大語言模型時代的數(shù)據(jù)挖掘課程教學(xué)方法探討

摘要：傳統(tǒng)數(shù)據(jù)挖掘課程教學(xué)中存在教學(xué)內(nèi)容固定、教學(xué)模式陳舊、實踐環(huán)節(jié)淺顯、課程考核單一等問題。教師采用優(yōu)化教學(xué)內(nèi)容、創(chuàng)新教學(xué)模式、強化實踐教學(xué)、突出過程考核的方式進行教學(xué)方法探索，開展前沿知識教學(xué)、真實案例實踐、在線學(xué)科競賽等活動，通過引入學(xué)科前沿、理論聯(lián)系實際以提煉實踐效果，將大語言模型既作為理論也作為工具，使其融入數(shù)據(jù)挖掘課程教學(xué)過程中，提升教學(xué)效果、培養(yǎng)學(xué)生實際應(yīng)用能力、激發(fā)學(xué)生的創(chuàng)新思維。

關(guān)鍵詞：大語言模型；數(shù)據(jù)挖掘；教學(xué)探索；課程設(shè)計；實踐能力

一、前言

在人工智能的浪潮中，諸多的大語言模型，如GPT、BERT等基于Transformer架構(gòu)的創(chuàng)新技術(shù)，已經(jīng)引領(lǐng)了數(shù)據(jù)科學(xué)、自然語言處理和機器學(xué)習(xí)等領(lǐng)域的新革命。這些技術(shù)不僅在學(xué)術(shù)界激發(fā)了廣泛的討論，也給教育領(lǐng)域帶來了一定的替代焦慮。隨著這些通用大模型的興起和對教育領(lǐng)域的深入滲透，教育行業(yè)面臨著轉(zhuǎn)型的必要性，本科教學(xué)作為新理論、新技術(shù)和新應(yīng)用的研究與傳播中心，其教學(xué)內(nèi)容、教學(xué)模式、實踐方式等維度都將受到大語言模型的影響，教學(xué)理念和形態(tài)亟須更新[1]。為此，探索大語言模型與課程教學(xué)共生的教學(xué)新方法成為了一項緊迫的任務(wù)[2]。

數(shù)據(jù)挖掘課程是一門集理論與實踐為一體的高級計算機科學(xué)課程，旨在教授學(xué)生如何從大規(guī)模數(shù)據(jù)集中提取有價值的信息和知識。大語言模型對于數(shù)據(jù)挖掘課程來說，既是教學(xué)內(nèi)容，也是教學(xué)工具。首先，大語言模型基于Transformer架構(gòu)，這一創(chuàng)新架構(gòu)起源于神經(jīng)網(wǎng)絡(luò)的逐步演化，而神經(jīng)網(wǎng)絡(luò)正是數(shù)據(jù)挖掘課程教學(xué)中一個重要的算法分支。其次，大語言模型因其出色的自然語言處理能力、高效的數(shù)據(jù)處理和分析能力已經(jīng)成為了數(shù)據(jù)挖掘課程理論及實踐學(xué)習(xí)中不可或缺的工具。學(xué)生們已經(jīng)開始利用這類模型作為輔助工具，處理數(shù)據(jù)、解答問題、甚至糾正代碼錯誤。這種現(xiàn)象促使教育者重新思考教學(xué)方法，實現(xiàn)大語言模型與數(shù)據(jù)挖掘課程教學(xué)之間的互動和融合，為數(shù)據(jù)科學(xué)的教學(xué)和研究開辟新的道路，同時確保能夠向?qū)W生傳授最前沿的技術(shù)知識。目前，數(shù)據(jù)挖掘課程需要緊跟技術(shù)發(fā)展的步伐，更新教學(xué)內(nèi)容和方法，以提升教育質(zhì)量和學(xué)生學(xué)習(xí)成效。

二、數(shù)據(jù)挖掘課程教學(xué)的現(xiàn)狀

數(shù)據(jù)挖掘課程作為計算機科學(xué)與統(tǒng)計學(xué)的交叉領(lǐng)域，面臨著大語言模型等新技術(shù)的挑戰(zhàn)，需要不斷更新教學(xué)內(nèi)容和方法。傳統(tǒng)上，這些課程重點教授決策樹、分類算法等模型的應(yīng)用，但隨著技術(shù)進步，舊有內(nèi)容和教學(xué)方式已難以滿足行業(yè)需求。

