高中数学跨学科实践：动物觅食策略的数学模型建构与优化分析教案

  高中数学跨学科实践：动物觅食策略的数学模型建构与优化分析教案

  一、设计理念

  本教学设计以《普通高中数学课程标准（2017年版2020年修订）》为指导，立足于发展学生数学建模、数学抽象、逻辑推理、数学运算及数据分析等核心素养。课程以“动物觅食行为”这一真实的生物学现象为研究对象，旨在引导学生经历完整的数学建模活动过程（情境与问题、模型假设、模型建立、模型求解、模型分析、模型检验、模型应用），体验从现实世界跨入数学世界、再从数学世界回到现实世界的科学探究历程。设计强调数学与生物学、生态学、优化理论等学科的深度交叉融合，通过构建数学模型来揭示自然界中普遍存在的优化策略，培养学生的跨学科思维、科学探究能力与解决复杂现实问题的综合素养。教学过程中，倡导“以学生为中心”的探究式、项目式学习，借助数字化工具（如几何画板、Python编程、数据分析软件）促进深度学习与模型可视化，并关注模型的社会价值与伦理意蕴，提升学生的科学精神与社会责任感。

  二、学情分析

  本课程面向高中二年级下学期学生。此阶段学生已具备较为扎实的函数（特别是指数、对数、幂函数）、三角函数、平面解析几何、导数及其应用、概率统计初步等数学知识基础；在物理、生物等学科中，初步接触过用数学工具描述自然现象的方法（如运动学公式、种群增长模型），具备一定的抽象思维与逻辑推理能力。学生对自然界充满好奇，对利用数学“解码”生物行为具有潜在的兴趣动机。然而，学生普遍缺乏将复杂现实问题系统性地转化为数学问题的经验（即数学建模的完整流程训练），在模型假设的合理性、数学工具选择的恰当性、模型结果的解释与批判性评价等方面存在明显短板。此外，面对多变量、多目标的优化问题，学生可能感到困难。因此，教学设计将采用“问题链”驱动、梯度任务分解、小组合作探究、工具赋能等方式，搭建思维脚手架，引导学生循序渐进地完成建模挑战。

  三、教学目标

  1.知识与技能目标：

  （1）理解并能够描述经典动物觅食模型（如最优觅食理论的边际值定理、理想自由分布模型）的基本思想和适用场景。

  （2）掌握将觅食行为中的关键要素（时间、能量、收益、风险）抽象为数学模型变量与参数的方法。

  （3）能够根据具体觅食情境，建立基于函数、不等式、微分或概率的数学模型，如收益-时间函数、期望净收益模型。

  （4）熟练运用导数求解函数极值、利用几何或代数方法求解不等式约束下的优化问题，初步了解线性规划、动态规划思想在连续或离散选择问题中的应用。

  （5）能够使用几何画板、Python（NumPy,Matplotlib库）或计算器对模型进行数值模拟、可视化呈现和敏感性分析。

  2.过程与方法目标：

  （1）经历完整的数学建模循环：从生物现象中提出数学问题→进行合理简化与假设→建立数学模型→求解与分析模型→检验与修正模型→解释与应用结论。

  （2）通过小组合作，学习如何分工协作、交流观点、整合资源，共同完成一项复杂的建模任务。

  （3）掌握利用信息技术工具辅助建模、计算和表达研究成果的方法。

  3.情感态度与价值观目标：

  （1）感受数学作为“宇宙的语言”在揭示自然规律中的强大力量，激发学习数学的内在动力与跨学科探索的热情。

  （2）形成严谨求实的科学态度，认识到模型是对现实的近似，理解模型假设的局限性及其对结论的影响。

  （3）体会自然界中生物为适应环境而演化出的“最优”策略所蕴含的智慧，初步建立生态平衡与可持续发展的观念。

  四、教学重点与难点

  教学重点：

  1.数学建模过程的系统化实践：重点引导学生掌握如何将“动物如何选择觅食地点、食物种类和停留时间”等生物学问题，系统地转化为可量化的数学优化问题。

  2.核心数学模型的建构与求解：聚焦于“收益-时间权衡”模型的建立，特别是如何利用导数求解使净能量收益率最大化的最优停留时间（边际值定理的数学表述）。

  教学难点：

  1.现实问题的数学抽象：如何从复杂的现实觅食行为中剥离次要因素，抓住核心变量（如旅行时间、处理时间、能量值、遇见率）并建立它们之间的函数关系。

  2.多变量约束下的优化分析：当模型涉及多个决策变量（如选择不同斑块）或多个约束条件（如总时间、最小生存能量）时，学生理解和求解优化问题的难度增加。

  3.模型结果的生物学解释与批判性思考：引导学生不仅仅满足于数学解，更要理解该解在生物学上的意义，并能讨论模型假设（如信息完全、理性决策）在真实世界中的合理性。

  五、教学准备

  1.教师准备：精心设计教学流程与“问题链”导学案；制作多媒体课件，包含丰富的动物觅食视频案例、图片、简化数据；准备几何画板动态演示文件；编写用于模型模拟的Python脚本示例；设计小组探究任务单和课堂形成性评价量规。

