探月社区成员请进

探月项目

一个个为自己、他人、社会、地球,创造积极影响的真实项目

每年,数十个跨学科项目跟随着让世界变得更好的使命,涌现出来,并不断迭代。我们的项目涉及到生物科学、城市计划、创新媒体、物理学、数学等多个学科和领域;在项目里,我们是一群工程师、设计师、架构师、科学家、思考者和未来世界的创造者;我们希望这些项目可以激发、引导学习者做出好的作品,进而思考自己在整个世界和人类文明演化进程中的角色。

政治与社会公共卫生与健康社会科学

疫情之威

涉及学科:历史学、政治学 项目主题关键词:疫情、历史、病毒、细菌 谈到 COVID-19 的影响,梅琳达·盖茨说过:“这场疫情放大了社会中早就存在的不平等问题,比如系统性种族主义、性别不平等和贫困。” 她的观点一针见血:疾病和社会矛盾从来不是孤立存在的。其实,我们把那些长期存在的社会问题称作“社会病”,也正是出于这样的原因。 这场全球疫情将把我们带向何处?它会带来哪些社会、政治和文化的改变?作为一个集体,我们又该如何防范下一场疫情?当下,我们仍然处在疫情的浪潮中,未来尚不明朗。不如先停下来,回顾一下历史,或许可以找到答案。 在这个项目中,学习者需要为五年级和七到八年级的学生分别制作一本历史杂志(2024 年 5 月刊)。他们的任务是向读者介绍并分析五种大流行病的原因和影响——瘟疫、天花、疟疾、流感和艾滋病(HIV/AIDS)。我们期待学习者做到以下几点: 解释这些疫情的生物原因和社会背景 分析这些疫情对社会、政治和文化的影响 确保内容适合你的读者,能够让他们理解你想传达的信息 此外,这个项目的学习者还要另外交一份 1200 字的学术论文。
其他自然科学

找到合适的位置

涉及学科:地理信息系统, 设计 项目主题关键词:GIS 校园地图,导视系统 这门项目课原本的名字叫Finding the Right Location with GIS,是由任课老师Mora设计好项目的研究问题、项目产出、计划好所有验收节点及验收标准的登舱项目课。这门课已经在探月开设了好几年,每次分析完GIS能为生活做出什么改变的案例之后,Mora都会问学习者们“你们有没有什么想做的、觉得可以用地理思维解决的问题?我们来一起做。如果没有,则可以做我准备好的项目。Your choice. ” 2024-2025学年秋季学期,一批9年级新生听见老师这么问,马上开始七嘴八舌的吐槽:学校的设计实在是太晕了,经常转向,找不到北; 学校地图和墙标太少了,迷路了想找地图和墙标都找不到 什么?学校有墙标?我都没发现 有,但墙标是错的,看了墙标也找不到路……等等 讨论时间到,他们得出了想要研究的问题:为什么探月社区的人们总是在迷路? Mora听完他们问题问:有没有可能只有你们新生才迷路,其他人不迷路呢?你们基于什么证据得出的“探月社区的人们总是在迷路”这个结论呢? 还有,“学校地图和墙标太少”这是个观点,缺少数据支持。 “墙标是错的”,这是真的吗?你们找到墙标的错误了吗? 于是,学生们开始了现场调研,他们分成小组去学校各个区域拍照、测量距离,发现学校的地图和墙标都有分布不均匀、被遮挡、信息错误这些问题。并把他们的发现制作成了地图和表格来论证他们提出的假设“学校地图和墙标太少了、信息错误,导致迷路” 但是他们并没有解决“是不是非新生也经常迷路”。于是他们想到要发问卷。但问卷难道就问一道题“你有没有在学校迷路?”?其他题目问什么呢?什么才是大家的痛点呢? Mora建议他们不妨在发问卷之前先问问社区里其他成员的想法,以此来确定他们的研究问题是个真问题 学生们小范围采访了学生、老师、学校的相关负责人和家长共31人发现大家也对学校地图和地标系统有相同的看法。于是,老师建议他们整理总结出访谈的共性问题和高频问题,根据这些问题制作了问卷,面向全校师生和家长发放。 “-你有没有在学校里找不到某个教室(房间)在哪里的经历?” 175份有效问卷中,有90%的人回答“有” -你觉得学校地图、地标和墙标系统最大的问题是? 地图信息缺失和信息错误;内圈导视系统无法提供信息 当有了充足的证据,学习者们选择了呼声最高且自己有能力解决的问题下手:分成地图和墙标两个组。地图组负责订正学校地图里的错误,添加更人性化的“当前位置”、最近路线等等。墙标组则需要从设计的视角修改内圈导视系统。这一定少不了设计老师的帮助。好在学生们的问卷发出后不久就收到了设计老师郭旭峥的支持,郭旭峥不仅全力支持导视系统的设计,并且这门登舱课的最终产出可以被用来成为设计科最后的作业,两门课的作业可以合二为一,给学生们减少负担,也是为了让他们能更加集中精力做好项目。同时另一位设计老师张志宇更是亲历亲为,不仅给同学们的内圈导视系统提出了详细的建议,更是亲自参与了好几次彩排。 同学们本以为制作了地图、设计好了内圈导视系统就能解决问题了,但随着项目的推进,一道拦路虎挡在他们面前:学校的教室编号是没规律的,比如C102之后的房间不是C103,而是E102。想要快速定位,就得重排门牌号,不然放再多地图和导视系统都还是会让人迷路。 重排全校所有房间的编号。这远超他们的能力范围。如何才能推动这一改变?他们找到得找校领导。但如何才让校领导同意这一重大变化呢?他们精心策划了一场面向探月创始人、探月高中部校长们、探月后勤部负责人、探月学生工作负责人、他们的年级长和教练们的现场汇报pk赛。请看vcr。
建模与数据科学自然科学

