思維能力的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

AI時代，設計力的剩餘價值：對象×流程×應用×能力塑造，人工智慧浪潮下的設計師生存攻略

為了解決思維能力的問題，作者薛志榮 這樣論述：

AI歷史×深度學習×互動設計×技術運用×未來發展 人總有疲累、犯錯的時候，但是AI永遠乖巧聽話； 你說AI不懂創意，只能做死板的工作？ 隨著科技發展，AI人性化程度也愈來愈高， 再不懂得提升自己，最後只能被人工智慧所淘汰！ 跨界設計師甘苦談，讓前輩把經驗向你娓娓道來！ 　　【人工智慧在紅什麼？】 　　．AI的誕生 　　1956年8月，在達特茅斯學院舉行的一次會議上，來自不同領域（數學、心理學、工程學、經濟學和政治學）的科學家一起討論如何利用機器來模仿人類學習以及其他方面的智慧，「人工智慧」正式被確立為研究學科。 　　．人機互動的發展歷程 　　60年前，人工智慧和人機互動就像藍綠一樣是

勢如水火的兩大陣營？ 　　明斯基：「我們要讓機器變得智慧，我們要讓它們擁有意識。」 　　恩格爾巴特：「你要為機器做這些事？那你又打算為人類做些什麼呢？」 　　．機器學習和深度學習 　　機器學習是一門涉及統計學、神經網路、優化理論、電腦科學、腦科學等多個領域的交叉學科，它主要研究電腦如何模擬或者實現人類的學習行為，以便獲取新的知識或技能，細分為：監督學習、非監督學習、半監督學習、強化學習。深度學習是機器學習下面的一條分支， AlphaGo正是採用了深度學習算法擊敗了人類世界冠軍，並促進了AI其他領域（如自然語言和機器視覺）的發展。   　　【人工智慧如何影響設計？】 　　．從圖片到影像，Ado

be Sensei平臺幫助設計師解決在媒體素材創意過程中面臨的一系列問題，並將重複工作變得自動化。 　　．看動畫總覺得某些場景崩壞？自動描線的技術能夠自動辨識圖像，並確定圖像的具體輪廓，進而完成描線的工作，大大減輕畫師的負擔。 　　．圖文內容的排版涉及大量的專業知識，包括視覺傳達、色彩與美學、幾何構圖等， Duplo透過模組化和網格系統快速把內容放入尺寸各異的幾千種頁面中，解決不同螢幕尺寸下的圖文排版問題。 　　【AI衝擊！設計師該何去何從？】 　　既然AI如此方便，設計師的存在似乎就可有可無了？ 　　．最容易被取代的三大設計，看看自己符合了哪些！ 　　．深耕藝術設計、個性化設計、跨界思考…

…六種方法助你永保飯碗！ 　　【比人還通人性！談AI的實踐】 　　．AI設計八大原則：個性化、環境理解、安靜、安全「後門」、準確性和即時性、自我學習與修正、有禮貌、人格設定。 　　．產品設計三要素：透過增強記憶、訓練思考和預測行動，將人工智慧最佳化。 　　．從圖形使用者介面（GUI）到語音命令裝置（VUI），為什麼要將GUI轉換為VUI？ 　　【未來五年，人工智慧的發展】 　　．智慧城市 　　下水道設計不良，一遇到暴雨瞬間變水上威尼斯？ 　　每次上路總是提心吊膽，深怕遇到馬路三寶？ 　　警力資源嚴重不足！誰可以代替交警外出巡邏？ 　　交通、能源、供水、建築……數位監控平臺將接管城市管理的工

