2.2 Biologie: Vibe coding a simulace ve výuce

Dynamika dravec–kořist (model Lotka–Volterra)

Předmět: Biologie  ·  Ročník: 9. ročník (14–15 let)  ·  Délka: 1 dvouhodina (90 min)  ·  UI: Učení S UI

Klíčové poselství: Žáci nemusí programovat od začátku. Čtení a testování existující simulace a následné použití jazykového modelu (LLM) k postupnému přidávání jedné vrstvy ekologického realismu stačí k vybudování skutečného porozumění dynamickému biologickému modelu — a dříve či později i k tomu, aby sami objevili, kde přesně tento model dosahuje svých limitů.

Obrázek 1. Obrázek vytvořený pomocí ChatGPT (GPT Image 2), 27. srpna 2026.

Obsah

Matematické modely a počítačové simulace jsou v ekologii obzvláště cenným nástrojem, protože dokážou vyjádřit vysoce komplexní systémy pomocí matematických rovnic. To umožňuje provádět experimenty in silico a testovat hypotézy na modelu v situacích, kdy by skutečný experiment byl příliš nákladný, příliš pomalý, eticky problematický nebo přímo nebezpečný. Manipulace se skutečnou populací dravců je například jen zřídka reálnou možností. Zároveň je každý model nutně zjednodušením reality, a právě v tom spočívají jeho slabiny: skutečné ekosystémy jsou mnohem komplexnější, než dokáže jakýkoli model plně zachytit.

Model Lotka–Volterra je klasickým příkladem takového zjednodušení aplikovaného na dynamiku dravec–kořist. Systém reprezentuje pomocí dvou stavových proměnných (velikost populace kořisti a dravců) a čtyř parametrů (vnitřní míra růstu kořisti, koeficient míry predace, míra reprodukce dravce na jednu ulovenou kořist a míra úmrtnosti dravce). Za idealizovaných předpokladů model předpovídá trvalé, periodické oscilace, při nichž změny v populaci dravců zpožďují za změnami v populaci kořisti. Toto chování vzniká zpětnovazební smyčkou: jak populace kořisti roste, dravcům je k dispozici více potravy, což umožňuje růst populace dravců. Zvýšená predace poté způsobí pokles populace kořisti, což omezí potravní nabídku pro dravce a vede k poklesu jejich populace. S menším počtem dravců se populace kořisti může zotavit a cyklus začíná znovu.

Aby model vytvořil tento čistý cyklus, činí několik silných předpokladů. Je deterministický (stejné počáteční hodnoty vždy vedou přesně ke stejné křivce); jde o uzavřený dvoudruhový systém, který vylučuje veškeré abiotické faktory (teplota, srážky, roční období) i všechny ostatní biotické faktory (potravní rostliny pro kořist, třetí druh, nemoc); a růst každé populace závisí výhradně na velikosti té druhé.

Skutečné populace tyto předpoklady jen zřídka splňují. Narození, úmrtí a setkání podléhají náhodě a stochastická (randomizovaná) verze téhož modelu má tendenci se odchýlit od čistého cyklu a může dokonce zkolabovat (např. vyhynutím populace dravců) i v případech, kdy deterministická verze předpovídá stabilní oscilaci. Podobně přidání pouhého jediného chybějícího faktoru (např. teplotně závislé míry růstu nebo omezení vlastní potravní nabídky kořisti) často stačí k narušení čistého dvouproměnného cyklu. To není nedostatek, který by bylo třeba před žáky skrývat — je to ústřední poselství aktivity týkající se podstaty vědy. Model může být skutečně užitečný, a přitom zůstat záměrně úzkou aproximací reality; umět jej dobře používat znamená přesně vědět, které faktory vynechává. V hlavní aktivitě této hodiny na to žáci přijdou sami tím, že se pokusí přesně takové faktory přidat.

Plán hodiny

Naváděcí otázky: vrstvení komplexity

Dvojice projdou tolik z následujících kol, kolik jim dovolí 35 minut (většina zvládne dvě; třetí je rozšíření pro ty, kdo skončí dříve). Každé kolo se řídí stejným čtyřkrokovým cyklem:

1. Kolo 1 — omezte potravní nabídku kořisti (nosná kapacita prostředí):

   • Předpověz: Než začnete promptovat, zeptejte se sami sebe: co očekáváte, že se stane s cyklem, pokud se růst kořisti zpomalí, jakmile populace naroste, místo aby rostla neomezeně? Načrtněte křivku, kterou očekáváte.
   • Promptuj: Požádejte UI, aby do simulace přidala maximální udržitelnou populaci kořisti, a aby vlastními slovy vysvětlila, jak kvůli tomu upravila rovnici růstu.
   • Otestuj a porovnej: Spusťte novou simulaci se stejnými počátečními hodnotami jako předtím. Porovnejte předchozí simulaci s novou: jak se proměnné změnily? Proč tomu tak je?
   • Diagnostikuj: Který předpoklad původního modelu (neomezená potrava pro kořist) jste právě odstranili? Je tento faktor biotický, nebo abiotický?

2. Kolo 2 — přidejte další (biotický nebo abiotický) faktor:

   • Předpověz: Pokud nyní s kořistí soutěží o potravu třetí druh, nebo ji rovněž loví, případně pokud růst kořisti nyní závisí na teplotě — co očekáváte, že to udělá s původním dvoudruhovým cyklem?
   • Promptuj: Zvolte další faktor a napište prompt, ve kterém požádáte UI, aby jej přidala jako novou proměnnou propojenou s těmi stávajícími — přesně specifikujte, jak má interagovat s populací kořisti nebo dravců.
   • Otestuj a porovnej: Sledujte simulaci po několik cyklů. Přežije původní dvoudruhový rytmus, zdeformuje se, nebo zmizí?
   • Diagnostikuj: Původní model předpokládal, že každá populace závisí pouze na té druhé. Platí to stále i po tomto kole? Jaký skutečný ekologický vztah váš nový faktor reprezentuje?

3. Volitelné kolo 3 — zaveďte náhodnost:

   • Předpověz: Pokud jeden parametr (např. míra predace) již není pevně daný, ale je v každém časovém kroku náhodně vybírán z určitého rozsahu, co očekáváte pro dlouhodobou stabilitu populací?
   • Promptuj: Požádejte UI, aby nahradila jeden konstantní parametr náhodnou hodnotou a sledovala, zda některá z populací dosáhne nuly.
   • Otestuj a porovnej: Spusťte simulaci několikrát se stejným nastavením. Dostanete pokaždé stejný výsledek? Zkolabuje někdy některá z populací?
   • Diagnostikuj: Proč mohou stejné „průměrné“ hodnoty parametrů v tomto případě někdy vést k vyhynutí, když deterministický model to nikdy nepředpověděl?

Závěrečná otázka (pro fázi reflexe): Ve kterém kole simulace přestala produkovat čistý, opakující se cyklus — a co vám to říká o tom, kolik reálných faktorů musí původní model Lotka–Volterra vynechat, aby zůstal řešitelný a snadno interpretovatelný?

Materiály

• Jeden notebook na dvojici žáků, s prohlížečem
• Přístup k chatovacímu rozhraní jazykového modelu přes internet, nebo lokálně nainstalovaný model, pokud je na škole omezen přístup k internetu
• Hotová HTML simulace dravec–kořist (jeden soubor, posuvníky pro vybrané parametry)
• Krátká šablona promptování/pracovního listu pro kola „vrstvení komplexity“ (předpověz → promptuj → otestuj → diagnostikuj)
• Naváděcí otázky pro fázi zkoumání a reflexi o podstatě vědy (účel modelu vs. limity modelu)