ChatGPT 驅動下數據結構與算法課程教學改革與實踐路徑

摘要：針對數據結構與算法課程教學中存在的教學內容關聯性不足、教學方法單一等問題，文章探索了大語言模型背景下知識圖譜賦能的“一體二驅三層四融合”課程教學模式。該模式以ChatGPT構建課程知識圖譜為基礎，優化課程教學體系，并建設相應的課程資源平臺，旨在培養學生的實踐創新能力，推動創新型、應用型、復合型人才的培養。

關鍵詞：數據結構與算法；教學改革；ChatGPT；知識圖譜；實踐創新

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2025）02-0134-03 開放科學（資源服務） 標識碼（OSID） ：

0 引言

2022年，以ChatGPT為代表的大語言模型橫空出世，掀起了生成式人工智能在教育應用領域的新熱潮，對教育理論與實踐產生了顯著影響，同時為高等教育領域的知識生產、溝通交流和教學模式創新提供了新的契機[1-3]。因此，有必要開展大語言模型背景下的課程教學改革研究，進一步深化創新人才和交叉復合型人才的培養。

將知識圖譜技術融合于教學進程中被普遍認為是教學信息化、智能化發展的重要方向[4]，這不僅有助于促進教學資源共享，還能提升教育個性化水平。課程知識圖譜拓寬了教師的教學視野與備課素材，使教學內容更加貼近行業前沿與技術發展。同時，課程知識圖譜也促進了學生對計算機科學與技術的深刻理解與掌握，激發了他們在軟件開發、系統設計、網絡安全等領域的自主應用與創新思維，從而促使學生深入鉆研復雜問題，積極參與項目實踐，并勇于在技術創新上尋求突破[5-6]。因此，充分挖掘課程知識圖譜在當前教育學習方式變革中的潛在作用，將有助于推動大語言模型背景下課程教學模式的創新。

數據結構與算法課程是電子信息類相關專業的重要專業核心課程，主要研究數據的各種組織形式、存儲結構，以及建立在不同存儲結構之上的各種算法設計、實現和分析。該課程對于提升學生解決復雜工程問題的能力和實踐創新能力具有重要作用[7]。然而，在實際教學過程中，該課程也面臨一些挑戰，例如：教學內容關聯性不足、教學方法單一、學生難以在短時間內掌握課程核心知識、實踐應用能力不足等問題。

鑒于此，本項目以“以學生為主體，以能力為導向”為理念，探索大語言模型背景下知識圖譜賦能的課程改革新模式。通過構建基于知識圖譜的多路徑課程教學體系，并探索相應的實踐路徑，旨在培養學生的實踐創新能力，為培養創新型、應用型、復合型高級專門人才提供支持。

1 課程教學模式探索

知識圖譜的核心在于以結點為載體，通過結點間的關聯關系揭示知識點之間的邏輯聯系[8]。同時，大語言模型的興起為課程載體的多元化、課程內容的深度重構以及實施方式的創新探索提供了前所未有的可能性。知識圖譜能夠為大語言模型提供精準的知識導航，確保生成內容的準確性和針對性。其核心價值在于為大語言模型提供精準的知識引導，確保生成內容具有高度的準確性和強烈的針對性。大語言模型與知識圖譜的結合為課程形態的創新與變革提供了強大的技術支持與智力保障，為構建適應時代發展需求、滿足學生個性化學習需求的課程體系奠定了基礎。

基于以上分析，針對數據結構與算法課程教學中存在的教學內容關聯性不足、教學方法單一等問題，本項目嘗試建立“一體二驅三層四融合”的課程教學新模式，如圖1所示。該模式以學生為主體，依托大語言模型與動態知識圖譜作為核心驅動力，精心構建一個從基礎知識點出發，逐步延伸至基本問題、組合問題乃至復雜問題的分層遞進教學模式。

通過線上教學與線下實踐的深度融合，以及課內知識傳授與課外自主探究的無縫對接、理論與實踐的緊密結合，設計一系列貼近實際工程應用的案例與項目，讓學生在解決真實問題的過程中，不僅掌握數據結構與算法的核心理論，更能夠鍛煉其解決復雜工程問題的能力與實踐創新能力。

2 實踐路徑探索

本項目以電子信息類專業基礎課程數據結構與算法的教學改革為研究對象，通過構建動態知識圖譜驅動與大語言模型相融合的“一體二驅三層四融合”教學模式，從基于ChatGPT 的課程動態知識圖譜構建、知識圖譜賦能的多路徑課程教學體系優化、課程資源建設三大方面，探索該課程的實踐路徑。

