每个数据分析之旅都会遇到那个尴尬的时刻。你打开了数据集，也大致理解了问题所在。然后——就什么也做不了了。不是因为统计学太难，而是因为从“我有数据”到“我在做分析”之间的步骤感觉过于复杂。该选哪个菜单？哪些变量应该放在哪里？这种分析到底叫什么？
JMP Assistant 并非通过替学生思考来解决这个难题，而是通过加快运算速度，让我们能够把课堂时间花在真正重要的事情上：理解结果的意义、它是否回答了正确的问题以及下一步该做什么。
两种工具，一个清晰的区别
在深入探讨之前，有必要明确一下 Assistant 与我们在第二集中介绍的 LearnBot 之间的区别。这种区别既简单又重要：
- LearnBot [4] 是一个 JMP 和统计学入门工具。它用通俗易懂的语言回答常见问题（例如“VIF 是什么意思？”、“我应该使用哪种分析方法？”）。它仅提供文本信息，位于“帮助”菜单中。它不会与您的数据交互，也不会在 JMP 中执行任何操作。
- 助手[3] 的根本区别在于：它会主动执行。它了解您开放的数据集和分析，理解您提出的问题及其上下文，在后台生成 JMP 脚本语言 (JSL) 代码，并直接在 JMP 中运行分析——生成您可以查看、修改和在此基础上进行扩展的真实输出。LearnBot 会引导您完成整个过程，而助手则会与您一起完成。
助理做什么: 毫无秘密
助手 [3] 可从 JMP Marketplace 免费下载。安装后，它会出现在 JMP 菜单的“插件”下。默认的“运行”模式下的基本工作流程非常简单：
- 在 JMP 学生版中打开数据表并启动助手。
- 在“窗口上下文”面板中，选择要处理的数据集和任何已打开的分析。
- 请用通俗易懂的语言输入您的分析性问题，或从建议的切入点中选择。
- 点击“发送” 。助手生成 JSL 代码，立即执行，并返回结果，同时解释执行了什么、输出中要查找的内容以及建议的后续步骤。
助手会保存您分析对话的聊天记录。您可以从左侧面板访问之前的聊天记录，但重新打开旧聊天记录可能需要打开相关的 JMP 窗口才能恢复其完整上下文。
对于已生成的输出结果的解释问题，请切换到“询问”模式。“询问”模式不会运行新代码；它会根据您的描述做出响应，并且能够了解您当前的分析上下文。两种模式都可以在同一个窗口中使用，在点击“发送”之前选择即可。
个人的z体验
助手设置允许用户配置其角色（工程师或科学家）、行业领域（涵盖航空航天、生物医学、化学、环境等众多领域）以及JMP 经验等级（1 至 5 级）。这些设置会影响助手回复的方式：包括语言、示例和详细程度。
对于教学而言，这些选项至关重要。教师可以要求学生根据课程背景和自身经验水平，如实设置学习分支。一级学生和五级研究人员对同一题目的回答自然会有所不同。这种差异本身就值得在课堂上展开讨论。
实际应用情况如何
以下示例使用 Palmer Penguins 数据集（可通过 JMP 获取的著名教学资源）来展示从问题到洞察的真实 Assistant 工作流程。
一位学生想探究不同企鹅物种喙部尺寸之间的关系，于是她输入： “企鹅物种的喙脊长度和喙脊深度之间是否存在某种关系？我希望看到一张图表，将所有物种的数据放在一起。”
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.步骤 1：助手识别开放数据集和开放分析；在运行任何操作之前，它会解释其分析方法。
助手首先给出指导，解释说 Graph Builder 是绘制多物种叠加散点图的合适平台。它还指出了辛普森悖论的风险：总体上的负趋势可能会掩盖物种内部的正趋势。学生在看到结果之前就能看到解释过程。
然后程序运行。散点图会显示在 JMP 学生版中，并带有每个物种的回归线和置信区间。
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.步骤 2：助手在 JMP 中执行分析：图形生成器输出物种着色的散点图，并提供 JSL 代码供检查。
