2.2. Biologia: symulacje vibe coding w klasie

Dynamika drapieżnik–ofiara (model Lotki–Volterry) 
 Przedmiot: Biologia · Klasa: 9 (wiek 14–15) · Czas trwania: 1 lekcja podwójna (90 min) · SI: Uczenie się Z SI 
 
 Kompetencje związane z SI (Ramy DUAL.AI.TEACHer) – poziom nauczyciela Przedmiotowe cele kształcenia – poziom ucznia 
 
 AF-TL-2b 
 (Podstawy i zastosowania SI × Nauczanie i uczenie się, poziom 2 – refleksyjne wdrażanie): 
 „Nauczyciele potrafią organizować elementy lekcji, które osadzają wykorzystanie SI w jasnych rolach pedagogicznych oraz strategiach weryfikacji elementów wyniku.” 
 AF-FC-2b 
 (Podstawy i zastosowania SI × Wspieranie kompetencji cyfrowych (SI) uczniów, poziom 2 – refleksyjne wdrażanie): 
 „Nauczyciele potrafią wdrażać wskazówki pomagające uczniom rozwijać praktyczne umiejętności SI, dostosowując zadania do wcześniejszej wiedzy uczniów i dostępnych narzędzi SI.” 
 Po zakończeniu lekcji uczniowie potrafią: 
 
 opisać kluczowe zmienne (populacja ofiar, populacja drapieżników) i parametry (tempo wzrostu, tempo drapieżnictwa, efektywność konwersji, tempo śmiertelności) modelu Lotki–Volterry; 
 formułować i testować hipotezy dotyczące dynamiki populacji za pomocą interaktywnej symulacji; 
 rozszerzać istniejącą symulację o dodatkowe warstwy złożoności ekologicznej (np. pojemność środowiska, drugi gatunek, czynnik sezonowy), pisząc ustrukturyzowane polecenia dla modelu językowego SI; 
 krytycznie oceniać założenia i ograniczenia modelu (natura nauki), w tym dlaczego wprowadzenie losowości lub dodatkowego czynnika może go destabilizować. 
 
 
 
 Najważniejsze przesłanie: Uczniowie nie muszą programować od zera. Przeczytanie i przetestowanie istniejącej symulacji, a następnie wykorzystanie dużego modelu językowego do dodawania po jednej warstwie ekologicznego realizmu na raz, wystarczy, by zbudować prawdziwe zrozumienie dynamicznego modelu biologicznego – i, prędzej czy później, samodzielnie odkryć, gdzie dokładnie model osiąga swoje granice. 
 