2.1 基于ChatGPT 的課程知識圖譜構建

知識圖譜構建的一般步驟包括：知識建模、知識獲取、知識融合、知識推理、知識管理和應用。其中，知識獲取主要包括實體抽取、屬性抽取、關系抽取和事件抽取等[9]。ChatGPT在自然語言處理與生成領域取得了突破性進展，其卓越的能力使得從海量文本數據中自動識別和抽取實體、關系、事件等關鍵知識信息成為可能，從而為知識圖譜的構建過程引入了自動化與高效化的新途徑。這一技術革新極大地減輕了傳統上依賴人工標注的繁重工作負擔，顯著提升了知識圖譜構建的效率和規模。

本項目采用基于ChatGPT的兩階段多輪提示問答形式，通過實體關系三元組抽取、命名實體識別、事件抽取等多個任務，實現知識圖譜的自動構造，其自動構架框架如圖2 所示。兩階段的提示問題形式如下：

1） 第一階段。通過給定的實體/關系/事件類型列表，構造提示問題，將提示問題和給定課程句子輸入ChatGPT，要求ChatGPT輸出句子中包含的實體、關系和事件類型。

2） 第二階段。此階段包含多輪提示問答。首先，根據任務框架設計信息抽取模板，將問題輸入Chat?GPT得到問題響應，最后根據問答結果構造結構化信息輸出。

其中，實體識別和關系抽取階段的提示模板設計如下：

模板1：

“‘數據……’請根據上述文本回答下列問題。請抽取出文本中的各個實體，實體的類型至少包括：章節實體、概念實體、法則實體等。抽取出來的實體以二元組格式輸出，多個實體用列表存儲。”

模板2：

“‘數據……’請根據上述文本回答下列問題。請抽取出文本中的各個實體之間的關系，關系的類型至少包括：包含關系、屬于關系、基本概念關系、存儲方式關系、應用關系、依賴關系、同義關系、關聯關系等。抽取出來的關系以三元組列表格式輸出，多組關系用集合存儲。”

2.2 課程教學體系優化

針對數據結構與算法課程教學中存在的教學內容關聯性不足、教學方法單一等問題，聚焦于構建以“能力為本，問題引領”的課程體系，以知識圖譜自動構建為核心，探索并優化教學路徑，逐步提升學生在應對復雜工程問題時的問題解決能力和實踐創新能力。

基于數據結構與算法課程知識圖譜，通過挖掘多樣化的實踐路徑，豐富知識語義關聯，鼓勵學生積極探索適合自己的學習路徑。教師需加強對學生的引導和溝通交流，充分考慮學科基礎、專業領域及動手能力，為其制定差異化的多種學習路徑，充分發揮學生自身的優勢，培養發散性思維和創新性思維。具體教學過程如下：

1） 個性化學習路徑設計。基于自動構建的知識圖譜，設計多條個性化學習路徑。例如：對于希望深入算法研究的學生，設計包含高級算法分析和優化的路徑；對于關注應用實踐的學生，則提供更多與實際項目結合的實踐案例。同時，為每條學習路徑配套相應的線上課程資源（如視頻教程、課件、案例庫） 、線下教材、參考書目及前沿文獻等課程資料。

2） 課前預習與引導。通過學習通、頭歌等教學平臺，提前發布預習任務，包括觀看指定視頻、閱讀教材章節、思考引導問題等；引導學生使用知識圖譜工具進行自主學習，幫助學生建立知識結構，明確學習重點；鼓勵學生主動搜索并閱讀相關領域的最新研究成果，培養科研意識和創新思維。

3） 課中實踐與互動。根據學生興趣和能力進行分組，每組分配一個實踐項目或算法實現任務，鼓勵小組成員間相互協作，共同解決問題。課程組教師在課堂中扮演引導者的角色，針對學生在實踐中遇到的問題進行答疑解惑。鼓勵學生提出自己的見解和解決方案，促進多學科交叉融合。利用教學平臺跟蹤學生學習進度和知識點掌握情況，實時反饋學習成效。通過平臺內的討論區、問答板塊等功能，促進師生、生生之間的互動交流。

4） 課后評價與持續改進。定期對學生的學習數據進行收集和分析，包括在線學習時長、作業完成情況、測試成績等，以評估學生的學習效果。結合平時成績、實踐項目報告、期末考試等多種形式進行綜合評價。根據評價結果和學生反饋，及時調整和優化知識圖譜、學習路徑、實踐內容及教學策略。

2.3 課程資源平臺建設

為落實知識圖譜賦能的數據結構與算法課程教學體系，以當前豐富的線上線下教育資源為基礎，建設以課程思維題庫、課程教學案例庫、客觀題考試題庫、編程考試題庫、學習資源庫、課程思政案例庫為核心的課程資源平臺，通過全面整合教學資源，對現有線上與線下混合教學模式進行系統性的重構與優化。

