摘要：本研究探討了ChatGPT在金融科技教育中的應(yīng)用，特別關(guān)注其對(duì)提升學(xué)生金融數(shù)據(jù)分析能力的影響。研究以廣東高校財(cái)經(jīng)類專業(yè)86名學(xué)生為對(duì)象，進(jìn)行了為期14周、包含三輪的行動(dòng)研究。通過系統(tǒng)的實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)收集，研究比較分析了使用ChatGPT與未使用ChatGPT的學(xué)生在完成金融數(shù)據(jù)分析任務(wù)時(shí)的學(xué)習(xí)效率和分析質(zhì)量。結(jié)果表明，使用ChatGPT的學(xué)生在完成金融數(shù)據(jù)分析任務(wù)時(shí)，分析效率和分析質(zhì)量顯著提升。隨著學(xué)生對(duì)ChatGPT使用的熟練度增加，這種提升效果更為顯著。本研究驗(yàn)證了ChatGPT在提升金融科技教育效果方面的潛力，為AI大模型在專業(yè)教育中的應(yīng)用提供了實(shí)證依據(jù)。

關(guān)鍵詞：ChatGPT；金融數(shù)據(jù)分析能力；行動(dòng)研究

中圖分類號(hào)：F2"""""""文獻(xiàn)標(biāo)識(shí)碼：A""""""doi：10.19311/j.cnki.16723198.2025.12.007

0"引言

金融數(shù)據(jù)分析課程目標(biāo)之一，是培養(yǎng)學(xué)生具備使用現(xiàn)代數(shù)據(jù)分析工具和技術(shù)進(jìn)行金融數(shù)據(jù)處理和分析的能力。對(duì)于金融數(shù)據(jù)分析課程而言，在課程教學(xué)中引入ChatGPT能否顯著提高學(xué)習(xí)效率？使用ChatGPT是否能夠有效提升學(xué)生金融數(shù)據(jù)分析能力？ChatGPT對(duì)學(xué)習(xí)體驗(yàn)和操作能力有何影響？這些問題目前仍待研究。

為了解答這些問題，本研究選擇廣東高校財(cái)經(jīng)類86名學(xué)生作為研究對(duì)象，采用行動(dòng)過程研究方法。

1"AI大模型在教育領(lǐng)域的應(yīng)用綜述

AI大模型通常被稱為大型語言模型（LLMs）或大模型，是旨在處理和生成類人文本的先進(jìn)人工智能系統(tǒng)[1]。AI大模型利用深度學(xué)習(xí)技術(shù)，特別是神經(jīng)網(wǎng)絡(luò)，來執(zhí)行一系列任務(wù)，例如自然語言處理、圖像識(shí)別與生成、語音識(shí)別與合成等"[2]。其核心特點(diǎn)是參數(shù)數(shù)量龐大、計(jì)算能力強(qiáng)大以及能夠在多種任務(wù)上實(shí)現(xiàn)卓越的性能。

AI大模型的應(yīng)用包括：

（1）自然語言處理。AI大模型可以進(jìn)行語言翻譯、情感分析、文本生成等任務(wù)，提升了人機(jī)交互的智能化水平"[3]。

（2）計(jì)算機(jī)視覺。AI大模型在圖像分類、物體檢測(cè)、圖像生成等方面表現(xiàn)出色，被廣泛應(yīng)用于自動(dòng)駕駛、醫(yī)療影像分析等領(lǐng)域[4]。

（3）語音識(shí)別和合成。AI大模型在語音識(shí)別和合成方面的應(yīng)用，使得語音助手、語音翻譯等技術(shù)更加精準(zhǔn)和自然[5]。

2"研究方案

2.1"研究樣本選擇與分析

本研究選取廣東高校金融管理與服務(wù)專業(yè)1班和2班教學(xué)班開展了為期14周的二輪行動(dòng)研究。這兩個(gè)班級(jí)均為筆者同時(shí)教授的班級(jí)，講授內(nèi)容、時(shí)長(zhǎng)、布置作業(yè)均相同。在開始研究之前，兩個(gè)班級(jí)均使用本校編程能力測(cè)試系統(tǒng)進(jìn)行了編程能力測(cè)試，將金融管理與服務(wù)1班作為對(duì)照組，金融管理與服務(wù)2班作為實(shí)驗(yàn)組，進(jìn)行后續(xù)實(shí)驗(yàn)和觀察。