 Rys. 1. Obraz wygenerowany za pomocą ChatGPT (GPT Image 2), 27 sierpnia 2026 r. 
 Treść 
 Modele matematyczne i symulacje komputerowe są szczególnie cennymi narzędziami w ekologii, ponieważ pozwalają wyrazić bardzo złożone systemy za pomocą równań matematycznych. Umożliwia to przeprowadzanie eksperymentów in silico i testowanie hipotez na modelu w sytuacjach, w których prawdziwy eksperyment byłby zbyt kosztowny, zbyt powolny, etycznie trudny lub wręcz niebezpieczny. Manipulowanie prawdziwą populacją drapieżników, na przykład, rzadko wchodzi w grę. Jednocześnie każdy model jest z konieczności uproszczeniem rzeczywistości i właśnie tu leżą jego słabości: prawdziwe ekosystemy są znacznie bardziej złożone, niż jakikolwiek model może w pełni uchwycić. 
 Model Lotki–Volterry to klasyczny przykład takiego uproszczenia zastosowanego do dynamiki drapieżnik–ofiara. Przedstawia system za pomocą dwóch zmiennych stanu (liczebności populacji ofiar i drapieżników) oraz czterech parametrów (wewnętrznego tempa wzrostu populacji ofiar, współczynnika tempa drapieżnictwa, tempa rozrodu drapieżników na jedną zjedzoną ofiarę oraz tempa śmiertelności drapieżników). Przy swoich wyidealizowanych założeniach model przewiduje trwałe, okresowe oscylacje, w których zmiany populacji drapieżników następują z opóźnieniem względem zmian populacji ofiar. Zachowanie to wynika z pętli sprzężenia zwrotnego: gdy populacja ofiar rośnie, drapieżnikom dostępne jest więcej pożywienia, co pozwala rosnąć populacji drapieżników. Zwiększone drapieżnictwo powoduje następnie spadek populacji ofiar, co zmniejsza zasoby pokarmowe drapieżników i prowadzi do spadku ich populacji. Przy mniejszej liczbie drapieżników populacja ofiar może się odbudować i cykl zaczyna się od nowa. 
 Aby uzyskać ten czysty cykl, model przyjmuje kilka mocnych założeń. Jest deterministyczny (te same wartości początkowe zawsze dają dokładnie tę samą krzywą); jest zamkniętym systemem dwóch gatunków, który wyklucza każdy czynnik abiotyczny (temperaturę, opady, porę roku) i każdy inny czynnik biotyczny (rośliny pokarmowe dla ofiar, trzeci gatunek, choroby); oraz sprawia, że wzrost każdej populacji zależy wyłącznie od liczebności drugiej populacji. 
 Prawdziwe populacje rzadko spełniają te założenia. Narodziny, zgony i spotkania podlegają przypadkowi, a stochastyczna (losowa) wersja tego samego modelu ma tendencję do odchodzenia od czystego cyklu, a nawet może się załamać (np. wymarcie populacji drapieżników) w przypadkach, w których wersja deterministyczna przewiduje stabilne oscylacje. Podobnie, dodanie zaledwie jednego brakującego czynnika (np. zależnego od temperatury tempa wzrostu lub ograniczenia zasobów pokarmowych ofiar) często wystarcza, by zaburzyć czysty dwuzmienny cykl. Nie jest to wada, którą należy ukrywać przed uczniami – to centralna lekcja o naturze nauki płynąca z tego ćwiczenia. Model może być naprawdę użyteczny, pozostając jednocześnie celowo wąskim przybliżeniem rzeczywistości, a dobre korzystanie z niego oznacza dokładną znajomość tego, jakie czynniki pomija. W głównym zadaniu tej lekcji uczniowie odkrywają to samodzielnie, próbując dodać właśnie tego rodzaju czynniki. 
 Plan lekcji 
 
 Faza Czas Aktywność 
 
 Wprowadzenie 8 min Nauczyciel pokazuje nieopisany wykres prawdziwej serii danych drapieżnik–ofiara (np. ryś/zając); uczniowie opisują wzorzec i formułują pierwsze hipotezy. 
 Wejście 12 min Nauczyciel przedstawia zmienne i parametry modelu za pomocą prostego diagramu (bez potrzeby równań różniczkowych). 
 Eksploracja 15 min Uczniowie w parach testują swoje hipotezy na gotowej symulacji HTML i zapisują obserwacje. 
 Adaptacja 35 min W parach uczniowie przechodzą przez 2–3 rundy przewiduj → poleceniuj → testuj → diagnozuj (pytania przewodnie poniżej), za każdym razem prosząc model językowy o dodanie kolejnej warstwy ekologicznego realizmu do symulacji (ograniczenie zasobów pokarmowych ofiar, drugi gatunek, czynnik sezonowy/abiotyczny), aż czysty dwuzmienny cykl wyraźnie się załamie. 
 Refleksja 20 min Dyskusja z całą klasą, prowadzona pytaniami takimi jak: W której rundzie symulacja przestała wytwarzać czysty, powtarzalny cykl? Co model oryginalny celowo pomija i dlaczego? Co sprawia, że jest użytecznym uproszczeniem, a nie po prostu błędnym modelem? 
 