  2.学生准备：复习函数、导数及其应用的相关知识；预习教师提供的关于动物觅食行为的背景阅读材料；熟悉几何画板基本操作，或了解Python编程基础（可选，教师提供脚本支持）；组建4-5人的异质合作学习小组。

  3.环境与资源：多媒体网络教室，配备投影、白板、可进行小组讨论的桌椅；学生计算机安装几何画板、Python环境（如JupyterNotebook）及必要库；提供相关学术文献或科普资料的查阅途径。

  六、教学实施过程（总计约8课时）

  第一阶段：情境浸润与问题提出（约1课时）

  活动一：现象观察与直觉思考

  1.教师播放三段精心剪辑的视频片段：（A）蜂鸟在不同花丛间穿梭采蜜；（B）狮子群在草原上选择追击不同猎物；（C）松鼠在储存坚果时选择不同大小和距离的坚果。

  2.引导学生分组讨论并记录观察：这些动物在觅食过程中做出了哪些“选择”？它们可能要考虑哪些因素？（预期学生回答：去哪吃、吃什么、吃多久、是否合作捕猎等；考虑因素：食物多少、距离远近、花费时间、消耗体力、有没有危险等）。

  3.教师引出核心问题：动物的这些选择看起来“聪明”或“高效”，背后是否有规律可循？我们能否用数学的语言来描述和预测这些行为？

  活动二：概念引入与初步抽象

  1.教师介绍生态学中的“最优觅食理论”基本思想：自然选择倾向于使动物在觅食过程中最大化其净能量收益（或收益率），即单位时间内获得的能量减去消耗的能量。

  2.引导学生将上述思想数学化。以“选择吃什么”为例，提出一个简化问题：“假设一只鸟在树林里，可能遇到甲虫（能量高但难捕捉）和毛毛虫（能量低但易捕捉），它该如何分配捕食决策？”引导学生识别关键量：能量收益(E)、处理时间(h)、遇见率(λ)。直觉上，鸟是否应该只选择能量高的食物？引出“收益率”（E/h）的概念。

  3.通过一个简单计算示例，让学生发现：只选能量最高的食物未必总是最优。例如，甲虫E=10卡，h=5分钟，收益率=2卡/分；毛毛虫E=4卡，h=1分钟，收益率=4卡/分。即使甲虫总能量高，但毛毛虫收益率更高。初步建立“收益需与时间成本权衡”的数学直觉。

  设计意图：通过生动直观的视频和贴近学生思维的渐进式提问，激发探究兴趣。将生物学概念初步转化为数学思考，为后续正式建模铺垫核心思想（收益与时间的权衡），降低认知起点。

  第二阶段：模型建构（一）——单斑块最优停留时间模型（约2.5课时）

  活动三：从具体案例到一般模型

  1.问题情境具体化：呈现“蜜蜂访花”案例。一只蜜蜂飞到一片盛开的花丛（视为一个觅食斑块）。它在花丛中飞行和吸食花蜜，随着时间推移，花蜜被采集，后续单位时间能获得的能量（即瞬时收益率）会下降。

  2.变量定义与假设：

    教师引导学生共同定义：

    -T_t：从蜂巢飞到花丛的旅行时间（固定值）。

    -t：蜜蜂在花丛中实际采蜜的停留时间（决策变量）。

    -G(t)：在花丛中停留时间t所获得的总能量收益。讨论G(t)应具有的性质：G(0)=0，是t的增函数，但增长速率递减（即导数G'(t)>0，但G''(t)<0），可用凹函数（如G(t)=k*sqrt(t)或G(t)=a*(1-e^{-bt})）来模拟。

