從教育部的期望開始

 

　　從106年度起，教育部以「教學創新試辦計畫」、「技專校院教學創新先導計畫」推動各校開設程式設計相關課程，107年度納入「高等教育深耕計畫」之「提升教學品質落實教學創新」的目標之一，輔以「推動大學程式設計教學計畫」跨校協助機制，期望分年達成「大專校院學士班修讀程式設計相關課程學生比例30%、40%、50% 的目標」^*註一，並訂立一個名目「邏輯（運算）思維與程式設計」。　據此，東海開始進行盤點，能否在108年度達成50%的學生「具備使用及運用程式語言之能力」的目標？　

 

　　王立志副校長領導「高教深耕」團隊，規劃、推動程式語言學習，在教育部擬定的目標下，必須面對一個基本前提，東海是一所綜合大學，乃將全校院系分成「資訊領域」和「非資訊領域」，「資訊領域」院系自有程式能力的相關培養，重點自然是「非資訊領域」。　107年度東海即於高教深耕【分項計畫一】「博雅學習再深化：厚植核心能力與品格實踐」中，除博雅教育（1-1）、語言能力（1-2）、全球視野（1-4）外，加入「1-3運算思維與程式設計」。　

 

　　東海曾經推動全校性「資訊素養」，但現在教育部強調的是「能力」，這就面對一個現實問題，「非資訊領域」的學生可能不喜歡程式語言，甚至望而生畏，在欠缺學習興趣的情況下，如何訓練「能力」？　東海決定不走捷徑，而從方法、場域、教材、相關機制等進行整體規劃。　

 

　　教育部已在108課綱推動國高中生學習Scratch之類的程式設計軟體，許多人就想為什麼不用現有的線上軟體呢？　卻要多此一舉？　如果按教育部「程式設計能力」的目標，更簡單的做法可能是補助學生參加專業補習班的課程，還可大幅降低師資、場域等問題。　

 

　　在規劃過程時，評量各種線上教材與不同學習模式後，計畫團隊認為皆不符合需求，因為，既不能解決學習興趣的根本問題，也不能知道程式語言的學習應用，所以決定自行開發且建立整體結構。　

 

　　若跳脫教育部原本強調的「程式語言能力」，而將問題回歸到「非資訊領域」上，共通的基礎將是「邏輯」而非「程式」，重點是「思維」而非程式的「設計」，於是東海在高教深耕中強調2種語言（外語、程式），並將程式語言的學習定調為「運算思維與邏輯能力」（Computational Thinking and Programming），統分成基礎學習、院系專業結合、產業應用（L1、L2、L3、L4），以及基礎設備（L0）。　

 

 

L1：全校AI共同必修基礎課程

 

　　L1是針對「非資訊領域」的基礎學習，為提升學習興趣，乃從用戶體驗（User Experience）設計思維開發一套學習工具。　在課程設計上，「為使學生能熟悉將解決問題的邏輯以流程圖的方式描述」，特別投入資源將Computational Thinking（CT）具體分成問題導向和流程圖導向，設計出CT2Flow與CT2Code兩種教學工具。

 

　　CT2Flow是「讓學生能夠將解題的運算思維邏輯以流程圖的方式並配合自然語言的說明來呈現，幫助學生把解題的過程與想法用流程圖來表示。」

 

　　CT2Code是「基於CT2Flow的概念，更進一步結合程式語言，讓學生能夠把流程圖轉換成為可執行的程式碼，學習基礎程式語言設計。」^*註二

 

　　不管處理任何問題，機器也罷、影像也好，關鍵是「寫程式」，只是語法不同。　國高中推動Sketch，用畫的，但畫成一個成品後呢？　還是一樣不會「寫程式」。　問題是，不會寫程式的人終究不會寫程式，為什麼？　因為害怕程式語法。　所以L1的構想是讓大家不要害怕，相信每個人都會寫程式，同時，不要受限於「迴圈」、Loop等程式術語。

 

　　簡單的說，面對教育部明訂的「程式語言的能力」，先定清楚目標是「寫程式」，其關鍵在「邏輯」，流程圖的重點是訓練「邏輯」（CT2Flow），一旦想法形成邏輯就會自動轉成「程式」（CT2Code）。　

 

　　有了教材後，老師的角色也必須轉換。　「非資訊領域」的學生不可能只是老師在黑板前講授，老師必須扮演促進者與引導者。　但是，受限於師資、場地，也沒辦法小班授課；大班教學的選項往往是單向授課，這就掉入一個難解的弔詭。　東海決定先從建立場域開始。　

