人工智能正在改变很多行业，也正在进入大学课堂。 AI是能够帮助人整理资料、生成思路、辅助写代码和检查问题的智能工具。围绕《行业大数据应用》课程，软件工程专业杨幸、张文静老师结合课程特点，开展 AI 协同教学改革。

这门课引入了 DeepSeek 和 Codex 两类工具：DeepSeek 是常见的 AI 对话工具，适合帮助学生理解任务、整理思路、解释概念；Codex 是面向代码和文件处理的 AI 工具，适合帮助学生写代码、查错误、做图表。 AI 协同教学，不是让 AI 替学生完成作业，而是让老师、学生和 AI 分工配合：老师把握方向，学生完成思考和判断，AI 提供辅助和提醒。

《行业大数据应用》是一门面向高年级学生的专业课程。大数据，可以简单理解为来自企业、平台或真实工作场景中的大量记录，比如消费记录、用户行为、设备运行记录等。学生学习这门课，并不是为了背很多名词，而是要学会从数据中发现问题、解释现象、形成判断。

这次课程改革把汽车行业数据案例放进课堂。学生面对的不是孤立的公式和代码，而是一组和真实市场有关的数据：不同城市、不同月份、不同车型、不同排量，以及它们对应的销量变化。学生要做的，是借助 AI 工具把这些数据整理成图表，再用自己的话讲清楚图表背后的意思。

一、从真实问题出发，让数据有场景

过去学习数据分析，学生容易把注意力放在照着步骤操作上：老师讲一个方法，学生完成一次实验。这样的方式比较稳妥，但学生不一定知道这些步骤能解决什么真实问题。

改革后的课堂会先从行业问题开始。比如，在汽车销量数据案例中，老师会引导学生思考：哪些城市销量更突出？不同排量的车型有什么差异？月份变化会不会影响市场表现？这些问题都来自真实行业场景。行业场景，就是企业或社会工作中真实会遇到的情况。

学生先把问题说清楚，再借助 AI 梳理解决路径。AI 可以提醒学生需要关注哪些数据、可能采用哪些分析步骤。分析步骤，就是先看什么、再处理什么、最后怎样解释结果。这样一来，学生不再只是等待答案，而是在老师引导下，带着问题去探索。

二、先学会提问，再使用 DeepSeek

很多学生刚开始使用 AI 时，习惯直接问：帮我写代码，帮我做分析，帮我写报告。这样得到的结果看起来很快，但质量不一定可靠，也不利于学生真正掌握知识。

课程中加入了结构化提问训练。结构化提问，就是把一个笼统的问题拆成背景、目标、步骤和检查标准，让 AI 更容易给出有用的帮助。使用 DeepSeek 前，老师会引导学生先想清楚：我要分析什么数据？我想解决什么问题？我希望看到什么结果？我准备用哪些步骤完成？最后我怎样检查结果是否合理？

通过这样的训练，学生逐渐从随意提问变成有目标、有步骤地使用 AI。DeepSeek 可以帮助他们把问题问清楚、把思路理顺，但不会直接替他们完成判断。AI 不再是替学生完成作业的工具，而是帮助学生整理思路、完善方案、提高效率的学习伙伴。

三、给 AI 设边界，避免学生过度依赖

AI 很方便，但越方便，越需要边界。课程改革中特别强调一点：AI 可以帮忙，但不能替代学生思考。

杨幸、张文静老师在课程中设计了明确的协作规则。AI 可以解释概念、提供思路、生成代码框架、提示错误原因；但学生必须自己判断分析目标是否合理，自己检查结果是否可信，自己完成报告中的结论表达。代码框架可以理解为写程序时的基本结构，就像作文先列提纲一样。

老师还会要求学生说明自己为什么这样问 AI，为什么采用这个分析方案。分析方案，就是准备按哪些步骤处理数据、怎样展示结果、怎样得出结论。这样做的目的，是让学生在使用 AI 的同时保持主动思考，知道工具能做什么，也知道工具不能替自己做什么。

