AlforScience交叉學科視角下中學科學的創新教學實踐

2024年諾貝爾物理學獎和化學獎的頒發，標志著人工智能（AI）在科學研究領域的深度融合與應用，也彰顯了AIforScience這一科學研究新范式的巨大潛力。筆者認為，AIforScience科研新范式的興起，將為中學科學教育創新以及科技人才的培養帶來前所未有的機遇。這是因為國家課程方案和各學科課程標準著重于培養學生的核心素養，尤其是創新思維和實踐能力，而AIforScience正是實現這一目標的得力工具。它讓中學生有機會接觸到最前沿的科學研究成果，參與到模擬的科學實驗和研究中，不僅拓寬了學生的知識視野，也培養了他們面對未來科學挑戰的信心和能力。AI提供的豐富教學資源和實驗平臺，還會使學生能夠在模擬的科學研究中，體驗科研過程，掌握科研方法，解決實際問題。尤為重要的是，AIforScience打破了傳統學科的界限，促進了人工智能與物理、化學、生物學等的跨學科融合，為中學教育引人真實科學問題，激發學生好奇心，提升學生的學習體驗開辟了新的路徑。可以說，這一研究新范式特別有利于培養適應快速變化世界的復合型科技創新人才，將引領中學科學教育創新。本文以“ 藥物研發”單元設計與教學實施為例，闡釋AIforScience交叉學科視角下中學科學的創新教學實踐。

一、AlforScience跨學科教學的設計創新

AIforScience跨學科教學以“深度學習”

教學實踐模型為設計框架。該模型旨在促進學生深度學習，提升綜合素養。其中，學習目標緊密對接學生核心素養，確保教學活動的針對性與實效性；引領性學習主題能激發學生興趣，引導他們深入探究；挑戰性學習任務則鼓勵學生運用批判性思維和創新精神解決問題；持續性學習評價的實施，能促進學生的自我反思和持續進步。AIforScience跨學科教學實現了對上述四個維度的創新。

（一）素養導向學習目標的創新

AIforScience跨學科教學在學習目標上的創新主要體現在兩個方面：一是面向真實前沿問題，深人探索學科核心素養的融合；二是以計算思維為主線，培養學生的創新思維與實踐能力。

以“AI + 藥物研發”跨學科教學為例。對于高中生而言，從真實的生物醫藥問題人手，是符合其認知水平的。高中生物學課程提供藥物與生物靶標相互作用的背景，化學課程培養學生宏觀辨識與微觀探析、變化觀念與平衡思想等核心素養，信息技術課程則介紹人工智能算法，如遺傳算法，為學生預測和優化藥物分子的結構提供了工具與方法。學生還可運用計算思維解決真實的跨學科問題。因此，高中課程的學習使學生已具備了解決“ 藥物研發”跨學科問題的能力。為此，我們確立了以下素養導向的學習自標：在解決生物醫藥問題中發展計算思維，利用數字化工具探索前沿科學，辯證思考AI在藥物研發中的作用，培養科技倫理和信息社會責任感，為未

來科研創新奠定基礎

（二）引領性學習主題的創新

開展AIforScience跨學科教學，最天的挑戰之一是找到合適的學習主題。人工智能本質上是一個融合了計算機科學、數學、生物學等多個學科的交叉領域。在選取引領性學習主題時，教師可從兩個維度切人：一是“ A I + X 學科”模式，例如受生物學原理啟發設計AI算法[1；二是“學科 + AI”模式，即AI在各學科領域（如生物醫學）前沿發展中的應用。

結合學習目標，我們提出了引領性學習主題：4 生物化學”一—從進化論到遺傳算法再到AI賦能藥物研發。教師以治療慢性粒細胞白血病的藥物“格列衛”為例，引導學生了解其研究歷史、作用機理和生化本質。通過學習分子對接和遺傳算法，學生能理解藥物與酶的相互作用，掌握制藥的生物化學本質，以及AI在小分子篩選中的作用。這一學習主題不僅讓學生能從結構與功能相適應的角度理解基于結構藥物設計的邏輯，還能為培養學生的創新思維和實踐能力打下基礎。

（三）挑戰性學習任務的創新

深度學習強調學生作為主體的主動參與。學生應親身經歷知識的發現、形成和發展過程，從而感受、體驗、理解和掌握學科知識與技能。要實現這一目標，關鍵在于以運用計算思維解決問題為主線設計挑戰性學習任務。計算思維的四個階段（界定問題、分析問題、求解問題、遷移應用）與挑戰性學習任務的設計高度匹配。計算思維也是一種創新教學法，教師在設計教學流程時，應體現計算思維的分解、抽象、算法和建立關聯等要素。