迫击炮之吼 —— 无坚不摧的攻城利器

涉及学科:物理学、工程学、计算机科学 项目主题关键词:实验设计、科学计算与推导、工程制造与加工 设计、制作一件“武器”是种什么样的体验? 物理学简介的同学们与你一起,体验过程的辛苦与结果的美丽,经历失败的苦恼与成功的喜悦。 欢迎参观我们的物理项目。在这个项目中,学生们自己设计并模拟了一项战争中的重要历史任务——通过射击模拟炮弹,准确命中敌方指挥部。在这个挑战中,学生们不仅要运用物理学的基本原理,还需要创新思维,结合实际情况进行实验设计,运用所学的知识解决实际问题。 项目的核心任务是利用现有的网球自动发球机或自己设计制作的各种“武器”,模拟炮弹发射过程。并通过调整发射角度、初速等参数,精确击中远距离的目标。学生们通过三种不同的方式完成挑战: 实验方法:学生们设计并实施多组实验,探究发射角度和初速如何影响球的飞行轨迹,并通过数据分析来确定最优的发射参数。 理论方法:利用物理学中的抛物线运动公式,学生们通过精确的数学计算预测炮弹的落点,计算出命中目标所需的精确发射角度和速度。 工程设计方法:部分学生挑战自我,设计并制造了自己的发射装置,通过实验测试不断优化设备,最终力求通过精确设计来提高射击精度。 整个项目不仅涉及物理学的基础知识,还锻炼了学生们的创新能力、团队合作精神和解决复杂问题的能力。通过这个展览,您将看到学生们如何从理论到实践,将物理学知识转化为真实的解决方案。
建模与数据科学数学

主成分分析:理论与应用

涉及学科: 数学、线性代数、统计学、机器学习 项目主题关键词: 矩阵分解、降维、统计建模、实际应用 本项目探讨主成分分析(PCA)作为降维统计工具在真实数据集中的应用。学习者从基础理论入手,理解奇异值分解(SVD)与PCA的关系,以及PCA如何解决高维数据中的常见统计问题。使用Python,学习者将PCA应用于“前列腺癌”数据集,探索该方法如何提取预测前列腺特异性抗原(PSA)水平的重要组成部分。在这一过程中,学习者识别并分析主成分,评估结果,并将PCA衍生模型与传统线性回归模型进行比较。项目强调PCA的数学理论及其在数据科学中的实际应用。此外,学习者通过SVD从头实现PCA代码,反思底层算法并将其与Python内置指令进行比较。
建模与数据科学数学

通过实际应用探索预备微积分概念

涉及学科: 数学、预备微积分、应用数学 项目主题关键词: 数学建模、实际应用、预备微积分主题探索 本项目允许学习者从预备微积分课程中选择一个主题并探索其在实际背景中的应用。主题可能包括多项式和有理函数、指数和对数函数,或三角函数和极坐标函数。学习者将进行研究、开发数学模型、解决示例问题,并讨论实际应用。例如,示例项目探讨了如何使用三角函数建模声波,展示了音乐和声音的力学原理。该项目鼓励创造力、批判性思维,并加深对数学概念如何与实际场景相关的理解。
建模与数据科学数学

将微积分应用于解决实际问题

涉及学科: 数学、微积分、应用数学 项目主题关键词: 数学建模、优化、微分、积分 在这个项目中,学习者将应用微积分知识分析和解决实际问题。项目可能涉及数学建模、优化技术,以及使用微分和积分理解和优化系统,如交通、经济、工程或环境过程。学习者将撰写综合报告,包括数学模型、计算和图表,并以5-10分钟的口头报告形式展示成果。该项目鼓励创造力和批判性思维,将微积分概念应用于实际情境。
建模与数据科学数学

通过真实数据探索统计方法

涉及学科: 统计学、数据分析、研究方法 项目主题关键词: 统计检验、数据收集、抽样方法、数据可视化 在这个项目中,学习者将选择感兴趣的主题并使用真实数据进行统计研究。项目涉及通过适当的抽样方法收集数据,应用课程中学习到的统计检验(如z检验、t检验、卡方检验和斜率检验),并使用数学计算和图形表示分析数据。学习者将解读结果以识别模式和关系,并以清晰、有条理的统计报告形式呈现研究成果。
建模与数据科学数学

线性回归:分析变量之间的关系

涉及学科: 数学、统计学、数据科学 项目主题关键词: 线性回归分析、数据收集、假设检验、实际应用 本项目允许学习者选择感兴趣的主题并通过线性回归分析探索变量之间的关系。不论是分析经济数据、环境因素还是社会趋势,学习者都会收集和清洗数据,构建回归模型,并使用统计软件(如R或Python)评估模型的拟合度。他们还将进行假设检验,计算回归系数的置信区间,并解读结果。项目最终成果是一份详细报告,通过这些技术解决实际问题,提高分析和数据建模能力。