作！ 　　．商場 　　對商場上的惡性競爭感到厭倦了嗎？透過AI技術，有錢大家一起賺！ 　　讓不同性質的店家組成一個體系，推播優惠券製造雙贏效果。 　　．家園 　　在家裡擺上一幅霍格華茲的胖夫人畫像不再是夢？ 　　Atmoph Window不僅能隨意切換內容，還能配合主題發出相應聲音，彷彿身歷其境！ 　　★特別收錄：跨界設計師甘苦談、針對使用者的人工智慧系統底層設計 本書特色 　　本書從技術角度切入，介紹當前人工智慧的相關知識，再圍繞商業、產品、使用者需求等多個角度闡述人工智慧與設計的關係，提出人工智慧設計的相關見解，同時也結合了作者本身的學習和工作經驗，對設計師在AI時代下的發展規劃

給予相關建議。

思維能力進入發燒排行的影片

桌上遊戲融入技術型高中歷史教學之行動研究

為了解決思維能力的問題，作者李一玄 這樣論述：

本研究旨在探討桌上遊戲融入技術型高中歷史教學對於學生在學習興趣與動機的變化情形，以及教學歷程中學生透過桌遊活動在成就測驗和實作活動的各項學習表現，經過不斷地省思和修正中，從「無」到「有」建構行動研究可行之方案，促進學生在學習歷史上的學習興趣與解決問題之能力，並探討教師於教學歷程中的省思和專業成長。本研究以課程講解、桌遊競賽與自製桌遊實作設計二單元歷史教學，於109年10月到110年1月分別在高粱技術型高中電機科、電子科進行二循環教學，研究者於研究歷程蒐集學生訪談、學生作品、與夥伴教師會談紀錄、省思札記等質性資料，輔以單元學習成就測驗、學生回饋問卷等量化資料進行綜合分析，最後綜合歸納研究結論如

下:壹、 教學實施歷程方面一、 桌遊融入歷史教學先以精熟課程，同時經由教師示範，引導學生自製歷史桌遊。二、桌遊「飲食大富翁」可引發學生的學習興趣進而增強學生實作的信心。三、桌遊融入歷史教學仍需搭配教學策略，未來可嘗試翻轉模式，讓學生能多元學習。四、桌遊融入歷史教學的評量以成就測驗和實作評量為主，可展現出學生的應用能力，未來可調整成就測驗題型，融入桌遊活動內容。貳、學生學習表現方面一、透過成就測驗展現學生的應用能力，並看到學生在人際溝通解決問題的能力。二、桌上遊戲融入歷史教學有效提升學生體整的學習態度。參、學生對課程的回饋與感受一、學生喜歡課程結合遊戲的互動方式，並願意嘗試自製不同單

元的桌上遊戲。二、學生認為透過桌遊融入歷史教學讓歷史變得更有趣、多元。三、學生建議能有更多元的上課方式，也希望增加活動堂數。肆、透過行動研究提升研究者對課程與活動的設計能力，並能省思與執行。最後，研究者根據研究結論提出建議，作為教學者、學校行政、教育單位與未來研究者之參考。

101道解謎遊戲‧玩出天才腦：挑戰你的極限!100+腦力全開的思考益智遊戲，考驗專注力、想像力和邏輯力!

為了解決思維能力的問題，作者DrGarethMoore 這樣論述：

★ 暢銷書《數學挑戰遊戲‧玩出推理腦》再開全新主題 ★ 超過100道邏輯思考謎題，等你來挑戰 ★ 亞馬遜客戶評論4.5顆星好評推薦 　　你是否有遇過以下情況？ 　　生活中碰到詞不達意，怎麼解釋別人都聽不懂的窘境，或是絞盡腦汁後還是想不出令人耳目一新的點子，怎麼辦？這時候你需要跳脫原有的思考框架，找到全新的思考起點！一起透過趣味解謎來練習提升思考力、邏輯力、想像力吧！ 　　本書設計了各式各樣的謎題、腦筋急轉彎還有許多跳躍式的新穎題目，其中包含了經典的大家來找碴、數列排序規則、數學運算、數獨、連連看、迷宮遊戲等等，超過100道題目來鍛鍊腦力、增加邏輯觀察能力、挑戰自我極限！每一篇謎題各自

