魏昌瑛1、倪萍萍2、王家付3（1 浙江省杭州第二中学；2 浙江省杭州市余杭区海辰中学；3 浙江省杭州师范大学附属未来科技城学校）于2025年在《生物学教学》第50卷第9期发表了一篇以“deepseek支持下的生物学跨学科学习路径建构”为主题的实践研究论文。该研究以“径山茶园的生态智慧”（eco|ogica|wisdomin■ingshantea p|antations）为案例，探索人工智能技术（AI）在教育领域特别是跨学科学习（interdisciplinary learning）中的应用模式。

研究背景与目标

当前生物学教学改革强调实践导向，要求学生具备融合多学科知识解决复杂问题的能力。然而，跨学科课程设计常面临学科知识“拼盘化”、评价标准单一化等挑战。研究团队基于深度求索（deepseek）人工智能平台，尝试构建智能技术支持下的跨学科学习路径，旨在通过数字化工具解决以下痛点：
1. 学科关联性薄弱：传统模式难以系统性整合多学科内容
2. 资源获取低效：教师跨学科教学储备有限
3. 评价维度单一：缺乏过程性素养评估工具

核心方法论：四维路径模型

研究提出的“目标-任务-资源-评价”四维路径包含以下关键环节：

1. 目标导向的主题筛选

通过deepseek的智能主题生成功能，采用“身份+目的+要求”的提问模式（例如：“我是一名中学生物老师，需要基于杭州乡土资源设计生态系统相关主题”），初步获得西湖水生态、龙井村茶文化等候选主题。最终选定“径山茶园生态智慧”作为典型案例，因其包含：
- 生物学维度：茶树特性（蜡质叶片、浅根系）、茶园生态系统（生产者-消费者-分解者关系）
- 多学科扩展点：地理（微气候与海拔关系）、历史（径山茶文化传承）、美术（茶主题视觉设计）等

2. 任务驱动的学科融合

利用deepseek输出跨学科教学设计框架后，研究者进行了科学化修订。以生物学部分为例，原始AI生成内容与实际教学需求的对比优化如下：
- 知识内容：补充“生物防治技术”“生态种植方法”等实践性知识
- 实践活动：将红外相机观察改为可操作的土壤采样分析
- 素养目标：强化“社会责任”维度，增加生态保护意识培养

3. 资源整合的实践优化

通过智能工具生成具体活动方案并筛选实施：
- 实地考察：使用“形色”APP识别植物物种，记录≥15种生物（3个类群）
- 数据分析：对比生态/常规茶园土壤肥力（氮含量与叶绿素相关性实验）
- 文化探究：制作茶文化时间轴（历史学科）、设计生态海报（美术学科）

4. 素养导向的PTA量表评价

基于deepseek生成的初始PTA量表（Primary Trait Analysis，基本特征分析），着重改进观察记录项的量化标准：
- 将模糊的“详细记录”细化为“记录生物种类≥15种，描述3种生态关系”
- 增加“数据规范性”“团队协作”等过程性指标

关键发现与创新价值

1. 技术整合创新：

   • 首次建立AI辅助的跨学科学习闭环（联结-实践-反馈）
     
   • 开发“主题生成→方案修订→实施优化”的可复制流程
     

2. 教育实践突破：

   • 解决课程“拼盘化”：通过“茶树品质成因”等问题链，有机联结生物（遗传特性）、化学（土壤pH）、地理（海拔影响）等学科
     
   • 改进评价体系：PTA量表覆盖知识、技能、态度三维度，例如在“数据分析”项中设置“误差分析讨论”子指标
     

3. 局限性警示：

   • 需警惕AI“幻觉内容”（如错误归因茶树耐寒性）
     
   • 强调教师对生成内容的二次验证（如径山群体种数据的时效性核查）
     

学术与实践意义

该研究为智能教育工具的应用提供了范式级案例，其价值体现在：
- 方法论层面：验证了“人工智能辅助设计+教师专业化修订”的可行性
- 技术应用层面：挖掘deepseek在资源整合（如自动生成观察记录表）、动态反馈（实时优化活动方案）中的独特优势
- 文化传承层面：通过乡土主题（径山茶）增强学生的地域认同感

值得关注的是，研究者强调了AI作为“协作者”而非“替代者”的定位——在“生成-筛选-验证”的工作流程中，教师始终承担内容把关和教学决策的核心角色。这一观点对当前教育技术盲目追捧AI的现象具有重要纠偏意义。

（注：文中涉及的AI模型deepseek-v3知识截止日期为2023年12月，实践应用时需注意数据时效性）