一、从“做个小装置”到真正的科研项目：Science Fair第一课,孩子学到的远不只是选题
很多学生第一次接触 Science Fair 时，会问：“我做什么题目比较容易获奖？”但在高瓴教育看来，更值得先问的是：你发现了什么问题？你准备如何验证？你的证据最终能说明什么？
Science Fair 不是做一次实验、完成一块展板，或展示一个“看起来很酷”的小装置。它是一段完整的研究过程：从兴趣和问题出发，查阅资料、提出假设、设计方法、收集数据、分析结果、制作展示，并在评委面前清晰解释自己的思考。
第一节课收获
本周Science Fair Foundations — From Ideas to Investigation 第一节课，带学生建立科学展的整体认知：科学展有哪些项目类型？什么才算一个可研究的问题？工程原型如何测试？数据为什么比“看起来不错”更重要？AI 又应该怎样被合理使用？
二、Science Fair，能走多远？
学生通常会从学校的 School Science Fair 起步。
优秀项目有机会进入区域性赛事，例如 Greater Vancouver Regional Science Fair（GVRSF），并进一步挑战 Canada-Wide Science Fair（CWSF）等全加拿大、甚至ISEF国际更高层级的舞台。
但无论最终走到哪一步，「评委真正关注的」都不只是“题目够不够新颖”，而是学生能否说明：这个问题为什么值得研究、方法是否合理、数据是否可靠，以及结论是否与证据相符。
换句话说，科学展的核心不是“展示答案”，而是展示学生寻找答案的过程。
三、三种项目，三种路径
老师首先帮助学生区分科学展中常见的三类项目：
不同项目有不同的研究方式，但都要从一个清楚、具体、可测量的问题开始。
四、一个“会响的背心”还不够
我们以 GuideVest 为案例，带学生拆解工程类科学展项目真正应有的结构。
GuideVest 关注的是视力障碍人士出行时可能遇到的障碍物识别问题。传统白手杖能够帮助使用者感知地面和较低位置的障碍物，但在面对较高、较远或特定角度的障碍物时，提前预警可能存在限制。于是，学生将问题转化为可测试的工程挑战：能否设计一套可穿戴系统，在使用者靠近前方障碍物时提供及时、清晰的提醒？
项目使用 Arduino 作为控制核心，并连接超声波距离传感器。传感器持续测量前方物体的距离；当障碍物进入设定范围，系统会通过不同频率或强度的声音警报提醒使用者。障碍物越近，提示越紧急。这个原型让学生理解：电子元件不是为了“看起来专业”才加入，而是每一个零件都要服务于项目目标。
然而，装置能够发出声音，并不等于项目成功。要证明 GuideVest 有价值，学生还需要「用数据回答」更多问题：
-
在不同距离下，传感器测得的数值与真实距离之间有多大误差？
-
当障碍物位于正前方、左侧或右侧时，系统的检测效果是否一致？
-
从识别到障碍物到发出警报，系统需要多长时间？
-
面对不同大小、材质或形状的障碍物，装置是否仍然稳定？
-
提示距离设置得太近会不会来不及反应？设置得太远会不会造成过多干扰？
如果测试发现某些角度容易漏检，学生就需要重新调整传感器的位置或角度；如果声音提醒不够清晰，就可以重新设计警报等级；如果单一传感器存在盲区，也可以考虑增加传感器或改变系统结构。每一次改进后，都要再次测试，用新数据判断改进是否有效。
这就是工程项目最重要的逻辑:
Problem → Solution → Prototype → Testing → Results → Improvement
做出一个产品只是开始。能够发现不足、量化表现、依据证据持续优化，才是真正的工程思维。
五、两种测量，让结论更可信
实验型项目 PlaqueGuard 则让学生看到：科学实验的重点不是“结果看起来不同”，而是“这个不同是否真的可信”。
项目研究绿茶和蔓越莓中的 polyphenols，是否可能减少糖在模拟牙齿表面的附着。研究者设置了未处理的对照组、漱口水处理组、绿茶处理组、蔓越莓处理组，以及混合处理组，使不同处理条件可以被系统比较。
为了避免只靠单一指标得出结论，项目采用了两种独立的验证方法:
-
质量测量法：比较样本处理前后的质量变化，以估计糖附着量的多少
-
图像分析法：拍摄模拟牙齿表面，计算糖覆盖区域的面积或比例。若两种方法都呈现相近的趋势，研究结果就更有说服力
之后，学生还需要考虑重复实验、数据波动，以及组与组之间的差异是否可能只是偶然。通过 ANOVA 等统计分析，学生能够更严谨地判断：观察到的差异是否具有统计意义，还是可能由随机误差造成。
这个案例提醒学生：对照、重复、测量、验证与统计，不是报告中用来“显得专业”的术语，而是帮助研究者避免误判、提升结论可靠性的工具。
六、工具，为问题服务
为了让学生知道“想法如何真正变成产品”，课程还介绍了创新工程项目常用的技术工具。
课程也介绍了工程设计中的 「CAD和3D打印」
-
CAD 即 Computer-Aided Design，是利用计算机设计零件和产品的方法
-
Tinkercad 适合初学者设计简单3D模型，同时还可以模拟部分电子电路
-
Fusion 360 则适合更精确、更复杂的机械零件、外壳、装配结构和工程原型设计。设计完成后，可以将模型导出为 STL 或 3MF 文件，再通过3D打印机制作成实体零件
例如学生可以在 Tinkercad 中设计一个传感器支架，将它打印出来，再安装 Arduino 和传感器，从而形成真正可以测试的原型。
*创新工程类科创项目指南
学生不必因为没有设备就放弃工程项目。学校、图书馆、大学、makerspace、本地打印公司和在线服务，都可能成为原型制作的资源。真正重要的不是拥有最昂贵的设备，而是能否选择合适的工具、设计可验证的测试，并从结果中推动下一轮改进。
七、AI 是助手，不是研究者
AI 可以成为学生研究过程中的好工具：帮助理解陌生概念、拓展方向、学习 Python、解释代码、调试程序，或讨论研究方法的可行性。
但 AI 不应该替学生完成真正的科学思考。研究问题从哪里来、假设是否合理、变量如何设置、实验怎样设计、数据意味着什么、结论是否成立——这些关键判断，必须由学生自己理解、作出并能够解释。
因此，与其直接问 AI：“给我一个厉害的 Science Fair 题目”，不如「从自己的兴趣开始」：
你的兴趣 → 你的问题 →
与 AI 对话 → 探索与筛选 →
形成自己的研究想法
AI 可以帮助扩大视野，但不能替代学生的观察、判断与创造。
八、第一节课的真正收获
第一节课结束时，学生带走的并不是一个现成题目，而是一套开始研究的思维框架：
Science Fair不是寻找一个“看起来很厉害”的项目，而是从真实问题出发，用实验、数据、设计和不断改进去寻找可靠答案。
无论未来选择 Experiment、Innovation / Engineering 还是 Study，每位学生都应该能够「清楚回答」：
我为什么研究这个问题？
我将怎样研究或解决它？
我的证据最终说明了什么？
这，才是走进科学展的第一步。