獨立，可以按照喜歡的題目進行五分鐘限時的解謎挑戰，完成挑戰後可以在上方的解題時間填寫花了多少時間完成，下一次再解謎時可以看看是否更快的解完謎題了！ 　　多樣化的遊戲類型＊＊＊＊＊ 　　✔ 空間聯想訓練～圖形排列、組合方塊、數方塊。 　　✔ 連連看～倍數、圖案、點線、骨牌。 　　✔ 數學邏輯應用～加減乘除、數列計算、數獨。 　　✔ 眼力考驗～大家來找碴、拼圖、重組物品、迷宮、鏡像圖案、影子對照。 　　寓教於樂讓解謎遊戲與生活結合＊＊＊＊＊ 　　✔ 掌握四則運算培養流暢數字的敏銳力。 　　✔ 提升腦細胞的運轉、鍛鍊水平思考、解決問題的能力、加強抽象思維能力。 　　✔ 啟迪思考力與判斷力，體驗解謎

成功的喜悅，增加自我成就感。 本書特色 　　✔ 總共101題解謎益智遊戲，涵蓋多種解謎題型。 　　✔ 新奇可愛的插圖陪伴解謎過程。 　　✔ 老少咸宜! 適合親子練習、朋友互相挑戰、長者動動腦練習延緩失智。 　　＊適讀年齡：8歲以上

國小六年級學童理解監控與多文本閱讀理解的關係

為了解決思維能力的問題，作者朱容嫺 這樣論述：

　　多文本閱讀為生活中常見的閱讀任務之一，為完成此任務讀者需要在不同文本間整合訊息進而獲得整體的理解，而在這樣的歷程裡讀者對於理解的監控應有其重要性。本研究主要目的即在探討國小六年級學童理解監控與多文本閱讀理解的現況與性別差異、並檢視理解監控與多文本閱讀理解的關係。研究對象為屏東縣四所國小六年級學童共177人，分別以團體施測的方式實施理解監控測驗及多文本主題先備知識測驗，再進行多文本閱讀理解測驗。將所得資料以描述性統計、獨立樣本t檢定、Hotelling’s T2考驗、皮爾森積差相關分析及階層迴歸分析等統計方法進行處理。　　根據資料分析結果，本研究的主要發現如下：一、國小六年級學童理解監控的

整體表現以及偵測外部不一致錯誤和內部不一致錯誤偵測的表現皆為中等程度，偵測詞彙錯誤的表現則略低。二、國小六年級學童多文本閱讀理解的整體表現和各理解向度的表現皆為中等程度。三、不同性別的國小六年級學童在理解監控和多文本閱讀理解上皆無顯著差異。四、國小六年級學童的理解監控總分、偵測不同錯誤類別與多文本閱讀理解總分間有顯著的正相關；理解監控總分、偵測不同錯誤類別與多文本理解各向度間，也都呈顯著的正相關。五、排除性別和先備知識後，理解監控整體表現對多文本閱讀理解整體有顯著的預測力，可解釋多文本閱讀理解10%的變異量；理解監控整體表現對多文本閱讀各理解向度也都有顯著的預測力，可以解釋的變異量介於3% -

7%之間。六、排除性別和先備知識後，理解監控之詞彙錯誤、內部不一致、外部不一致三項錯誤類別可顯著聯合預測多文本閱讀理解的整體表現，可解釋13%的變異量；其中只有偵測內部不一致對多文本閱讀理解整體表現有顯著的預測力。七、排除性別和先備知識後，同時投入理解監控之詞彙錯誤、內部不一致、外部不一致三項錯誤類別，結果皆可顯著預測多文本閱讀理解「提取訊息」、「概化訊息」、「解釋訊息」、「文本內整合」、和「跨文本整合」等向度，可解釋的變異量分別為 9%、6%、8%、5%和6%。然而只有偵測內部不一致錯誤可顯著預測提取訊息和解釋訊息二向度的表現，在對概化訊息、文本內整合及跨文本整合向度的預測上，偵測三項錯誤

類別皆無顯著的個別預測力。