Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

夫朗和斐誕辰|科學史上的今天:3/6

張瑞棋_96
・2015/03/06 ・1068字 ・閱讀時間約 2 分鐘 ・SR值 487 ・五年級

1801 年 7 月裡的一天,巴伐利亞公國首都慕尼黑一間玻璃作坊突然轟地一聲整棟房屋倒塌。眾人前來圍觀議論紛紛之際,驀地廢墟傳來微弱的呼救聲,大家驚訝竟然有人生還之餘,趕緊合力搶救。

埋在瓦礫之下的是兩年前來當學徒的夫朗和斐,至今為止他的人生可謂命運乖舛。十歲母親去逝,第二年父親也隨即過世,成了孤兒的他離開家鄉來到慕尼黑當學徒,卻遇到苛刻的老闆,不肯讓他去週日學校求學,而今竟又逢此災難。然而,彷彿太陽神特地伸出援手似地,大難不死的夫朗和斐重見天日時,陽光也開始照亮他灰暗的人生,未來他還將揪出隱藏在陽光之中的秘密。

先是巴伐利亞王儲親自前來關切,除了給了他一筆錢並應允他讀書的心願之外,還委託企業家 Joseph Utzschneider 特別照料。於是夫朗和斐結束七年的學徒生涯後,隨即來到 Utzschneider 的光學儀器公司上班。憑藉著他本身高超的研磨手藝,加上一位來自瑞士的玻璃師傅將製作高品質玻璃的秘密傾囊相授,夫朗和斐很快就被賦予掌管整個工廠的大任,並在不久之後成為合夥人。

夫朗和斐大幅改善透鏡的色差問題,為歐洲的天文台打造最好的觀測儀器,其中有些還是他自行設計的。包括配有計時裝置和速度調節器的望遠鏡,可以追蹤觀測恆星,以及第一具現代形式的太陽儀。

-----廣告,請繼續往下閱讀-----

除了製作光學儀器,夫朗和斐本身也投入光學的研究。有一次他無意發現燭光經過透鏡散射後竟然出現幾條黑線,接著試了陽光也有黑線,不過略有不同。為了進一步研究,他於 1814 年發明了光譜儀,經過仔細的觀察,他發現太陽的光譜中有多達 574 條暗線。他將它們予以分類編號後,於 1817 年將分析報告寄交巴伐利亞科學院,成為第一份有系統的太陽光譜紀錄。後來為了紀念他,就稱太陽光譜中的暗線為「夫朗和斐線」。

1821 年,夫朗和斐又發明了繞射光柵,在比較不同天體發出的光後,他發現月亮、金星、火星的光譜與太陽的光譜一模一樣,而其它恆星的光譜就與太陽稍有不同,而且彼此之間也都互有差異。夫朗和斐的研究為天體光譜學鋪了路,但這些背後的原理要等到四十年後,才由同是德國科學家的本生 (R. W. Bunsen) 和克希荷夫 (G. R. Kirchoff) 揭曉。不過太陽神只讓夫朗和斐多活了 25 年,他終究無緣一窺最終的答案。
本文同時收錄於《科學史上的今天:歷史的瞬間,改變世界的起點》,由究竟出版社出版。

-----廣告,請繼續往下閱讀-----
文章難易度
張瑞棋_96
423 篇文章 ・ 1028 位粉絲
1987年清華大學工業工程系畢業,1992年取得美國西北大學工業工程碩士。浮沉科技業近二十載後,退休賦閒在家,當了中年大叔才開始寫作,成為泛科學專欄作者。著有《科學史上的今天》一書;個人臉書粉絲頁《科學棋談》。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
1

文字

分享

0
0
1
甲骨文有好幾種顏色?用拉曼光譜分析來告訴你!
史語所藏甲骨塗色現象研究團隊
・2023/10/16 ・10178字 ・閱讀時間約 21 分鐘

  • 林百尉 中央研究院民族學研究所
  • 柯維盈 中央研究院歷史語言研究所
  • 劉致慧 中央研究院歷史語言研究所
  • 陳光宇 紐澤西州立羅格斯大學
  • 黃銘崇 中央研究院歷史語言研究所