 

　　早在2017年10月30日東海就建置啟動「問題導向數位學習」教室（Problem-Based Learning, PBL），講桌和老師不在「前面」而在「中央」，學生以小組為單位，圓弧形排列圍繞，同時中央上方設置4台數位面板組成的環形電視牆，教材內容、解題過程、觀點、做法皆可現場直播。　

「非資訊領域」的學生人數眾多，單以大一新生計，1班60人，1學年必須開到60個班左右，所以必須落實「大班授課、小班輔導」，學生分組，且有計畫地培育隨班輔導的教學助理（Teaching Assistant, TA），1班3名TA，108年度已培育94名。　

 

　　經過第一階段（107-108）高教深耕的推動，東海在109年度高教深耕計畫確立三大發展方向：博雅+、AI+、產業+。^*註三

 

　　在「程式語言」學習上，原有的「邏輯思維」略加調整就會產生「AI思維」，所以在109年度高教深耕中，將原本的「運算思維與邏輯能力」轉化成「AI思維與邏輯能力」（AI Thinking and Programming）。　

 

　　「AI思維」是什麼？　要做AI，資料很重要，可能是數字資料，也可能是影像、聲音資料，有了資料後，需要分析，所以「AI思維」比原本的「運算思維」更加著重於資料解析，但歸根究底，這都還是「邏輯」問題。　

 

　　工具也必須有所調整，所以CT2Flow、CT2Code改成AI2Flow、AI2Code，原本CT2Code是將流程圖轉換為Java程式碼，現在則改成Python。　

 

　　場域也添加不同的元素，原本的PBL增加一些AI體驗，包括影像、聲音、Sensor等設備。　

 

　　成就感可以提升、延續學習興趣。　每學期結束舉辦「非資訊領域程式設計競賽」，每班選1隊參加，使用CT2Code解題，題型分為易/中/難，共5題，很多組全部答對；同樣的問題拿給資工系學生，能答對5題相對不多。　

 

　　L1是針對全校「非資訊領域」的學生，L2、L3則是「程式學習」（AI）與各院系與產業專業領域的結合，L4即是跨域產業+AI的真實應用。　

 

 

L2：院AI共同課程

 

　　L2是依據各「學院」的專業領域和特色，注入AI和IoT的「院」共同課程。　AI一定有資料擷取和互聯網的問題，IoT技術一定要有，但真正的問題是如何分析、規劃、預測資料，這就需要AI屬性比較強的課程，所以資訊相關的工學院應該在L2建立起院內各系專業共同需求的基礎，以利下一階段各系或跨域和產業連結。　

 

　　非資訊領域的學院更應藉此新技術發展的時候，建立專業領域的結合。　例如，管院的IoT可能運用在零售業，數位行銷、Martech，但IoT一定要做到消費者的消費行為資料，資料也包括影像，例如分析人流。　創藝學院的重點可能放在影像或聲音。　文學院可能最重要的不是機器學習，而是自然語言處理（Natural language processing, NLP），及其最擅長的資料分析，也許資料擷取的相關課程只有1門，但結合NLP與資料分析，就能建構文學院結合AI的課程Roadmap。　

 

　　簡言之，任何一個學院，任何一個專業領域都能運用AI、IoT，只是應用的對象不同，蒐集的資料不同。　

 

　　實際上，高教深耕第一階段並沒有太多院系真的在做L2，也出現不知道如何銜接L1和L2的質疑。　但是，L2是依據各學院的專業領域和特色，所以在L2上，各院應該說清楚專業領域或發展特色是什麼？　L1才能依據院系需求進行調整。　如何建立彼此溝通的良性管道將是一大重點。　

 

 

L3：以系為發展重心的產業+AI學程

 

　　L3的重點是「產業+AI」，需要更進一步地建立起與產業相關的課程，這就回到各「系」的專業、跨域和實習，特別是發展學程。　以工學院為例，院的特色是結合AI與IoT，若要和產業產生連結，必須再加上一些最佳解的搜尋、演算法，各系需求就不盡相同。　工工系偏重在製造，需要的場域明顯不同其他系；同樣是IoT，工工系的Sensor是蒐集機器的資料，也就是說IoT的重點是在機器、生產線的資料蒐集與分析。　所以進入L3，工工系可以發展智慧品管，現在是on-line，即時品管，如果課程設計仍停留在30年前後知後覺的品管模式，必然失去競爭力，甚至沒有用。　如果沒有合適的場域，學生如何理解何謂即時品管？　