在“AI + 藥物研發”的跨學科教學中，挑戰性學習任務背景設定為學校人工智能周的學生科普展。通過項目式學習，學生不僅要為設計人工智能周的科普活動找到方向、思路及素材，還要運用所學輸出具體、可實施、其他學生可體驗的科普活動。

（四）持續性學習評價的創新

AIforScience跨學科教學中常伴有對未知領域的探索、新概念的引入和思維方式的遷移，對學生學習的挑戰大。因此，教師需要精心設計高質量、持續性的學習評價，從而以評促學，提高學生的綜合能力。在“ 藥物研發”的跨學科教學中，我們設計了以下評價。（1）過程性評價：以在線作業的方式，詳細記錄學生的探究活動，完整保存其探究過程、成果及新思路，有效推動學生的深人學習和思考。（2）總結性評價：利用在線小測，如選擇、填空、連線題，提供即時反饋，幫助教師精準掌握學情。（3）學習共同體：建立論壇討論區，學生通過發帖和回帖分享探究結果，實現互助互評，并使用可視化工具共享內容。（4）項目式學習輸出：通過調研報告、項目設計等綜合性“產品”評價學生能力，如將 生物化學的課堂所學轉化為科普展臺設計。（5）小組合作情景劇：編導和表演創意情景劇，深化對遺傳算法的理解，培養遷移創新能力，并作為科普活動的展示內容。

二、 “ A l + 藥物研發”單元跨學科教學設計

本單元以項目式學習方式組織，參考人教中圖版《普通高中教科書信息技術必修1數據與計算》第2章“算法與程序實現”以及人教版《普通高中教科書生物學必修1分子與細胞》第5章第1節“降低化學反應活化能的酶”，圍繞“ A I +X 跨學科創新之生物化學”人工智能周學生科普展設計教學活動。學生在課堂上需要綜合運用所學知識，自主創建活動素材、策劃方案并付諸實踐。本單元重點聚焦AI在藥物研發領域的應用，讓學生親身體驗AI在藥物研發中的關鍵作用，共設5節課（如圖1）。本單元學習過程涵蓋問題提出、深入分析、制訂解決方案及迭代優化等環節。最終，學生將所學知識應用于人工智能周學生科普展的設計與展示。

在第一課時，學生學習生物學對人工智能基于結構的藥物設計原理、如何建模分子對接的關鍵要素及關系、如何設計并表示分子對接的遺傳算法。教學難點為自動化和總結遷移，即如何自動化計算分子對接，如何總結方法并遷移到其他問題的解決中。為突破教學重難點，教師采用可高效反饋學習的在線學習平臺、可互動學習的論壇討論區和前沿開源軟件，引導學生開展基于真實問題的項目式學習。

（一）問題引入

算法的跨學科創新啟示。學生的實踐為遺傳算法的簡單應用，即讓計算機生成字符串，學會“說話”。第二課時，學生對遺傳算法的具體應用從生成字符串遷移到路徑規劃。第三課時到第五課時分別對應學生跨學科領域背景、問題解決與拓展思考。學生所學的每一部分內容都將成為他們設計科普展活動的素材。

三、教學實施案例

現以“AI+藥物研發”單元第四課時“分子對接技術中的計算思維”一課為例，介紹AI賦能中學科學跨學科教學的有效實施。本課面向高一、高二學生，他們具備信息技術和生物學基礎，具有抽象思維和分析能力，好奇心強。

課程以計算思維為主線，讓學生經歷分子對接問題的解決過程，實現遺傳算法在生物制藥領域的應用。學習目標包括：（1）理解計算思維在抽象和形式化表達中的應用，建立基于結構的藥物設計模型；（2）小組合作探究分子對接的關鍵要素；（3）在線完成遺傳算法流程圖，設計算法模塊，搜索藥物與蛋白的最佳結合位置；（4）使用開源軟件進行分子對接實踐，體驗計算思維的自動化計算優勢；（5）總結運用計算思維解決問題的一般過程，了解其拓展應用，激發對AI跨學科創新的興趣。

教學重點為抽象、建模和算法，即如何抽象

教師從影片《我不是藥神》引出藥物研發的流程，引導學生聚焦痛點之一：研發一個新藥投人成本高、周期長。教師進一步引導學生思考：如何縮減藥物研發周期？傳統方式如何在大量的化合物中篩選出候選小分子？能否利用人工智能技術幫助篩選候選小分子？從而引出利用人工智能技術加速對小分子的篩選，快速得到所需要的小分子。