生成该图的 JSL 代码是可见且可检查的，这对于大多数入门学生来说可能只是一个附带说明，但对于更高级的课程来说却是一个真正的学习资源。
在每次运行模式响应中，Assistant 始终会生成两个结构化的后续部分： JMP 结果中需要查找什么？以及接下来应该运行哪些分析？每个部分都具体明确、编号清晰，并以可能的后续提示形式呈现。
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.步骤 3：建议的后续步骤，使分析对话持续进行，并随着窗口上下文的变化而更新。
无需在菜单中查找，无需切换标签页。只需提出问题，进行分析，即可获得清晰的前进方向。
问题在于技能。
学生使用Assistant后很快就会发现：输出质量完全取决于输入质量。提出精准、有意义的分析问题不再是预备步骤，而是核心技能。
比较以下两个提示：
- ✘ “分析我的企鹅数据”产生的结果模糊不清，见解有限。
- ✔ “企鹅物种的喙长和喙深之间是否存在关系，并在单个图表中显示？” 生成的分析结果与上面的屏幕截图完全一致。
第二个提示是学生在步骤 1 中输入的提示。如果学生无法表达出来，说明他还没有理解问题，任何人工智能工具都不会替他表达出来。
| 好的分析始于好的问题。任何人工智能工具都不会替你问这个问题。 |
一项重要的现实检验
JMP Assistant 不是数据科学家，它不了解您的研究背景。它只是将您的问题转化为分析结果——仅此而已。如果您的问题本身就有问题，那么答案也会有误。请将其视为一个起点，而非最终结论。每次 Assistant 会话中都会显示 AI 生成内容的免责声明，提醒您学生的判断仍然是所有分析工作流程的最终步骤。
这对教师意味着什么
最直接的好处是节省时间。学生们不再需要花费20分钟寻找合适的菜单。由于他们可以在几秒钟内开始分析，因此可以腾出时间专注于真正重要的事情：理解结果。
当学生们带着已经运行好的分析结果来上课时，讨论的重点就从“我该怎么做？”变成了“我们问的问题是否正确？”这些结果究竟意味着什么？不同的方法会改变结论吗？
第 4 集探讨了这个问题的另一面：人工智能在课堂上会带来哪些真正的风险，以及教师可以采取哪些措施来建立保障措施，以保持推理的完整性。
试试这个
从 JMP Marketplace 免费安装 JMP Assistant [3]。打开你课程中已使用的数据集。向 Assistant 提出学生最常遇到的难题。然后，不要专注于答案，而是问问自己：我该如何将这个输出结果转化为讨论？这种视角上的转变正是该工具教学价值的体现。
参考
[1] JMP学术项目，jmp.com/academic
[2] JMP 学生版，jmp.com/student
[3] JMP Assistant（JMP Marketplace） ，marketplace.jmp.com
[4]LearnBot（JMP Marketplace） ，marketplace.jmp.com
[5] JMP 的可视化界面如何通过自然语言赋能的分析工作流程得到增强，D. Valente，《JMP 社区博客》
[6]GAISE学院报告修订（进行中，2025年）
作者简介
Volker Kraft 是 JMP Statistical Discovery（SAS 旗下公司）的首席学术大使（欧洲、中东和非洲地区），也是 JMP 全球学术团队的成员。自 2011 年以来，他一直致力于帮助欧洲各地的大学将 JMP 应用于教学和研究。他的研究背景是语音技术，在人工智能成为家喻户晓的概念之前，统计严谨性和工程实用性就已在该领域得到充分的融合。您可以通过JMP 社区或LinkedIn联系到他。
第 3 集（共 5 集）• 下一集： 负责任地利用人工智能进行教学:风险、防护措施以及我从惨痛经历中学到的东西
嗨，Volker，感谢你这篇富有洞见的文章。它清晰地阐述了JMP Assistant中的自然语言功能如何弥合好奇心与实际数据探索之间的鸿沟，无论对于经验丰富的从业者还是初学者都大有裨益。这篇文章帮助我更好地掌握了JMP Assistant的使用方法。KR，DH