2.2"行動(dòng)研究方案設(shè)計(jì)

本研究采用二輪行動(dòng)研究，金融管理與服務(wù)1班和2班同步完成相同的金融數(shù)據(jù)分析任務(wù)，金融管理與服務(wù)1班作為對(duì)照組，不使用ChatGPT情況下完成金融數(shù)據(jù)分析任務(wù)，金融管理與服務(wù)2班作為實(shí)驗(yàn)組，使用ChatGPT完成金融數(shù)據(jù)分析任務(wù)。二輪行動(dòng)研究中，金融管理與服務(wù)1班作為對(duì)照組，只記錄金融數(shù)據(jù)分析任務(wù)完成質(zhì)量（得分）和時(shí)長(zhǎng)；金融管理與服務(wù)2班作為實(shí)驗(yàn)組需重點(diǎn)觀察，在行動(dòng)研究之前，對(duì)金融管理與服務(wù)2班學(xué)生進(jìn)行ChatGPT基本功能介紹，第一輪是讓學(xué)生使用ChatGPT完成初級(jí)難度的金融數(shù)據(jù)分析任務(wù)，第二輪是讓學(xué)生完成中級(jí)難度的金融數(shù)據(jù)分析任務(wù)，二輪行動(dòng)研究方案如表1所示。

2.3"研究過程

2.3.1"第一輪行動(dòng)研究

在第一輪行動(dòng)研究中，我們的目標(biāo)是對(duì)比兩個(gè)班級(jí)學(xué)生在完成初級(jí)難度金融數(shù)據(jù)分析任務(wù)時(shí)的效率高低。

（a）計(jì)劃：使用ChatGPT完成初級(jí)難度金融數(shù)據(jù)分析任務(wù)，為下一輪行動(dòng)研究奠定基礎(chǔ)。

（b）行動(dòng)：本次行動(dòng)持續(xù)4周，每周2課時(shí)，每課時(shí)50分鐘，每周編寫Python程序清洗金融數(shù)據(jù)并進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)分析，金融數(shù)據(jù)文件分別為股票交易數(shù)據(jù)、期貨交易數(shù)據(jù)、數(shù)字貨幣交易數(shù)據(jù)和研報(bào)數(shù)據(jù)。其中，金融管理與服務(wù)1班（參照組）不使用ChatGPT情況下，學(xué)生獨(dú)立完成任務(wù)；金融管理與服務(wù)2班（實(shí)驗(yàn)組）獨(dú)立使用ChatGPT完成相同任務(wù)。

（c）觀察：記錄每個(gè)學(xué)生完成任務(wù)的時(shí)間，收集并評(píng)估任務(wù)完成質(zhì)量。"對(duì)于金融管理與服務(wù)2班，還要重點(diǎn)觀察學(xué)生對(duì)ChatGPT的接受度和使用情況，ChatGPT對(duì)解決編程問題的有效性。

（d）反思：分析金融管理與服務(wù)1班（參照組）和金融管理與服務(wù)2班（實(shí)驗(yàn)組）學(xué)生完成任務(wù)的效率和清洗數(shù)據(jù)質(zhì)量差異，總結(jié)學(xué)生在使用ChatGPT的優(yōu)缺點(diǎn)。收集金融管理與服務(wù)2班學(xué)生對(duì)使用ChatGPT的初步反饋，了解其在使用過程中的真實(shí)體驗(yàn)。根據(jù)反饋調(diào)整第二輪的培訓(xùn)和任務(wù)設(shè)計(jì)。

2.3.2"第二輪行動(dòng)研究

通過對(duì)第一輪行動(dòng)的反思，解決存在的問題，修改其教學(xué)方案。第二輪行動(dòng)研究的目標(biāo)是繼續(xù)探討ChatGPT在中等復(fù)雜度編程任務(wù)中的應(yīng)用，進(jìn)一步評(píng)估其對(duì)金融數(shù)據(jù)分析效率的影響。

（a）計(jì)劃：通過向金融管理與服務(wù)2班提供ChatGPT提示詞培訓(xùn)，評(píng)估其在中等復(fù)雜度編程任務(wù)中的應(yīng)用效果。