1928 至 1937 年間,中央研究院歷史語言研究所(以下簡稱史語所)於河南安陽小屯村周圍進行 15 次發掘,發現晚商時期的大量遺存,包括宮殿宗廟區的大型建築基址、西北崗的大型王陵、墓葬、祭祀坑等遺跡,以及青銅、陶、玉、骨等遺物,首次在考古學上證實以安陽小屯為中心的區域,是晚商的都城殷墟。除此之外,更發現了兩萬多片甲骨,包括 1936 年發現大量未經擾動的甲骨層、備受學者矚目的 YH127 坑,[1]目前皆收藏於史語所。

過去學者對甲骨塗色現象多有關注,然而,由於缺乏科學儀器及技術,長期限於肉眼辨識顏色種類,以及推測顏料成分。近年,我們系統性整理史語所藏殷墟甲骨上的塗色現象,並採用拉曼光譜分析其顏料成分,首次揭開甲骨色彩與顏料的神秘面紗。

甲骨塗色現象的肉眼辨識記錄及其限制

甲骨塗色的記錄,始於 1910 年羅振玉《殷商貞卜文字考》記錄甲骨文字塗朱、墨;其後,王襄(1925)、容庚(1933)等著錄皆有提及塗朱、墨的現象。[2]對史語所發掘甲骨文字所塗顏色的觀察,始於 1929 年董作賓〈新獲卜辭寫本後記〉,將所見塗色分為朱、墨兩種。屈萬里在《殷虛文字甲編考釋》中,更將顏色分為朱、墨、赭、淡紅、黃、紫等色。張秉權對 YH127 坑甲骨進行復原、綴合和考釋,出版《殷墟文字丙編》,以單版甲骨為單位,逐版記錄甲骨文字的塗色與褪色狀況,分成硃、褐、墨三種顏色,並直言其顏料成分有待定性分析。[3]

YH127 甲骨坑全貌。圖/中央研究院歷史語言研究所

除了史語所 1928 至 1937 年發掘的甲骨之外,1950 年後殷墟的考古發掘繼續進行,陸續出土許多甲骨。其中,最有名的兩次發現為 1973 年於小屯南地發現五千餘片甲骨、1991 年於花園莊東地 H3 坑出土 659 件龜腹甲、25 件背甲和 5 件卜骨,分別著錄於《小屯南地甲骨》與《殷墟花園莊東地甲骨》,並有塗朱、塗黑等現象的記錄。[4]

2014 年,林宏明在檢視大量甲骨彩照之後,認為過去學者所判斷的顏色,可能受到埋藏環境及時間的影響,且無法確定是否為商人所塗原色,因此主張僅以塗朱、塗墨區分即可;而其學生林雅雯則認為褐色與朱、墨有顯著差異,提出甲骨塗色應有朱、墨、褐三色。[5]

-----廣告,請繼續往下閱讀-----

以上對甲骨塗色現象的記錄,皆為肉眼辨識,並未透過科學技術和方法進行顏料成分的定性分析。肉眼辨識的缺點,除了在人對顏色的感知和判斷標準不同之外,甲骨所塗顏料經過多年地下埋藏,可能導致嚴重的褪色,進一步使得今日學者肉眼辨識的顏色,不見得是晚商製作甲骨時所施用的顏色。除此之外,肉眼辨識僅能推測顏料材質,無法予以證實。因此,透過當代科學技術和方法進行顏料成分的定性分析,成為進一步討論甲骨塗色現象及其可能意義的突破點。 

拉曼光譜用於分析甲骨所塗顏料的可行性與突破性

過去使用科學方法檢驗顏料性質的研究,僅有 Benedetti-Pichler 透過傳統濕化學分析法,刮下普林斯頓大學所藏甲骨上的紅色顏料,推測其為硫化汞,存於自然界的硃砂。[6] 然而,這種侵入式方法不僅方法繁複、造成文物耗損,且僅能測出顏料可能的成分元素,而非分子結構。

