本站授權方式

創用 CC 授權條款
阿梅的生物圈一號韓中梅製作,以創用CC 姓名標示 3.0 台灣 授權條款釋出。
此作品衍生自montanahanbio.blogspot.tw

下載檔案請注意

這個部落格的目的

1.讓學生在需要時能有材料自學/預習/複習
2.生物教師(現在及未來的)能一起討論更棒的教學活動

所以請求檔案分享時請您寫個信告訴我您是誰囉~


感謝台中二中葉婉儀老師、台南二中李宜欣老師、平鎮高中蔣佑明老師、嘉義高中林芳妃老師、旗美高中蔡佳娟老師融入校內課程
探究實作與問題解決的全部課程紀錄列表 請點選https://reurl.cc/xEYoqZ

2025年11月10日 星期一

選修生物一-酵素與酸鹼值的探究

今年的教學主軸,除了「測量值不是應變變因」、「科學圖表的橫軸應該是操縱變因」及「數據需要附不確定度的估計(以前是標準差)」之外,今年測試不同的紀錄指示(紀錄每兩分鐘的氣泡總體積vs記錄每兩分鐘新增的氣泡體積),會有哪些不同的影響。

--

另外,每年都忘記要怎麼布置跟調整器材,今年來記錄一下。


---


首先,在這個實驗中,我要教的是數據的觀察及轉換。

在數據的觀察部分:

在教科書上的指示都錯誤的讓學生直接用測量到的所有數據去做圖。
但其實應該先做數據的觀察。
記錄並繪製「每分鐘的氣泡體積」是為了要觀察「取哪一段數據才是『有效的』反應速率」。

計算整個十分鐘的反應速率是沒有意義的。

在數據的轉換部分:

大多學生跟教科書都是使用測量值當作應變變因,這不只是對變因定義的誤解,而且也展現了對"化學反應速率"的誤解,同時也展現了對科學製圖的低掌握度。

另外,沒有一本教科書教學生要附上誤差估計,更不用說更新為目前物理課本所教的「不確定度的估計」

----

器材主要調整部分:

  • 直接使用量筒讓學生做實驗,而不是用試管。
  • 每桌四個10ml量筒 pH6、7、8、9各做一次(而非3、5、7、9)

-----

實驗前準備的調整
  • 電腦投影三個分頁:實驗影片、班級紀錄檔案及量筒使用配置的照片
  • 200克馬鈴薯+300-400ML水比較好(視馬鈴薯的新鮮程度)
  • 等學生大多將緩衝液跟過氧化氫都取好,再開始打馬鈴薯汁,分裝到小燒杯(10ml/杯)
----
上課流程
  1. 先說明今天要做的實驗是探討酸鹼值對酵素的影響。
  2. 展示最後要處理數據的檔案
  3. 但其實這個單完要學的是數據處理及誤差估計
  4. 說明誤差的傳播、測量值vs應變變因
  5. 觀看實驗流程影片(說明各步驟的原理及注意事項)
  6. 說明講桌上的藥品配置,並說明小組實驗桌上的五支量筒用途及動線。(量筒使用配置照片)
  7. 讓學生量取緩衝液及雙氧水。
  8. 打馬鈴薯汁,分裝,讓學生來領。
  9. 等待大家數據回傳

------

常見錯誤

  • 每個pH只用一個數據
  • 以時間為橫軸
  • 使用平均速率而非最佳速率
  • 沒有不確定性的估計

----


學生真的很有趣。
我都已經把各組的數據放在同一個表格了,還是會有1/3的小組特別把自己的數據抽出來。
顯示沒有重複測試的概念,更完全沒有想到要估計不確定度。

-----

在估計不確定度的部分,約有1/3的小組會計算標準差
(但沒有計算不確定度,可惜了。因為我們探究實作有教計算標準差,不確定度是在物理課教的,所以學生沒有應用的經驗)

