傅均 邢建國

摘要：本文提出，基于大語言模型的生成式AI技術可作為資深的領域專家和教師，用來解決PBL教學中存在的師資不足、資源缺乏以及學生得不到及時反饋等問題。同時，作者以“嵌入式系統(tǒng)開發(fā)技術”課程為例，結合CC2020勝任力模型，介紹如何在PBL項目中利用ChatGPT來實現(xiàn)高質量PBL，并討論了ChatGPT的局限性。

關鍵詞：ChatGPT；建構主義學習；PBL

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2024）10-0084-06

引言

項目式學習（Project-Based Learning，PBL）基于建構主義學習理論，強調學習的系統(tǒng)性、復雜任務以及解決真實世界中的問題，學生通過參與實際項目的設計、調查、探究和解決問題，來促進自身的學習和發(fā)展。2020年，筆者所在的課程組參照ACM和IEEE-CS計算機課程體系規(guī)范（CC2020）[1]勝任力模型（知識+技能+品行），將“嵌入式系統(tǒng)開發(fā)技術”課程從傳統(tǒng)的按知識點組織的教學形式改為項目式學習形式。該課程為專業(yè)選修課，面向大三（下）計算機科學專業(yè)本科生，學生在學習該課程前已系統(tǒng)學習過“高級語言程序設計”“數(shù)據(jù)結構”“數(shù)字邏輯”“計算機組成”及“操作系統(tǒng)”等課程。教學安排由原先30課時理論+15課時實驗（共5次實驗）改為15課時理論+30課時PBL項目。實驗平臺由單一的S3C44B0（ARM9）實驗平臺改為模塊化、多平臺方式，支持ARDUINO、ESP8266/ESP32、STM32、樹莓派及FPGA等平臺，開發(fā)語言由原先的C/C++擴展為支持microPython、LUA等解釋型語言。另外，筆者還使用了在線仿真平臺Wokwi[2]搭建和測試原型系統(tǒng)，彌補了硬件資源的不足。經過教學實踐，總體來看，學生積極性較高，產生了一批不錯的學生項目，取得了一定成效。

但在教學實踐中還存在以下一些問題：①學生自主性不足。②學生缺乏足夠的背景知識，需要廣泛收集信息、參與調查和研究，限制了學習深度和質量。③評價體系復雜，教師工作量大，需要根據(jù)學生的參與程度、合作能力、解決問題的能力等進行打分。④缺乏及時反饋。

ChatGPT作為一個問答模型，相當于一個資深的領域專家和教師，可以用于解決PBL教學中存在的師資不足、資源缺乏以及學生得不到及時反饋等問題。下面，筆者以“嵌入式系統(tǒng)開發(fā)技術”課程為例，探討ChatGPT在PBL教學中的應用實踐以及存在的問題。

相關研究

1.ChatGPT在高等教育領域的應用場景

盡管ChatGPT推出才一年有余，但已經有大量的學術文章研究ChatGPT對現(xiàn)代教育的影響及應用。[3-8]筆者根據(jù)相關研究，從教師和學習者兩個維度、學習生命周期的五個階段對ChatGPT在高等教育中的應用場景做了總結[9]，具體如表1所示。

2.ChatGPT在教育應用中存在的不足和風險

ChatGPT具有改變學術界和研究范式的潛力，并已經開始對教育領域產生重大影響。然而使用ChatGPT也存在潛在的缺點，如很多學者擔心學生過于依賴該工具生成的內容，從而導致創(chuàng)造力和批判性思維技能的喪失。此外，對ChatGPT輸出的準確性和可靠性我們也必須時刻保持警惕，尤其是它可能虛構不存在的事實、似是而非的內容，或語料庫本身存在偏見。研究表明，ChatGPT可能生成偽造的參考文獻和索引，生成的計算機代碼引用不存在的API，代碼存在安全風險。這些都對在高等教育中廣泛推廣和使用帶來了問題。

華東師范大學智能教育研究院[10]組織對ChatGPT在教學能力方面的實證研究，經過對6名教師和9名學生、通過118個問題的800輪詢問，他們認為ChatGPT目前尚不具備獨立輔導學生的能力，但已可作為教師日常工作能力提升的好助手。類似研究表明，ChatGPT輸出質量還取決于提問的質量，好的提示詞可以得到ChatGPT高質量的回答。而提問質量的高低依賴于使用者的知識背景和經驗。