  3.目标函数建立：

    净能量收益=G(t)-飞行和采蜜过程中的能量消耗（为简化，可先忽略或视为与时间成正比，设为c*(T_t+t)）。

    净能量收益率R(t)=[G(t)-c(T_t+t)]/(T_t+t)。我们的目标是找到最优停留时间t

，使得R(t)最大化。

    为简化分析，先忽略消耗c，则目标简化为最大化平均收益率R(t)=G(t)/(T_t+t)。

  4.模型求解探索：

    几何直观：教师在几何画板中绘制坐标轴，横轴为总时间(T_t+t)，纵轴为总收益G(t)。点P的坐标为(T_t+t,G(t))。则R(t)即是原点O到点P连线的斜率。动态演示点P随t增加沿G(t)曲线移动，观察连线斜率的变化。引导学生发现：当OP连线与G(t)曲线相切时，斜率最大。此切点对应的t即为最优停留时间t*。

    代数求解：利用导数求极值。令R'(t)=0。推导可得：G'(t*)=G(t)/(T_t+t

)=R(t*)。这就是边际值定理的数学表达：最优停留时间出现在斑块内的瞬时收益率G'(t)下降到等于整个旅程（旅行+停留）的平均收益率R(t)的时刻。

  5.模型分析与讨论：

    -引导学生用几何画板改变旅行时间T_t，观察t*如何变化。结论：旅行时间越长，最优停留时间t越长。因为长途跋涉后，值得在斑块内采得更“干净”一些再离开。这与许多野外观察一致。

    -改变收益函数G(t)的形状（如改变参数k或b），观察t

的变化。理解斑块质量（初始收益率、下降快慢）对决策的影响。

    -模型检验：提供简化数据（如模拟的或来自经典实验的数据），让学生尝试用模型预测最优时间，并与“模拟蜜蜂”的实际行为（可由教师预设或来自文献）进行比较，讨论差异原因。

  设计意图：本环节是本节课的核心。通过一个结构清晰的案例，引导学生完整经历“假设-建立-求解-分析”的建模子循环。几何与代数双重视角，既提供直观理解，又巩固导数应用。边际值定理的得出，让学生体验到用简洁数学公式概括复杂生物规律的美感。

  第三阶段：模型建构（二）——多斑块选择与理想自由分布（约2.5课时）

  活动四：从单个决策到多个选择

  1.问题升级：如果环境中存在多个不同的觅食斑块（如几片花蜜量不同的花丛），一只动物（或一群动物）该如何在不同斑块间分配时间和个体？

  2.引入“理想自由分布”模型：情境设为多条河流支流，每条支流鱼群密度不同（即单位努力捕获率不同）。假设捕食者（如翠鸟）可以自由无成本地在各支流间移动。

  3.简单两斑块模型建立：

    设斑块1的收益率为R1，斑块2为R2，且R1>R2。最初所有捕食者都会涌向斑块1。但随着捕食者增多，斑块1的收益率会因为竞争而下降（假设每个捕食者获得平均份额）。引导学生思考：均衡状态会是什么样？

    建立均衡条件：当两个斑块对个体而言的期望收益率相等时，个体不再有动机移动。即R1/N1=R2/N2，其中N1,N2是分布在两个斑块的个体数，且N1+N2固定。

    推导得出：N1/N2=R1/R2。即捕食者的分布比例与各斑块的资源收益率（承载力）成正比。这就是理想自由分布的基本形式。

  4.模型求解与模拟：

    学生分组，用代数方法或数值方法求解具体比例。例如，给定R1=10,R2=6,总个体数N=20，求均衡时的N1和N2。

    进阶挑战：引入旅行成本（类似单斑块模型中的T_t），修正均衡条件。

  5.实验模拟与数据分析：

    教师组织课堂模拟活动：将教室前部分为两个“食物区”，用不同颜色的纸片代表不同收益率的食物，学生分组扮演“捕食者”，通过几轮“觅食”选择，收集分布数据。将实际分布与模型预测分布进行对比，用卡方检验等统计方法进行分析，讨论偏差原因（信息不完全、移动成本、个体差异等）。

  活动五：引入风险与不确定性

  1.问题深化：现实世界中，收益往往不是确定的。例如，斑块中可能有食物，也可能没有；捕猎可能成功，也可能失败。如何建模？

  2.建立期望收益模型：以“搜寻-处理”模型为例。动物在环境中搜寻猎物，遇到猎物的时间间隔服从指数分布（平均遇见率为λ）。遇到猎物后，有概率p成功捕获，获得能量E，处理时间为h；有概率(1-p)失败，获得0能量，处理时间可能不同。引导学生建立长期平均收益率模型。

  3.求解与分析：模型表达式可能为：R=(λ*p*E)/(1+λ*(p*h_s+(1-p)*h_f))，其中分母代表平均搜寻与处理时间之和。分析λ、p、E等参数对R的影响。讨论动物如何在“高风险高回报”和“低风险低回报”的策略间选择。