硃砂。圖/wikimedia

目前學界常見的其他分析方法,包括氣相色譜—質譜聯用分析法(GC-MS)、傅里葉轉換紅外光譜分析法(FTIR)、核磁共振法(NMR)以及 X 射線螢光光譜法(XRF);然而,如學者所指出,這些方法或需進行化學預先處理、或易受不同因素干擾、或無法進行物相分析等。因此,非侵入式、高效的拉曼光譜(Raman Spectra),成為受到重視的分析方法。[7]

1928 年,印度科學家拉曼(Chandrasekhara Raman)發現,光線穿透透明液體時有散射現象,散射光的波長與原入射光不同,此一現象被稱為拉曼效應。波長改變的數值,反應分子內部的化學鍵振動(包括轉動)與不同能階的間距。因此,入射光與散射光的頻率移動差距,與分子的化學鍵與構成元素,有一定的密切關係。換言之,透過某一特定化合物入射光與拉曼光頻率之差所得光譜,等於該化合物的分子指紋(molecular fingerprint)。  

-----廣告,請繼續往下閱讀-----

由於拉曼散射強度僅為入射光的千萬分之一,直到雷射器問世,能提供優質、高強度的單色光,方推進其研究與應用。拉曼光譜儀結合共聚焦顯微鏡及雷射器,形成精準微量取得分子指紋的理想組合,可迅速辨識樣品中的各種化合物。自 2000 年代技術成熟之後,拉曼光譜已被學界大量用於分析考古所出土無機質類(包括陶瓷、玻璃等)、有機質類(包括竹木漆器、紡織品、紙質等)以及複合類(包括壁畫、彩陶等)文物,進行顏料成分鑑定、膠料及有機殘留物鑑定、胎體分析,以及真偽鑑別;其中,顏料成分鑑定被廣泛用於壁畫、紙本手稿、漆器、陶器,以及青銅器等,為學者提供關於古代文物所塗顏料種類、來源、製作方法,以及彩繪復原的重要材料。[8]

過去學者對甲骨塗色現象多有關注,然而,由於缺乏科學儀器及技術,長期限於肉眼辨識顏色種類,以及推測顏料成分。使用拉曼光譜分析甲骨所塗顏料,不僅具有技術上的可行性,更在相關研究上具有突破性。近年,我們系統性整理史語所藏殷墟甲骨上的塗色現象,由本所文物維護實驗室採用拉曼光譜進行分析。

拉曼光譜儀的架設。圖/wikimedia

實驗採用美國 Horiba Jobin Yvon 所出產 iHR320 拉曼光譜儀,採用共焦型—夾縫空間率波法,搭配 Olympus LMPLFLN 50x/0.50 物鏡或 PLL 80x/0.80 物鏡及 CCD 感光元件(1024×256 pixels)偵測儀,搭配 632.8nm 雷射光源約 17mW,物鏡下有效雷射能量約在 1.29-0.11mW 之間,將甲骨直接置於物鏡下進行顯微拉曼分析。此種無損分析方法,不須取樣或事前制樣作業,可針對甲骨刻辭塗色殘留區域進行分析。每件樣本分析前,須以單矽晶片校正光譜。進入分析過程後,先以 10x 物鏡觀察顏料殘留集中區域、避開纖維或汙染物干擾,再以 50x 或 80x 物鏡獲取圖譜分析位置,至少採集 1-5 次拉曼圖譜。條件設定如下:夾縫寬度(front entrance)約 100-400μm、光柵(grating)設定值為 1800 grooves/mm、曝光時間(Exposition)為 2-20 秒(sec)、掃描(Accumulation)次數皆為 1 次,可偵測波長範圍(wavenumber)為 100-4000cm-1。

綜上所述,透過非侵入式的拉曼光譜對甲骨所塗顏料進行成分鑑定,不但不必對甲骨進行任何化學前置處理作業,對甲骨刻槽中大小僅數微米的顏料顆粒,亦能借助顯微鏡,精準、迅速地獲得散射光譜。截至 2021 年,我們已檢測了史語所藏甲骨 48 片,並將所得結果與數據庫對照,確認甲骨所塗顏料的化學成分。[9]