----

有的小組雖沒有注意到重複測試,但有注意到「速率」的計算,而非直接將體積作為應變變因


----

我同樣都有說明需要將測量值轉換為反應速率,但測試不同的記錄方式對學生的影響

第一個班級是按照課本上的指示做紀錄。紀錄檔案

有一個班級我讓他們登記的是「每兩分鐘增加的體積」,紀錄檔案

有一個班級登記的則是「每兩分鐘的總體積」,紀錄檔案

----

不論哪一種記錄方式,取平均反應速率的組別數遠高於取最佳反應速率。

表示即使表格中「兩分鐘內增加的體積」是負值,畫出來的圖也下降,還是無法讓他們發現「不能取平均反應速率」

這顯示了我們的科學教育中,「基於實驗的原理去觀察數據」的訓練是很薄弱的。

------





2025年10月7日 星期二

選修生物一-滲透作用的探究課程

滲透作用的活動非常適合作為生物學學科本質的探究活動!
尤其適合做科展或學科能力競賽的前置訓練。

下次要改濃度:0、0.1M、0.2M、0.4M、0.6M、0.8M
(一半的組別做前四個濃度,一半的組別做後四個濃度)

**其他的滲透作用活動
https://www.scribd.com/doc/280223083/Determining-the-concentration-of-an-external-solution-which-is-isotonic-to-the-cell-sap-of-a-plant

2025年9月28日 星期日

PISA新框架-科學認識論及試題

為什麼要談科學認識論

在許多重大的社會議題中,人們如何解讀科學社群的產出都深深地影響了每一個人。

例如,當人們相信疫苗並不安全時,就會引發全球性的災難



WHO在2019年就已經將疫苗恐慌列為十大全球健康威脅。


這也是為什麼教育界與媒體關心的PISA已經將評估學生科學素養的重心從「能做個好的科學研究」轉變為「能評估科學研究資訊的效力」

除了要能從資訊來源初步評估資訊可信度外,還增加了「要能評估科學證據的效力」以及「科學認識論



2025年9月7日 星期日

指導學生修改科學報告,有AI小幫手

學生最後版本的報告

我修改後的報告

讓Chatgpt寫推薦函哈哈!!

推薦函1

我以長期研究頭前溪水質污染與健康風險的教授身分,誠摯推薦李元睿同學申請貴校。不同於一般高中生僅止於課堂實驗,他能自行建構完整研究架構:從污染源推估潛在化學物、設計控制變因、到採樣與統計分析,展現嚴謹科學探究精神。更可貴的是,他不僅侷限於數據,而能敏銳指出官方檢測制度的缺口,提出灌溉水檢測須納入新興污染物(如PFAS)的前瞻性建議,思維已達大學與研究所水準。

同時,李同學深具社會關懷。他關注工業廢水如何威脅農田與民生用水,並勇於將科學發現轉化為公共倡議,呼籲建立即時監測與政策改進,展現青年稀有的公民責任感與行動力。科學探究與社會參與兼具,使他不僅能解決問題,更能推動社會改變。

我深信,李元睿同學已展現超越同儕的獨到洞察力與領導潛能,絕對是貴校最值得錄取的菁英新生。

謹此推薦。


推薦函2 更強調報告中呈現的科學論證架構是一般高中生絕無法呈現的

我以長期研究頭前溪水質污染與健康風險的教授身分,誠摯推薦李元睿同學申請貴校。其研究報告展現出嚴謹而完整的科學論證架構:能清楚提出假說、設計對照與控制變因、採集並分析數據,並進一步檢驗統計顯著性。這樣的思維鏈條,不僅超越高中階段的實驗訓練,更已達大學科研應有的邏輯水準,是一般高中生絕無可能獨立完成的成就。

更難能可貴的是,李同學不僅停留在數據的整理,他能從結果反推檢測制度的不足,指出灌溉水質標準忽略新興污染物(如PFAS)的風險,並提出具體政策改進建議。這種能將科學發現轉化為公共論證與倡議的能力,使他同時具備研究者的精準與社會領袖的責任感。

