解讀數位世界-多元運算思維與量化與AI素養

1. What (主題介紹) 在資訊快速流動、科技無所不在的時代，日常所接觸的每個數位服務背後，都隱含著複雜的運算邏輯與資料處理流程。面對數位世界帶來的龐大資訊與自動化決策環境，不僅需要具備判讀資訊的能力，更需理解背後運作的原理與思維。本策展主題「解讀數位世界－多元運算思維與量化與AI素養」旨在引導學習者建構數位素養核心能力，從問題分析、資料判讀，到人工智慧的基本應用，培養對數位世界的理解力。 本展區匯集多門跨域課程，協助學習者從生活問題出發，學習以運算思維（Computational Thinking）方式進行系統化分析與抽象建模，例如從「貓都學得會的運算思維」掌握問題拆解與邏輯推理技巧；透過「使用者體驗設計與運算思維」，進一步連結科技與人的互動脈絡。同時，也涵蓋資料素養的實作訓練，從「資料取得與前處理」到「探索式資料分析與視覺化」，學習如何從原始資料中萃取有意義的資訊。最後，透過「機器學習與AI應用」課程，初探人工智慧如何協助自動化決策與模型建構，培養初階AI素養。 這是一場解碼數位世界的知識旅程，幫助您從使用者轉變為理解者與創造者，掌握與數位科技共存的核心能力! 1. Why (重要性) 在數位資訊深度滲透日常生活的今日，我們面對的不再只是如何使用資訊科技，而是如何理解與參與資訊科技所塑造的世界。從手機App、網路推薦系統的運作、到政府數據開放與AI生成內容的普及，數位世界的決策邏輯與背後的運算流程正逐漸主導我們的生活方式、資訊選擇與社會互動。倘若缺乏基本的運算思維與資料素養，個人將難以對科技所帶來的結果進行判斷，更無法在資訊社會中有效行使權利、作出理性的選擇。 了解運算思維（computational thinking）不僅可以得知電腦是如何分析思考，它本身更是一種具備普遍適用性的問題解決策略。透過問題拆解、模式辨識、抽象化與演算法等技巧，學習者能更有系統地分析複雜現象，並設計出具體可行的解決方案。與此同時，面對充斥各式數據的環境，如何收集、分析、詮釋與視覺化資料，已成為每個專業領域不可或缺的能力。資料與AI素養不僅止於技術操作，更是推動理性決策與公共參與的基石。從探索式資料分析的掌握，到初階AI應用的理解，學習者將逐步認識「資料如何說話」，以及「AI如何建構推論」。 2. HOW (如何學習這個主題：請務必說明所推薦課程及多元素材間的脈絡、關係) 以下說明「多元運算思維與量化與AI素養」的涵義與推薦課程: (1) 多元運算思維 運算思維可定義為「電腦科學家面對問題時所持有一種的思維模式」，例如: 問題拆解、樣式辨識與抽象化，均可視為運算思維的一種展現。這些思維方式的運用不侷限於資訊領域，它們對於解決日常生活各式問題亦非常有幫助。此外，前數發部長唐鳳亦指出，運算思維具備多元性，例如：以抽象化來說，有程序化、物件化以及函式化三種進行抽象化的技巧，同樣使用運算思維來解決真實世界中的問題，探究問題與設計解決方案的技巧亦可以是多樣化的，是以，多元運算思維的課程主題，除了幫助學生學會更多運算思維的技巧外，亦能陶冶學生們對多元解決問題方案的賞析力與包容力。 以下我們推薦三門有助學習多元運算思維的課程，供同學進一步學習參考: • 貓都學得會的運算思維: 本課程主要學習運算思維中的四個重要概念：抽象化（abstraction）、演算法（algorithm）、拆解（decomposition）和轉化（reduction）。學員們將瞭解資訊科學家在處理問題時的思維模式，並為進一步學習程式設計打下良好基礎。網址: https://www.openedu.tw/course?id=656 • 使用者體驗設計與運算思維: 本課程結合使用者體驗設計與運算思維，讓學生在程式學習初期即理解 UX 的關鍵性。