同時，ChatGPT與人類發(fā)明的所有新技術一樣，在大規(guī)模使用之前都存在道德倫理風險。ChatGPT 通過基于人類反饋的強化學習（Reinforcement Learning from Human Feedback，RLHF）的方式進行訓練，生成的模型不可避免帶來了提供訓練數(shù)據(jù)的人以及數(shù)據(jù)樣本的傾向性和偏見。這些風險[10]包括：數(shù)據(jù)和隱私的泄露與濫用、風險認知固化造成機器算法的歧視和偏見、風險重心偏移造成師生關系的弱化與破壞、風險鑒別偏誤造成學術公平的失信與失衡。

ChatGPT在PBL教學中的應用

1.勝任力模型和PBL

CC2020[11]將原有的基于知識的計算教育模式改變?yōu)榛趧偃瘟Γ–ompetency）的計算教育，把原先分散的計算學科（如計算機科學、計算機工程、軟件工程、信息技術、網(wǎng)絡安全、數(shù)據(jù)科學），納入統(tǒng)一的視角——計算。同時，定義了構成勝任力的三個組成部分：知識、技能和品行。

CC2020報告認為計算領域的每一條職業(yè)道路都是建立在勝任力的基礎上，而知識只是勝任力概念的一個組成部分。這與PBL教學目標是一致的，PBL不是簡單向學生傳授知識點，而是學生在具體情境下解決真實問題，知識是完成這一學習過程的背景和產物。下頁表2比較了PBL教學與傳統(tǒng)知識點驅動的教學模式的不同。在這里，筆者主要參照CC2020中關于嵌入式系統(tǒng)部分的標準，借助ChatGPT，使用PBL教學方法重構“嵌入式系統(tǒng)開發(fā)技術”課程教學內容和教學方式。

2.PBL項目生成

在CC2020中關于嵌入式系統(tǒng)屬于“系統(tǒng)架構和基礎設施”知識領域，在計算機工程勝任力草案中有兩個版本（如表3）。

針對內嵌版本，筆者開發(fā)了如下提示詞，用于指導ChatGPT生成一個PBL項目：

生成一個時間為10周的PBL項目，每周3小時。該計劃基于下面的 CC2020中關于嵌入式系統(tǒng)的課程標準，開發(fā)一個[可穿戴設備]，用于解決[居家老人的身體健康實時監(jiān)測]。

①向一組同行展示基本和高級I/O技術的設計和實現(xiàn)，包括同步、異步和串行/并行，包括中斷和時間考慮。（并行/串行I/O；同步/異步I/O；中斷和計時）

②為專業(yè)研討會設計和實現(xiàn)一個非電子設備中的嵌入式系統(tǒng)示例，包括傳感器反饋、低功耗和移動性。（數(shù)據(jù)采集和傳感器；嵌入式系統(tǒng)特性；低功耗操作）

要求包括以下內容：

①項目摘要，包括項目啟動、里程碑、預期的學生需要知道的問題；

②與里程碑和相關活動相一致的活動，介紹學生對該主題的知識和經驗，允許學生分享他們的工作草稿、接受同行反饋和修改、對他們的工作進行反思；

③列出腳手架，以幫助各種學生取得成功；

④向班級以外的真實觀眾公開展示學習成果的計劃，并有機會反思他們的最終產品。

替換“[ ]”中內容，ChatGPT可以自動生成相應的PBL項目。下面是ChatGPT返回的一個PBL計劃（有修改）：

PBL計劃——可穿戴設備用于解決居家老人的身體健康實時監(jiān)測

項目摘要：

本項目旨在設計和開發(fā)一個可穿戴設備，用于實時監(jiān)測居家老人的身體健康。通過該設備，可以收集并分析老人的生理數(shù)據(jù)，如心率、血壓、體溫、血氧濃度等，并將數(shù)據(jù)傳輸?shù)奖O(jiān)護人或醫(yī)療機構，以實現(xiàn)對老人健康狀況的遠程監(jiān)控。學生將通過項目的里程碑和相關活動，逐步建立對嵌入式系統(tǒng)和相關技術的知識和經驗，并有機會分享工作草稿、接受同行反饋和修改，同時對他們的工作進行反思。

項目啟動：宣布項目目標和預期結果；介紹可穿戴設備的概念和應用場景；確定團隊成員和角色分工；解答學生可能存在的問題。

里程碑1：基本和高級I/O技術設計與實現(xiàn)（2周）。

學習并理解串行和并行I/O、同步和異步I/O的概念和原理；探索中斷和時間考慮在嵌入式系統(tǒng)中的應用；設計和實現(xiàn)一個簡單的I/O系統(tǒng)，包括感知設備和數(shù)據(jù)傳輸模塊。