（b）行動(dòng)：本次行動(dòng)持續(xù)6周，每周2課時(shí)，每課時(shí)50分鐘，每個(gè)課時(shí)編寫一個(gè)Python程序繪制生成各種金融數(shù)據(jù)的可視化圖表，如折線圖、柱狀圖、箱線圖等。金融管理與服務(wù)1班（參照組）：學(xué)生獨(dú)立完成任務(wù)，不使用ChatGPT。金融管理與服務(wù)2班（實(shí)驗(yàn)組）：學(xué)生在接受ChatGPT提示詞培訓(xùn)后，使用ChatGPT完成任務(wù)。筆者向2班學(xué)生提供關(guān)于ChatGPT提示詞的培訓(xùn)，包括如何使用ChatGPT進(jìn)行代碼生成和修改。

（c）觀察：記錄每個(gè)學(xué)生完成任務(wù)的時(shí)間，收集并評(píng)估任務(wù)完成質(zhì)量。同樣，對(duì)于金融管理與服務(wù)2班學(xué)生，還要重點(diǎn)觀察學(xué)生在接受培訓(xùn)后的使用ChatGPT進(jìn)行數(shù)據(jù)可視化的情況，收集學(xué)生使用ChatGPT的頻率，ChatGPT對(duì)學(xué)生解決中等復(fù)雜度編程問題的有效性和局限性。

（d）反思：分析1班和2班學(xué)生完成任務(wù)的時(shí)長(zhǎng)和數(shù)據(jù)可視化效果的差異?？偨Y(jié)金融管理與服務(wù)2班在使用ChatGPT完成任務(wù)中的優(yōu)點(diǎn)和不足。收集2班學(xué)生在使用ChatGPT過程中存在的新困難。根據(jù)反饋調(diào)整和優(yōu)化ChatGPT的使用指導(dǎo)和培訓(xùn)。

通過這二輪難度遞增的行動(dòng)研究，系統(tǒng)地評(píng)估ChatGPT在不同復(fù)雜度金融數(shù)據(jù)分析任務(wù)中的應(yīng)用效果。研究發(fā)現(xiàn)，學(xué)生使用ChatGPT確實(shí)能夠提高金融數(shù)據(jù)分析效率和效果。

3"研究結(jié)果

利用ChatGPT能夠顯著提高金融數(shù)據(jù)分析質(zhì)量

如圖表2數(shù)據(jù)顯示，在二輪行動(dòng)研究中，實(shí)驗(yàn)組（金融管理與服務(wù)2班）的金融數(shù)據(jù)分析成績(jī)顯著高于對(duì)照組（金融管理與服務(wù)1班），并且隨著行動(dòng)研究輪次的增加，兩班的成績(jī)均值差距不斷擴(kuò)大。這說明使用ChatGPT能夠提升學(xué)生的金融數(shù)據(jù)分析成績(jī)，而且隨著學(xué)生對(duì)該工具的熟悉度也在不斷增加，從而更有效地利用ChatGPT來完成金融數(shù)據(jù)分析任務(wù)。

由于二輪行動(dòng)研究得出三組數(shù)據(jù)不具有齊方差，本研究采用獨(dú)立樣本W(wǎng)elch′s"T檢驗(yàn)，其檢驗(yàn)結(jié)果如表3所示。表明實(shí)驗(yàn)組（使用ChatGPT的2班）與對(duì)照組（1班）之間的平均成績(jī)差存在顯著差異，二輪的p值均小于0.05，表明差異具有統(tǒng)計(jì)顯著性，這些數(shù)據(jù)進(jìn)一步驗(yàn)證了使用ChatGPT對(duì)學(xué)生學(xué)習(xí)成效的正面影響，尤其是在處理更復(fù)雜的金融數(shù)據(jù)分析任務(wù)時(shí)。