-----廣告,請繼續往下閱讀-----

史語所藏甲骨上的色彩與顏料

本文精選史語所藏甲骨中,肉眼辨識色彩鮮明、具代表性,且經拉曼光譜分析證實,含括硃砂、赤鐵礦、碳黑、針鐵礦等不同顏料成分的 4 片甲骨,針對其形制、塗色分布、塗色刻辭內容,以及實驗分析顏料所得成果,逐片進行介紹。

由於下文將介紹甲骨上的塗色分布,在此先介紹龜腹甲的部位,以便讀者對照文字敘述與甲骨彩照,找到拉曼分析的刻辭位置。我們採用陳夢家《殷墟卜辭綜述》所繪龜腹甲線圖,[10] 並於其上標示不同部位名稱(圖 1)。以下,針對本文所選 4 片甲骨,逐一進行介紹。

圖 1 龜腹甲部位名稱示意圖

一、R041287(碳黑)

此版為一龜腹甲殘片,左右甲橋、下半部皆殘泐,表面有多處剝蝕,下端有一裂縫;全版長 13.7 公分、寬 12.2 公分。刻辭塗色部分,正面明顯塗黑;背面除左側占辭明顯塗黑,而首甲、中甲卜辭則呈現深褐色。甲骨正面及背面塗黑的刻辭均屬於生育事類,卜問商王武丁的三后之一——婦好分娩的時間和嬰兒性別,而武丁親自觀兆,並於占辭慎重推測丁日或庚日生男,而壬戌日則生女。然而,正問的驗辭「三旬又一日,甲寅娩;不嘉,惟女。」一段,記錄婦好是在 31 天後的甲寅日生出女嬰,生女不嘉,可見商人對於生男有所期待。[11] 我們透過拉曼光譜分析本段驗辭中,位於正面左首甲和中甲交界處「甲」字(圖 2-1 A),發現其拉曼特徵峰值為 1365.8、1585.3 cm-1(圖 2-1),為含碳黑顏料的特徵(圖 2-2),故判斷此處塗黑為碳黑。

K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R041287\Data_11_56_3685-R041287-圖譜.jpg
圖 2-1 R041287 碳黑拉曼分析圖譜。
    A. R041287 正面分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。
    C. 圖 A 紅點區 50x 物鏡下顯微照片。
K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044358\碳黑\Data_16_05_6267-C-47710kermer-633-462-484-1800-50x-1-50-1-1-ed.jpg
圖 2-2 碳黑顏料樣品拉曼圖譜,拉曼特徵峰值為 1329.7、1581.1cm-1
    參考標準樣為 Kremer47710-碳黑色粉。

二、R044327(硃砂)

此版為一龜腹甲殘片,甲橋及下半部多有殘泐,長 23.8 公分、寬 20.7 公分。刻辭塗色部分,正面從中甲以降,前甲與後甲部位皆塗紅;正面首甲兆序和背面首甲刻辭同為塗黑,應是同組。塗紅之刻辭皆屬於建築事類,記錄貞人「爭」於壬子日及次日癸丑,卜問上帝是否順祐興築城邑一事,占卜次數高達 35 次;癸丑日亦卜問上帝是否順祐商人遷入此邑,高達 20 次;可見商人對此次「作邑」、「宅邑」之重視。「癸丑卜,爭貞:帝弗若?」一段屬於「宅邑」正反對貞的反問,位於左前、後甲交界,左後甲殘泐之處。我們透過拉曼光譜分析其中橫跨齒紋的「貞」字(圖 3A),發現其拉曼特徵峰值為 200.6、252.8、342.5cm-1,為硃砂(硫化汞)的特徵峰,故判斷此處塗朱為硃砂(圖 3)。

-----廣告,請繼續往下閱讀-----
K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044327\R044327-分析結果.jpg
圖3 R044327硃砂拉曼分析圖譜。比對樣本為Kremer-10620硃砂色粉。
   A. R044327拉曼分析位置。B. 紅點區10x物鏡下顯微照片。C. 紅點區50x物鏡下顯微照片。

