与指导，帮助学生解决遇到的具体问题。

数据分析模块中，学生将进行数据清洗与分析任务，例如处理电子商务公司的销售数据。大语言模型在此阶段帮助学生理解数据、编写代码并进行数据可视化。通过这些任务，学生能够在实践中掌握数据分析技能。

在商业案例模块中，学生通过完成综合项目来应用学到的技能，例如对市场营销数据进行分析。大语言模型在这个过程中扮演顾问角色，为学生提供商业逻辑的指导，协助完成分析任务，使学生更好地理解如何将数据技能应用于实际问题。

3.3 个性化学习支持

个性化学习是本课程的重要组成部分。大语言模型可以根据学生的学习水平提供定制化的支持。对于学习有困难的学生，模型提供更详细的解释和额外练习；对于进度较快的学生，则推荐挑战性更高的项目。通过这种方式，每个学生都可以根据自己的节奏学习，从而提高学习效果。此外，教师可以利用大语言模型获取学生的学习数据，生成学习报告。这些报告帮助教师了解学生的薄弱环节，并进行有针对性的教学调整，以确保每个学生都能有效掌握课程内容。

3.4 教学评价与反馈机制

教学评价方面，课程设计强调过程性评价与及时反馈的结合。大语言模型在评价中发挥了重要作用，可以对学生提交的代码和作业进行初步审阅，并生成反馈。这样，学生可以迅速了解自己的不足并进行改进。教师也通过大语言模型生成的学习报告，了解整体教学效果，发现学生在学习中的共性问题，从而改进教学策略。过程性评价的设计不仅注重结果，还重视学生在整个学习过程中的进展，全面反映学习成效。

4 基于大语言模型的教学效果评估与改进建议

4.1 教学效果评估

在实施基于大语言模型的商科计算机通识课程后，通过对学生的学习数据与教师反馈进行评估，结果显示该教学设计在提升学习效果和学生满意度方面取得了显著成果。

首先，学生的编程技能和数据分析能力得到了明显提升。在期末评估中，学生在编程与数据处理任务中的平均得分相比于之前采用传统教学方法的班级提升了约20%。尤其是在代码逻辑性和错误纠正方面，借助大语言模型的即时反馈，学生的学习效率显著提高，大多数学生能够及时发现并改正自己的编程错误，这使得编程学习过程更加高效。

其次，学生对课程内容的兴趣与学习参与度明显增加。通过课程中引入的商业案例应用，学生普遍表示对编程与数据分析在商业中的应用有了更深的理解。例如，某项目任务中，学生需对模拟公司的销售数据进行分析并给出市场预测建议。通过大语言模型的帮助，学生们能够完成数据可视化并结合分析结果提出有效的商业决策建议，这一过程增强了学生的参与感和学习的实用性。

此外，个性化学习支持也得到了积极反馈。教学过程中，大语言模型根据学生的个体差异提供定制化的学习内容与指导，帮助学习进度慢的学生逐步跟上整体进度，同时为表现优异的学生提供高级挑战。这种个性化的支持有效提升了学生的学习满意度，超过80%的学生反馈称大语言模型的个性化指导帮助他们更好地理解课程内容并保持学习的积极性。

4.2 改进建议

尽管基于大语言模型的教学设计取得了一定成效，但在实施过程中也发现了一些需要改进的地方。首先，部分学生在使用大语言模型时，遇到过于复杂或不够明确的指导。为此，建议在课程实施中为学生提供适当的培训，帮助他们了解如何有效利用大语言模型获取有用的学习支持，同时教师也应加强对模型生成内容的监控与辅助，确保学生获得准确的反馈。

其次，教师在课程中的角色定位需要进一步明确。大语言模型在个性化学习中起到了重要作用，但这并不意味着教师可以完全放松对学生的关注。教师应利用大语言模型生成的学习报告，及时调整教学策略和内容，尤其是对于那些在学习过程中表现出困难的学生，应给予更多的辅导和关怀，帮助他们克服学习障碍。

最后，进一步优化课程内容与商业实际应用的结合。尽管引入了商业案例，但部分学生认为案例的复杂性与实际商业场景的差距较大。为此，建议引入更多的真实商业案例，提升任务的真实性与挑战性，让学生更深刻地理解计算机技能在实际商业中的应用价值。

5 结论

基于大语言模型的商科计算机通识课程教学在提升学生计算机技能、增强学习兴趣和个性化支持方面取得了显著成果。通过模块化内容设计、实践案例引入及个性化指导，学生的编程与数据分析能力得到了有效提升，同时对商业应用的理解也更为深入。然而，实施过程中也存在改进空间，需进一步优化模型的使用指导及教师的辅助角色。总体而言，大语言模型为商科教育的创新提供了有力支持，展现了广阔的应用前景。

参考文献

[1]胡艳妮.新商科背景下广西中职学校电子商务专业建设研究[D].广西师范大学,2021.DOI:10.27036/d.cnki.ggxsu.2021.000171.

[2]田淑芳.地方应用型本科高校新商科人才培养路径研究——基于大数据管理与应用专业的案例分析[J].黑龙江工业学院学报(综合版),2022,22(03):17-21.DOI:10.16792/j.cnki.1672-6758.2022.03.028.

[3]霍宝锋,张逸婷,姚佩佩.基于扎根理论的新商科人才培养[J].中国大学教学,2023,(04):4-10.

[4]彭婉莹.新商科建设背景下财经类专业数字化课程建设探索——以大数据技术在财务中的应用为例[J].对外经贸,2024,(08):120-123.

[5]吴德望.基于互联网思维的高职新商科课程学业评价体系创新研究[J].科教文汇,2024,(12):124-127.DOI:10.16871/j.cnki.kjwh.2024.12.029.