Utilizing ChatGPT in a Data Structures and Algorithms Course: A Teaching Assistant's Perspective
作者: Pooriya Jamie, Reyhaneh Hajihashemi, Sharareh Alipour
分类: cs.HC, cs.AI, cs.DS
发布日期: 2024-10-11 (更新: 2025-03-02)
备注: Accepted at CHI EA '25 (Extended Abstracts of the CHI Conference on Human Factors in Computing Systems, 2025). The final version is available at the External DOI
💡 一句话要点
利用ChatGPT辅助教学：提升数据结构与算法课程效果
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: ChatGPT 大型语言模型 数据结构与算法 计算机科学教育 人机协作
📋 核心要点
- 传统数据结构与算法教学中，TA资源有限，难以满足学生个性化学习需求，阻碍教学质量提升。
- 提出一种人机协作教学框架，利用ChatGPT生成练习、解释概念和提供反馈，辅助TA提升教学效率。
- 实验结果表明，ChatGPT辅助教学显著提升学生成绩，尤其是在高级主题上，但需TA进行验证以确保准确性。
📝 摘要（中文）
本研究探讨了将大型语言模型（LLMs）如ChatGPT集成到计算机科学教育中，以提升数据结构与算法（DSA）等复杂课程的教学效果。该研究考察了ChatGPT作为教学助理（TA）的辅助工具，通过结构化提示和人工监督，来增强教学和学生成果。一项对照实验比较了传统的TA主导教学与混合方法，后者中TA使用ChatGPT-4o和ChatGPT o1生成练习、澄清概念并提供反馈。结构化提示强调问题分解、真实世界背景和代码示例，从而实现定制化支持，同时减轻对AI的过度依赖。结果表明混合方法有效，ChatGPT辅助组的学生平均得分高出16.50分，并在高级主题中表现出色。然而，ChatGPT的局限性需要TA进行验证。该框架突出了LLM的双重作用：提高TA效率，同时通过人工监督确保准确性，为教育领域的人机协作提供可扩展的解决方案。
🔬 方法详解
问题定义：论文旨在解决数据结构与算法课程中教学资源不足，学生个性化学习需求难以满足的问题。传统TA主导的教学方式存在效率瓶颈，难以覆盖所有学生的学习进度和理解程度。现有方法缺乏可扩展性和个性化支持，限制了教学效果的提升。
核心思路：论文的核心思路是利用大型语言模型（LLMs）如ChatGPT作为TA的辅助工具，通过人机协作的方式来提升教学效率和学生学习效果。通过结构化提示，引导ChatGPT生成练习、解释概念和提供反馈，从而为学生提供个性化的学习支持。同时，强调人工监督的重要性，确保ChatGPT生成的教学内容的准确性和可靠性。
技术框架：该研究采用了一种混合教学方法，将传统的TA主导教学与ChatGPT辅助教学相结合。整体流程包括以下几个阶段：1) TA使用结构化提示引导ChatGPT生成练习题和答案；2) TA审核并修改ChatGPT生成的内容，确保其准确性和质量；3) 学生完成练习题，并获得ChatGPT提供的反馈；4) TA根据学生的反馈情况，调整教学策略和内容。
关键创新：该研究的关键创新在于提出了一种人机协作的教学框架，将LLM应用于数据结构与算法课程的教学辅助。通过结构化提示和人工监督，有效利用了LLM的生成能力，同时避免了其潜在的错误和偏差。该框架为教育领域的人机协作提供了一种可行的解决方案。
关键设计：结构化提示的设计是该研究的关键。提示内容包括问题分解、真实世界背景和代码示例，旨在引导ChatGPT生成高质量的教学内容。此外，研究人员还设计了一套评估指标，用于评估ChatGPT生成的教学内容的质量和学生的学习效果。实验中使用了ChatGPT-4o和ChatGPT o1两个版本的模型。
🖼️ 关键图片
📊 实验亮点
实验结果表明，采用ChatGPT辅助教学的混合方法显著提升了学生的学习成绩。ChatGPT辅助组的学生平均得分比传统TA主导组高出16.50分，并且在高级主题上表现更加出色。这表明ChatGPT在提供个性化学习支持和提升教学效果方面具有显著优势。同时，实验也验证了人工监督的重要性，强调了人机协作在教育领域的必要性。
🎯 应用场景
该研究成果可应用于计算机科学教育领域，特别是数据结构与算法等复杂课程的教学。通过引入ChatGPT等LLM作为教学辅助工具，可以有效提升教学效率和学生学习效果，缓解教学资源不足的问题。该方法具有可扩展性，可以推广到其他学科和教育场景，促进教育领域的智能化转型。
📄 摘要（原文）
Integrating large language models (LLMs) like ChatGPT into computer science education offers transformative potential for complex courses such as data structures and algorithms (DSA). This study examines ChatGPT as a supplementary tool for teaching assistants (TAs), guided by structured prompts and human oversight, to enhance instruction and student outcomes. A controlled experiment compared traditional TA-led instruction with a hybrid approach where TAs used ChatGPT-4o and ChatGPT o1 to generate exercises, clarify concepts, and provide feedback. Structured prompts emphasized problem decomposition, real-world context, and code examples, enabling tailored support while mitigating over-reliance on AI. Results demonstrated the hybrid approach's efficacy, with students in the ChatGPT-assisted group scoring 16.50 points higher on average and excelling in advanced topics. However, ChatGPT's limitations necessitated TA verification. This framework highlights the dual role of LLMs: augmenting TA efficiency while ensuring accuracy through human oversight, offering a scalable solution for human-AI collaboration in education.