STEM AI教學課程

STEM AI 創客領航計畫 (STEM AI Maker Navigator Program)

副標題：不只學寫程式，更是學會思考——培養下一代的智慧問題解決者

1. 服務願景與理念：從「使用 AI」到「理解 AI」

在當今世界，人工智能 (AI) 已無處不在。然而，真正的未來競爭力，並非僅僅在於學會如何操作某個特定的 AI 軟體或平台，而在於深刻理解其背後的運作原理、思維模式，並具備將其應用於解決實際問題的能力。

「AI 創客領航計畫」的願景，是為下一代搭建一座從「知識消費者」通往「智慧創造者」的橋樑。我們堅信，AI 教育的核心不應是工具的堆砌，而是思維的革命。

我們的核心理念是：

  • 概念先行，工具為輔： 我們專注於教授 AI 的核心概念、基本原理和思考框架。這使得學員所學的知識不會因特定工具的更迭而被淘汰，具備長遠的價值與適應性。
  • 啟發思考，而非灌輸指令： 課程設計旨在引導學員思考「為什麼」和「如何」，鼓勵他們對 AI 的能力與局限性提出批判性問題。
  • 跨學科融合 (STEM)： 我們將 AI 概念與科學 (Science)、技術 (Technology)、工程 (Engineering) 和數學 (Mathematics) 緊密結合，讓學員看到 AI 在不同領域的真實應用潛力。

2. 課程核心設計原則

我們的課程基於以下四大原則進行設計，確保學習的深度與廣度：

  1. 專案導向學習 (Project-Based Learning)：
    學員將在每個階段圍繞一個核心專案進行學習。從定義一個真實世界的問題開始，到設計一個概念性的 AI 解決方案，整個過程讓學習目標明確，充滿實踐性。

  2. 運算思維內化 (Computational Thinking Integration)：
    課程將「拆解問題、模式識別、抽象化、演算法設計」這四大運算思維基石，融入到每一個環節，訓練學員系統化、邏輯化地分析和解決問題的能力。

  3. 倫理思辨並行 (Ethical Deliberation)：
    技術的發展必須與責任感同行。我們在課程中特別設置了倫理思辨環節，引導學員探討 AI 帶來的社會影響、數據隱私、演算法偏見等重要議題，培養負責任的科技公民素養。

  4. 「不插電」活動與抽象化教學 (Unplugged & Abstract Activities)：
    許多複雜的 AI 概念，如神經網路、決策樹等，可以透過有趣的線下遊戲和互動活動來類比。這種「不插電」的教學方式有助於低年齡學員直觀地理解抽象原理，為後續深入學習打下堅實基礎。