里程碑2：嵌入式系統(tǒng)示例設計與實現(xiàn)（3周）。

學習數(shù)據(jù)采集和傳感器的原理和技術；研究嵌入式系統(tǒng)的特性，如低功耗和移動性；設計和實現(xiàn)一個示例嵌入式系統(tǒng)，包括傳感器反饋和低功耗操作。

活動1：學生工作草稿分享和同行反饋（每周）。

學生將分享他們的項目進展和工作草稿；同學們可以相互提供反饋和建議，促進共同成長和改進。

活動2：項目反思和修改（每周）。

學生對自己的工作進行反思和評估；針對反饋和發(fā)現(xiàn)的問題，進行必要的修改和改進。

學生需要知道的問題：

I/O技術的概念和分類；同步和異步I/O的區(qū)別及其應用場景；串行和并行I/O的原理和應用；中斷和計時的作用和實現(xiàn)方式；數(shù)據(jù)采集和傳感器的原理和應用；嵌入式系統(tǒng)的特性和設計考慮；低功耗操作的技術和策略。

相關活動：

①學生將在小組中討論和研究基本和高級I/O技術，并分享他們的工作草稿。

②學生將參與同行評審，提供反饋并修改彼此的設計和實現(xiàn)方案。

③學生將撰寫反思報告，總結他們在項目中學到的知識和經驗。

腳手架：提供教材和文檔，介紹基本和高級I/O技術、嵌入式系統(tǒng)特性和低功耗操作的概念和實踐。組織實驗室或工作坊，讓學生親自動手構建和測試嵌入式系統(tǒng)原型。設計小組項目，鼓勵學生通過合作解決問題，并分享他們的成果和經驗。分組合作，讓學生在團隊中互相學習和支持。定期組織討論會和答疑活動，解答學生的疑問和困惑。

成果展示計劃：

①組織一個公開展示活動，邀請班級以外的觀眾參與。

②學生將準備演示文稿和演示視頻，介紹他們的項目目標、設計和實現(xiàn)過程。展示他們設計和開發(fā)的可穿戴設備原型，并介紹其功能和應用。

③組織問答環(huán)節(jié)，讓觀眾提問并與學生進行互動，促進深入討論和學習。聽取觀眾的反饋和意見，對項目進行反思和提出改進。

ChatGPT生成的文本基本上具備了PBL項目計劃所要求的內容，通常可以在此基礎上根據(jù)實際情況進行增刪，基本上能滿足要求。這大大地提高了教師工作效率，教師工作中心轉移到發(fā)現(xiàn)和提供項目背景和實際待解決問題。

下面是在沒有人工干預的情況下用ChatGPT自動生成的幾個基于嵌入式系統(tǒng)課程標準的PBL項目實例：

智能家居控制器：團隊設計和開發(fā)一個智能家居控制器，可以通過手機應用或語音助手遠程控制各種家居設備。項目要求包括硬件選型、嵌入式軟件開發(fā)、通信協(xié)議實現(xiàn)以及用戶界面設計等方面。

溫室自動化系統(tǒng)：團隊構建一個溫室自動化系統(tǒng)，通過傳感器監(jiān)測溫度、濕度和光照等參數(shù)，并利用嵌入式系統(tǒng)控制燈光、通風和灌溉等設備。項目涉及傳感器集成、數(shù)據(jù)采集與處理、控制算法實現(xiàn)等技術。

自主駕駛小車：團隊設計并制作一輛具有自主導航和避障功能的小型無人駕駛車輛。項目要求包括傳感器選擇和集成、路徑規(guī)劃算法實現(xiàn)、實時操作系統(tǒng)開發(fā)以及通信和遠程控制等方面。

這些項目與高質量PBL項目相比，還存在較大的落差，無法提供真實應用背景，研究內容也較單薄。因此，借助ChatGPT生成PBL項目和計劃還需要細粒度的人工引導和干預。

3.ChatGPT在PBL項目實施過程中的應用

本課程的目標是讓學生在PBL項目中掌握以下知識和能力，傳統(tǒng)教學方式中這些是通過教師講授和實驗來實現(xiàn)的。

①基礎知識。嵌入式課程通常會涵蓋計算機體系結構、操作系統(tǒng)、編程語言（如C/C++）、數(shù)據(jù)結構、數(shù)字電路等基礎知識。學生需要了解計算機硬件和軟件之間的交互以及嵌入式系統(tǒng)的工作原理。

