ChatGPT赋能的项目式学习教学实践.docx

ChatGPT赋能的项目式学习教学实践

傅均邢建国

摘要：本文提出，基于大语言模型的生成式AI技术可作为资深的领域专家和教师，用来解决PBL教学中存在的师资不足、资源缺乏以及学生得不到及时反馈等问题。同时，作者以“嵌入式系统开发技术”课程为例，结合CC2020胜任力模型，介绍如何在PBL项目中利用ChatGPT来实现高质量PBL，并讨论了ChatGPT的局限性。

中图分类号：G434?文献标识码：A?论文编号：1674-2117（2024）10-0084-06

但在教学实践中还存在以下一些问题：①学生自主性不足。②学生缺乏足够的背景知识，需要广泛收集信息、参与调查和研究，限制了学习深度和质量。③评价体系复杂，教师工作量大，需要根据学生的参与程度、合作能力、解决问题的能力等进行打分。④缺乏及时反馈。

ChatGPT作为一个问答模型，相当于一个资深的领域专家和教师，可以用于解决PBL教学中存在的师资不足、资源缺乏以及学生得不到及时反馈等问题。下面，笔者以“嵌入式系统开发技术”课程为例，探讨ChatGPT在PBL教学中的应用实践以及存在的问题。

1.ChatGPT在高等教育领域的应用场景

2.ChatGPT在教育應用中存在的不足和风险

ChatGPT具有改变学术界和研究范式的潜力，并已经开始对教育领域产生重大影响。然而使用ChatGPT也存在潜在的缺点，如很多学者担心学生过于依赖该工具生成的内容，从而导致创造力和批判性思维技能的丧失。此外，对ChatGPT输出的准确性和可靠性我们也必须时刻保持警惕，尤其是它可能虚构不存在的事实、似是而非的内容，或语料库本身存在偏见。研究表明，ChatGPT可能生成伪造的参考文献和索引，生成的计算机代码引用不存在的API，代码存在安全风险。这些都对在高等教育中广泛推广和使用带来了问题。

华东师范大学智能教育研究院[10]组织对ChatGPT在教学能力方面的实证研究，经过对6名教师和9名学生、通过118个问题的800轮询问，他们认为ChatGPT目前尚不具备独立辅导学生的能力，但已可作为教师日常工作能力提升的好助手。类似研究表明，ChatGPT输出质量还取决于提问的质量，好的提示词可以得到ChatGPT高质量的回答。而提问质量的高低依赖于使用者的知识背景和经验。

同时，ChatGPT与人类发明的所有新技术一样，在大规模使用之前都存在道德伦理风险。ChatGPT通过基于人类反馈的强化学习（ReinforcementLearningfromHumanFeedback，RLHF）的方式进行训练，生成的模型不可避免带来了提供训练数据的人以及数据样本的倾向性和偏见。这些风险[10]包括：数据和隐私的泄露与滥用、风险认知固化造成机器算法的歧视和偏见、风险重心偏移造成师生关系的弱化与破坏、风险鉴别偏误造成学术公平的失信与失衡。

ChatGPT在PBL教学中的应用

1.胜任力模型和PBL

CC2020[11]将原有的基于知识的计算教育模式改变为基于胜任力（Competency）的计算教育，把原先分散的计算学科（如计算机科学、计算机工程、软件工程、信息技术、网络安全、数据科学），纳入统一的视角——计算。同时，定义了构成胜任力的三个组成部分：知识、技能和品行。

CC2020报告认为计算领域的每一条职业道路都是建立在胜任力的基础上，而知识只是胜任力概念的一个组成部分。这与PBL教学目标是一致的，PBL不是简单向学生传授知识点，而是学生在具体情境下解决真实问题，知识是完成这一学习过程的背景和产物。下页表2比较了PBL教学与传统知识点驱动的教学模式的不同。在这里，笔者主要参照CC2020中关于嵌入式系统部分的标准，借助ChatGPT，使用PBL教学方法重构“嵌入式系统开发技术”课程教学内容和教学方式。

2.PBL项目生成

在CC2020中关于嵌入式系统属于“系统架构和基础设施”知识领域，在计算机工程胜任力草案中有两个版本（如表3）。

针对内嵌版本，笔者开发了如下提示词，用于指导ChatGPT生成一个PBL项目：

生成一个时间为10周的PBL项目，每周3小时。该计划基于下面的CC2020中关于嵌入式系统的课程标准，开发一个[可穿戴设备]，用于解决[居家老人的身体健康实时监测]。

①向一组同行展示基本和高级I/O技术的设计和实现，包括同步、异步和串行/并行，包括中断和时间考虑。（并行/串行I/O；同步/异步I/O；中断和计时）

②为专业研讨会设计和实现一个非电子设备中的嵌入式系统示例，包括传感器反馈、低功耗和移动性。（数据采集和传感器；嵌入式系统特性；低功耗操作）

要求包括以下内容：

②与里程碑和相关活动相一致的活动，介绍学生对该主题的知识和经验，允许学生分享他们的工作草稿、接受同行反馈和修改、对他们的工作进行反