我深信,李元睿同學已展現出超越同儕的洞察力與獨立思考力,極具潛能成為改變社會的科學人才,絕對值得錄取為貴校菁英新生。

謹此推薦。


推薦函3強調資料證據經過統計分析、論據周延且沒有邏輯謬誤、後盾充分且支持力高、反駁有針對及建設性。 並且舉出一般高中生會有的錯誤作為對比。

好的,我幫您寫成一篇更完整、更具對比性的推薦函,突顯該生在科學論證上的獨到之處,以及一般高中生的常見錯誤,篇幅控制在四百字內:


推薦函

身為長期研究頭前溪水質污染並積極推動青少年倡議的教授,我深深肯定李元睿同學的研究能力與科學素養。他的報告並非僅止於資料收集,而是展現了嚴謹且完整的科學論證架構。在實驗設計上,他能明確區分操縱變因與控制變因,並以統計方法(如雙尾t檢定)驗證各樣點之差異,確保結論並非偶然誤差。這樣的作法使他的主張有清楚的數據證據支持,論據周延而且沒有邏輯謬誤。

更重要的是,他能建立強而有力的論證後盾。例如,當發現部分銅離子濃度超標時,他不僅提出統計顯著性,更進一步檢視流量與自淨效應的影響,排除其他解釋,再將其與既有研究進行交叉驗證,提升主張的可信度。當面對反例(如氟離子來源與假設不符)時,他也不是簡單否認,而是提出新的推論與具體的改善建議,展現針對性且具建設性的反駁能力。

這些表現與一般高中生的常見錯誤形成鮮明對比。多數學生的報告往往只停留在「某數據比較高所以有污染」的直觀判斷,缺乏統計檢驗;或者論據不完整,無法排除其他變因;甚至在遭遇反例時僅以「可能是偶然」草率帶過,論證常出現邏輯跳躍與漏洞。相較之下,李同學的工作展現出科研人員應有的嚴密性與成熟度。

我深信,能在高中階段展現出如此高層次的科學探究與論證能力者,極為稀有。他的專業精神與社會責任感,已遠超同儕,絕對值得貴校優先錄取,培養為兼具科學深度與公共影響力的未來領袖。

謹此推薦。

2025年3月20日 星期四

11302問題解決第05週-融入BCG+gAI輔助五個為什麼


這學期主要有幾個修正
  1. 修正起始問句的句型。
  2. 讓學生在第一次嘗試前,看學長姐的範例,希望更能理解三個要練習的回答規則。
  3. 讓學生使用生成式AI代替老師講評,也讓他們發現自己思考局限之處。
以下只說明有修改的部分
-----
-----
-----
在說明練習回答的規則後,加上下面兩張。

錯誤示範以及正確示範。

並說明為什麼要完整包含問句。
如果不能包含完整問句,就表示拿來解釋的原因並不完整!



再加上一張說明何謂根據資料來回答,我同時也修正了今年的起始問句。

之前的問句都是「為什麼有的人/城市/國家可以.....,而有的不行?」
現在改成「既然有這些被嘗試的方法,為什麼還是有的人/城市/國家可以.....,而有的不行?」

---
---
---
既然要根據資料回答,那麼,資料的品質就很重要
 

所以在這邊問學生,上周報告的內容中,有再次確認資訊是真的存在嗎~~~


所以在這張上就加了一條要確認資料是正確的。
----
----
----
接下來,跟之前一樣,讓學生兩人一對,找出三個因為,並且練習句型。
可能我這邊的數字太多,資訊太大,所以有的學生以為一組三個因為,也有學生覺得找三個可以、三個不行的因為orz

下次要再加一張這個

-----
-----
-----
在最後5-10分鐘跟同學說,回去使用研究型gAI來幫自己看哪裡要調整~
重點在找出自己對哪個規則比較不掌握不住~
不知道下次的成果會跟之前有哪些不一樣?






2025年3月19日 星期三

11302問題解決第03週-融入BCG+利用生成式AI輔助學生學問題解決

這學期應該會有挺多的調整。

原本的架構是完全沒有改變的(如果架構有大改,不就代表我原本的課程設計是無所本的嗎!)