學生積極參與討論，學習跨學科新知，思考并積極討論問題。

設計意圖：教師以真實情境引發學生興趣，提高學生運用計算機解決問題的信息意識，順帶引出本節課的任務，增強學生的目標感和積極性。

（二）分析問題

教師以藥物“格列衛”的發現為例，介紹慢性粒細胞白血病的成因，引導學生分析酶與底物是如何相互作用的。接下來，教師通過競爭性抑制的原理，落實結構與功能相適應的生命觀念和科學思維，并引導學生抽象出基于結構的藥物設計模型，明確課程目標：以一個分子（“格列衛”）為例，用分子對接的手段，探究尋找小分子最優構象的方法。

學生活動1：問題抽象

教師引導學生思考如何對分子對接的關鍵要素進行抽象建模。學生兩人一組互相討論，嘗試提出解決方案，并借助紙質圖形演示。在每組演示的過程中，其他組學生觀察和學習。

學生活動2：分子對接的抽象建模

教師鼓勵學生使用數字化軟件將蛋白質、小分子、結合口袋等元素進行抽象建模。學生兩人一組，在PyMOL軟件中開展探索（如圖2）。他們需要在實踐中思考蛋白（受體）與小分子（配體）的對接過程中誰會動、怎么動、在什么范圍動，并將實踐過程和思考發表到Moodle平臺的論壇討論區。

設計意圖：教師設計思考與探究活動，引導學生在探究實踐中發現和生成新知。在教師的啟發下，學生對藥物設計這一真實問題進行簡化抽象和關鍵要素建模。

（三）求解問題

學生活動3：設計遺傳算法流程圖

教師引導學生回顧“從進化論到遺傳算法”課上所學習的內容，從而對天自然中生物體的進化規律進行數字化建模。學生完成遺傳算法流程圖（如圖3），并在Moodle平臺上完成在線小測，將各選項匹配到流程的環節1、2、3、4中。

教師引導學生設計分子對接的遺傳算法各個模塊：種群（個體）、評價函數、選擇算子、交叉算子、變異算子、算法終止條件，從而實現從自然進化到“字符串生成”“旅行商問題”，再到“分子對接問題”的高階遷移。

學生通過完成學案、在線小測、互動問答等活動，完成分子對接遺傳算法的詳細設計。

學生活動4：選擇算子計算模型

學生在Moodle平臺上獨立完成算子計算模型的選擇，將1、2、3匹配到A、B、C空白處（如圖4）。

學生活動5：分子對接的自動計算

教師為學生提供實踐素材，引導學生運用AutoDockVina軟件完成分子對接的自動計算（如圖5）。

學生參考Moodle平臺上的自動對接指導完成實踐，在討論區提交實踐結果截屏，用PyMoL打開結果文件，進行可視化操作。

學生活動6：對分子對接結果的分析與解讀

在PyMoL軟件中，學生首先對分子對接結果進行處理，將返回的六個結果依據對接契合度進行排序。隨后，在教師的引導下，學生對這六個不同小分子與蛋白激酶的結合方式進行深入分析，細致考察小分子與氨基酸的分子間相互作用力。例如，小分子與TYR253A殘基之間存在范德華力，與ASP181A殘基之間存在靜電作用，以及與GLU262Q殘基之間形成氫鍵。這些相互作用對于小分子的結合親和力和選擇性至關重要。通過這些分析，學生能夠確定最優構象（如圖6）。

在此過程中，學生以該蛋白激酶為例，深入理解小分子與蛋白激酶之間的結合機制，為藥物設計和優化提供科學依據。他們也體會到了AI對于加速新藥的研發進程所發揮的巨大作用。借助AI技術，藥物篩選的時間成本得以大幅降低。AI幫助科學家大大縮短了篩選分子所需的時間，從可能長達半年至一年，到現在幾乎可以在數天內完成，從而顯著提升了篩選的效率和精確度。

（四）總結遷移

教師介紹 藥物發現的國際前沿創新成果，以激發學生興趣。

教師帶領學生回顧整個單元的學習內容，并明確下節課的學習任務“項目實踐：計算制藥調研報告”，最后總結運用計算思維問題求解的全過程，激勵學生跨學科創新。

設計意圖：總結本次課內容，引出下節課的內容，激發學生課后拓展學習的熱情。

教師設計了豐富多樣的持續性評價并融人整個教學過程，促進學生的深度學習。如學生活動2和5借助學習論壇討論區，實現高效的生生互動交流與評價。學生活動3和4采用在線小測，學生答題后能即時反饋，教師得以實時看到所有學生的答題情況，把握學情。學生活動1和6采用在線作業形式，學生可以課上初步嘗試，課后進一步探索，實現以評促學。

