第 11 週|Python 智慧生活微型 Capstone 專題:從生活問題探索到專題構想
Python 程式實習|期末專題系列(第 1 篇)
圖:第 11 週專題啟動、問題探索、 自由組隊與專題構想教學重點。
學習 Python 程式設計時,我們通常從變數、條件判斷、迴圈、函式與資料結構開始,接著學習物件導向、例外處理與檔案處理。
但是,學會這些語法之後,還有一個更重要的問題:
如果老師不再指定題目,你能不能自己發現問題,並運用 Python 設計一套解決方案?
從第 11 週開始,我們將進入為期八週的「Python 智慧生活微型 Capstone 專題」。
這不是單純的程式作業,而是希望同學運用已學習的 Python 知識,搭配 AI 協作工具,從生活中發現問題,設計、開發並驗證一套可以實際操作的小型系統。
本週的重點不是寫出多少行程式,而是找到值得解決的問題,並提出八週內可以完成的專題構想。
一、什麼是 Capstone 專題?
Capstone Project 可以理解為整合性專題,目的是讓學生將不同階段所學的知識與技能,整合應用在一個具有明確目標的作品中。
例如,在 Python 課程中,我們已經學習:
- 變數與資料型別。
- 條件判斷與迴圈。
- 串列、字典與其他資料結構。
- 函式與模組。
- 物件導向程式設計。
- 例外處理。
- TXT、CSV、JSON 等檔案處理。
如果每個單元都只是完成一個獨立練習,學生可能知道如何使用語法,卻不一定知道如何將這些技術組合成一套完整系統。
Capstone 專題就是要將這些知識整合起來。
↓
需求分析
↓
系統設計
↓
Python 程式開發
↓
測試與驗證
↓
成果展示與反思
本課程稱為「微型 Capstone」,是因為專題時間只有八週,目標不是開發大型商業軟體,而是完成一套小而完整、可以操作、能夠驗證的 Python 系統。
二、為什麼 AI 時代仍然需要學習 Python?
現在可以透過 ChatGPT、Codex 等 AI 工具,使用自然語言要求 AI 產生 Python 程式。
例如:
請幫我撰寫一個 Python 程式,
讓使用者輸入水溫、pH 與溶氧量,
並將資料儲存成 CSV 檔案。
AI 可能很快就產生程式碼。
但是,這不代表使用者已經理解程式。
當程式出現錯誤時,你是否知道如何處理?當需求改變時,你能不能修改程式?當 AI 產生不合理的結果時,你能不能發現?
因此,本課程將 AI 視為協作工具,而不是取代學生思考的工具。
三種 AI 協作學習模式
| 模式 | 學習重點 | 學生應做的事 |
|---|---|---|
| No-AI | 獨立思考 | 自行分析問題、規劃流程與核心邏輯 |
| AI Pair | 協作開發 | 利用 AI 協助撰寫、除錯與改善程式 |
| Challenge AI | 驗證與挑戰 | 檢查 AI 程式、找出問題並完成修正 |
在決定專題題目之前,請先自行思考生活中有哪些問題值得改善。
不要一開始就請 AI 幫你產生十個題目,而是先提出自己的觀察,再利用 AI 協助整理與比較構想。
三、如何從生活中找到 Python 專題?
許多學生在選擇專題時,第一個想法可能是:
- 我想做一個 AI 系統。
- 我想做一個網站。
- 我想做一個智慧農業系統。
- 我想做一個遊戲。
這些都是可以發展的方向,但還不是清楚的問題。
一個好的專題,應該先回答:
誰遇到了什麼問題?目前如何處理?我們希望改善什麼?