課程資源平臺采用廣泛使用的B/S（瀏覽器/服務器） 架構，以Java 作為主要開發語言，采用Spring、Spring MVC、MyBatis框架，結合MySQL數據庫，為平臺提供強大且可靠的數據存儲解決方案。對于大數據信息的存儲和傳輸，如視頻、資料、文檔和圖片等，平臺采用了高效的文件上傳和存儲機制。

平臺分為三種用戶類型，分別為學生、教師和管理員，涵蓋對學生、教師、課程、課程視頻、課程資料、話題、在線考試等眾多方面的管理，以及資源瀏覽和學習數據統計功能。管理員需管理所有用戶及本系統所有模塊，包括對教學視頻數據的上傳、下載、播放、收藏等操作，以及對教學資料的增加、刪除、下載等管理，還有在線考試的管理，以及話題的發布與回復等。各類型用戶首先通過統一頁面登錄進入平臺，系統會根據用戶的類型自動跳轉到對應的用戶頁面，并實現各種類型用戶對應的功能。

登錄成功后，學生用戶可以觀看各資源庫中所有內容及本院校的課程視頻，下載教師發布的教學文檔，觀看教師上傳的資源，包括PPT、WORD、圖片等所有類型的學習文件，并可隨時參與話題評論，實現學生與教師、學生之間的在線交流溝通。教師用戶可以上傳資源至資源庫，管理視頻、教學課件、課程資源，發布公告，創建并參與話題評論和在線留言。管理員具有系統最高權限，可以管理思政資源庫所有內容以及全部院校教師上傳和發布的視頻課程、課件資料、課程公告、話題評論，以及所有用戶的管理等。

以思政案例庫為例，思政部分是以思政內涵為選擇項選入案例，課程部分是以數據結構與算法課程知識點為檢索查找案例。教師可以根據分類添加案例，查看案例時，教師和學生可以根據案例快速檢索資源。

課程資源庫分為課程知識及思政思維兩個部分，教師可以根據案例分析在對應的模塊上傳資源案例。上傳時支持預覽功能，以確保案例版式無誤。上傳完成后，教師和學生均可在資源庫板塊查看所有資源，也可以根據分類選擇對應所需的案例知識。課程資源庫的功能如圖3所示。

3 總結

本文以電子信息類專業基礎課程數據結構與算法的教學改革為研究對象，探討大語言模型對《數據結構與算法》課程教學模式的影響。通過構建基于ChatGPT的課程動態知識圖譜，探索知識圖譜賦能的數據結構與算法課程多路徑教學體系設計與立體化課程資源建設。力爭實現“以學生為主體，以教師為主導，以知識圖譜為驅動，以成果為導向”的育人模式，全面提升學生解決復雜工程問題的能力和實踐創新能力，形成可推廣的課程改革模式，切實促進電子信息類人才培養質量的提升。

參考文獻：

[1] 宋存霞，李佳穎.ChatGPT技術與教師專業發展：挑戰與應對[J].教育理論與實踐，2024，44（25）：42-48.

[2] 劉丙利.ChatGPT對話教育：意涵價值、風險挑戰與實踐進路[J].開放教育研究，2024，30（4）：53-61.

[3] 姜春茂，段瑩.ChatGPT背景下的計算機實踐類課程改革初探[J].實驗技術與管理，2023，40（12）：1-7，23.

[4] 楊文霞，王衛華，何朗，等.知識圖譜賦能智慧教育的研究與實踐：以武漢理工大學“線性代數” 課程為例[J].高等工程教育研究，2023（6）：111-117.

[5] 盧艷麗，王洪強，高峰，等.基于“課程思政+知識圖譜” 的材料專業高質量課程建設探索與實踐[J].高教學刊，2024，10（20）：38-41.

[6] 林曉東.基于知識圖譜的計算機課程線上改革教學效果評價方法設計[J].電腦知識與技術，2024，20（16）：33-36.

[7] 王昭.數據結構與算法課程思政教學探索與實踐[J].計算機教育，2024（2）：16-19，25.

[8] 薛雅倩，松云.人工智能課程知識圖譜構建及個性化推薦探索[J].計算機教育，2024（6）：151-155.

[9] 孫麗郡， 孟繁軍， 徐行健. 課程知識圖譜構建技術研究綜述[J/OL]. 計算機工程， 2024： 1-25[2024-08-12]. https：//doi.org/10.19678/j.issn.1000-3428.006954.

【通聯編輯：唐一東】

基金項目：湖南省普通高等學校教學改革研究項目（HNJG-2023-0795、HNJG-20230789） ；2023 年度湖南工商大學校級教學改革研究項目“新工科背景下程序設計與算法類課程群‘思政元素’挖掘與實踐路徑研究”；2022 年度湖南工商大學校級教學改革研究重點項目“面向國家重大需求的電子信息工程專業本科教學的探索與實踐”