四、課程特色與總結反思

（一）AI科學前沿與中學教學的創新結合

結合AIforScience的發展前沿，教師開發專門的跨學科課程或模塊，將AI藥物設計作為一個主題進行教學，一是體現了跨學科融合理念，即將人工智能這一前沿技術與藥物研發這一生物醫學領域結合起來，打破了傳統的學科界限，促進了跨學科知識的融合。二是體現了問題導向的學習，即圍繞“如何發現‘格列衛’”這一真實問題，引導學生進行探索和研究，激發學生的好奇心和解決問題的動力。三是體現了情境模擬，即通過模擬分析真實的AI藥物設計案例及藥物研發的過程，讓學生在接近真實的情境中學習，增強了學習的沉浸感和體驗感。教師還鼓勵學生在藥物研發的過程中發揮創造力，嘗試新的方法和思路，培養了學生的創新思維。

（二）數字化教學的創新特色

AIforScience跨學科教學中，教師可以選取領域前沿的開源軟件，并在教學中靈活運用數字化學習與創新工具。例如，AutoDockVina讓學生能自動化實現分子對接[2，PyMOL讓分子結構變得可視化，PLIP在線平臺自動分析分子間作用力。這些數字化平臺讓學生能夠看得見、動得了分子對接問題的對象，聚焦問題本質，高效地觀察、體驗與實踐。這些科學前沿的研究工具，經過教師的精心設計，為學生提供了精準的實踐探究腳手架，不僅能夠支撐學生探究和驗證試驗的設計與實施，還在此過程中不斷強化和提升他們的數字化學習與創新能力。

（三）AlforScience中學科學創新教學的再思考

課后，學生對本次教學給予了正面反饋，尤其對于前沿的教學主題和真實藥物設計的問題及實踐操作，充滿了興趣和熱情。下面是兩個學生的反饋。

學生一：“在昨天的課程中，我們從了解結構制藥的問題背景開始，一步步拆分問題，分析問題中所運用的知識。整節課的節奏很緊湊，其中所講述的知識既豐富又有趣。在學習知識的同時，我們也開闊了眼界，了解了計算機科學在其他領域中的具體應用方法與情況。這些都讓我收獲滿滿。”

學生二：“在課程中，我學習了如何通過運用PyMOL可視化分子結構，用PLIP獲得分子間的相互作用力。這讓我們知道了小分子與受體蛋白的適配性，大天降低了制藥人員的時間成本。在未來也一定會有更多的計算機技術被運用到其他領域，為科學發展提供極大助力。”

教師反思本次課聚焦多學科交叉的前沿科技領域，對中學生來講難度較大，因此需要鋪墊的內容多，探究性的活動多，所以一節課時間不夠，適合兩節連堂課來實施，給學生充分實踐、思考和討論的時間。本次課關注計算思維的培養，學生在“從‘格列衛’的發現到分子對接怎么做”

這個真實問題情境下，親歷運用計算思維解決問題的全過程，包括提出問題、分析問題、求解問題和遷移應用這四個主要環節。學生在教師的引導下提出問題，通過抽象建模藥物設計的原理、分子對接的關鍵要素及關系，設計遺傳算法的框架及每一個算子在分子對接問題中的具體實現，并將其方法遷移到更前沿的計算機自主藥物發現的研究中，在此過程中培養學生的創新思維。

AIforScience交叉學科推動教學創新不僅為學生提供了解決真實問題的平臺，還激發了他們的創新思維，實現了從知識傳授到創新能力培養的轉變。這一教學實踐不僅深化了學生對科學知識的理解，更通過由點及面、由離散到整體的探究過程，為中學科學教育注人了新的活力，為培養適應未來科技發展的創新型人才奠定了堅實基礎。

注：本文系北京市教育科學“十四五”規劃2024年度校本研究專項課題“人工智能賦能集團校擴優提質的路徑研究”（課題批準號：CBDA24093）的研究成果。

參考文獻

[1]和淵，武迪，袁中果，等.人工智能算法的生物學視角：從進 化論到遺傳算法的課堂實踐[J].創新人才教育，2019（1）：37-41.

[2]TROTT O，OLSoN A J. AutoDock Vina：Improving the Speed and Accuracy of Docking with a New Scoring Function， Efficient Optimization，and Multithreading[J].Journal ofComputational Chemistry，2010（2）：455-461.

（作者武迪系中國人民大學附屬中學信息技術教研組長、特級教師，“北京市新時代中小學名師發展工程”北京教育學院培養基地信息綜合工作室成員；和淵系中國人民大學附屬中學高級教師，北京市骨干教師；袁中果系中國人民大學附屬中學朝陽學校副校長、特級教師、正高級教師；于曉雅系北京教育學院教授，中央民族大學碩士生導師）

責任編輯：牟艷娜