首先，教學(xué)內(nèi)容固定化是數(shù)據(jù)挖掘課程教學(xué)中最為突出的問題。例如，雖然Transformer模型及其衍生技術(shù)，如GPT和BERT在自然語言處理中極為有效，但多數(shù)課程未涵蓋這些先進模型。這種滯后不僅影響學(xué)生的學(xué)習(xí)興趣，也使得所學(xué)知識與實際需求不匹配。其次，現(xiàn)有的教學(xué)模式過于陳舊，傳統(tǒng)的教學(xué)模式通常將理論學(xué)習(xí)與實踐操作分開，影響學(xué)生在理論與實踐之間建立聯(lián)系。例如，理論課可能重點講解算法原理，而在實踐課中學(xué)生則使用現(xiàn)成的庫和工具，缺乏對算法實現(xiàn)細節(jié)的深入理解。再次，實踐環(huán)節(jié)通常較為淺顯，傳統(tǒng)的實踐環(huán)節(jié)通常只重技術(shù)操作而非數(shù)據(jù)挖掘全流程的實戰(zhàn)經(jīng)驗，如項目規(guī)劃和需求分析等關(guān)鍵環(huán)節(jié)。學(xué)生處理的數(shù)據(jù)集常過于簡化，缺乏現(xiàn)實世界的復(fù)雜性，限制了學(xué)生對數(shù)據(jù)質(zhì)量管理的理解。同時，缺少對最新大語言模型工具的實際操作經(jīng)驗。最后，傳統(tǒng)的數(shù)據(jù)挖掘課程考核方式過于單一，分值往往將理論成績占比在70%左右，平時在課堂上的表現(xiàn)和在實踐課上的表現(xiàn)僅占最終成績的30%左右，導(dǎo)致有部分學(xué)生在考前臨陣磨槍、死記硬背，通過死磕理論知識來提高最終成績，達到及格目的。在大模型引領(lǐng)的工具時代，算法等理論基礎(chǔ)固然重要，但是將數(shù)據(jù)挖掘的相關(guān)理論知識應(yīng)用于解決實際問題的能力才是開設(shè)此門課程的根本目的。

雖然已有學(xué)者針對大數(shù)據(jù)時代的數(shù)據(jù)挖掘課程教學(xué)展開研究[3]，提出了增加學(xué)生參與度的“理論講授＋編程實踐＋工程實踐”的教學(xué)實踐模式[4]，卻忽略了大模型時代可能為數(shù)據(jù)挖掘課程帶來的影響和變化。相關(guān)調(diào)查顯示，目前的數(shù)據(jù)挖掘課程教學(xué)存在一些共性問題，包括教材更新速度趕不上科技發(fā)展速度導(dǎo)致課程內(nèi)容在技術(shù)層面滯后、課程內(nèi)容固定導(dǎo)致缺乏與學(xué)科的有機融合、理論與實際差距大導(dǎo)致不利于提升學(xué)生解決實際問題的能力等[5]。因此，面對大語言模型時代的新挑戰(zhàn)，教育者迫切需要對數(shù)據(jù)挖掘課程的教學(xué)內(nèi)容、方法、實踐環(huán)節(jié)及考核機制進行全面的改革和更新，以提升教學(xué)質(zhì)量。

三、大語言模型背景下的數(shù)據(jù)挖掘課程教學(xué)方法探索

（一）優(yōu)化教學(xué)內(nèi)容，融入學(xué)科前沿

傳統(tǒng)的教學(xué)設(shè)計以教材為參考，教師依據(jù)自己的理解從數(shù)據(jù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉庫、頻繁模式挖掘、分類、聚類及深度學(xué)習(xí)算法等章節(jié)進行教學(xué)內(nèi)容的設(shè)計。另外，傳統(tǒng)的教學(xué)內(nèi)容大都是理論和算法層面的講解，缺乏對真實案例的分析，導(dǎo)致學(xué)生對理論的理解不夠透徹，也無法激發(fā)學(xué)生的學(xué)習(xí)興趣。

