Arduino 与传感器模块(DHT11 温湿度、HC-SR04 超声波、光敏电阻、PIR)。舵机。串口输出调试。通过 SD 卡(如有)或串口监视器记录数据。原理图(Fritzing 或手绘)。衔接现有 Nanyao River / UNESCO 科学仪表板工作,学生可为该项目提出传感器方案。
AI 融入
AI 作为资深工程师顾问。学生使用 DeepSeek:(1)制作前规划电路与代码架构;(2)排查多元件系统故障,例如“传感器单独使用正常,接上舵机读数就异常,这些问题有什么共因?”;(3)建议校准流程。要求高于 8 年级:学生必须质疑并验证。每单元必须记录一次自己识别出 AI 错误或误导性技术建议的情况。项目选择自然涉及监控问题时,开展伦理讨论。
总结性评估
解决真实校园问题的可运行传感器原型,如走廊人流计数器、温室监测器、食堂噪声提醒器。设计档案重点包括 C(甘特计划、接线与代码清单、迭代日志、技能证据)和 D(实测数据、评价、改进计划、利益相关者影响分析),并附 AI 使用记录。
使用 Google Sheets 分析数据。选择图表。工具:Flourish(免费档)、Datawrapper(免费),进阶学生可用 p5.js / D3。分析现实中的正反案例,如比较同一统计数字的不同来源。考虑色觉障碍用户。
AI 融入
AI 辅助理解数据。学生使用 DeepSeek 或 Kimi:(1)总结数据集并提出值得关注的内容;(2)解释资料中的统计概念;(3)评价可视化草稿是否清晰、诚实。本单元特别提醒:AI 会自信地编造统计数字和不存在的来源。最终可视化中的每个数字,都必须追溯到学生亲自查阅过的原始来源,在此建立严谨的 AI 事实核查习惯。