臺灣的通識教育發展有其歷史脈絡，從共同科到部定通識，再到校定通識核心，有一個發展的過程。中山大學在過去六大向度的博雅課程改革中，要求各科系的同學進入不同系所修習專業課程，但跨域的實施沒有那麼容易。中山大學西灣學院王宏仁院長表示，中山大學近年來的通識理念都是創造一個跨領域的環境，後來成為了今日的西灣學院。

      王宏仁認為，通識教學所遭遇的最大的困境往往是教師雖然具備足夠的熱情，卻還須面對許多現實層面上的限制，如教師自身的升等、評鑑壓力，教師間缺乏跨域交流，或是常常需要自行尋找合作教師等等。因此，中山大學希望能創造一個良好的環境，讓教師、學生都能在其中進行跨領域的實踐，甚至讓業界能夠參與進來，這就是中山大學的西灣學院。

編按：
「高教最難論壇」是iGER計畫每逢全國大專校院通識教育主管會議舉辦的例行論壇，每次邀請不同學校的校長分享觀點，除了交流各校在自身特色下發展出來的通識特質，更希望藉由每位校長的格局與視野，看見推動通識教育的困難點與突破方法。

編按：
「高教最難論壇」是iGER計畫每逢全國大專校院通識教育主管會議舉辦的例行論壇，每次邀請不同學校的校長分享觀點，除了交流各校在自身特色下發展出來的通識特質，更希望藉由每位校長的格局與視野，看見推動通識教育的困難點與突破方法。

編按：
「高教最難論壇」是iGER計畫每逢全國大專院校通識教育主管會議舉辦的例行論壇，每次邀請不同學校的校長分享觀點，除了交流各校在自身特色下發展出來的通識特質，更希望藉由每位校長的格局與視野，看見推動通識教育的困難點與突破方法。

當前高等教育面臨人工智慧（AI）發展帶來的挑戰與機遇，我想分享一個不同的視角：通識課程的A&I。這A&I並非直接指涉人工智慧，而是我對通識教育本質的思考—五個A和五個I，代表通識教育的核心精神與目標。

閱讀《博觀通識:國立大學》中七所大學(包括國立金門大學、國立屏東大學、國立暨南國際大學、國立高雄師範大學、國立臺中教育大學、國立臺北大學和國立臺灣海洋大學)的通識教育各校實施現況後，深刻感受到各校逐漸鬆動「專業」與「通識」的藩籬，走向以「專業知識為體、通識教育為用,培養 21 世紀最具競爭力的大學生為教育宗旨」。整體而言，各校基於自己的通識教育理念，逐步擴展不同的觸角，包括國際化、多元文化及本土觀…等，已經實質突破了過去「小通識」或是「共同科目」的格局。這些學校通識教育的共同優點和特色是：融合 USR（大學社會責任）及跨域整合，充分展現各校特色。透過本書的分享，這些努力的成果值得他校借鏡。以下歸納出幾項回饋,供各界參考。

通識教育旨在拓展學生的基礎性、多元性和跨領域知識培育完整的人格，是全人教育的基礎。據此,我個人長期倡議：「通識以全人教育為理念，以培養當代素養及專業核心能力為目標，是故沒有專業的通識是空洞的，沒有通識的專業是盲目的。」我們在評估通識教育的表現時，大致上有五個面向：(一)理念、目標與特色：明確的教育理念和目標,並展現各校的特色；(二)課程規劃與設計：精心設計的課程，涵蓋多元化和跨領域的知識；(三)教師素質與教學品質：高素質的師資延聘和優質的教學；(四)學習資源與環境：提供豐富的學習資源和優質的學習環境，營造「境教」的校園文化；(五)組織、行政運作與自我改善機制：完善的組織結構和行政運作，並設有自我改善機制。整體而言，各校都非常認真地推動通識教育，建立了理念、目標、課程規劃及行政運作等基
本觀念和制度。

在媒體環境快速變遷的今日，大學教育如何有效地連結職涯發展已成為重要議題。身兼《報導者》營運長­、Podcast主持人及大學教師等多重身分的李雪莉，分享了她對當前教育體制與媒體生態的觀察，並反思通識教育的關鍵價值。