一方面，在教學(xué)內(nèi)容的優(yōu)化方面，教師應(yīng)當(dāng)定期審視和更新教學(xué)材料。例如，隨著大模型的興起，課程中應(yīng)當(dāng)深入介紹Transformer等大語言模型的架構(gòu)設(shè)計、關(guān)鍵技術(shù)和算法原理。同時，結(jié)合具體的案例分析，讓學(xué)生理解這些模型在自然語言處理、文本挖掘等領(lǐng)域的應(yīng)用，幫助學(xué)生掌握最新的技術(shù)動態(tài)，激發(fā)他們探索未知領(lǐng)域的興趣。另一方面，定期更新課程案例和數(shù)據(jù)集。隨著技術(shù)的發(fā)展，傳統(tǒng)的鳶尾花分類預(yù)測、泰坦尼克號生存預(yù)測，以及波士頓房價預(yù)測等案例已經(jīng)不能夠反映當(dāng)前技術(shù)的最新進展，也難與現(xiàn)實應(yīng)用結(jié)合起來。因此，課程應(yīng)不斷引入最新的研究成果和應(yīng)用案例。例如，使用OpenAI發(fā)布的GPT模型在生成文本、編寫代碼等方面的案例，或者是BERT模型在搜索引擎優(yōu)化、情感分析等任務(wù)上的應(yīng)用。通過這些更新的案例和數(shù)據(jù)集，學(xué)生可以更直觀地理解大語言模型的強大功能和應(yīng)用前景。

具體來說，數(shù)據(jù)挖掘課程一共有48課時，分20次課進行講授，包含32課時的理論課（每次2課時）和16課時的實踐課（每次4課時）。教師可以將課程安排整體分為五大部分，每部分的課程內(nèi)容都可以與大語言模型有機結(jié)合。第一部分是數(shù)據(jù)挖掘課程概述，教師從數(shù)據(jù)挖掘的發(fā)展史開始講解，讓學(xué)生了解到數(shù)據(jù)挖掘課程的重要性和意義。在此講中，除介紹基本的數(shù)據(jù)挖掘發(fā)展史外，教師可以增加對大語言模型發(fā)展史的講解，及其對數(shù)據(jù)挖掘領(lǐng)域可能的作用和影響，讓學(xué)生理解并感受大模型時代數(shù)據(jù)挖掘課程發(fā)展所處的階段。第二部分是數(shù)據(jù)及其預(yù)處理，教師需要介紹基本的數(shù)據(jù)類型及統(tǒng)計、描述、測量和預(yù)處理方法。數(shù)據(jù)預(yù)處理的過程一般包括數(shù)據(jù)搜集、數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)歸約及特征工程等步驟。在此講中，教師可以介紹如何在數(shù)據(jù)預(yù)處理中使用大語言模型作為高效處理數(shù)據(jù)的工具。例如，在數(shù)據(jù)采集階段，可以利用大語言模型書寫數(shù)據(jù)爬取的腳本；在數(shù)據(jù)清洗階段，可以引導(dǎo)學(xué)生使用大語言模型開展自動糾錯和文本擴充；在數(shù)據(jù)集成階段，可以使用大語言模型幫助識別和理解不同來源中相同實體的不同表述方式，實現(xiàn)基于大語言模型的數(shù)據(jù)智能處理。第三部分是頻繁模式及關(guān)聯(lián)規(guī)則挖掘，教師需要讓學(xué)生了解基礎(chǔ)的頻繁項集挖掘算法，以及理解頻繁項集挖掘和關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的經(jīng)典使用場景。在此講中，教師應(yīng)當(dāng)講解多層次、多維度的模式挖掘方法。盡管頻繁模式和關(guān)聯(lián)規(guī)則挖掘傳統(tǒng)上更多地應(yīng)用于交易數(shù)據(jù)、用戶行為日志等結(jié)構(gòu)化數(shù)據(jù)，但大語言模型的引入能夠使這一技術(shù)應(yīng)用于文本數(shù)據(jù)，從而發(fā)掘非結(jié)構(gòu)化文本數(shù)據(jù)中的隱含模式和關(guān)系。第四部分是分類和聚類算法，教師需要對分類、聚類的基本概念和方法，以及分類、聚類的評估方法進行講解。在此講中，教師可以詳細介紹大語言模型在技術(shù)融合與參數(shù)調(diào)整中可能發(fā)揮的作用。例如，如何將大語言模型與傳統(tǒng)的分類和聚類算法相結(jié)合使用，以提升分類和預(yù)測的準(zhǔn)確率，還可以介紹大模型時代下的新興研究方向。例如，跨模態(tài)學(xué)習(xí)（結(jié)合文本、圖像等多種數(shù)據(jù)進行分類或聚類）的基本概念和應(yīng)用案例。第五部分是深度學(xué)習(xí)算法，這部分主要從反向傳播算法開始，介紹常用的深度學(xué)習(xí)架構(gòu)，包括前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等。除了傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)和算法，教師應(yīng)當(dāng)深入介紹大語言模型，如Transformer、BERT、GPT的技術(shù)細節(jié)，探討這些模型在文本挖掘、情感分析、自然語言生成等領(lǐng)域的應(yīng)用。通過案例研究和項目實踐，學(xué)生可以更直觀地理解大模型的強大功能和應(yīng)用潛力，同時激發(fā)他們對于未來數(shù)據(jù)科學(xué)和人工智能領(lǐng)域的興趣和探索欲。

