生物学实验教学中的LLMs赋能策略与实践.pdfVIP

高校生物学教学研究（电子版）2024年12月，14（6）：3-8

ISSN2095-1574CN11-9307/R专题专题

DOI10.3868/j.issn.2095-1574.2024.06.001

［编者按］

党的二十大报告强调，高等教育要“全面提高人才自主培养质量，着力造就拔尖创新人才”。高校作为培

养基础研究人才主力军和攻关关键核心技术的国家队，肩负着发展科技第一生产力、培养人才第一资源、增

强创新第一动力的重要使命。实验实践教学是高校培养创新人才的重要环节，是理论与实践相结合的关键载

体，更是激发学生创新思维、提升科研能力的重要途径。本期从高校生物学实验教学、生物学野外实习教学

和生物学科研创新能力培养等角度刊登3篇专题论文，可为广大一线教育工作者提供参考与借鉴思路。

生物学实验教学中的LLMs赋能策略与实践

（）

刘凤麟，胡登科，秦咏梅，贺新强

北京大学生命科学学院，北京，100871

摘要：在生物学实验教学中，概念复杂、实验操作难度高、学生基础水平差异大是主要教学难点。近年来，

大语言模型（LLMs）在教育领域展现出巨大潜力。本研究旨在分析LLMs在生物学实验教学中的使用策略及

应用效果。通过问卷调查、访谈和案例分析，我们发现LLMs能够为具有不同学科背景和基础的学生提供个

性化指导，显著提升他们对概念的理解和实验技能的掌握能力。LLMs也在增强学生兴趣、提升合作能力、拓

展自主学习能力和培养批判性思维方面具有积极作用。然而，LLMs对于创新能力培养的效果不尽相同，并在

理解复杂要求和引导学习路径等方面存在局限。本研究强调了LLMs在突破教学难点中的重要作用，指出了

对模型和课程设计进一步优化的需求，并为教师在课程中有效整合LLMs提供了可行的建议。

关键词：生物学实验教学，大语言模型，人工智能，提示语，综合能力培养

LLMsEmpowermentStrategiesandPracticesinBiologyLaboratory

Teaching

（）

----

LIUFenglin，HUDengke，QINYongmei，HEXinqiang

SchoolofLifeSciences，PekingUniversity，Beijing100871，China

近年来，随着信息技术的飞速发展，教育技术会，也为教师创造了新的教学模式和评估手段。然

尤其是基于网络的协作学习和自主学习方法得到了而，如何有效整合这些技术，提高教学质量和学生

广泛关注。新兴技术为教育提供了个性化学习的机的学习体验，成为教育者面临的重要挑战。

在这一背景下，大语言模型（largelanguage

modols，LLMs）作为人工智能领域的突出成就，已

收稿日期：2024-10-25；修回日期：2024-12-03

［1］

基金项目：2024年北京大学实验教学中心建设经费（7100903105）在教育领域展现出广泛应用的潜力。以ChatGPT、

-Kimi等为代表的LLMs，凭借其深度学习技术和自然

通信作者：刘凤麟，Email：lfl@

4刘凤麟等：生物学实验教学中的LLMs赋能策略与实践

［2-4］

语言生成能力，不仅可以提供个性化学习反馈，1.2.1模块一：理论学习

［5］

还能够辅助教师设计课程、生成教学材料，并支在此模块中，参与者在教师的指导下学习LLMs

［6］

持学生在学习