「你知道嗎？只要聽鳳梨被拍打的聲音，就能判斷它的品質。」陳宗和老師在本次演講中，以該例切入，分享透過人工智慧與資料分析技術應用於農業場景的教學模式，展示了跨領域教學的創新嘗試。透過聲音轉譯、圖像分析與機器學習模型的實作，引導學生從真實問題出發，理解AI技術如何與生活接軌。

智慧農業面臨的現代挑戰

陳老師說明現代農業正面臨著極端氣候、病蟲危害、資源競爭和市場波動等挑戰。智慧農業的推廣能夠協助農民更準確地分配有限資源，預測天災與病蟲害的發生，並透過市場需求與價格走勢分析，制定相應的生產與銷售策略，降低市場波動帶來的風險。這次分享的教學模組，正是以「鳳梨品質辨識」為例，展示量化分析在評估水果品質中的應用價值，期望能減少糧食浪費並結合生成式AI輔助程式開發。

從開發平台到應用平台：資料分析的通識化

現今的資料分析工具使得分析門檻不斷降低，新的平台工具，讓使用者不再需要複雜的程式碼複製與貼上操作，大幅簡化了資料分析的流程。這種轉變讓資料分析從專業領域走向通識教育，成為各學科學生都應掌握的基本能力之一。

機器學習實作：鳶尾花分類預測

演講以經典的鳶尾花資料集為例，示範機器學習的基本流程。介紹了如何將資料集分為訓練集和測試集，並使用K最近鄰居(KNN)演算法和多層感知器(MLP)模型進行分類預測。他詳細展示了從資料讀取、特徵選取到模型訓練與評估的完整流程，為後續的進階應用打下基礎。

接續聚焦於深度學習：鳳梨品質分類的實際應用。陳教授介紹了一種透過聆聽鳳梨敲擊聲音來判斷其品質的方法，將鳳梨分為「鼓聲果」與「肉聲果」。研究團隊收集了來自不同品質鳳梨的敲擊聲音，將這些聲音轉換成梅爾頻譜圖，再利用卷積神經網路(CNN)進行分析和分類。

這項應用充分展示了如何將深度學習技術應用於農產品品質檢測，特別是：

1. 將音頻數據轉換為梅爾頻譜圖，使其成為適合CNN處理的格式
2. 採用卷積神經網路架構處理這些「聲音圖像」
3. 透過模型訓練實現自動化的鳳梨品質分類

卷積神經網路(CNN)的原理與實作

陳老師在演講中深入介紹了CNN的基本架構與工作原理。他詳細解釋了CNN的各個元素，包括輸入層、卷積層、池化層以及平坦層和全連接層，強調CNN適合處理圖像、語音等非結構化數據的特性，並說明了如何使用Keras框架建立CNN模型處理梅爾頻譜圖數據。

AI輔助教學的限制與風險

教師和學生使用AI輔助工具時需注意的限制與潛在風險。老師指出AI生成的程式碼可能不完整或不正確，需要人工審查；複雜問題的除錯仍然需要專業知識；使用者也需注意資料隱私問題，建議將AI視為學習工具而非答案提供者，教師應適時指導並強調程式邏輯思維的培養，確保學生能理解AI生成內容的原理。

結語

透過這次分享，陳教授詮釋了如何將AI與資料科學技術應用於農業領域，並透過具體的教學設計，讓非資訊背景的學生也能掌握這些先進技術。這種跨領域的教學模式不僅拓展了資訊教育的邊界，也為解決現實農業問題提供了新思路。隨著AI工具的普及，資料分析能力正從專業技能逐漸轉變為通識素養，他的教學創新正是適應這一趨勢的積極嘗試。

智慧農業與AI技術的結合已不再是遙不可及的未來願景，而是可以透過精心設計的教學內容，讓更多領域的學生掌握並應用於解決實際問題的具體工具。這種教學模式的推廣，將為培養具備跨領域視野的新一代人才奠定基礎。

由「教育部提升大學通識教育計畫」(iGER計畫)的「資訊科技素養培育分項計畫」舉辦的「2025 Coding 101大學軟體創作競賽」，目的是鼓勵程式設計新手的學生跨入競賽舞台。本次競賽吸引全國眾多學生跨校跨域組隊參加，經過激烈的競爭，最終由20支隊伍晉級，於3月22日在政大公企中心進行複賽。