换一批应用AI"识菌"模型,重塑微生物实验教学
Reinventing microbiological experimental teaching with AI "Identify Microbe" model
摘要微生物学实验在生命科学及相关专业教学中至关重要,显微制片与染色观察更是其中难度较高、工作量较大的环节,涉及细菌、霉菌、放线菌、酵母菌等多种微生物.传统实验课堂常采用教师集中式评价模式,学生需要排队等待人工评阅和反馈,时间成本高、效率低,教师也在重复性工作中耗费大量精力.为解决这一瓶颈,研究基于生成式人工智能(generative AI)技术开发了"识菌"(Identify Microbe)模型,通过提示词策略和工作流逻辑进行定制训练,使模型能在数秒内对学生提交的显微图像进行快速识别与自动评分,并输出针对性的操作改进建议.引入AI模型后,实验课堂整体效率显著提升,学生能够进行多轮次涂片操作并深度思考染色原理,显微图片质量高分率明显增加,教师则腾出更多时间进行个别化辅导和课程拓展."识菌"模型与微生物实验教学的融合不仅化解了显微操作批量评价的痛点,也为实验教育的数字化和智能化升级提供了切实可行的思路.
更多相关知识
关键词
识菌模型人工智能微生物学实验实验教学AI技术"Identify Microbe" modelartificial intelligencemicrobiology experimentexperimental teachingAI technology
分类号
G642.423
栏目名称
DOI
10.3969/j.issn.2095-1736.2025.04.009
发布时间
2025-09-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海交通大学人工智能+教育专项基金项目（CTLD24A0017）
- 浏览5
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
