温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。

作者： 艾米丽 (连享会)
邮箱： lianxhcn@163.com

• Title: 让讲义图文并茂：如何用 ChatGPT 做课件插图？
• Keywords: 文生图, AI工具, 教学可视化, 讲义插图, PPT插图, 课程海报, 教学设计

Note：本文的插图使用 ChatGPT 生成的，对话过程为 ChatGPT 文生图对话记录

很多老师写讲义时，最难的部分往往不是正文，也不是公式，而是配图。

正文可以慢慢打磨，公式可以从教材和论文中推导，但图形通常更麻烦。尤其是统计、计量、金融、机器学习这类课程，很多概念本身并不复杂，但如果只靠文字和公式，学生很容易觉得抽象。比如，Tobit 模型里的潜变量，Heckman 模型里的样本选择，机器学习里的训练误差和测试误差，金融课程里的风险分散化，单靠讲述并不一定容易建立直觉。

过去，老师要做这些图，通常需要自己画草图，再用 PPT、Visio、Python、Stata 或其他软件慢慢调整。现在，ChatGPT 的文生图功能提供了一条更轻便的路径：我们可以先把教学目标、讲义片段、公式关系或课堂任务发给它，让它帮我们把抽象内容转化为图形草案。

对老师来说，文生图最有价值的地方，不是让讲义变得花哨，而是帮助学生更直观地理解概念之间的关系。

1. 老师为什么需要文生图？

课堂图形大致有三类作用。

• 解释概念。比如，什么是潜变量？为什么有些样本进入回归方程，有些样本没有进入？为什么模型复杂度提高后，训练误差下降，但测试误差可能上升？这类内容如果有一张图，学生往往更容易理解。

• 组织流程。比如，一个实证案例从数据获取到变量构造，再到回归估计、稳健性检验和结果解释，涉及很多步骤。如果只用文字列出来，学生容易记不住；如果画成流程图，结构就清楚得多。

• 设计课堂活动。比如，小组讨论任务卡、案例分析模板、学生项目展示海报等。这类材料本身不一定复杂，但如果版式清楚，学生执行任务时会更有方向感。

下图概括了教师使用 ChatGPT 文生图的几类常见场景。它不是为了替代老师的讲解，而是把讲义、PPT、公式、案例和课堂任务这些分散材料，整理成更容易被学生理解的视觉入口。

可以使用如下提示词生成类似的插图 (你可以酌情调整)：

请生成一张适合中文推文使用的教学场景总览图。

主题是「老师如何用 ChatGPT 文生图做课堂材料」。
画面中心是「教师的课堂材料」，周围分出 6 个模块：讲义插图、PPT 封面、公式解释图、案例流程图、课堂任务卡、学生作业模板。
风格为白板马克笔风，米白背景，深蓝线条，少量橙色强调。
画面清爽，文字少，适合手机端阅读。不要水印。

2. 把抽象概念画出来

很多计量和数据科学课程，学生真正需要的不是马上掌握全部推导，而是先建立直觉。

以 Tobit 模型为例，讲义中通常会写：

yi=max⁡(0,yi∗)yi​=max(0,yi∗​)

其中 yi∗yi∗​ 是潜变量，yiyi​ 是观测变量。公式并不复杂，但学生第一次接触时，往往不容易理解为什么一部分观测值会集中在 0，而另一部分是连续正值。

这时可以让 ChatGPT 生成一张概念图：左侧画出连续潜变量 yi∗yi∗​ 的分布，中间画出 censoring 机制，右侧画出观测变量 yiyi​ 的分布。这样学生就能直观看到：Tobit 不是简单的 OLS，也不是把 y=0y=0 的样本删掉，而是观测机制本身改变了因变量的分布形态。

这类图的价值在于，它把公式背后的数据生成机制画了出来。学生先看到潜变量如何被删失，再回到公式和似然函数，理解难度会小很多。

提示词可以这样写：

请生成一张用于计量经济学讲义的概念解释图，主题是 Tobit 模型中的潜变量与观测变量。

画面分为三部分：

• 左侧展示连续潜变量 y∗y∗ 的分布；中间展示 censoring 机制，低于阈值的部分被压到 0；
• 右侧展示观测变量 yy，其中一部分堆积在 0，另一部分为连续正值。

风格为简洁讲义插图，白底，深蓝线条，少量橙色高亮。
文字尽量少，结构清楚，适合课堂讲解。不要水印。

类似的图也可以用于 Heckman 模型、Logit 模型、双重差分、工具变量、倾向得分匹配等内容。关键不是把所有技术细节都画出来，而是把学生最容易卡住的那一层直觉画出来。

温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。