問題探索五步驟
| 步驟 | 思考問題 |
|---|---|
| 1. 發現問題 | 生活中有哪些不方便、重複或容易出錯的事情? |
| 2. 找到使用者 | 誰真正遇到這個問題? |
| 3. 了解現況 | 目前如何處理?有哪些限制? |
| 4. 提出構想 | Python 可以改善哪個部分? |
| 5. 縮小範圍 | 八週內最小可完成的系統是什麼? |
範例:從「智慧養殖」找到真正的問題
假設有位同學說:
「我想做一個智慧養殖系統。」
教師可能會繼續追問:
- 你想改善養殖過程中的哪一件事?
- 養殖業者目前如何記錄水質?
- 手寫紀錄有什麼不方便?
- 如果只有一個人,八週內能完成什麼?
經過討論後,原本籠統的主題就可能變成:
問題:水質資料如果只記錄在紙本上,可能不方便查詢與統計。
使用者:養殖業者或水質監測人員。
改善方式:利用 Python 記錄水溫、pH 與溶氧量,並提供查詢與統計功能。
最小可完成系統:輸入資料、儲存 CSV、讀取歷史資料。
這樣的題目就比「智慧養殖系統」更清楚,也比較容易規劃與驗證。
四、如何判斷專題題目是否適合?
不是題目越大越好,也不是使用的技術越多越好。
本課程建議使用以下五項標準評估專題構想。
| 評估項目 | 檢查問題 |
|---|---|
| 問題明確 | 能否用一兩句話說明要解決的問題? |
| 使用者清楚 | 是否知道誰會使用這套系統? |
| Python 適用 | 是否有適合使用 Python 處理的功能? |
| 規模合理 | 能否在八週內完成核心功能? |
| 可以驗證 | 是否能透過測試證明系統正常運作? |
範例:太大的題目與適合的題目
| 過於籠統的題目 | 較適合的微型 Capstone 題目 |
|---|---|
| 智慧城市系統 | 校園停車紀錄與統計系統 |
| 智慧農業平台 | 農產品訂購與庫存管理系統 |
| AI 教育系統 | Python 單選題練習與成績分析系統 |
| 智慧商店 | 飲料店 POS 點餐與銷售統計系統 |
| 地方文化平台 | 雲林地方故事查詢與互動問答系統 |
八週專題的目標不是完成所有功能,而是先完成最重要的功能,再依照能力逐步擴充。
五、可以選擇哪些智慧生活專題?
本課程開放自由選題,以下提供六個方向供同學參考。
| 應用領域 | 參考題目 |
|---|---|
| 智慧農業 | 農產品訂購、環境監測、智慧灌溉紀錄 |
| 智慧養殖 | 水質資料管理、溶氧紀錄、異常提醒 |
| 智慧商店 | 飲料店 POS、庫存管理、銷售分析 |
| 智慧教育 | 兒童編程遊戲、互動問答、學習紀錄 |
| 智慧生活 | 個人記帳、校園服務、生活資料分析 |
| 地方文化 | 故事資料庫、數位導覽、智慧走讀 |
以上只是參考題目,同學也可以提出其他與生活、校園、社區或產業有關的構想。
不要求每組一定使用硬體設備。純 Python、GUI、資料分析、Web 或 IoT 專題,都可以依照能力與資源選擇。
六、1~4 人自由組隊,如何決定專題規模?
本課程允許學生獨立完成,也可以 2~4 人合作。
但組員人數不同,最低專題規模也不同。
| 人數 | 最低專題要求 | 智慧養殖案例 |
|---|---|---|
| 1 人 | 一個完整核心系統 | 資料輸入、儲存與查詢 |
| 2 人 | 至少兩個整合模組 | 資料管理+統計分析 |
| 3 人 | 至少三個整合模組 | 資料管理+圖表+異常提醒 |
| 4 人 | 至少四個整合模組 | 資料接收+資料庫+儀表板+報表 |
這裡的模組指的是具有明確用途、可以執行及測試的功能單元,不是單純將程式拆成不同檔案。
此外,技術難度也會納入教師評估。一個人獨立完成較具挑戰性的系統,仍然可以得到充分肯定。
期末專題採團隊成果 60 分、個人表現 40 分。
一人組與四人組都可以獲得滿分,但必須完成各自核定的專題要求。
多人組的每位學生都必須能說明自己負責的程式。
七、實作範例:如何規劃智慧養殖水質資料系統?
