2026年11月16日 星期一

Python 智慧生活微型 Capstone 專題:從程式學習到問題解決

Python 智慧生活微型 Capstone 專題:從程式學習到問題解決

在生成式 AI 快速發展的今天,Python 程式設計教學正面臨一個重要問題:

當 AI 已經能夠協助學生產生程式碼,我們應該如何評量學生真正的程式設計能力?

傳統程式設計課程通常以語法練習、程式作業及考試作為主要評量方式。然而,實際的軟體開發不只是撰寫程式碼,更包含問題探索、需求分析、系統設計、程式開發、測試驗證與持續改善。

因此,本課程規劃於第 11 週至第 18 週推動「Python 智慧生活微型 Capstone 專題」,以「Python 程式設計 × AI 協作 × 智慧生活應用」為核心,讓學生透過完整的小型專題,整合課堂所學,培養解決實際問題的能力。

本專題特別開放學生以 1~4 人自由組隊,尊重不同的學習方式,並依照組員人數調整專題規模,兼顧獨立學習、團隊合作與公平評量。


圖:Python 智慧生活微型 Capstone 專題架構。 以 Python 程式設計、AI 協作與智慧生活應用為核心, 規劃第 11~18 週專題實作, 採 1~4 人自由組隊及團隊成果 60%、個人表現 40% 的評量方式。

一、為什麼 Python 程式實習需要 Capstone 專題?

Capstone Project 通常指整合性專題,強調學生運用已學習的知識與技能,完成具有明確目標的作品。

本課程採用「微型 Capstone」概念,不要求學生在短時間內完成大型商業系統,而是以八週時間,完成一套功能明確、可以操作、能夠驗證的小型 Python 應用系統。

教學重點從「學會 Python 語法」延伸到「運用 Python 解決問題」。

生活或產業問題
↓
問題探索與需求分析
↓
Python 程式設計
↓
AI 協作開發與除錯
↓
系統測試與驗證
↓
成果展示與學習反思

透過這個過程,學生不只是完成一份期末作業,而是體驗從問題到解決方案的完整開發流程。

二、專題核心:Python × AI 協作 × 智慧生活

本課程鼓勵學生從校園、生活、產業或社區中探索問題,並運用 Python 設計解決方案。

專題可以涵蓋以下六大應用方向:

主題 參考應用
智慧農業 環境監測、智慧灌溉、農產品管理
智慧養殖 水質紀錄、溶氧監測、異常提醒
智慧生活 記帳系統、飲料店 POS、生活資料分析
智慧教育 兒童編程、互動問答、智慧走讀
智慧商店 訂購系統、庫存管理、銷售分析
地方文化 故事資料庫、數位導覽、文化互動教材

學生可以依照個人興趣與程式能力選擇主題,不限制一定要使用硬體設備。

純 Python 軟體系統、資料分析工具、GUI、Web 應用或 AIoT 系統,只要符合課程要求,都可以作為期末專題。

三、1~4 人自由組隊:尊重不同的學習方式

學生的學習風格與程式能力並不完全相同。

有些學生喜歡獨立思考、獨立完成作品;有些學生則適合透過討論、分工與合作,挑戰更完整的系統。

因此,本課程不強制所有學生採用相同的組員人數,而是開放 1~4 人自由組隊。

但為了兼顧公平性,專題規模必須依照人數調整。

組員人數 專題最低要求 範例
1 人組 完成一個功能完整的核心系統 水質資料記錄與查詢
2 人組 至少兩個可整合的功能模組 水質管理+統計分析
3 人組 至少三個相互整合的功能模組 水質管理+圖表+異常提醒
4 人組 至少四個相互整合的功能模組 資料接收+資料庫+儀表板+報表
重要原則:

一個人可以完成小而完整的系統,四個人則應完成整合度較高的系統。

不因個人獨立完成而降低得分上限,也不因組員人數較多而自動提高分數。

此外,功能模組必須具備實際用途與可驗證的程式功能,不能只是將一個簡單程式拆成多個檔案,就視為多個模組。

四、所有組別都必須具備的 Python 核心能力

雖然學生可以自由選題,但期末專題仍然是 Python 程式實習課程,因此所有組別都必須展現基本程式設計能力。

共同要求包含:

  1. 具備 Python 程式設計能力,能使用條件判斷、迴圈及函式。
  2. 能運用串列、字典或其他適當資料結構處理資料。
  3. 具備資料讀取、儲存或檔案管理功能。
  4. 能處理基本輸入驗證與常見例外情況。
  5. 能進行功能測試並提出驗證結果。
  6. 能記錄 AI 協作開發與程式驗證過程。

學生可以依專題需要進一步使用物件導向程式設計、SQLite、CSV、JSON、Excel、GUI、Django 或 MicroPython 等技術。

但技術越多不代表作品一定越好,重要的是系統功能是否完整、程式是否正確,以及學生是否理解自己所開發的內容。

五、第 11~18 週:八週專題實施時程

本課程將八週專題分為四個階段,每個階段安排兩週,讓學生有足夠時間進行設計、開發、整合與修正。

週次 階段 主要工作 階段成果
第 11~12 週 問題探索與規劃 分組、問題探索、需求分析、功能規劃、流程圖 專題提案與系統設計
第 13~14 週 Python 核心開發 核心功能、資料結構、檔案處理、AI 協作 可執行的核心原型
第 15~16 週 系統整合與驗證 功能整合、例外處理、測試、使用者試用與修正 系統完成版與測試紀錄
第 17~18 週 成果發表與評量 成果整理、海報、展示、程式解說、個人驗收 正式成果與個人學習反思

第一階段:第 11~12 週|問題探索與系統設計

學生首先必須回答三個問題:

  • 我們想解決什麼問題?
  • 誰會使用這套系統?
  • Python 可以如何協助解決問題?

接著完成系統功能規劃、流程圖與資料結構設計。

各組應於第 12 週提出專題提案,由授課教師依照人數、技術難度及實作內容,核定最低功能要求。

第二階段:第 13~14 週|Python 核心功能開發

學生開始撰寫核心 Python 程式,建立主要資料結構、函式與資料處理流程。

這個階段不要求系統介面漂亮,而是強調核心功能可以正確執行。

例如智慧養殖系統,至少要能輸入水質資料、儲存資料並重新讀取。

第三階段:第 15~16 週|系統整合與驗證

完成核心功能後,學生開始整合不同模組,並測試正常與異常情況。

例如:

  • 輸入非數字時,程式是否會中斷?
  • 檔案不存在時,系統如何處理?
  • 資料為空時,是否仍能正常操作?
  • 多個功能模組之間能否正確交換資料?

此階段也鼓勵學生邀請實際使用者試用,收集意見並改善系統。

第四階段:第 17~18 週|成果展示與個人驗收

學生整理程式、製作專題海報,並準備系統展示。

第 18 週進行正式成果發表與個人程式驗收。

除了展示系統功能,學生還必須說明自己負責的程式,以及如何使用 AI 協助開發與驗證。

六、AI 協作教學:No-AI、AI Pair、Challenge AI

生成式 AI 已經成為程式開發的重要工具,但 AI 能夠產生程式碼,不代表學生已經具備程式設計能力。

因此,本課程將 AI 協作分成三種學習模式。

模式一:No-AI|先培養獨立思考能力

學生先自行分析問題、規劃資料結構與程式流程,並嘗試完成核心程式。

這個階段的重點是讓學生理解問題,而不是立即要求 AI 產生完整程式。

模式二:AI Pair|與 AI 協作開發

學生可以使用 ChatGPT、Codex 或其他 AI 工具協助:

  • 撰寫部分程式。
  • 解釋不熟悉的語法。
  • 找出程式錯誤。
  • 改善程式結構。
  • 產生測試案例。

但學生必須能夠理解、修改及驗證 AI 產生的程式。

模式三:Challenge AI|驗證並挑戰 AI

學生應主動檢查 AI 的程式是否存在問題。

例如,AI 產生的程式可能缺少輸入檢查、無法處理空資料,或在特殊情況下產生錯誤結果。

學生必須找出問題、提出測試證據並完成修正。

建議成果要求:

每組至少提出一個具體的 AI 協作案例,說明:

  1. 原本遇到什麼問題?
  2. 如何向 AI 提問?
  3. AI 提供什麼建議或程式?
  4. 如何測試與驗證?
  5. 最後做了哪些修改?