3. 課程模組詳情：六大模組，循序漸進

本課程分為六個循序漸進的核心模組，每個模組都包含理論學習、案例分析、小組討論和動手實踐專案。

模組一：AI 的思維啟蒙 (The AI Mindset: An Awakening)
  • 學習目標： 建立對「智慧」的初步認知，理解 AI 的基本分類與歷史脈絡。
  • 核心內容：
    • 人類智慧 vs. 機器智慧：什麼是「思考」？
    • AI 簡史：從圖靈測試到今日的發展。
    • AI 的主要類型：強 AI 與弱 AI，基於規則的系統 vs. 基於學習的系統。
    • 專案實踐： 設計一個「智慧」的井字棋遊戲規則，思考如何讓電腦「看起來更聰明」。
模組二：數據的語言 (The Language of Data)
  • 學習目標： 理解數據是 AI 的「燃料」，學會如何看待、收集和初步處理數據。
  • 核心內容：
    • 什麼是數據？結構化數據與非結構化數據。
    • 數據的生命週期：收集、清洗、標註、分析。
    • 特徵與標籤：如何讓機器理解數據的意義。
    • 數據中的偏見：一個「不公平」的數據集會如何影響 AI。
    • 專案實踐： 為「辨識校園中的不同樹葉」專案設計一份數據收集與標註計畫。
模組三：學習的魔法：機器如何學習 (The Magic of Learning: How Machines Learn)
  • 學習目標： 透過類比和簡化模型，理解機器學習的三大主要範式。
  • 核心內容：
    • 監督式學習（像老師教學生）： 分類（這是貓還是狗？）與迴歸（預測明天的氣溫）。
    • 非監督式學習（自己找規律）： 聚類（將相似的顧客分組）。
    • 強化學習（從試錯中學習）： 透過獎勵與懲罰機制學習玩遊戲。
    • 專案實踐： 設計一個「垃圾分類機器人」的學習機制，決定應該使用哪種學習方式，以及需要什麼樣的獎勵和懲罰。
模組四：智慧的眼睛與耳朵：感知世界 (The Intelligent Eyes and Ears: Perceiving the World)
  • 學習目標： 了解 AI 在視覺和語言處理領域的基本原理。
  • 核心內容：
    • 電腦視覺入門：機器如何「看見」圖像（像素、邊緣、形狀）。
    • 自然語言處理入門：機器如何「理解」文字（關鍵詞提取、情感分析）。
    • 專案實踐：
      • （視覺）設計一個流程，判斷一張圖片中是否包含「笑臉」。
      • （語言）分析一段電影評論，手動標示出其中的正面和負面詞彙，模擬情感分析過程。
模組五：AI 倫理與社會影響 (AI Ethics and Societal Impact)
  • 學習目標： 培養對 AI 技術的批判性思維和社會責任感。
  • 核心內容：
    • 演算法的公平性：為什麼 AI 可能會產生歧視？
    • 隱私問題：我們的數據去哪了？
    • AI 與未來工作：哪些工作會被取代？哪些會被創造？
    • 透明度與可解釋性：「黑盒子」AI 的挑戰。
    • 專案實踐： 舉辦一場關於「是否應該在校園中部署人臉識別系統」的辯論賽。
模組六：畢業專案：AI 創客實踐 (Capstone Project: AI Maker in Action)
  • 學習目標： 綜合運用所學知識，從零開始設計一個完整的 AI 應用概念。
  • 核心內容：
    1. 問題定義： 選擇一個身邊（校園、家庭、社區）可以用 AI 解決的問題。
    2. 方案設計： 闡述你的 AI 解決方案是什麼，它如何工作。
    3. 數據規劃： 描述你需要什麼樣的數據，以及如何獲取。
    4. 模型選擇： 解釋你將採用哪種機器學習方法（監督/非監督/強化）。
    5. 倫理評估： 分析你的專案可能帶來的潛在倫理風險及應對措施。
    • 成果展示： 以海報、簡報或原型模型的方式，向同學和老師展示你的創客專案。

4. 教學方法與特色

  • 互動式工作坊： 小班教學，強調師生互動與同儕協作。
  • 案例研究： 分析真實世界中成功的（或失敗的）AI 應用案例。
  • 角色扮演與模擬： 讓學員扮演數據科學家、產品經理、倫理學家等不同角色，體驗 AI 專案的全貌。
  • 專家講座（可選）： 邀請業界人士分享 AI 在實際工作中的應用。

5. 學員預期收穫

完成本課程後，學員將能夠：

  • 清晰闡述 AI 的核心概念，並向他人解釋機器學習的基本原理。
  • 建立初步的「數據直覺」，理解數據品質對 AI 效能的決定性影響。
  • 掌握運算思維，並將其應用於分析和解決複雜問題。
  • 具備批判性思維能力，能夠從技術、社會和倫理等多個角度評估一個 AI 系統。
  • 獨立完成一份 AI 應用概念的設計方案，展現從問題定義到方案落地的完整思考路徑。

 

結論： 「STEM AI教學課程」不僅僅是一門課程，更是一次思維的升級。我們致力於點燃學員對未知的好奇心，賦予他們探索未來世界所需的羅盤與地圖，讓他們在即將到來的智慧時代中，成為自信、有遠見、負責任的領航者。

**以上AI課程由知名香港AI教學先行者 「香港AI學院」 提供課程內容及技術的支援，以確保 「AI課程」 高性價比的品質水平。