②嵌入式系統(tǒng)開發(fā)。學生應該學習嵌入式系統(tǒng)的開發(fā)流程，包括需求分析、系統(tǒng)設計、編程和調試等。他們應該能夠使用嵌入式開發(fā)工具和平臺，如Arduino、Raspberry Pi等進行開發(fā)，并掌握相關的開發(fā)技術和方法。

③實時系統(tǒng)。嵌入式系統(tǒng)通常需要滿足實時性要求，因此學生需要學習實時系統(tǒng)的概念和原則。他們應該了解實時任務調度、優(yōu)先級處理、中斷處理和資源管理等內容，并能夠設計和實現(xiàn)實時系統(tǒng)。

④接口和通信。學生需要了解嵌入式系統(tǒng)與外部設備之間的接口和通信方式，其中包括串口通信、SPI、I2C、CAN等總線協(xié)議，以及無線通信技術如藍牙、Wi-Fi和LoRa等。學生應該能夠設計并實現(xiàn)嵌入式系統(tǒng)的數(shù)據(jù)交換和通信功能。

⑤測試與調試。嵌入式系統(tǒng)的測試和調試是非常重要的，學生需要學習各種測試技術和工具，如單元測試、集成測試和調試器。他們應該能夠識別和解決嵌入式系統(tǒng)中的常見問題，并進行性能優(yōu)化和故障排除。

在課程的前5周教學中，教師僅向學生介紹了課程大綱里面涉及的一些嵌入式系統(tǒng)基本概念，如嵌入式系統(tǒng)構成、基本的輸入輸出設備及傳感器、驅動器/執(zhí)行器，并圍繞一個物聯(lián)網(wǎng)的簡單應用介紹了其開發(fā)流程。這些知識無法滿足完成PBL項目所需要的各種知識。同時，教師也沒有為學生提供項目輸出文檔要求或內容，而是讓學生根據(jù)項目特點自行選擇所輸出的所有文檔和展示方式。過去，學生主要依賴教師指導或網(wǎng)絡搜索，但得到的答案操作性很差，反饋也不及時。因此在ChatGPT出現(xiàn)后，筆者鼓勵學生通過與ChatGPT交互來獲得這些知識。當然，ChatGPT提供的答案需要學生甄別使用，學生在消化吸收ChatGPT提供的信息基礎上，重新組織應用到項目中。

例如，學生通過ChatGPT能夠了解在Arduino平臺上如何實現(xiàn)血氧濃度等測量，并通過ChatGPT獲知相關傳感器基本原理、常用的器件及使用范圍。學生還可以繼續(xù)提問，得知在Arduino平臺上如何使用血氧傳感器MAX30102。通過這些主動探索學習，學生可以漸進地掌握完成項目所需要的各種知識。

另外，學生可以通過ChatGPT了解基于Arduino使用MAX30102的完整步驟，而這些內容無法在ARDUINO網(wǎng)站或MAX30102手冊中直接得到，教師也不會這么詳盡地指導。當然，ChatGPT給出的答案是否正確還需要學生手工驗證。

由于沒有MAX30102實物，學生首先在Wokwi網(wǎng)站[2]上進行模擬。Wokwi平臺可以提供ESP32、STM32、Arduino、樹莓派等開發(fā)板的模擬。Wokwi網(wǎng)站的仿真庫中也沒有MAX30102，所以學生必須了解Wokwi是否支持自定義芯片以及如何定義。這時求助于ChatGPT，則給出了錯誤的答案，即“目前Wokwi不支持用戶自定義芯片”，而且給出的替代方案也不正確。這一例子表明，要謹慎對待ChatGPT給出的事實性答案，它們往往只是在統(tǒng)計意義上像個答案，但在真實世界中是錯誤的。

又如，借助ChatGPT來探索如何將檢測的血氧濃度、心跳數(shù)據(jù)以及加速度計等數(shù)據(jù)（一個可穿戴設備上的傳感器）發(fā)送到Android手機或者一個網(wǎng)站上進行展示。學生了解的基本知識是ESP32平臺具有Wi-Fi聯(lián)網(wǎng)功能，而物聯(lián)網(wǎng)協(xié)議MQTT可以用于數(shù)據(jù)發(fā)送，但如何實現(xiàn)以及傳輸機制都不是很清楚，因此，可以借助ChatGPT獲取相關答案。ChatGPT給出的答案如下：

要實現(xiàn)血氧等測量信息在手機端進行查看，您可以將ESP32與Wi-Fi網(wǎng)絡連接，并使用MQTT協(xié)議將測量數(shù)據(jù)發(fā)布到MQTT代理服務器，然后在手機應用程序中訂閱該主題以接收數(shù)據(jù)。以下是一個基于ESP32和MQTT的示例代碼：