 

　　有的人以為東海全力發展AI、IoT，將會成為技術學校，這種理解是荒謬的。　把AI、IoT元素放到專業領域中，並不代表取代基礎、專業課程，只是資料取得、分析的方法和過去不同了，技術會隨著時代的轉變日新月異，技術與時俱進以尋求解決問題的新方法，這是大學的基本職責。　

 

　　真正的關鍵必然始終是Domain knowledge，這也是東海建構學生「程式語言的能力」，不僅著眼於L1的基礎學習，同時重視L2、L3各院、系的專業結合與應用。　

 

　　真正的技術問題是，在東海發展AI、IoT的過程中，做為一所綜合大學擁有許多Domain，產業結合更是不同的Domain，所以放在L3討論，諸如電機、資工、應數等系所，發展的重點不一定是系的Domain，但其能進入許許多多的Domain，所以應更精進地思考如何開發不同的技術，更有利地切入各種Domain。　

 

　　同時，各系擁有Domain，未必具有AI、IoT的能力，因此，一方面可以和雲創學院、AI中心合作，另一方面AI中心正以參與AI計畫的院系為重點對象，規劃課程，培養種子師資。　從跨域的角度來看，各系可以接續L1、L2，規劃能實際應用於產業（L4）的課程Roadmap，也能幾個系和雲創學院、AI中心合作，開發能直接與產業對接的學程。　

 

　　進入L3，各系應該建立起自身特色專業和產業Domain之間的連結，並據此產生課程，或跨域建立學程，然後，進入L4，產業合作，實務應用，讓學生能真正地學以致用。^*註四

 

 

L0：全校智慧學習環境基礎建設

 

　　在建構全校智慧學習環境之前，必須認清，L2、L3、L4的發展過程中，從院到系具有不同的基礎建設需求，為了避免資源浪費，所以有L0的基礎建設，集中資源、滿足需求（教學、研究、產學）、永續管理。　

 

　　當AI、IoT元素放到各院系的專業領域時，都需要資料，資料放在哪裡？　普遍認為應該放在公有雲，不需要自行開發。　但是，面對各式各樣的雲端平台，必須先了解不同的屬性需求。　

 

　　AIoT的雲端平台概分三大區塊，IaaS（Infrastructure as a Service）、PaaS（Platform as a Service）、SaaS （Software as a Service）。　AWS（Amazon Web Service）、GCP（Google Cloud Platform）、Azure（Microsoft Azure）均屬著重於基礎建設的IaaS區塊。　但是到了工學院的專業領域，特別在安全問題上，就必須考量不同的平台，例如研華的WISE-PaaS即著重於工業製造領域。　

 

　　在硬體需求上，109年度將獲得英業達前董事長李詩欽校友（12，經濟）的贊助，目前正緊密洽談規劃中。　

 

　　在面對產業需求時，108年已完成3D軟體雲與AI雲平台，以供各院系AI課程、研究與產業實務應用，老師及學生可直接進行線上開發使用，不再侷限於專門實驗室場所或電腦教室。　

 

　　此外，建置THU AIR （AI+IR）解決方案平台，俾利於進行校務研究（IR）與全校發展AI的培訓課程，並協助「L3產業+AI學程」與「L4產業+AI實務專題」資料彙集包含資料庫、蒐集與分類資料、資料分析、資料清理、統計分析等一系列資訊處理與運用技能提升。^*註五

 

 

註一：參見高等教育司，〈大學程式設計教學計畫推動有成〉，2019.1.22。　　

 

註二：參見「東海大學運算思維與邏輯能力」網站之「教學工具」。

 

註三：2019年8月14日鄭清和理事長與王茂駿校長在全校各級主管見證下，共同簽署〈AI合作框架協議〉，並設立「大渡山-東海AI中心」。　鄭理事長致詞時，即率先倡議AI+、產業+、Tunghai promote之發展策略。　參見 〈AI合作框架協議〉。　另參見，「東海大學高等教育深耕計畫」官網。

 

註四：鄭理事長在〈AI合作框架協議〉演說中即言：「『產業+』的概念是『產業』放在前面，『AI』擺在後面。　……是從產業的需求出發，學生進到東海要決定想投入醫療？　 製造？　 或其他方面的AI，然後我們把他培養成為產業需要的人才。　」

 

註五：參見「AI在東海」之「全校推動架構」。　

 

 

 

 

 

 

---