文章总结与翻译一、文章主要内容该研究是一项关于大型语言模型（LLMs）在数据科学生命周期中应用的系统性映射研究（SMS），旨在全面梳理LLMs在数据科学各阶段的应用现状、评估方法、模型类型、应用领域、影响及研究缺口。1. 研究基础与框架数据科学生命周期：采用五阶段模型，即问题定义、数据收集与准备、数据探索与分析、模型构建与评估、部署与维护，以此作为分析LLMs应用的框架。LLMs背景：基于Transformer架构，常见类型包括GPT系列、Llama、Gemini等，除文本生成外，在数据预处理、查询、交互式分析等数据科学任务中展现出潜力。2. 研究方法文献检索：在Scopus和IEEE数据库中，使用包含“数据科学”“大型语言模型”“数据可视化”等关键词的检索式，共获取172篇初始文献，经筛选（纳入2020年后发表、聚焦LLMs在数据科学生命周期应用等标准，排除非英文、聚焦软件工程等文献）后，最终确定66篇核心文献，并通过滚雪球法补充相关研究。分析维度：围绕6个研究问题（RQ1-RQ6）展开，分别关注LLMs覆盖的数据科学阶段与任务、评估技术与数据集、涉及的LLM类型、应用领域、正负影响、研究缺口。3. 核心研究结果