課程透過 BMI 量測專題，實作體驗與介面設計互動過程，強調功能與易用性的平衡。同時導入物件導向與函數式的運算思維，並以故事引導學習，培養學生從使用者視角出發設計程式，突破傳統僅重語法邏輯的教學模式。網址: https://www.openedu.tw/course?id=1557 • 計算機程式設計: 這門課除具有程式設計入門的內涵外，另有一個重大的特色是它在引導學習者學習程式的同時，同時導入了多元的解構問題思維模式，包含「程序導向」、「物件導向」與「函式導向」的教學，讓學習者不但能學習到程式設計，也能了解資訊科學家看待問題的多元思維模式。網址: https://oge.ntu.edu.tw/course/detail/c1tlc?h_type=5&h_type_curation=c1tgy (2) 量化與AI素養 隨著社群網路與物聯網技術的興起，大數據時代來臨，資料科學成為一個具備跨領域特質的新興領域。不少既有領域都開始出現收集、整理與分析大量資料的需求，進而從中挖掘重要資訊，並以適當方式呈現相關資訊以支援重大決策判斷。由於人們對量化資料分析的需求增加，因此從資料收集與前處理、資料分析與視覺化到AI的應用，都已有許多既有的軟體工具可供人們使用。 量化與AI素養主要希望學習者結合數據收集、前處理、分析以及解釋的能力，在處理大量的資訊同時從中洞察。透過AI技術的應用，我們可以進一步提升量化分析的效率和準確性，解決複雜的問題。主題將幫助學習者建立系統的量化分析能力，並結合AI技術探索更多應用可能。 以下推薦三門有助學習此領域的入門課程，供同學進一步學習參考:  資料取得與前處理：學習資料科學的基礎知識以及如何進行資料收集與前處理，是量化分析的第一步。本課程將介紹量化分析的執行步驟，並教授學生利用Pandas等工具進行資料的觀察、清理與修改。這些技能可幫助學生建立良好的資料處理能力，為後續數據探索和應用奠定紮實的基礎。網址：https://www.openedu.tw/course?id=1595  探索式資料分析與視覺化：完成資料前處理後，學生可以進一步學習如何運用探索性資料分析技術發掘資料特徵間的關聯性。課程中將以範例資料集（如Titanic）教導如何運用視覺化工具，將複雜的分析結果轉化為可視化資訊，增強資料解讀與溝通能力。網址：https://www.openedu.tw/course?id=1621  機器學習與AI應用：進入AI技術的應用階段，本課程將學習機器學習的基本原理以及如何建構簡單的監督式學習模型。將延續前兩階段的資料範例，教導如何結合AI工具（如ChatGPT）進行程式碼生成與模型調整，並以決策樹、深度神經網路等模型進行實作，體驗資料科學與AI技術的整合應用。網址：https://www.openedu.tw/course?id=1638 資料創新與應用: 這門課適合做為學習量化資料分析的起點，它著重於觀念的理解與呈現，探索並了解資料內涵，與透過手中資料看世界，鼓勵學生進行數據溝通與資料分析來理解世界。課程連結: https://oge.ntu.edu.tw/course/detail/c1tma?h_type=5&h_type_curation=c1tgy 資料分析與程式設計-初階:資料視覺化專題: 在大數據的時代，運用程式有效率地處理資料、分析內涵與呈現結果是相當實用且重要的能力。本課程將以資料分析應用引導學生學習程式設計。修課連結：https://www.openedu.tw/course?id=758 資料分析與程式設計-高階:社群資料分析實務: 這門課講授進階的資料分析技巧，以社群資料分析為主軸，修課連結為:https://www.openedu.tw/course?id=759