Aprendizagem autónoma
Explorar ativamente métodos de desenvolvimento de agentes de IA e mini programas; descobrir e resolver problemas de forma autónoma na prática de projetos; usar ferramentas de IA para apoiar a aprendizagem e, ao mesmo tempo, avaliar criticamente a precisão dos conteúdos gerados por IA, adotando-os com prudência.
Tomada de decisão autónoma
No design de mini programas e na criação de obras de IA, ao escolher funções e definir esquemas, recolher informação para comparação e análise, e fazer escolhas razoáveis com base em julgamento independente.
Autogestão
Planificar de forma autónoma o progresso do desenvolvimento de mini programas, da iteração da obra e da submissão do projeto; distribuir razoavelmente o tempo de aula; registar cada resultado de teste e ajustar a direção de otimização em conformidade.
Pensamento de engenharia
Compreender o fluxo de engenharia do mini programa «análise de necessidades → design → desenvolvimento → teste → publicação»; sob restrições técnicas, avaliar e otimizar o esquema.
Pensamento computacional
Decompor tarefas de desenvolvimento de mini programas em módulos como estrutura de páginas, estilos e lógica; usar estruturas de programação como variáveis, arrays e condições para modelação abstrata; analisar e corrigir erros no programa.
Pensamento de design
Partir das necessidades do utilizador para conceber mini programas e aplicações de IA; com o pensamento MVP, focar as funções nucleares; iterar a experiência da obra com base no feedback de testes.
Compreensão cultural
Na criação de obras «IA e a vida», compreender a relação entre tecnologia e sociedade; reconhecer possíveis enviesamentos culturais nos dados de treino de IA; refletir sobre formas de a tecnologia servir a sociedade.
Comunicação e colaboração
Descrever necessidades com clareza a assistentes de IA e agentes, integrando conteúdos gerados por IA com criatividade pessoal; na apresentação (roadshow), expressar eficazmente o valor do projeto, ouvir feedback e aperfeiçoar a obra.
Pensamento crítico e inovação
Identificar erros e limitações em conteúdos gerados por IA (código, textos, design), avaliando a sua razoabilidade de forma independente; com base nas capacidades já existentes da IA, propor melhorias com criatividade pessoal.