以下以三人組為例,示範如何從問題描述逐步發展為專題構想。
步驟 1:描述問題
水質監測資料如果以紙本或分散的檔案記錄,可能造成歷史資料不易查詢,也不方便統計水溫、pH 與溶氧變化。
步驟 2:確認使用者
養殖業者、水質監測人員,或進行智慧養殖研究的學生。
步驟 3:規劃三個功能模組
| 模組 | 主要功能 | Python 技術 |
|---|---|---|
| 資料管理 | 輸入、儲存與查詢水質資料 | 函式、CSV、JSON |
| 統計分析 | 計算平均值、最大值、最小值與繪製圖表 | 串列、統計、Matplotlib |
| 異常提醒 | 依教師設定的模擬門檻顯示提醒 | 條件判斷、函式、例外處理 |
步驟 4:規劃資料格式
例如,水質資料可以先設計為 Python 字典:
water_data = {
"pond": "第一池",
"temperature": 28.5,
"ph": 7.5,
"oxygen": 6.8
}
這裡先不急著建立完整系統,而是確認需要哪些資料,以及各項資料的用途。
步驟 5:設計最小可行系統
先完成資料輸入、儲存與查詢,再逐步增加統計圖表及異常提醒。
↓
Python 資料驗證
↓
CSV / JSON 儲存
↓
資料查詢與統計
↓
異常提醒與成果展示
本週只需要完成以上構想,不需要立即實作全部功能。
八、課堂練習:No-AI 問題探索
請先不使用 AI,獨立思考兩個值得改善的問題。
- 這個問題發生在哪裡?
- 誰遇到這個問題?
- 目前如何處理?
- 為什麼需要改善?
- Python 可以提供什麼協助?
例如:
| 問題 | 可能的 Python 專題 |
|---|---|
| 飲料店人工計算訂單容易出錯 | 飲料店 POS 點餐系統 |
| 個人生活支出不容易統計 | Python 記帳與分析系統 |
| 學生不容易整理考試練習紀錄 | 單選題練習與成績管理系統 |
| 水質資料不容易集中查詢 | 智慧養殖水質資料管理系統 |
九、AI Pair 練習:讓 AI 協助評估構想
完成自己的問題探索後,可以開始使用 AI 協助評估專題。
例如,將以下提示詞提供給 ChatGPT:
我是一位正在學習 Python 的大學生。
我想做的專題是:
「智慧養殖水質資料管理系統」。
預計使用者是養殖業者。
目前想到的功能包括:
1. 輸入水質資料
2. 儲存歷史紀錄
3. 查詢資料
4. 統計水質變化
請協助我分析:
1. 這個題目要解決什麼問題?
2. 哪些功能最重要?
3. 哪些功能適合初學者?
4. 八週內如何完成?
5. 有哪些可能遇到的困難?
請先提供建議,
不要直接產生完整程式碼。
AI 可以協助分析,但學生仍應自行判斷哪些建議合理。
十、Challenge AI:不要完全相信 AI 的建議
AI 可能建議加入機器學習、即時感測、雲端資料庫與手機 App。
這些技術雖然有價值,但不一定適合八週的 Python 入門專題。
學生應該思考:
- 我們真的需要這個功能嗎?
- 目前具備相關技術能力嗎?
- 需要額外硬體或經費嗎?
- 是否有足夠時間測試?
- 如果先移除這項功能,核心問題還能解決嗎?