四、DeepSeek 理思路，Codex 做图表

在课堂实验中，AI 更像一名副驾驶。副驾驶的意思是，它不替学生开车，而是在旁边提醒路线、检查问题、提供建议。学生负责掌握方向，AI 负责在旁边辅助。

DeepSeek 主要用在前期：帮助学生理解任务、拆分问题、解释陌生概念、优化分析文字。Codex 主要用在动手环节：帮助学生生成可运行的代码、检查报错原因、调整图表样式、整理分析文件。两类工具配合起来，学生就能把想法一步步变成可展示的分析结果。

例如，学生拿到一份汽车行业数据后，第一步不是马上写代码，而是先观察数据里有哪些信息，可能存在什么问题，哪些字段有分析价值。字段可以理解为表格中的一列信息，比如月份、城市、排量、车型、销量等。DeepSeek 可以帮助学生梳理分析问题，Codex 可以帮助学生把分析步骤写成程序。

当程序运行出错时，Codex 可以帮助定位问题；当学生不知道如何展示结果时，AI 可以建议用合适的图表进行说明；当学生得到一个分析结论时，老师会提醒学生从数据来源、数据量是否足够、生活和行业常识等角度再检查一遍。

这样一来，课堂时间不再大量消耗在低层次的查错和重复操作上，学生可以把更多精力放在理解问题、比较方案和解释结果上。

五、把课程资料变成随时可问的知识库

为了让 AI 回答更贴近课程内容，课程团队还把教学资料、实验说明、常见问题、案例材料和代码模板整理成课程知识库。课程知识库可以理解为这门课自己的资料库，学生提问时，AI 可以优先从课程资料中寻找依据，再给出回答。

这相当于给学生配备了一个随时可问的课程助手。学生课前预习时，可以让它解释实验背景；课堂实验时，可以让它查找相关步骤；课后复习时，可以让它帮助梳理知识点。老师也可以根据学生经常提问的内容，反过来改进教学设计。

六、看见学习过程，及时发现问题

AI 协同教学不仅改变了学生的学习方式，也帮助老师更好地了解学生的学习过程。

过去，老师主要通过实验报告、课堂表现和期末成绩来判断学生掌握情况。现在，课程可以更关注学生在过程中的表现：能不能提出清楚的问题，能不能把任务拆成合理步骤，能不能发现 AI 回答中的不合理之处，能不能把数据结果解释给别人听。

这些过程信息能够帮助老师更早发现学生的困难。比如有的学生代码能跑出来，但不会解释结果；有的学生会用 AI，但不会判断答案是否可靠；有的学生实验完成得快，但报告中的结论比较空。老师可以据此进行更有针对性的指导。

七、从 AI 工具到分析作品：汽车行业数据案例

课程改革最后要落到作品上。学生学会使用 DeepSeek 和 Codex 之后，并不是只交一段代码或几张截图，而是要形成一份能说明问题的数据分析作品：有问题、有过程、有图表、有解释，也有对 AI 结果的人工复核。

下面几张图，是《行业大数据应用》课程中汽车行业数据分析案例的示例成果。这个案例围绕城市、月份、排量、车型和销量等信息展开，学生需要把看似分散的数据整理成能被读懂的图表。

第一张是桑基图。桑基图可以理解为一张看流向和占比的图，线条越粗，说明某一类数据之间的联系越明显。在汽车数据案例中，它把车辆用途、购买主体、排量、车型和销量串在一起，帮助学生看到这些信息之间是怎样一层层关联起来的。

第二张是三维散点图。三维散点图可以理解为一张立体分布图，它把月份、城市和销量放在同一张图里，并用颜色区分不同排量分组。学生通过这张图，可以观察不同城市、不同月份的数据差异，也能发现哪些数据点更集中、哪些点比较特殊。

第三张是相关性热力图。相关性可以简单理解为两个数据是否经常一起变化；热力图则像一张关系强弱表，颜色越深，说明关系越明显。学生可以据此判断哪些车辆参数可能与销量有关，再进一步思考这种关系是否符合常识。

结语

AI 进入课堂，不是为了取代老师，也不是为了让学生少思考。相反，它让老师有更多时间关注学生的理解、判断和表达，也让学生有机会在更接近真实工作的环境中学习。《行业大数据应用》课程的改革，将继续结合课程特点和学生学习情况，引导学生正确使用 DeepSeek、Codex 等智能工具，把数据处理、图表展示和结论表达连成完整的学习过程，让学生更早接触真实行业任务，也更稳地提升专业能力。