What Should Data Science Education Do with Large Language Models?

要約

ChatGPT などの大規模言語モデル (LLM) の急速な進歩により、データ サイエンスと統計に革命が起きています。
これらの最先端のツールは、複雑なプロセスを合理化できます。
その結果、データサイエンティストの役割が再構築されます。
私たちは、LLM がデータ サイエンティストの責任を変革し、実践的なコーディング、データ ラングリング、標準分析の実施から、これらの自動化された AI によって実行される分析の評価と管理に焦点を移していると主張します。
この役割の進化は、ソフトウェア エンジニアからプロダクト マネージャーへの移行を思い出させます。
このホワイトペーパーでは、LLM を使用した具体的なデータサイエンスのケーススタディでこの移行を説明します。
こうした発展には、データ サイエンス教育における有意義な進化が必要です。
教育学は現在、LLM に基づいた創造性、批判的思考、AI 誘導プログラミングなど、学生の多様なスキルセットを育成することに重点を置く必要があります。
LLM は、インタラクティブな教育および学習ツールとして教室で重要な役割を果たし、個別化された教育に貢献します。
このホワイトペーパーでは、これらの各方向の機会、リソース、未解決の課題について説明します。
あらゆる革新的なテクノロジーと同様、LLM を教育に統合するには慎重な検討が必要です。
LLM は反復的なタスクを効率的に実行できますが、その役割は人間の知性と創造性を補うことであり、代替するものではないことを覚えておくことが重要です。
したがって、データ サイエンス教育の新時代では、補完的な人間の専門知識とイノベーションを促進しながら、LLM の利点のバランスを取る必要があります。
結論として、LLM の台頭は、データ サイエンスとその教育の変革期の到来を告げています。
この論文は、このパラダイムシフトに伴う新たな傾向、潜在的な機会、課題に光を当て、このエキサイティングな未知の領域についてのさらなる議論と調査を引き起こすことを期待しています。

要約(オリジナル)

The rapid advances of large language models (LLMs), such as ChatGPT, are revolutionizing data science and statistics. These state-of-the-art tools can streamline complex processes. As a result, it reshapes the role of data scientists. We argue that LLMs are transforming the responsibilities of data scientists, shifting their focus from hands-on coding, data-wrangling and conducting standard analyses to assessing and managing analyses performed by these automated AIs. This evolution of roles is reminiscent of the transition from a software engineer to a product manager. We illustrate this transition with concrete data science case studies using LLMs in this paper. These developments necessitate a meaningful evolution in data science education. Pedagogy must now place greater emphasis on cultivating diverse skillsets among students, such as LLM-informed creativity, critical thinking, AI-guided programming. LLMs can also play a significant role in the classroom as interactive teaching and learning tools, contributing to personalized education. This paper discusses the opportunities, resources and open challenges for each of these directions. As with any transformative technology, integrating LLMs into education calls for careful consideration. While LLMs can perform repetitive tasks efficiently, it’s crucial to remember that their role is to supplement human intelligence and creativity, not to replace it. Therefore, the new era of data science education should balance the benefits of LLMs while fostering complementary human expertise and innovations. In conclusion, the rise of LLMs heralds a transformative period for data science and its education. This paper seeks to shed light on the emerging trends, potential opportunities, and challenges accompanying this paradigm shift, hoping to spark further discourse and investigation into this exciting, uncharted territory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google