首先，您需要安裝PubSubClient庫，該庫使得在ESP32上使用MQTT容易。您可以通過Arduino庫管理器安裝PubSubClient庫。

然后，使用以下代碼作為基礎，進行修改以連接到您的Wi-Fi網(wǎng)絡和MQTT代理服務器，并發(fā)布血氧測量數(shù)據(jù)：

//以下為ChatGPT給出的參考代碼，此處略去

……

請注意，上述代碼中的Wi-Fi網(wǎng)絡設置、MQTT代理服務器設置以及相關的認證信息需要根據(jù)您自己的網(wǎng)絡和服務器配置進行修改，確保您已經將這些信息替換為正確的值。

此外，您需要在手機端創(chuàng)建一個MQTT客戶端應用程序，以便訂閱相同的MQTT主題以接收數(shù)據(jù)并在手機端顯示測量信息。您可以使用諸如MQTT Dash、OwnTracks或MQTT.fx等應用程序來監(jiān)視和顯示通過ESP32發(fā)布的數(shù)據(jù)。

學生繼續(xù)詢問。

ChatGPT給出以下類似問題的參考答案：

如何實現(xiàn)低功耗？

Web Dashboard圖形化展示，如基于Node-RED。

手機端APP開發(fā)，如基于原生Android應用或H5技術。

……

4.PBL項目中防止利用ChatGPT作弊

高質量的PBL項目通常是解決真實環(huán)境下的問題，且是一個復雜、持續(xù)的過程，涉及多個環(huán)節(jié)。因此，筆者在項目中不要求學生將論文或書面報告作為最終成果，這些是ChatGPT容易生成的，而是要求學生結合項目特點，使用流程圖、口頭演示、多媒體或構建的其他表現(xiàn)形式，展示其個性化的解決方案。ChatGPT在這些環(huán)節(jié)里可以用來幫助學生整理思路、提供提綱和評價或比較方案，或者幫他們把自己的想法用更嚴謹?shù)奈淖诌M行表述。

總結

本文介紹了ChatGPT在PBL中的應用實踐。筆者認為，可在PBL教學中加大對ChatGPT類工具的使用，但教師要審慎對待其給出的答案。在面對復雜或領域特定的問題時，ChatGPT的回答可能過于簡化或不完整，它可能無法提供詳盡的解釋或深入的討論。總體而言，ChatGPT在PBL教學中應用具有潛在的優(yōu)勢和良好的發(fā)展前景，對于改善教學效果和滿足學生個性化需求具有重要意義。

參考文獻：

[1]ACM & IEEE-CS.計算課程體系規(guī)范2020 CC2020（Computer Science Curriculum 2020）[M].北京：高等教育出版社，2021.

[2]Wokwi.Online ESP32，STM32，Arduino Simulator[DB/OL].https：//wokwi.com.

[3]Brown T， Mann B， Ryder N， et al. Language models are few-shot learners[J]. Advances in neural information processing systems，2020（33）：1877-1901.

[4]Chen E， Huang R， Chen H S， et al. GPTutor： a ChatGPT-powered programming tool for code explanation[J].arXiv preprint arXiv：2305.

[5][9]崔宇紅，白帆，張蕊芯. ChatGPT在高等教育領域的應用、風險及應對[J].重慶理工大學學報，2023，37（09）：16-25.

[6]錢力，劉熠，張智雄，等.ChatGPT的技術基礎分析[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2023，7（03）：6-15.

[7]陳靜遠，胡麗雅，吳飛.ChatGPT/生成式人工智能促進以知識點為核心的教學模式變革研究[J].華東師范大學學報：教育科學版，2023，41（07）：177-186.

[8]王佑鎂，王旦，梁煒怡，等.ChatGPT教育應用的倫理風險與規(guī)避進路[J].開放教育研究，2023，29（02）：26-35.

[10]賀樑，應振宇，王英英，等.教育中的ChatGPT：教學能力診斷研究[J].華東師范大學學報：教育科學版，2023，41（07）：162-176.

[11]美國巴克教育研究所.項目學習教師指南（第二版）[M].北京：教育科學出版社，2008.

本文由浙江工商大學“十四五”教學改革項目“計算機類專業(yè)基于開源模式的軟硬件綜合課程研究與教學實踐”和2021年本科教學改革項目“基于開源軟硬件的物聯(lián)網(wǎng)課程綜合實踐與項目案例管理平臺建設”資助。