課程教學(xué)的實踐環(huán)節(jié)貫穿整個理論講授的過程，除第一部分的課程概述外，課程每一部分理論講解都配有4個課時的實踐訓(xùn)練。實踐課中，大模型可以始終擔(dān)任“助教”角色，用于數(shù)據(jù)預(yù)處理、代碼糾錯、算法優(yōu)化等環(huán)節(jié)。總之，大語言模型在教學(xué)內(nèi)容中既是理論也是工具，學(xué)生在課程學(xué)習(xí)過程中基于大語言模型可以達到“學(xué)以致用，用以促學(xué)”的效果。

此外，教師還可以挖掘蘊含在數(shù)據(jù)挖掘課程中的思政元素，將數(shù)據(jù)安全、倫理道德、科技創(chuàng)新等內(nèi)容融入數(shù)據(jù)挖掘課程內(nèi)容的講解，加深學(xué)生的社會責(zé)任感和倫理觀念，使學(xué)生樹立正確的價值觀。在課程教學(xué)中，教師可以通過案例研究，引入實際的數(shù)據(jù)挖掘項目，特別是那些涉及敏感數(shù)據(jù)（如個人隱私、醫(yī)療記錄）的項目，來展示在數(shù)據(jù)處理和分析過程中可能出現(xiàn)的倫理風(fēng)險。通過這些案例，學(xué)生可以了解到數(shù)據(jù)挖掘如何可能影響個體的隱私權(quán)和數(shù)據(jù)安全。

（二）創(chuàng)新教學(xué)模式，理論聯(lián)系實際

傳統(tǒng)的課堂教學(xué)模式是教師講授式教學(xué)與學(xué)生實驗室練習(xí)實踐相結(jié)合，配以課程作業(yè)，實現(xiàn)知識點的講解和練習(xí)。學(xué)生在傳統(tǒng)的教學(xué)模式下往往扮演被動接受知識的角色，在一定程度上限制了學(xué)生的主動學(xué)習(xí)和探索，盡管課程設(shè)計中包括了實驗室練習(xí)和項目，但大多是針對特定算法、特定數(shù)據(jù)集的實驗，學(xué)生學(xué)完這門課后面對真實的數(shù)據(jù)挖掘案例，仍然不知該從何入手，課堂上學(xué)到的理論與實際應(yīng)用之間存在脫節(jié)。因此，在大語言模型的時代背景下，數(shù)據(jù)挖掘課程的教學(xué)模式需要進行相應(yīng)的創(chuàng)新，以充分利用這些先進技術(shù)促進學(xué)生的學(xué)習(xí)和實踐。

為了加強理論知識與實踐技能的結(jié)合，教師可以通過精選具體的行業(yè)案例，展示大模型如何解決實際問題。通過案例分析，學(xué)生可以更好地理解模型的應(yīng)用場景和業(yè)務(wù)價值，還可通過組織基于Kaggle平臺的數(shù)據(jù)科學(xué)競賽，讓學(xué)生在競爭中學(xué)習(xí)，實現(xiàn)“以賽促學(xué)”的教學(xué)模式。Kaggle作為一個全球知名的數(shù)據(jù)科學(xué)競賽平臺，提供了多種類型的數(shù)據(jù)科學(xué)問題，從基本的數(shù)據(jù)分析到復(fù)雜的機器學(xué)習(xí)和深度學(xué)習(xí)任務(wù)。在數(shù)據(jù)挖掘課程中引入在線競賽，教師可以選擇與學(xué)生所在專業(yè)領(lǐng)域相關(guān)的實際問題，讓學(xué)生在真實世界數(shù)據(jù)上應(yīng)用他們學(xué)到的技術(shù)和理論。這樣的課程設(shè)計不僅為學(xué)生提供了一個實戰(zhàn)的平臺，還能激發(fā)他們的學(xué)習(xí)興趣，提高他們解決實際問題的能力。

