关键词：案例教学；AI赋能；个性化学习；

课程简介

药物化学是一门融合医学、药学、生命科学、化学及人工智能等多学科的重要交叉学科，也是新药创制的核心基础。本课程是为药学及临床药学专业本科三年级学生开设的专业核心课程，共计3学分，48学时。

课程聚焦药物分子与生物靶分子之间的相互作用规律，系统阐明药物的化学结构与药理作用之间的关系。教学内容涵盖药物分子的设计、合成、构效关系分析及其体内代谢过程，并通过各类药物的专题综述与典型案例剖析，帮助学生构建综合能力与全局视野，培育投身创新药物研发的学术志趣与专业素养。

图1课程内容及核心问题

药物化学课程团队自2008年组建，同年获评校级优秀教学团队。2020年起，课程组由上海交通大学药学学科负责人、药学院院长张翱教授担任负责人。张翱教授为科技部创新人才推进计划“重点领域创新团队”负责人及中科院“百人计划”入选者，领衔专业及课程建设。

作为新药研究的核心课程，课程团队始终秉承“懂医精药、善研善成”的育人理念，以培养药学拔尖创新人才、推动研发适合中国人生命基因传承与身体素质特点的原创“中国药”为根本目标。课程先后获评第三批国家一流本科课程（线下课程）、上海交通大学课程思政示范课程，并立项为上海交通大学首批智慧课程（数智课程）。

教学团队拥有丰富的科研与教学经历，持续将科研成果融入课堂教学，不断推进教学改革探索。2023年，团队获评上海交通大学优秀基层教学组织；2025年，团队教师荣获第二届上海市课程思政教学设计展示活动一等奖、第五届上海市教师教学创新大赛一等奖，以及上海交通大学教书育人二等奖。 

以案例为锚、筑牢专业基石

传统药物化学课堂以药物罗列、性质陈述及构效关系总结为主，知识点分散、呈现形式单一，缺乏深度的知识关联与新药研发全链条意识的渗透。课前学情调研显示，仅67.5%的学生认为自身基础能够匹配课程学习目标。该数据所折射的核心问题并非知识储备的绝对不足，而是学生在复杂情境中调用、联结与迁移知识的“学习力”相对薄弱。具体表现为：在课程学习中，学生对综合性问题的理解与拆解存在困难，难以顺利构建解题思路，也未能有效调动多领域知识形成系统性的解决方案。

对标新药科背景下“有情怀、强基础、重交叉、善创新”的药学创新人才培养目标，教学团队以药物研发为核心载体，推动案例教学实现根本性转变——从“讲授案例中的知识”升维至“通过案例系统提升学生的学习力”。具体实施路径如下：

以“问题链”驱动深度学习：将新药研发中的真实复杂问题逐层拆解，构建沉浸式学习场景，引导学生从被动接收结论转向主动提出问题、分析问题并解决问题，在此过程中完成知识内化，提升批判性思维与知识迁移能力。

以“人物志”涵养使命担当：通过药物研发史中的真实故事与榜样力量，引导学生深刻体认“医药强国”的时代使命，实现价值引领与专业教育的有机统一。

以“全链条”锻造系统思维：贯通基础研究、临床需求、产业转化与学科交叉，帮助学生在案例学习中构建宏观视野，强化应对真实世界复杂问题的综合能力。

图2围绕新药研发开展案例教学

“中国药”主题案例是课程案例教学的特色模块。教学团队以临床应用为导向，依托自主成功转化的科研成果，系统建设主题案例资源，涵盖案例微课与教学过程文字案例。该模块在展现学科前沿的同时，引导学生实现从“看案例”向“用案例”的转变——即以案例中的问题触发自主学习，将案例中的策略迁移至新的研究与开发场景，从而充分发挥案例在提升学习力、引导专业志趣、强化使命担当等方面的综合育人功能。

 图3中国药主题案例教学 

以AI为翼、助力教学模式创新

1.AI+案例专题科研实践：从技能演练迈向学习力锻造

在“AI+案例”专题科研实践中，课程不局限于AI工具的应用技能训练，而是聚焦于学生学习力的系统提升——包括自主学习能力、批判性思维、知识迁移能力以及创新解决问题的能力。

课程围绕真实科研课题，引导学生深入研讨研发过程中的关键节点与复杂问题，并开展小组协作学习。学生依托教学团队自主建设的虚拟仿真实验平台，开展计算机辅助药物设计、药物合成及生物活性评价等跨学科综合性研发训练。通过分析化合物活性与分子对接数据，学生自主优化分子结构，验证研讨环节提出的策略假设。

完成虚拟仿真实验后，学生进一步使用AlphaFold3预测化合物与靶标的复合物构象，并结合活性数据与分子对接结果进行对比分析。该过程要求学生自主提出问题、形成实验假设，在真实科研情境中锤炼高阶学习力。AI工具的使用并非替代思考或直接给出结论，而是激发学生从工具操作走向真相探究——客观分析AI生成的结果，有效利用其提供的研究假设逼近科学真相。对于学有余力且兴趣浓厚的学生，教学团队还提供线下课题立项指导。目前，多位同学已获得大学生创新计划、䇹政学者等本科生科创项目的立项资助。