AI 提供的是建議,不是專題規格的最終決定。
學生應根據需求、時間、能力與資源,決定真正需要實作的功能。
十一、第 11 週專題構想表
本週請各組完成以下內容,作為第 12 週正式提案的基礎。
| 項目 | 填寫內容 |
|---|---|
| 專題名稱 | 暫定名稱即可 |
| 組員人數 | 1~4 人,列出組員 |
| 問題描述 | 誰遇到什麼問題?為什麼需要改善? |
| 預期使用者 | 誰會使用這套系統? |
| 主要功能 | 列出 2~4 項構想,依組員人數調整 |
| Python 技術 | 例如函式、字典、CSV、JSON、GUI |
| 最小可行功能 | 八週內最優先完成的核心功能 |
| 可能困難 | 技術、資料、時間或設備限制 |
專題構想表示範
專題名稱:智慧養殖水質資料管理系統
組員人數:3 人
問題描述:水質紀錄不易集中查詢與統計,希望透過 Python 改善資料管理方式。
預期使用者:養殖業者與水質監測人員。
主要功能:
- 輸入水質資料。
- 儲存與查詢歷史紀錄。
- 統計水質變化並繪製圖表。
- 依模擬門檻顯示異常提醒。
預計技術:Python、函式、CSV、JSON、Matplotlib。
最小可行功能:完成水質資料輸入、儲存與查詢。
可能困難:資料格式設計、圖表製作、不同功能整合。
十二、第 11~18 週專題學習地圖
| 週次 | 學習主題 | 主要成果 |
|---|---|---|
| 11 | 專題啟動與問題探索 | 初步專題構想 |
| 12 | 需求分析與系統設計 | 正式專題提案 |
| 13 | Python 核心程式開發 | 核心功能初版 |
| 14 | AI Pair 與功能整合 | 可執行原型 |
| 15 | 系統整合與例外處理 | 整合測試紀錄 |
| 16 | Challenge AI 與系統驗證 | 完成版系統 |
| 17 | 成果整理與展示準備 | 海報與成果預演 |
| 18 | 成果展示與個人驗收 | 期末成果與反思 |
十三、第 11 週課後作業
請以個人或小組為單位完成:
- 確認 1~4 人組員。
- 提出至少兩個候選問題,並選定初步題目。
- 完成專題構想表。
- 列出主要功能與最小可行功能。
- 說明預計使用的 Python 技術。
- 記錄至少一項 AI 協作建議,以及自己是否採納的理由。
繳交時間:第 12 週上課前。
本週不要求:完整程式、完整 GUI、正式資料庫或硬體系統。
十四、本週學習自我檢核
完成第 11 週後,請檢查自己是否已經能夠回答:
- □ 我知道 Capstone 專題與一般程式作業的差異。
- □ 我知道第 11~18 週的專題進度。
- □ 我能提出至少兩個生活中的問題。
- □ 我知道自己的專題要解決什麼問題。
- □ 我能說明預期使用者是誰。
- □ 我已經決定 1~4 人的組隊方式。
- □ 我能提出八週內最優先完成的核心功能。
- □ 我知道 AI 可以協助,但不能取代自己的判斷。
十五、結語:先找到問題,再開始寫程式
學習 Python 的目的,不只是記住語法或完成老師指定的程式,而是逐步培養運用程式設計解決問題的能力。
一個好的 Capstone 專題,不一定需要複雜的 AI 模型、昂貴的硬體設備或大量程式碼。
真正重要的是:問題是否清楚、功能是否合理、程式是否正確,以及系統是否真的能夠協助使用者。
第 11 週,先不要急著寫程式。請從自己的生活開始觀察,找到一個值得改善的問題,並思考如何運用 Python 解決。
下一週,我們將進入:
第 12 週|Python 微型 Capstone:需求分析、功能規劃與系統設計。
屆時將把本週的初步構想,轉換為正式的專題提案、功能清單、流程圖與資料結構,為後續 Python 開發做好準備。
Python 程式實習|智慧生活微型 Capstone 專題系列
第 11 週:專題啟動、問題探索與初步選題

沒有留言:
張貼留言