三、R044358(硃砂、碳黑)

此版為一龜腹甲殘片,下半部殘泐,長 17.5 公分、寬 13.4 公分。刻辭塗色部分,首甲正面、自右向左的刻辭,與位於首甲、中甲背面的驗辭,皆為塗紅;位於左前甲正面邊緣的命辭,與位於左前甲背面邊緣的驗辭,皆為黑色;甲骨背面,中甲下方的卜辭為黑褐色;左右甲橋正面皆為黑褐色。刻辭屬於祭祀、氣象事類;正面塗朱大字的部分,卜問乙巳日酒祭下乙(祖乙),商王判斷該祭恐有禍害,應鑿牲祭祖以避禍。驗辭「乙巳酒,明雨,伐;既雨,咸伐,亦雨。●=它卯鳥星」一段,講述乙巳日天亮時正在下雨,進行酒祭、伐牲一人;酒祭進行時,雨停,酒祭結束後,繼續下雨。當天亦兼用●=它、卯兩種殺牲法祭拜鳥星。我們透過拉曼光譜分析位於正面中甲左半部的「既」字(圖 4-1 A),發現其拉曼特徵峰值為 200.8、254.3、343.4cm-1,為硃砂(硫化汞)的特徵峰,故判斷此處塗朱為硃砂。位於背面中甲左半部的「戠」字塗朱,亦有相同的特徵峰(圖 4-1 C),顯示此版甲骨正背面大字塗紅均為硃砂(圖 4-1)。

K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044358\R044358-硃砂圖譜.jpg
圖 4-1 R044358 硃砂拉曼分析圖譜。比對樣本為 kermer-10620 硃砂色粉。
    A. R044358 正面分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。
    C. R044358 背面分析位置。D. 圖 C 紅點區 50x 物鏡下顯微照片。

另外,我們亦分析位於背面左首甲、左前甲的刻辭「九日,甲寅,不酒,雨」,此段驗辭為正面命辭「丙午卜,爭貞:來甲寅,酒大甲」的驗辭,講述於丙午日貞問後九天,即甲寅日,並未酒祭大甲,當天即下了大雨。我們透過拉曼光譜分析其中位於左首甲的「酒」字(圖 4-2 A),發現其拉曼特徵峰值為 1376.7、1580.9 cm-1,屬於含碳物質的頻帶,故判斷此處塗黑為碳黑(圖 4-2)。

K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044358\碳黑\Data_11_32_3737-R044358-PB圖.jpg
圖4-2 R044358 碳黑拉曼光譜分析。
    A. R044358 分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。
    C. 圖 A 紅點區 50x 物鏡下顯微照片。

 四、R044852(針鐵礦、碳黑、赤鐵礦)

此版為一完整龜腹甲,長 20.3 公分、寬 11.7 公分。刻辭塗色部分,正面首甲和左右甲橋上半部以塗黑為主,僅有卜辭「貞」等個別字塗紅;前後甲所刻卜辭以褐色為主,僅卜辭末「年」字塗黃;背面左右前甲到後甲的卜辭和占辭,以及左右尾甲的卜辭,皆塗黑,有些呈現黑褐色。整版刻辭有官吏和農業等事類,而褐色為主,部分塗黃之卜辭屬農業事類。我們分析位於正面左前甲的「丙子卜,韋貞:我不其受年?」,貞人「韋」於丙子日卜問今年是否豐收,此段為該正反對貞的反問。我們透過拉曼光譜分析「年」字黃色筆畫處(圖 5-1 A),發現其拉曼特徵峰值為 300.6、387.3、471.3、547.2、1086.6,與針鐵礦(Goethite,α-FeOOH)的拉曼特徵峰值(299.3、355.1、386.5、551.8、1303.0 cm-1)相近,故判斷此處塗黃為黃色針鐵礦,主要成分為氧化鐵,是常見的天然礦物顏料之一,又稱土黃(Yellow ochre)(圖5-1)。