七、期末評分:團隊成果 60%+個人表現 40%

分組專題經常遇到一個問題:作品是團隊完成的,但每位學生的參與程度可能不同。

為了兼顧公平性,本課程採用團隊成果與個人表現分開評分的方式。

評分項目 配分
團隊成果(60 分)
問題探索與系統設計 10 分
Python 核心功能與程式品質 25 分
依人數要求的模組整合 15 分
測試與成果展示 10 分
個人表現(40 分)
個人 Python 程式解說與修改 20 分
AI 協作與驗證紀錄 10 分
實際貢獻與學習反思 10 分
總分 100 分

團隊成果依照第 12 週核定的專題規模及完成品質評分。

個人表現則依照每位學生的實際參與、程式理解、AI 協作與學習成果評分。

因此,即使同一組學生完成相同作品,也可能因為個人表現不同而獲得不同分數。

八、個人程式驗收:確認學生真正理解程式

期末展示不應只有系統操作,也應包含學生對程式的理解。

教師可以依照學生負責的功能,進行簡短的個人驗收。

例如:

  • 請說明這個函式的功能。
  • 為什麼這裡使用串列或字典?
  • 這個程式如何讀取 CSV 或 JSON?
  • 如果使用者輸入錯誤資料,會發生什麼事?
  • 請現場修改一個判斷條件。
  • 請說明 AI 曾經產生什麼錯誤,以及如何修正。

對於個人專題,學生應能說明整個系統。

對於多人專題,學生至少應能清楚說明自己負責的模組,以及與其他模組之間的關係。

公平評量原則:

不是比較哪一組的程式碼最多,而是比較學生是否達成所核定的專題要求,並且真正理解自己完成的作品。

九、專題案例:智慧養殖水質資料管理系統

以智慧養殖為例,同一個題目可以依照組員人數設計不同的專題規模。

人數 專題內容
1 人 水質資料輸入、儲存與查詢
2 人 水質資料管理+統計分析
3 人 資料管理+統計圖表+異常提醒
4 人 感測資料接收+資料庫+儀表板+報表

例如,個人專題可以使用 Python、CSV 與 JSON,完成一套命令列水質資料管理程式。

四人專題則可以進一步整合 ESP32 或 Raspberry Pi Pico W、MQTT、SQLite 與 Django,建立較完整的智慧養殖監測系統。

不過,專題難度仍應依實際技術內容判斷,不能單純以功能數量衡量。

一位學生獨立完成較高技術難度的系統,也應獲得相應肯定。

十、鼓勵從校園走向真實場域

本課程鼓勵學生從生活中尋找問題,也鼓勵有興趣的學生進一步走入實際場域。

例如:

  • 智慧農業與養殖:了解農友或養殖業者的資料管理需求。
  • 智慧教育:設計兒童編程或互動學習教材。
  • 地方文化:將地方故事轉譯為互動問答或智慧走讀系統。
  • 智慧商店:了解小型店家的訂購、庫存或銷售問題。
  • 智慧生活:解決校園或社區中的日常需求。

場域實作不是要求所有學生都必須到校外,而是鼓勵學生思考:

這套程式是為誰設計?解決什麼問題?如何證明它有用?

十一、期末專題應繳交哪些成果?

為了避免學生花太多時間撰寫報告,專題成果以可驗證的實作為主。

時間 繳交成果
第 12 週 專題提案與系統設計
第 14 週 核心程式與初步原型
第 16 週 完成版程式與測試紀錄
第 18 週 程式碼、成果海報、系統展示、個人學習反思

各階段成果應持續修訂與累積,不必每次重新撰寫完整報告。

十二、結語:從會寫程式,到能用程式解決問題

Python 程式實習的學習目標,不應只是讓學生熟悉語法,更重要的是培養運用程式設計解決問題的能力。

透過「Python 智慧生活微型 Capstone 專題」,學生可以在八週內經歷問題探索、系統設計、程式開發、AI 協作、測試驗證與成果展示的完整過程。

開放 1~4 人自由組隊,是為了尊重學生不同的學習方式;依人數調整專題規模,則是為了建立公平的挑戰與評量機制。

AI 可以協助學生加快開發速度,但不能取代學生對問題的理解、程式的判斷及成果的驗證。

我們期待學生在期末完成的不只是一支 Python 程式,而是一個能夠說明問題、提出方案、實際操作並持續改善的智慧生活作品。

從課堂中的一個小型專題開始,讓學生逐步建立自主學習、AI 協作、團隊合作與場域實踐的能力,為未來更完整的專題製作、產業實習及跨域應用奠定基礎。

適用課程:Python 程式實習、Python 程式設計、智慧生活科技、AI 協作程式開發與跨域專題實作。

沒有留言:

張貼留言