图4AI+科研实践

2.基于“AI+”课程平台构建“HI+AI”个性化学习模式：以学习力为中心的人机协同

教学团队在智慧树平台完成AI+课程建设，构建了涵盖17个知识模块、111个知识点的课程地图与知识图谱，并挂载课件、视频、教材、教案等261项自建及AI拓展资源，面向全国开放共享。

图5 AI+课程建设

在此基础上，团队结合课程特点构建了“HI+AI”个性化学习模式。其核心并非向学生推送资源，而是赋能学生自主规划学习路径、主动管理学习进程、自我评估学习成效。

学生在智慧平台上以知识点为单位接受任务，完成课前自主学习。课内，教师通过面对面的教学指导（HI），帮助学生巩固关键知识点，促进知识内化与前沿拓展。AI的角色不仅是获取知识的工具，更是“学习力伙伴”——支持学生识别自身知识盲区、推荐个性化学习路径、提供即时反馈。学习过程的主动权始终置于学生手中，AI旨在增强而非取代学生的思考与判断。 

图6 AI+学习模式

3.构建问题图谱、融入“AI+”案例教学：从问题拆解到学习力迁移

面对案例教学中的真实复杂问题，课程在AI+平台上构建了问题图谱，将复杂问题层层拆解，引导学生从微观的基础问题入手，逐步构建解决问题的知识体系。目前已形成全局层问题26条、概念层问题47条、方法层问题38条，并与知识图谱实现深度关联。

问题图谱并非简单的“问题—答案”匹配工具，而是一种思维导航系统。学生通过拆解复杂问题，练习结构化思维、因果推理及多方案比较等核心学习能力。同时，学生可回溯至知识图谱，理解问题与知识点之间的内在联系，实现知识的整合与迁移。数据表明，使用问题图谱前后，期末药物研发综合类简答题的平均分从74%提升至84%。这一显著提升反映了学生面对陌生复杂问题时自信心与解决能力的实质性增强，是AI赋能学习力的典型体现。 

图7问题图谱建设

4.配备AI助教：支持全天候自主学习力发展

药物化学“AI+”课程配备了AI助教，但其定位并非“24小时答题机器”，而是学生学习力发展的长期陪伴者。

教师可借助AI出题、AI生成教案等功能辅助教学。更重要的是，课程配备了引导式学习与智慧测评专家等AI智能体，辅助学生自测学习成效，帮助学生主动发现知识盲点，并获得个性化、进阶式的学习路径建议。AI助教提供全天候的学伴服务，但始终坚持“学生先独立思考，再借助AI验证或拓展”的原则。

学生使用AI智能体进行学习时，智能体优先引导其回顾相关知识点、提出自己的初步判断或尝试性解决方案，再提供补充信息。这一机制促使学生在每一次互动中锻炼提问能力、信息筛选能力与判断能力，从而真正提升自主学习力。

图8 AI控制台互动情况统计

多维评价驱动，创新成效显著

持续的课程教学改革与“AI+”建设取得了显著成效。在多元教学有效性评估（MATE）中，课程教学核心素养专家评价位居全库及校内前列。学生的学习方式呈现出典型的深层学习特质，表明课程设计有效激发了学生的内在兴趣，使其在学习过程中获得深层乐趣。通过案例学习，学生不仅巩固了课堂知识，更显著提升了问题解决能力。

图9 MATE评估结果

学期末的问卷调研显示：超过90%的学生认为案例教学有助于巩固药物化学基本原理、了解药物研究方法与学科前沿，并能有效激发对科学问题的深入思考；88%的学生肯定智慧课程对课程学习的辅助作用；74%的学生表示能够从与AI助教的互动中获得学习帮助。此外，在主观评价中，学生们也普遍对课程教学效果表达了积极肯定。

图10期末问卷调研

在逐步建设的过程中，教学团队主编或参与教材建设4项，获省部级教材奖1项。完成省部级教改项目2项，主持校级教改项目7项，获校级教学成果一等奖2项、二等奖1项，发表教学论文3篇。 

未来发展

在今后的教学探索中，教学团队将进一步深入挖掘智慧平台的育人潜能，推动教师引导（HI）与人工智能（AI）的深度融合。融合的核心并非技术叠加，而是以学生学习力的持续成长为中心。课程将紧跟新药研发领域的前沿成果与真实案例，动态更新教学内容与方法，使课程始终扎根于学科前沿发展和产业实际需求。

更为重要的是，团队将充分发挥人工智能在激发学习主动性、训练高阶思维中的作用——AI不再是简单的答案提供者，而是学生认知进阶的挑战者与协作者。通过智能化的学习分析、个性化的问题引导以及实时的思维反馈，AI将帮助学生不断发现自身知识盲区、优化学习策略、提升解决复杂问题的能力。同时，教学团队也将利用AI提供的过程性数据，精准洞察学生学习力的发展轨迹，为教学改进提供更具深度和前瞻性的决策支持。

我们期望，每一位学生在AI赋能的学习环境中，不仅能掌握药物化学的专业知识，更能成长为具备自主学习力、批判性思维力和持续创新力的未来医药人才。