 
 Pytania przewodnie: warstwy złożoności 
 Pary przechodzą przez tyle poniższych rund, na ile pozwoli czas w ciągu 35 minut (większość radzi sobie z dwiema; trzecia jest rozszerzeniem dla tych, którzy skończą wcześniej). Każda runda przebiega według tego samego czteroetapowego cyklu: 
 Runda 1 — ogranicz zasoby pokarmowe ofiar (pojemność środowiska): 
 
 Przewiduj: Zanim zaczniesz formułować polecenie, zadaj sobie pytanie: czego oczekujesz, że stanie się z cyklem, jeśli wzrost populacji ofiar spowolni po osiągnięciu dużej liczebności, zamiast rosnąć bez ograniczeń? Naszkicuj oczekiwaną krzywą. 
 Polecenie: Poproś SI o dodanie maksymalnej trwałej populacji ofiar do symulacji oraz o wyjaśnienie własnymi słowami, jak zmieniła w tym celu równanie wzrostu. 
 Testuj i porównaj: Uruchom nową symulację z tymi samymi wartościami początkowymi co poprzednio. Porównaj poprzednią symulację z nową: jak zmieniły się zmienne? Dlaczego tak się stało? 
 Diagnozuj: Które założenie oryginalnego modelu (nieograniczone pożywienie dla ofiar) właśnie usunęliście? Czy ten czynnik jest biotyczny, czy abiotyczny? 
 
 Runda 2 — dodaj kolejny czynnik (biotyczny lub abiotyczny): 
 
 Przewiduj: Jeśli trzeci gatunek teraz konkuruje z ofiarami o pożywienie, albo też na nie poluje, albo jeśli wzrost populacji ofiar zależy teraz od temperatury – czego oczekujecie, że stanie się z oryginalnym cyklem dwóch gatunków? 
 Polecenie: Wybierzcie inny czynnik i napiszcie polecenie z prośbą do SI o dodanie go jako nowej zmiennej powiązanej z istniejącymi – określcie dokładnie, jak ma on wchodzić w interakcję z populacją ofiar lub drapieżników. 
 Testuj i porównaj: Obserwujcie symulację przez kilka cykli. Czy oryginalny rytm dwóch gatunków przetrwał, uległ zniekształceniu, czy zniknął? 
 Diagnozuj: Oryginalny model zakładał, że każda populacja zależy wyłącznie od drugiej. Czy to nadal prawda po tej rundzie? Jaką prawdziwą relację ekologiczną reprezentuje wasz nowy czynnik? 
 
 Runda 3 (opcjonalna) — wprowadź losowość: 
 
 Przewiduj: Jeśli jeden parametr (np. tempo drapieżnictwa) nie jest już stały, lecz losowany w pewnym zakresie w każdym kroku czasowym, czego oczekujecie dla długoterminowej stabilności populacji? 
 Polecenie: Poproście SI o zastąpienie jednego stałego parametru wartością losową i śledzenie, czy któraś z populacji osiąga zero. 
 Testuj i porównaj: Uruchomcie symulację kilka razy z tymi samymi ustawieniami. Czy za każdym razem otrzymujecie ten sam wynik? Czy którakolwiek populacja kiedykolwiek wymiera? 
 Diagnozuj: Dlaczego te same „przeciętne” wartości parametrów mogą tutaj czasem prowadzić do wymarcia, skoro model deterministyczny nigdy tego nie przewidywał? 
 
 Pytanie zamykające (do fazy refleksji): W której rundzie symulacja przestała wytwarzać czysty, powtarzalny cykl – i co to mówi o tym, ile rzeczywistych czynników oryginalny model Lotki–Volterry musi pominąć, aby pozostać rozwiązywalnym i łatwym do interpretacji? 
 Materiały 
 
 Jeden laptop na parę uczniów, z przeglądarką 
 Dostęp do interfejsu czatu z dużym modelem językowym przez internet, lub lokalnie zainstalowany model, jeśli dostęp do internetu w szkole jest ograniczony 
 Gotowa symulacja HTML drapieżnik–ofiara (pojedynczy plik, suwaki dla wybranych parametrów) 
 Krótki szablon poleceń / karty pracy dla rund „warstw złożoności” (przewiduj → poleceniuj → testuj → diagnozuj) 
 Pytania przewodnie dla fazy eksploracji i refleksji nad naturą nauki (cel modelu a granice modelu)