超越代码生成：在数据可视化课程上评估 GPT

本文对生成式预训练 Transformer（GPT）模型在哈佛大学 CS171 数据可视化课程中的表现进行实证评估。先前研究聚焦于 GPT 生成可视化代码的能力，而本研究超越代码生成，评估 GPT 在各类可视化任务中的能力，如数据解读、可视化设计、视觉数据探索与洞见传达。评估利用 GPT-3.5 与 GPT-4 完成 CS171 的作业，并包含基于既定课程量规的定量评估、由三位经验丰富评分者反馈启发的定性分析，以及 GPT 完成边界可视化任务能力的探索性研究。结果表明 GPT-4 在测验与作业中得分 80%，且助教（TF）能以 70% 准确率区分 GPT 与人工生成的作业。研究还展示了 GPT 在完成各类可视化任务（如数据清理、与可视化交互及洞见传达）中的潜力。本文最后讨论了 GPT 在数据可视化中的优势与局限、将 GPT 纳入更广泛可视化任务的潜在途径，以及重新设计可视化教育的必要性。