第2輪4.61.29（2.11，"7.17）3.590.0006

4"結(jié)果討論

4.1"學(xué)生使用ChatGPT能顯著提升金融數(shù)據(jù)分析效率

學(xué)生在金融數(shù)據(jù)分析任務(wù)中使用ChatGPT，可以顯著提升分析效率，這一點(diǎn)在多輪行動(dòng)研究中得到了證明。首先，ChatGPT作為一個(gè)大語言模型，能夠快速理解和生成復(fù)雜的數(shù)據(jù)分析代碼，這對(duì)于缺乏編程技能的學(xué)生尤為有益。在進(jìn)行股票市場(chǎng)、期貨交易等金融數(shù)據(jù)分析時(shí)，學(xué)生通常需要大量時(shí)間來清洗數(shù)據(jù)、進(jìn)行統(tǒng)計(jì)分析和建模。ChatGPT的引入，使得學(xué)生可以通過簡(jiǎn)單的提示詞，迅速獲得編寫好的分析腳本，大幅減少了編程時(shí)間，提高了數(shù)據(jù)處理的效率。

因此，ChatGPT的應(yīng)用不僅提升了金融數(shù)據(jù)分析的效率，還可以促進(jìn)學(xué)生分析技能的整體提升。這表明，人工智能工具在教育領(lǐng)域的深入應(yīng)用，能夠有效輔助教學(xué)過程，提高學(xué)習(xí)效果。

4.2"不同階段學(xué)生使用ChatGPT提升金融數(shù)據(jù)分析效率不同

在行動(dòng)研究的不同階段，學(xué)生使用ChatGPT進(jìn)行金融數(shù)據(jù)分析的效率表現(xiàn)出顯著差異。這種變化反映了學(xué)生對(duì)ChatGPT功能理解和運(yùn)用能力的逐步深化。

整體來看，隨著行動(dòng)研究的深入，學(xué)生在使用ChatGPT進(jìn)行金融數(shù)據(jù)分析的效率都有了顯著提升。這不僅說明了ChatGPT作為技術(shù)工具的強(qiáng)大功能，也反映了基于實(shí)踐的學(xué)習(xí)過程對(duì)提升學(xué)生專業(yè)技能的重要性。通過這種方式，學(xué)生不僅提高了數(shù)據(jù)分析效率，還增強(qiáng)了對(duì)金融市場(chǎng)的理解和應(yīng)用能力。

5"結(jié)束語

本研究通過系統(tǒng)化的行動(dòng)研究，探索了ChatGPT在金融數(shù)據(jù)分析教學(xué)中的應(yīng)用效果。盡管樣本數(shù)量和研究周期相對(duì)較小，可能存在一定的局限性，但實(shí)驗(yàn)結(jié)果仍然具有可信度和參考價(jià)值，本研究為AI大模型在專業(yè)教育中的應(yīng)用提供了實(shí)證依據(jù)。未來研究可關(guān)注ChatGPT對(duì)學(xué)生長(zhǎng)期學(xué)習(xí)成效的影響，以及如何將其更好地融入課程體系。總之，AI技術(shù)正在重塑金融教育，教育者需要積極應(yīng)對(duì)這一變革，未來應(yīng)著重培養(yǎng)學(xué)生利用AI工具進(jìn)行分析和決策的能力，同時(shí)加強(qiáng)批判性思維和創(chuàng)新能力的培養(yǎng)，培養(yǎng)適應(yīng)未來社會(huì)需求的創(chuàng)新型人才。

參考文獻(xiàn)

［1］Devlin，J.Bert："Pretraining"of"deep"bidirectional"transformers"for"language"understanding[J].arXiv"preprint"arXiv，2018，1810.04805.

[2]Vaswani"A，Shazeer"N，Parmar"N，et"al.Attention"is"all"you"need.Advances"in"neural"information"processing"systems[J].Advances"in"neural"information"processing"systems，2017，30（2017）.

[3]Radford"A，Wu"J，Child"R，et"al.Language"models"are"unsupervised"multitask"learners[J].OpenAI"blog，2019，1（8），9.

[4]He"K，Zhang"X，Ren"S，et"al.Deep"Residual"Learning"for"Image"Recognition[C]//IEEE"Conference"on"Computer"Vision"and"Pattern"Recognition.IEEE，2016.

[5]Hinton"G，Deng"L，Yu"D，et"al.Deep"neural"networks"for"acoustic"modeling"in"speech"recognition：The"shared"views"of"four"research"groups[J].IEEE"Signal"processing"magazine，2012，29（6），8297.