近日，计算机学院青年教师吕骥博士在助讲导师周昌军教授指导下完成的教学研究成果“Teaching Artificial Intelligence through Drug–Drug Interaction Clustering Analysis: Integrating Project-Based Learning and Large Language Models”发表于国际知名学术期刊PLOS Computational Biology ，合作人员包括吉林大学刘桂霞教授。该研究立足智能时代高等教育人才培养需求，围绕人工智能通识教育改革开展探索，将科研前沿问题融入本科教学实践，构建项目驱动、学科交叉、科研反哺教学的创新育人模式。

随着AI技术的快速发展，AI素养已成为新时代大学生的重要核心能力。然而，当前高校人工智能课程大多面向计算机专业学生，对于非计算机专业低年级本科生而言，系统学习AI知识与实践技能的机会仍然相对有限。同时，传统教学模式往往以知识讲授为主，缺乏真实问题驱动和实践应用场景，学生参与度和学习主动性有待进一步提升。

针对上述问题，研究团队提出了一种融合大语言模型（LLMs）与项目式学习（PBL）的AI教学方案。课程以真实科研项目——药物相互作用（Drug–Drug Interaction, DDI）网络聚类分析为主线，构建“项目驱动、AI赋能、科研融入”的教学模式，设计了四个循序渐进的实践任务（图1），引导学生逐步完成数据处理、算法实现、结果评估和科学分析等完整研究流程。

图1 《人工智能实践应用（理工科）》课程安排

与传统教学方式不同，该课程不要求学生具备药学背景或编程基础，而是充分发挥LLMs在代码生成、数据分析和问题求解等方面的辅助作用，降低学习门槛，帮助学生将更多精力投入到问题分析与创新实践之中。通过参与真实科研案例，学生不仅掌握了聚类分析等AI基础方法，还能够深入理解AI技术在药物研发和生物医学研究中的实际应用价值。

教学实践表明，该教学模式有效提升了学生的学习兴趣和课堂参与度，增强了利用AI解决复杂问题的能力，同时培养了跨学科思维和团队协作意识。研究为LLMs融入PBL提供了可借鉴的实施框架，也为高校AI教育改革提供了新的思路和实践经验。

PLOS Computational Biology 是国际知名的计算生物学与生物信息学领域学术期刊，被中国计算机学会（CCF）推荐目录列为B类国际学术期刊。该期刊于2006年设立Education专栏，致力于推动计算生物学和生物信息学教育发展，重点关注创新教学模式、课程体系建设和人才培养实践，为全球相关领域教育工作者提供重要的学术交流平台。

编辑：武艳