  设计意图：将模型从静态单决策扩展到动态多决策和不确定环境，体现建模的层次性和现实复杂性。通过课堂模拟活动，增强体验感，使抽象模型变得具体可感。引入概率，初步接触随机性建模，拓宽数学工具的应用范围。

  第四阶段：模型求解技术深化与应用迁移（约1.5课时）

  活动六：数字化工具赋能模型求解

  1.复杂函数求解：对于难以求解析解的模型（如更复杂的G(t)形式），引导学生使用数值方法。例如，在Python中定义收益函数和收益率函数，通过遍历或优化算法（如scipy.optimize）寻找最大值点。

  2.可视化分析：用Matplotlib绘制收益函数、收益率函数随t变化的曲线，直观展示最大值点。绘制不同参数下的曲线族，进行敏感性分析。

  3.多变量优化初步：以最简单的线性规划为例，模拟一个动物在一天内需要获取一定能量，可以选择两种食物，分别含有不同能量和营养成分（约束），时间有限。建立线性规划模型（目标函数：最小化时间或风险；约束：能量、营养需求），并利用图解法或Python的PuLP库求解。

  活动七：联系实际，拓展应用

  1.生物学应用回顾：总结所学模型如何解释不同类型的动物行为：蜜蜂访花时间、羚羊群在不同草场的分布、鸟类食性选择、捕食者攻击策略等。

  2.跨领域迁移：引导学生思考数学模型的可迁移性。

    -经济学：消费者在不同商店间选择商品（比较收益/价格与交通成本）；企业投资不同项目（收益率与风险）。

    -计算机科学：网络数据包的路由选择（延迟与带宽）；缓存替换算法（如LRU可视为一种“觅食”策略）。

    -环境保护：设计自然保护区时，如何规划栖息地斑块的分布和连接廊道，以最大化物种存活率（可视为“觅食”与“生存”的优化）。

  3.社会性讨论：模型假设动物是“理性”的、追求最大化的，这与人类经济行为中的“理性人”假设有何异同？这种“最优化”是主动计算的结果，还是自然选择塑造的行为倾向？引发对科学模型本质的哲学思考。

  设计意图：提升学生的技术应用能力，将数学建模与信息技术深度融合。通过广泛的应用迁移，展示数学建模的强大解释力和预测力，打破学科壁垒，培养学生的联想与迁移能力。最后的思辨性问题，提升课程的思维深度和人文温度。

  第五阶段：成果总结、评价与反思（约0.5课时）

  活动八：项目总结与展示

  各小组选择本单元学习中最感兴趣的一个模型或拓展应用案例，制作一份精简的研究海报或PPT，进行5分钟课堂展示。内容需包括：问题描述、模型假设、数学推导/计算过程、主要结论、模型局限性与改进方向。

  活动九：形成性评价与反思

  1.教师结合评价量规（涵盖知识理解、建模过程、工具使用、合作交流、成果表达等方面）对小组及个人表现进行点评。

  2.引导学生撰写学习反思日志：我在整个建模过程中遇到的最大挑战是什么？是如何解决的？我对“数学有用吗”这个问题有了什么新的认识？模型结论可能被误用吗？（如过度简化用于管理决策）

  七、教学评价设计

  本课程采用“过程性评价为主，终结性评价为辅”的多元评价体系。

  1.过程性评价（70%）：

    -课堂参与与观察：记录学生在讨论、提问、回答问题中的表现，考察其思维活跃度与倾听习惯。

    -小组合作表现：通过小组任务单、组内互评，评估学生的分工协作、贡献度与沟通能力。

    -建模过程作品：包括问题分析草稿、变量定义清单、模型假设陈述、计算推导手稿、程序代码/几何画板文件等，评价建模思维的严谨性与阶段性成果。

    -反思日志：评价学生的元认知能力与批判性思维。

  2.终结性评价（30%）：

    -单元建模报告：要求学生独立或小组完成一份关于某个指定或自选觅食行为问题的完整建模报告。

    -知识应用小测：设计若干选择题、简答题和一个小型建模题，考察对核心概念、模型和求解方法的掌握情况。

  八、作业设计

  1.基础巩固题：给定一个具体的收益函数G(t)=5√t和旅行时间T_t=4，求解最优停留时间t，并解释如果旅行时间增加到9，t

将如何变化。

  2.模型探究题：研究“风险敏感性”觅食。假设动物有两种选择：A.确定获得4单位能量；B.50%概率获得7单位，50%概率获得1单位。计算期望值。如果动物表现出“风险厌恶”（偏好确定选项）或“风险偏好”，这违背了最优觅食理论吗？如何用效用函数（如U=E^0.8）来建模这种偏好？

  3.拓展研究题（可