K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044852\黃色\Data_16_23_3437-R044852-針鐵礦-圖譜.jpg
圖5-1 R044852 針鐵礦拉曼分析圖譜。
    A. R044852 拉曼分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。
    C. 圖 A 紅點區 50x 物鏡下顯微照片。

另外,我們亦分析了位於正面左尾甲的刻辭「貞:王其有曰多尹,若?」,此段貞問:商王說過多位尹官,是否吉利順若?我們透過拉曼光譜分析「若」字(圖 5-2 A),發現其拉曼特徵峰值為 227.4、297.9、411.7、1322.4 cm-1,與赤鐵礦(Hematite,α-Fe 2O3)的拉曼特徵峰值(228.25、294.75、299.5、 413.5、1318.37 cm-1)相近,故判斷此處塗朱為赤鐵礦(圖 5-2)。

-----廣告,請繼續往下閱讀-----
K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044852\赤鐵礦\赤鐵礦比對.jpg
圖5-2 R044852 赤鐵礦拉曼分析圖譜。
    A. R044852 塗珠分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。
    C. 圖 A 紅點區 80x 物鏡下顯微照片。

最後,我們透過拉曼光譜分析位於背面左前後甲交界、近千里路處的刻字「𡧊」(圖 5-3 A),發現其拉曼特徵峰值為 1369.6、1587.4 cm-1,與碳黑的拉曼特徵峰值相近(圖 2-2),故判斷此處塗黑應屬於碳黑(圖 5-3)。

K:\1.109年4月-\1.111年1月-\1.文物修護\甲骨文物修護分析研究與工作\甲骨殷商顏料的研究\維盈甲骨文章\甲骨上的顏色\R044852\Data_16_15_3469-R044852-碳黑圖譜.jpg
圖5-3 R044852 碳黑拉曼分析圖譜。
    A. R044852 背面分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。

結語與討論

綜上所述,我們以拉曼光譜分析塗色甲骨所得成果及其價值,主要有三點:

第一,顏料成分的鑑定。過去對甲骨所塗顏料成分的討論,長期停留在透過肉眼辨識進行推測,無法予以證實;以科學方法進行分析者僅有一例,但該分析技術不僅為侵入式,且缺乏效率及準確度。我們團隊透過精準且非侵入式的拉曼光譜,分析不同顏色的顏料成分,得出以下成果:紅色顏料成分為硃砂或赤鐵礦、黑色為碳黑,黃色則為針鐵礦 (見表一),從而解決學界長期懸而未決的顏料定性分析問題。

第二,顏色種類的確定。過去學者對塗色甲骨進行肉眼辨識,所提出的顏色種類,主要為紅色、黑色和褐色。然而,肉眼辨識受限於個人對顏色感知和判斷標準的不同,且甲骨經多年地下埋藏,常有嚴重褪色現象,故肉眼辨識建立的顏色分類,缺乏客觀、準確的科學基礎。透過拉曼光譜分析所得顏料材質,我們得以證實在紅、黑、褐三色之外,必須加上黃色。關於褐色的來源,過去學者多認為其為紅色顏料褪色的結果;然而,經拉曼光譜檢測,我們發現其為黑色顏料褪色的例子更多。除此之外,我們亦發現部分褐色有其獨立的顏料來源,但仍無法確定其成分為何。儘管如此,透過拉曼光譜分析,我們得以建立具有科學分析基礎的顏色分類。  

-----廣告,請繼續往下閱讀-----

第三,提供進一步研究甲骨塗色功能及意義的科學基礎及可能性。過去學者基於肉眼辨識建立的顏色分類,認為甲骨塗色的功能及意義,可能有美觀、區分和宗教等。然而,該顏色分類缺乏客觀性及準確性。我們透過拉曼光譜分析成果建立的顏色分類,不僅為學者提供客觀且準確的科學基礎,更增加了新的顏色種類,提供進一步研究塗色功能及其意義的可能性。

