2.2 Biologija: simulacije Vibe Coding pri pouku

Predator–PreyDinamika Dynamicsplenilec–plen (model Lotka–Volterra model)Volterra)

Subject:Predmet: Biologybiologija · Razred: Grade:9. 9razred (age14–15 14–15)let) · Trajanje: Duration:ena 1dvojna double lessonura (90 min) · AI:UI: Learningučenje WITHZ AI UI

AI-relatedKompetence, competenciespovezane z UI (okvir DUAL.AI.TEACHer Framework)TEACHer) – teacherraven levelučitelja

Subject-specificPredmetno learningspecifični objectivesučni cilji – student/learnerraven levelučenca

AF-TL-2b (AITemelji foundationsUI andin applicationsnjihova uporaba × TeachingPoučevanje &in Learning,učenje, Levelraven 2 – Reflectivereflektirano Implementation)izvajanje):: »Učitelji lahko “Teachersorganizirajo canelemente organiseučne lessonure, elementski thatvključujejo embeduporabo AIUI usez withjasnimi clearpedagoškimi pedagogicalvlogami rolesin andstrategijami strategiesza topreverjanje verifyelementov the output elements.”  izhoda.« AF-FC-2b (AITemelji foundationsUI andin applicationsnjihova uporaba × FacilitatingSpodbujanje Learners’digitalne (AI)kompetence Digitalučencev Competence,na Levelpodročju UI, raven 2 – Reflectivereflektirano Implementation)izvajanje):: »Učitelji lahko “Teachersizvajajo canusmeritve, implementki guidanceučencem thatpomagajo helpsrazvijati learnerspraktične developingveščine practicalUI, AIpri skills,čemer adaptingnaloge theprilagajajo taskspredznanju toučencev learners’in priorrazpoložljivim knowledgeorodjem and the AI tools available.”UI.«

ByOb thekoncu endure ofučenci the lesson, students can:znajo: describeopisati theključne key variablesspremenljivke (preypopulacija population,plena, predatorpopulacija population)plenilcev) andin parametersparametre (growthstopnja rate,rasti, predationstopnja rate,plenjenja, conversionučinkovitost efficiency,pretvorbe, mortalitystopnja rate)umrljivosti) of themodela Lotka–Volterra model;Volterra; formoblikovati andin testpreizkusiti hypotheseshipoteze abouto populationdinamiki dynamicspopulacij usingz aninteraktivno interactive simulation;simulacijo; extendrazširiti anobstoječo existingsimulacijo simulationz withdodatnimi additionalplastmi layersekološke of ecological complexitykompleksnosti (e.g.npr. akapaciteta carryingokolja, capacity,druga avrsta, secondsezonski species,dejavnik) atako, seasonalda factor)za byjezikovni writingmodel structuredUI promptsnapišejo forstrukturirane anpozive AI language model;(prompte); criticallykritično evaluateovrednotiti thepredpostavke model’in omejitve modela (narava znanosti), vključno s assumptionstem, andzakaj limitationslahko (Natureuvedba ofnaključnosti Science),ali includingdodatnega whydejavnika introducingmodel randomness or an additional factor can destabilise it.destabilizira.

Take-homeSporočilo message:za Studentss don'tseboj: needUčenci tone codepotrebujejo fromkodiranja scratch.od Readingzačetka. andBranje testingin anpreizkušanje existingobstoječe simulation,simulacije, thennato usingpa anuporaba LLMjezikovnega tomodela add(LLM) oneza layerdodajanje ofene ecologicalplasti realismekološke atrealnosti anaenkrat, time,zadostuje isza enoughpristno torazumevanje builddinamičnega genuinebiološkega understandingmodela of– ain dynamicprej biologicalali slej za to, da učenci sami odkrijejo, kje natanko ta model —doseže and,svoje sooner or later, to discover for themselves exactly where that model reaches its limits.meje.

FigSlika 1. ImageSlika, generatedustvarjena withz ChatGPT (GPT Image 2), August27. 27,avgust 2026.

ContentVsebina

MathematicalMatematični models and computer simulations are especially valuable toolsmodeli in ecology,računalniške becausesimulacije theyso canše expressposebej highlydragoceno complexorodje systemsv throughekologiji, mathematicalsaj equations.lahko Thiszelo makeskompleksne itsisteme possibleizrazijo toz runmatematičnimi experimentsenačbami. To omogoča izvajanje poskusov in silico andter testpreizkušanje hypotheseshipotez onna themodelu v primerih, ko bi bil resničen poskus predrag, prepočasen, etično sporen ali naravnost nevaren. Manipuliranje z resnično populacijo plenilcev je na primer le redko mogoče. Hkrati pa je vsak model nujno poenostavitev resničnosti in situationsprav wherev atem realso experimentnjegove wouldšibkosti: beresnični tooekosistemi costly,so tooveliko slow,bolj ethicallykompleksni, difficult,kot orjih outrightlahko dangerous.kateri Manipulating a real predator population, for instance, is rarely an option. At the same time, everykoli model isv necessarilyceloti a simplification of reality, and this is exactly where its weaknesses lie: real ecosystems are far more complex than any model can fully capture.zajame.

