每個數據分析之旅都會遇到那個尷尬的時刻。你打開了資料集，也大致理解了問題所在。然後——就什麼也做不了了。不是因為統計學太難，而是因為從「我有數據」到「我在做分析」之間的步驟感覺過於複雜。該選哪個菜單？哪些變數應該放在哪裡？這種分析到底叫什麼？
JMP Assistant 並非透過替學生思考來解決這個難題，而是透過加快運算速度，讓我們能夠把課堂時間花在真正重要的事情上：理解結果的意義、它是否回答了正確的問題以及下一步該做什麼。
兩種工具，一個清晰的區別
在深入探討之前，有必要先明確一下 Assistant 與我們在第二集中介紹的 LearnBot 之間的差異。這種區別既簡單又重要：
- 學習機器人 [4] 是一個 JMP 與統計入門工具。它用簡單易懂的語言回答常見問題（例如「VIF 是什麼意思？」、「我應該使用哪種分析方法？」）。它僅提供文字訊息，位於「幫助」選單中。它不會與您的資料交互，也不會在 JMP 中執行任何操作。
- 助手[3] 的根本差別在於：它會主動執行。它了解您開放的資料集和分析，理解您提出的問題及其上下文，在後台生成 JMP 腳本語言 (JSL) 程式碼，並直接在 JMP 中運行分析——生成您可以查看、修改和在此基礎上進行擴展的真實輸出。 LearnBot 會引導您完成整個過程，而助手則會與您一起完成。
助理做什麼: 毫無秘密
助手 [3] 可從 JMP Marketplace 免費下載。安裝後，它會出現在 JMP 選單的「插件」下。預設的「運行」模式下的基本工作流程非常簡單：
- 在 JMP 學生版中開啟資料表並啟動助手。
- 在「視窗上下文」面板中，選擇要處理的資料集和任何已開啟的分析。
- 請用簡單易懂的語言輸入您的分析性問題，或從建議的切入點中選擇。
- 點選“發送” 。助手產生 JSL 程式碼，立即執行，並傳回結果，同時解釋執行了什麼、輸出中要尋找的內容以及建議的後續步驟。
助手會儲存您分析對話的聊天記錄。您可以從左側面板存取先前的聊天記錄，但重新開啟舊聊天記錄可能需要開啟相關的 JMP 視窗才能恢復其完整上下文。
對於已產生的輸出結果的解釋問題，請切換至「詢問」模式。 「詢問」模式不會運行新程式碼；它會根據您的描述做出回應，並且能夠了解您當前的分析上下文。兩種模式都可以在同一個視窗中使用，在點擊「傳送」之前選擇即可。
個人的z體驗
助理設定允許使用者配置其角色（工程師或科學家）、產業領域（涵蓋航空航太、生物醫學、化學、環境等眾多領域）以及JMP 經驗等級（1 至 5 級）。這些設定會影響助理回覆的方式：包括語言、範例和詳細程度。
對於教學而言，這些選項至關重要。教師可以要求學生根據課程背景和自身經驗水平，如實設定學習分支。一級學生和五級研究者對同一提示會給出截然不同的答案。這種差異本身就值得在課堂上展開討論。
實際應用情況如何
以下範例使用 Palmer Penguins 資料集（可透過 JMP 取得的著名教學資源）來展示從問題到洞察的真實 Assistant 工作流程。
一位學生想探究不同企鵝物種喙部尺寸之間的關係，於是她輸入： “企鵝物種的喙脊長度和喙脊深度之間是否存在某種關係？我希望看到一張圖表，將所有物種的數據放在一起。”
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.步驟 1：助手識別開放資料集和開放分析；在運行任何操作之前，它會解釋其分析方法。
助手首先給出指導，解釋說 Graph Builder 是繪製多物種疊加散點圖的合適平台。它也指出了辛普森悖論的風險：整體上的負趨勢可能會掩蓋物種內部的正趨勢。學生在看到結果之前就能看到解釋過程。
然後程式運行。散佈圖會顯示在 JMP 學生版中，並帶有每個物種的迴歸線和信賴區間。
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.步驟 2：助手在 JMP 中執行分析：圖形產生器輸出物種著色的散佈圖，並提供 JSL 程式碼供檢查。
