2026年11月16日 星期一

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

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。

發現問題
↓
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
本週特別要求:

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:

專題名稱:Python 智慧養殖水質資料管理系統

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
選題提醒:

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。

公平評分原則

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。

使用者輸入水質資料
↓
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

練習一:找出兩個生活問題

請先不使用 AI,獨立思考兩個值得改善的問題。

  1. 這個問題發生在哪裡?
  2. 誰遇到這個問題?
  3. 目前如何處理?
  4. 為什麼需要改善?
  5. 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 協作的重要觀念:

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:

  1. 輸入水質資料。
  2. 儲存與查詢歷史紀錄。
  3. 統計水質變化並繪製圖表。
  4. 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

作業名稱:我的 Python 智慧生活專題構想

請以個人或小組為單位完成:

  1. 確認 1~4 人組員。
  2. 提出至少兩個候選問題,並選定初步題目。
  3. 完成專題構想表。
  4. 列出主要功能與最小可行功能。
  5. 說明預計使用的 Python 技術。
  6. 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