TheModel Lotka–Volterra je klasičen primer takšne poenostavitve, uporabljene za dinamiko plenilec–plen. Sistem predstavi z dvema stanjskima spremenljivkama (velikost populacije plena in plenilcev) ter štirimi parametri (naravna stopnja rasti plena, koeficient stopnje plenjenja, stopnja razmnoževanja plenilcev na zaužiti plen in stopnja umrljivosti plenilcev). Ob svojih idealiziranih predpostavkah model isnapove atrajne, classicperiodične exampleoscilacije, ofpri suchkaterih aspremembe simplificationv appliedpopulaciji plenilcev zaostajajo za spremembami v populaciji plena. To vedenje izhaja iz povratne zanke: ko se populacija plena poveča, imajo plenilci na voljo več hrane, kar omogoči rast populacije plenilcev. Povečano plenjenje nato povzroči upad populacije plena, kar zmanjša vir hrane za plenilce in vodi v upad njihove populacije. Ko je plenilcev manj, si populacija plena lahko opomore, cikel pa se ponovno začne.

Da bi dosegel ta čisti cikel, model temelji na več močnih predpostavkah. Je determinističen (enake začetne vrednosti vedno ustvarijo popolnoma enako krivuljo); je zaprt dvovrstni sistem, ki izključuje vsak abiotski dejavnik (temperatura, padavine, letni čas) in vsak drug biotski dejavnik (rastline, ki so hrana plenu, tretja vrsta, bolezen); poleg tega je rast vsake populacije odvisna izključno od velikosti druge populacije.

Resnične populacije le redko izpolnjujejo te predpostavke. Rojstva, smrti in srečanja so odvisni od naključja, stohastična (naključna) različica istega modela pa se pogosto oddalji od čistega cikla in lahko celo propade (npr. populacija plenilcev izumre) v primerih, ko deterministična različica napove stabilno nihanje. Podobno pogosto zadostuje že dodatek enega samega manjkajočega dejavnika (npr. rast, odvisna od temperature, ali omejitev lastnega vira hrane za plen), da se čisti dvospremenljivkovni cikel poruši. To ni pomanjkljivost, ki bi jo bilo treba skrivati pred učenci – gre za osrednjo lekcijo o naravi znanosti v tej dejavnosti. Model je lahko resnično uporaben, hkrati pa je namerno ozka približna predstavitev resničnosti, njegova dobra uporaba pa pomeni natančno poznavanje dejavnikov, ki jih izpušča. V glavni dejavnosti te učne ure učenci to predator–preyodkrijejo dynamics.sami, Itko representsposkušajo thedodati systemprav usingtakšne two state variables (the prey and predator population sizes) and four parameters (the prey’s intrinsic growth rate, the predation-rate coefficient, the predator’s reproduction rate per prey consumed, and the predator’s mortality rate). Under its idealized assumptions, the model predicts sustained, periodic oscillations in which changes in the predator population lag behind those in the prey population. This behavior arises from a feedback loop: as the prey population increases, more food becomes available to predators, allowing the predator population to grow. Increased predation then causes the prey population to decline, which reduces the predators’ food supply and leads to a decline in the predator population. With fewer predators, the prey population can recover, and the cycle begins again.

To produce this clean cycle, the model makes several strong assumptions. It is deterministic (the same starting values always produce exactly the same curve); it is a closed two-species system that excludes every abiotic factor (temperature, precipitation, season) and every other biotic factor (food plants for the prey, a third species, disease); and it makes each population's growth depend on nothing except the size of the other population.

Real populations rarely meet these assumptions. Births, deaths and encounters are subject to chance, and a stochastic (randomised) version of the same model tends to drift away from the clean cycle and can even collapse (e.g. the predator population dying out) in cases where the deterministic version predicts stable oscillation. Likewise, adding just a single missing factor (e.g. a temperature-dependent growth rate, or a limit on the prey's own food supply) is often enough to break the clean two-variable cycle. This is not a flaw to hide from students, it is the central Nature-of-Science lesson of the activity. A model can be genuinely useful, while still being a deliberately narrow approximation of reality and using it well means knowing exactly which factors it leaves out. In this lesson's main activity, students discover this for themselves by trying to add exactly these kinds of factors.dejavnike.