此外，教師可以引導(dǎo)通過合理利用在線平臺和資源以支持數(shù)據(jù)挖掘和大語言模型的學(xué)習(xí)與實踐。例如，Google Colab提供的免費計算資源、Hugging Face的Transformers開源大語言模型庫，進行實驗和項目開發(fā)。通過閱讀和修改源代碼，學(xué)生可以深入理解模型的工作原理和實現(xiàn)細節(jié)，提高編程能力和技術(shù)理解力。

（三）強化實踐教學(xué)，引入“助教”角色

數(shù)據(jù)挖掘的實踐課一般基于Python或者R語言開展，每次實驗課對應(yīng)不同的專題。傳統(tǒng)的數(shù)據(jù)挖掘?qū)嵺`教學(xué)中，往往由教師給一個固定的題目，讓學(xué)生在課上實現(xiàn)并完成，學(xué)生遇到問題時，逐一向教師請教。然而，因為學(xué)生們的實驗進度不同、實驗環(huán)境不同，遇到的問題多種多樣且多為語法錯誤、環(huán)境錯誤等簡單問題，這類問題不適合集中解答，“一對多”的指導(dǎo)模式導(dǎo)致教師資源不夠用，最終導(dǎo)致實踐效果不佳。通過理解代碼的上下文，大語言模型能夠幫助檢測代碼中的錯誤，包括語法錯誤、邏輯錯誤等，并提出修改建議。因此，在實踐環(huán)節(jié)，教師可以引入大語言模型扮演“助教”的角色，回答學(xué)生在數(shù)據(jù)挖掘?qū)嵺`過程中所遇到的問題，提升教學(xué)效率。同時，模型能夠識別出一些不符合常規(guī)編程實踐的模式，并提醒開發(fā)者注意，以提升學(xué)生開發(fā)的規(guī)范性。

此外，教師還應(yīng)當(dāng)基于真實數(shù)據(jù)集，采取項目驅(qū)動的學(xué)習(xí)方法讓學(xué)生在解決實際問題的過程中深化對知識的理解。課程應(yīng)設(shè)計與大語言模型相關(guān)的實際項目，讓學(xué)生能夠?qū)W習(xí)如何面對復(fù)雜問題、選擇合適的模型、調(diào)整參數(shù)并解釋結(jié)果。這種以問題為導(dǎo)向的學(xué)習(xí)方式，能有效培養(yǎng)學(xué)生的批判性思維、解決問題的能力，以及創(chuàng)新思維。

（四）突出過程考核，提煉實踐效果

在數(shù)據(jù)挖掘課程中，過程考核不僅要用于評估學(xué)生的最終成績，更關(guān)鍵在于激發(fā)學(xué)生的學(xué)習(xí)積極性，培養(yǎng)他們解決問題的能力、團隊協(xié)作精神和創(chuàng)新思維。然而，傳統(tǒng)的考核方式對于理論部分的過度強調(diào)可能導(dǎo)致學(xué)生缺乏實際操作的動力，限制創(chuàng)新能力的發(fā)展，并使教學(xué)內(nèi)容與實際工作需求脫節(jié)。為了克服這些問題，教師可以通過設(shè)立明確的評估標(biāo)準(zhǔn)來優(yōu)化過程考核，涵蓋學(xué)生的參與度、合作態(tài)度、問題解決過程和技術(shù)應(yīng)用能力等方面。例如，為了確保學(xué)習(xí)活動，如Kaggle競賽的教學(xué)效果得以體現(xiàn)，并全面評估學(xué)生的實際操作能力，應(yīng)該將此類活動的結(jié)果和學(xué)生的表現(xiàn)納入課程評估的重要部分，占課程總成績的50%左右。這種評估方式鼓勵學(xué)生在實驗和項目中大膽嘗試，將遇到的失敗視為寶貴的學(xué)習(xí)經(jīng)驗。教師應(yīng)定期提供具體和建設(shè)性反饋，幫助學(xué)生識別并解決問題、改進方法，從而在后續(xù)學(xué)習(xí)中取得進步。同時，鼓勵學(xué)生撰寫關(guān)于他們參與競賽的反思報告，包括技術(shù)分析及團隊協(xié)作和時間管理等方面的討論，不僅有助于教師全面評估學(xué)生的綜合能力，也促使學(xué)生深入反思自己的學(xué)習(xí)過程和成果，進一步增強學(xué)習(xí)的持續(xù)性和深度。