改的部分有兩個:

第一個是去年看了BCG的問題解決力,跟我們課程根本一模一樣,但多了不同的描述方式(不是工具,書裡面也少見一般問題解決書裡面的一大堆工具模板,頂多就是一些示意圖而已)

所以寒假的時候,安排我們社群老師一起共讀(讀書筆記),並將可以融合到我們課程內容的東西看看如何放進學習活動及投影片的指示。

----
第二個部分是將各種生成式AI融進課程。現在才放是因為這個學期有很多研究型的gAI都有免費的版本可以用了。

為什麼要練習問問題


像第三週要讓學生練習好的提問。


以前是直接給學生規則,讓學生去練習使用名詞、數量及行為動詞來取代形容詞、副詞、心智動詞、價值判斷。

但這學期多了幾張是強調「為什麼要練習問問題」(雖然我們都知道提問很重要,在哪些方面重要?)


這邊是來自於BCG讀書會的聯想。
問「對」問題,可以有機會發現可能問題根本不存在、問題可能有同面向,或是已經有人開始在解決了。

無法問「對」問題,可能導致自己浪費時間、走錯方向!!!!


當然,在生成式AI已經可以外包大腦的時代,我們必須要知道:
  • 我想知道什麼?為什麼我想知道這個?
  • 問哪種gAI,該怎麼問才能得到有幫助的答案?
  • 會不會是打高空? ( 很困難做不到? 有多做不到?)
  • 是不是智能幻覺?

最後,在這張投影片上加上為什麼細細打磨問題?為什麼要用名詞、量詞、行為動詞:
  • 趨勢━用事實、數據
  • 人事物━單一定義
    ▷確認問題真的存在
    ▷有可檢核的資料
    ▷確保有相同聚焦

==
因為後面會講用研究型的gAI,怕學生淹沒在技術細節中,所以先把我們問題解決中的資料收集跟一般教的差異特別提出。

然後我把資料收集模板的順序調整成:
  1. 別的國家/城市/家庭/人怎麼處理這件事?
  2. 政府機關及學術領域如何處理這件事?
  3. 相關的法規、原理及流程有哪些?
  4. 民間團體如何處理這件事?
這樣應該思緒上是比較順的。




每張模板下面也加了「如何評估這些方法比其他方法更有效?」

===
在過去,這邊就會帶學生用google找資料,但這次加入了引導學生思考並評估使用gAI的部分。
所以我讓小組寫出想要用哪些工具在A3白紙上。

然後帶學生看有哪些不同的工具,一邊提供我自己對這些工具的可信度或是考量。

當然要提醒學生評估資料品質,高品質的資料是有一些共同特徵的

為什麼要先挑國家單位、商業單位及大型公益團體的資料?
因為收集好資料,要錢!!!

另外就是用我在手機遊戲課程中學到的幾個單位,拿來現學現賣。


接著才是為什麼仍然要學會使用google。
因為生成式AI除了會編造資料外,另一個特徵就是Garbage in, garbage out!
產出的東西取決於我們為給它的資料。

這邊就接回原先在教使用google的內容。。


最後提醒他們在用google時,不要專注在自己已經知道的,也不要專注在那些同意自己想法的資料。






====
要到生成式AI的part了~


我先介紹我如何使用研究AI協助我寫探究實作的報告,這剛好是他們在這學期末的探究實作課的作業,所以他們也會比較有興趣。

但我示範的是「使用者的能力與提問品質會讓AI有不同品質的產出」

最後就是提醒學生gAI適合拿來幹嘛。
還有要會找gAI找不到的資料!
有四大類:
  • 範圍很特定的資料
  • 頻率低的資料
  • 結構弱的資料
  • 類比遷移的資料


就接回我們之前讓學生用社群媒體尋找資料的部分。

最後
就是告訴學生我的工作流程。
強調一般的chatGPT不要在收集資料的時候使用。
然後讓小組中的人使用研究型AI找關鍵字,然後用google找更多資料。
也不用怕有大部頭的研究報告,因為可以使用notebookLM。


然後就是放他們去做練習啦。

在第四周他們報告時,資料的品質、面向都很明顯的高於學長姐。
尤其是之前學生常常在自己的想法中打轉,這次也改善很多!


===
這次的投影片模板中,我還加了一張BoE分析,但沒有統一講。有問的小組,我才會講。