LessonUčni plannačrt

PhaseFaza	TimeČas	ActivityDejavnost
IntroductionUvod	8 min	TheUčitelj teacherspokaže showsneoznačen angraf unlabelledresničnih graphpodatkov ofo arazmerju real predator–prey data seriesplenilec–plen (e.g.npr. lynx/hare)ris/zajec); studentsučenci describeopišejo thevzorec patternin andoblikujejo formprve first hypotheses.hipoteze.
InputVhodne informacije	12 min	TheUčitelj teacher introduces the model’s variablespreprostim anddiagramom parameterspredstavi usingspremenljivke ain simpleparametre diagrammodela (nodiferencialne differentialenačbe equationsniso needed)potrebne).
ExplorationRaziskovanje	15 min	StudentsUčenci testv theirparih hypothesespreizkusijo svoje hipoteze na vnaprej pripravljeni HTML-simulaciji in pairszapišejo onsvoja a ready-made HTML simulation and record their observations.opažanja.
AdaptationPrilagajanje	35 min	InV pairs,parih studentsučenci work throughizvedejo 2–3 roundskroge of predictnapoved → promptpoziv → testpreizkus → diagnosediagnoza (guidingvodilna questionsvprašanja below)spodaj), eachpri timečemer askingvsakič theod LLM tozahtevajo, addda onesimulaciji moredoda layerše ofeno ecologicalplast realismekološke to the simulationrealnosti (aomejitev limitvira onhrane theza prey'splen, fooddrugo supply,vrsto, asezonski/abiotski seconddejavnik), species,dokler ase seasonal/abioticčisti factor)dvospremenljivkovni untilcikel thevidno cleanne two-variable cycle visibly breaks down.poruši.
ReflectionRefleksija	20 min	Whole-classRazprava discussion,s guidedcelotnim byrazredom, questionsvoditi suchjo as:je Atmogoče whichz roundvprašanji, didkot theso: simulationV stopkaterem producingkrogu aje clean,simulacija repeatingprenehala cycle?ustvarjati Whatčist, doesponavljajoč these originalcikel? Kaj izvirni model deliberatelynamerno leaveizpušča out,in andzakaj? why?Zaradi Whatčesa makesje itkoristna apoenostavitev usefulin simplificationne ratherzgolj thannapačna simply a wrong one?predstavitev?

GuidingVodilna questions:vprašanja: layeringdodajanje complexityplasti kompleksnosti

PairsPari work through as many of the following rounds as time allows in thev 35 minutesminutah izvedejo toliko krogov, kot dopušča čas (mostvečina managejih two;obvlada thedva; thirdtretji isje andodatna extensionnaloga forza earlytiste, finishers)ki končajo prej). EachVsak roundkrog followssledi theistemu sameštiristopenjskemu four-step cycle:ciklu:

1. RoundKrog 1 —– limitomejitev thevira prey'shrane foodza supplyplen (akapaciteta carrying capacity)okolja):
   • Predict:Napoved: BeforePreden youzačnete startoblikovati prompting,poziv, aksse yourself:vprašajte: whatkaj dopričakujete, youda expectse tobo happenzgodilo to the cycle if the prey's growthciklom, slowsče downse oncebo therast populationplena getsupočasnila, large,ko insteadbo ofpopulacija growingvelika, withoutnamesto limit?da Sketchbi therasla curveneomejeno? youSkicirajte expect.pričakovano krivuljo.
   • Prompt:Poziv: AskUI thenaročite, AInaj tov addsimulacijo adoda maximumnajvečjo sustainabletrajnostno preypopulacijo population to the simulation, and to explainplena in itss ownsvojimi wordsbesedami howrazloži, itkako changedje thezaradi growthtega equationspremenila toenačbo do this.rasti.
   • TestPreizkus &in compare:primerjava: RunZaženite thenovo newsimulacijo simulationz withenakimi thezačetnimi samevrednostmi startingkot valuesprej. asPrimerjajte before.prejšnjo Comparesimulacijo thez previousnovo: simulationkako withso these newspremenile one:spremenljivke? howZakaj didje the variables change? Why is that?tako?
   • Diagnose:Diagnoza: WhichKatero assumptionpredpostavko ofizvirnega the original modelmodela (unlimitedneomejena foodhrana forza theplen) prey)ste didpravkar youodstranili? justJe remove?ta Isdejavnik thisbiotski factorali biotic or abiotic?abiotski?
2. RoundKrog 2 —– adddodajanje anothernovega (bioticbiotskega orali abiotic)abiotskega) factor:dejavnika:
   • Predict:Napoved: IfČe azdaj thirds speciesplenom nowza competeshrano withtekmuje thetretja preyvrsta, forga food,tudi orlovi, preysali onpa itje asrast well,plena orodvisna if prey growth now depends onod temperature what– dokaj youpričakujete, expectda thisse tobo dozgodilo toz theizvirnim originaldvovrstnim two-species cycle?ciklom?
   • Prompt:Poziv: ChooseIzberite anotherdrug factordejavnik andin writenapišite apoziv, prompts askingkaterim theUI AIprosite, tonaj addga itdoda askot anovo newspremenljivko, variablepovezano linkedz toobstoječimi the– existingnatančno onesdoločite, —kako specifynaj exactlyvpliva howna itpopulacijo shouldplena interactali with the prey or predator population.plenilcev.
   • TestPreizkus &in compare:primerjava: ObserveOpazujte thesimulacijo simulationskozi overveč severalciklov. cycles.Ali Doesizvirni thedvovrstni originalritem two-speciespreživi, rhythmse survive,popači getali distorted, or disappear?izgine?
   • Diagnose:Diagnoza: The originalIzvirni model assumedje eachpredpostavljal, populationda dependsje onlyvsaka onpopulacija theodvisna other.zgolj Isod thatdruge. stillAli trueto afterše thisvedno round?drži Whatpo realtem ecologicalkrogu? relationshipKateremu doesresničnemu yourekološkemu newrazmerju factorustreza represent.vaš novi dejavnik?
3. OptionalDodatni roundkrog 3 —– introduceuvedba randomness:naključnosti:
   • Predict:Napoved: IfČe oneen parameter (e.g.npr. thestopnja predationplenjenja) rate)ni isveč nofiksen, longertemveč fixedse butob drawnvsakem randomlyčasovnem withinkoraku anaključno rangeizbere atznotraj eachrazpona, timekaj step,pričakujete whatza dodolgoročno youstabilnost expect for the long-term stability of the populations?populacij?
   • Prompt:Poziv: AskUI thenaročite, AInaj toeno replacekonstantno onevrednost constantparametra parameternadomesti withz anaključno randomisedvrednostjo valuein andnaj tobeleži, keepali trackkatera ofod whetherpopulacij eitherdoseže populationvrednost reaches zero.nič.
   • TestPreizkus &in compare:primerjava: RunSimulacijo thezaženite simulationvečkrat severalz timesenakimi withnastavitvami. theAli samevsakič settings.dobite Doenak yourezultat? getAli thekatera sameod resultpopulacij everykdaj time? Does either population ever collapse?izumre?
   • Diagnose:Diagnoza: WhyZakaj canlahko theenake same»povprečne« “average”vrednosti parameterparametrov valuestu sometimesvčasih leadpripeljejo todo extinctionizumrtja, here,medtem whenko the deterministicdeterministični model nevertega predictednikoli that?ni napovedal?

ClosingZaključno questionvprašanje (forza thefazo Reflect phase)refleksije): AtV whichkaterem roundkrogu didje thesimulacija simulationprenehala stopustvarjati producingčist, aponavljajoč clean,se repeatingcikel cycle– —in andkaj whatvam doesto thatpove tello youtem, aboutkoliko howresničnih manydejavnikov real-worldmora factorsizvirni the originalmodel Lotka–Volterra modelizpustiti, hasda toostane leave outrešljiv in orderenostaven toza stay solvable and easy to interpret?razlago?

MaterialsGradiva

• OneEn laptopprenosnik perna studentpar pair,učencev, withz a browserbrskalnikom
• AccessDostop todo anklepetalnega vmesnika LLM chatprek interfaceinterneta viaali thelokalno internet,nameščenega ormodela, ače locallyje installeddostop modeldo ifinterneta internetv accessšoli is restricted at schoolomejen
• Ready-madeVnaprej HTMLpripravljena predator–preyHTML-simulacija simulationplenilec–plen (singleena file,sama slidersdatoteka, fordrsniki selectedza parameters)izbrane parametre)
• AKratka shortpredloga promptingza oblikovanje pozivov / worksheetdelovni templatelist forza thekroge “layering»dodajanja complexity”plasti roundskompleksnosti« (predictnapoved → promptpoziv → testpreizkus → diagnose)diagnoza)
• GuidingVodilna questionsvprašanja forza thefazo explorationraziskovanja phasein andrefleksijo theo Nature-of-Sciencenaravi reflectionznanosti (modelnamen purposemodela vs.v modelprimerjavi limits)z njegovimi omejitvami)