四、教學(xué)效果評估

數(shù)據(jù)挖掘課程被列為中國地質(zhì)大學(xué)（北京）數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)、數(shù)據(jù)計算與應(yīng)用專業(yè)本科生培養(yǎng)方案中的專業(yè)核心課程之一，旨在提高學(xué)生的數(shù)據(jù)處理、數(shù)據(jù)分析與建模的能力。在課程結(jié)束后，所有學(xué)生都表示引入大模型既作為理論又作為工具的數(shù)據(jù)挖掘課程學(xué)習(xí)效果好，能夠了解更多的前沿知識，激發(fā)了自己的學(xué)習(xí)興趣。經(jīng)過問卷調(diào)研，80%以上的學(xué)生表示課程內(nèi)容章節(jié)安排合理，了解到了更多的前沿知識，也學(xué)會了用大模型解決數(shù)據(jù)挖掘課程中的部分問題。

具體來說，將大語言模型融入數(shù)據(jù)挖掘課程教學(xué)內(nèi)容的設(shè)計讓學(xué)生在課堂上掌握最新的技術(shù)動態(tài)，打破了傳統(tǒng)課程中重理論輕實踐的局限，鍛煉了學(xué)生的技術(shù)應(yīng)用能力和創(chuàng)新思維，實踐了真實世界的數(shù)據(jù)分析和處理，加深了對模型如何在實際業(yè)務(wù)和科研中應(yīng)用的理解。采用大語言模型作為“助教”的設(shè)計，可以自動回答學(xué)生的疑問并提供即時反饋，實現(xiàn)了更加個性化和響應(yīng)式的學(xué)習(xí)體驗，有助于提高課堂互動質(zhì)量和學(xué)習(xí)效率。有學(xué)生表示，隨著大語言模型在各行各業(yè)的廣泛應(yīng)用，掌握相關(guān)知識和技能將為自己打開更多的就業(yè)機會，數(shù)據(jù)挖掘課程中引入這一模塊不僅可以提高學(xué)生的競爭力，還可以幫助他們更好地適應(yīng)未來的工作環(huán)境。

五、結(jié)語

總而言之，在數(shù)據(jù)挖掘課程中融入大語言模型的相關(guān)知識、理論和工具可以優(yōu)化教學(xué)內(nèi)容、創(chuàng)新教學(xué)模式和強化實踐教學(xué)，能夠有效提高學(xué)生的學(xué)習(xí)效率和學(xué)習(xí)興趣，還能夠培養(yǎng)他們的實踐能力和創(chuàng)新思維，為他們?nèi)蘸笤跀?shù)據(jù)科學(xué)和人工智能領(lǐng)域的職業(yè)生涯打下堅實的基礎(chǔ)。今后的教學(xué)過程還應(yīng)該更加注重課程內(nèi)容的總結(jié)和提煉，借鑒和參考其他優(yōu)秀的教學(xué)改革案例，更好地講授數(shù)據(jù)挖掘這一專業(yè)核心課程。

參考文獻

[1] 吳砥，李環(huán)，陳旭.人工智能通用大模型教育應(yīng)用影響探析[J].開放教育研究，2023，29（02）：19-25+45.

[2] 呂穎毅.大語言模型對大學(xué)本科課程教學(xué)的多層次影響及啟示——以投資銀行學(xué)課程為例[J].科教文匯，2024（06）：126-129.

[3] 楊秀璋，武帥，夏換，等.大數(shù)據(jù)時代數(shù)據(jù)挖掘與分析課程教學(xué)改革探究[J].計算機時代，2021（09）：107-111.

[4]茹慧英，李超，閆海琴.大數(shù)據(jù)背景下數(shù)據(jù)分析課程教學(xué)改革探索研究[J].科技風(fēng)，2024（06）：98-100.

[5]于健，劉志強，高潔，等.新工科背景下數(shù)據(jù)挖掘課程的教學(xué)改革探索[J].計算機教育，2023（03）：130-134.

基金項目：中央高校基本科研業(yè)務(wù)費專項資金資助（項目編號：2652023060）

作者單位：中國地質(zhì)大學(xué)（北京）信息工程學(xué)院

■ 責(zé)任編輯：王穎振、楊惠娟