產生該圖的 JSL 程式碼是可見且可檢查的，這對大多數入門學生來說可能只是一個附帶說明，但對於更高級的課程來說卻是一個真正的學習資源。
在每次運行模式回應中，Assistant 總是會產生兩個結構化的後續部分： JMP 結果中需要尋找什麼？以及接下來應該運行哪些分析？每個部分都具體明確、編號清晰，並以可能的後續提示形式呈現。
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.步驟 3：建議的後續步驟，使分析對話持續進行，並隨著視窗上下文的變化而更新。
無需在選單中查找，無需切換標籤頁。只需提出問題，進行分析，即可獲得清晰的前進方向。
問題在於技能。
學生使用Assistant後很快就會發現：輸出品質完全取決於輸入品質。提出精準、有意義的分析問題不再是預備步驟，而是核心技能。
比較以下兩個提示：
- ✘ 「分析我的企鵝資料」產生的結果模糊不清，見解有限。
- ✔ “企鵝物種的喙長和喙深之間是否存在關係，並在單一圖表中顯示？” 產生的分析結果與上面的螢幕截圖完全一致。
第二個提示是學生在步驟 1 中輸入的提示。如果學生無法表達出來，表示他還沒有理解問題，任何人工智慧工具都不會替他表達出來。
| 好的分析始於好的問題。任何人工智慧工具都不會替你問這個問題。 |
一項重要的現實檢驗
JMP Assistant 不是資料科學家，它不了解您的研究背景。它只是將您的問題轉化為分析結果——僅此而已。如果您的問題本身就有問題，那麼答案也會有誤。請將其視為一個起點，而非最終結論。每次 Assistant 會話中都會顯示 AI 生成內容的免責聲明，提醒您學生的判斷仍然是所有分析工作流程的最終步驟。
這對教師意味著什麼
最直接的好處是節省時間。學生不再需要花費20分鐘尋找合適的菜單。由於他們可以在幾秒鐘內開始分析，因此可以騰出時間專注於真正重要的事情：理解結果。
當學生帶著已經運行好的分析結果來上課時，討論的重點就從「我該怎麼做？」變成了「我們問的問題是否正確？」這些結果究竟意味著什麼？不同的方法會改變結論嗎？
第 4 集探討了這個問題的另一面：人工智慧在課堂上會帶來哪些真正的風險，以及教師可以採取哪些措施來建立保障措施，以保持推理的完整性。
試試這個
從 JMP Marketplace 免費安裝 JMP Assistant [3]。打開你課程中已使用的資料集。向 Assistant 提出學生最常遇到的難題。然後，不要專注於答案，而是問問自己：我該如何將這個輸出轉化為討論？這種視角上的轉變正是此工具教學價值的展現。
參考
[1] JMP學術項目，jmp.com/academic
[2] JMP 學生版，jmp.com/student
[3] JMP Assistant（JMP Marketplace） ，marketplace.jmp.com
[4]LearnBot（JMP Marketplace） ，marketplace.jmp.com
[5] JMP 的視覺化介面如何透過自然語言賦能的分析工作流程而增強，D. Valente，《JMP 社群部落格》
[6]GAISE學院報告修訂（進行中，2025年）
作者簡介
Volker Kraft 是 JMP Statistical Discovery（SAS 旗下公司）的首席學術大使（歐洲、中東和非洲地區），也是 JMP 全球學術團隊的成員。自 2011 年以來，他一直致力於幫助歐洲各地的大學將 JMP 應用於教學和研究。他的研究背景是語音技術，在人工智慧成為家喻戶曉的概念之前，統計學的嚴謹性和工程的實用性就已在該領域得到充分的整合。您可以透過JMP 社群或LinkedIn聯繫他。
第 3 集（共 5 集）• 下一集： 負責任地利用人工智慧進行教學:風險、防護措施以及我從慘痛教訓中學到的經驗
嗨，Volker，非常感謝你這篇富有洞見的文章。它清晰地闡述了JMP Assistant中的自然語言功能如何彌合好奇心與實際數據探索之間的鴻溝，無論對於經驗豐富的從業者還是初學者都大有裨益。這篇文章也幫助我更掌握了JMP Assistant的使用方法。此致，DH