值得注意的是,本文所選四片甲骨中,內容相同的正反對貞或選貞卜辭(前辭、命辭、占辭及驗辭),即同組卜辭,所塗顏色大抵相同。R041287 正面卜辭與背面占辭,同為卜問婦好生育之事,且皆塗黑。R044327 正面大字卜辭,卜問興建、遷入城邑之事,左右正反對貞,且皆塗紅。R044358 的刻辭皆為祭祀、氣象事類,正、背面的同組卜辭,皆塗同色,分別為塗紅、黑。R044852 所刻對貞卜辭皆塗同色;其中,正面大字卜辭,卜問當年豐收與否之事,左右正反對貞,皆為褐色、僅尾字為黃色,且兆序多塗有黃色。同組卜辭塗色一致的現象,原因值得學者進一步研究。

綜上所述,透過拉曼光譜分析甲骨塗色現象,我們得以鑑定顏料成分、確定顏色種類,從而解決學界長期懸而未決的顏料定性分析問題,並建立客觀、準確的顏色分類,提供學者進一步討論甲骨塗色之功能及意義的可能性。本文透過精選具代表性的 4 片塗色甲骨,介紹其形制、塗色分布、刻辭內容,以及拉曼光譜對顏料成分的分析結果,將史語所具代表性的藏品,以及相關最新研究成果呈現於本文,以饗讀者。期能拋磚引玉,未來繼續開展對殷墟甲骨塗色現象及其功能與意義的研究。

表一 本文所選甲骨之拉曼光譜儀檢測結果* 筆者製表

-----廣告,請繼續往下閱讀-----
史語所典藏編號檢測位置檢測刻辭甲骨文字拉曼光譜波數cm-1顏料
1R041287正面,左首甲和中甲交界處三旬又一日,寅娩;不嘉,惟女。&43.F5F7;1365.8、1585.3碳黑
2R044327正面,左前、後甲交界處癸丑卜,爭:帝弗若?&41.F331;254.0、342.5硃砂
3R044358正面,中甲左半部乙巳酒,明雨,伐;雨,咸伐,亦雨。●=它卯鳥星。200.8、254.3、343.4硃砂
背面,中甲左半部乙巳夕,有于西。200.3、254.5、343.9硃砂
背面,左首甲九日,甲寅,不,雨?&44.E15A;1376.7、1580.9碳黑
4R044852正面,左前甲丙子卜,韋貞:我不其受&42.F0F2;300.6、387.3、471.3、547.2、1086.6針鐵礦
正面,左尾甲貞:王其有曰多尹,&41.E2C9;227.4、297.9、411.7、1322.4赤鐵礦
背面,左前後甲交界、近千里路處庚戌卜,𡧊1369.6、1587.4碳黑

* 每版均檢測多個刻字,本表僅舉數例,並使用粗體、畫底線標明被檢測字。

附錄:本文所引各版甲骨之彩照

附圖 1 晚商 帶卜辭龜腹甲 正面 中央研究院歷史語言研究所藏 R041287
    圖/中央研究院歷史語言研究所
附圖 2 晚商 帶卜辭龜腹甲 背面 中央研究院歷史語言研究所藏 R041287
    圖/中央研究院歷史語言研究所
附圖 3 晚商 帶卜辭龜腹甲 正面 中央研究院歷史語言研究所 藏 R044327
    圖/中央研究院歷史語言研究所
附圖 4 晚商 帶卜辭龜腹甲 背面 中央研究院歷史語言研究所 藏 R044327
    圖/中央研究院歷史語言研究所
附圖 5 晚商 帶卜辭龜腹甲 正面 中央研究院歷史語言研究所 藏 R044358
    圖/中央研究院歷史語言研究所
附圖 6 晚商 帶卜辭龜腹甲 背面 中央研究院歷史語言研究所 藏 R044358
    圖/中央研究院歷史語言研究所
附圖 7 晚商 帶卜辭龜腹甲 正面 中央研究院歷史語言研究所 藏 R044852
    圖/中央研究院歷史語言研究所
附圖 8 晚商 帶卜辭龜腹甲 背面 中央研究院歷史語言研究所 藏 R044852
    圖/中央研究院歷史語言研究所

註腳

  • [1] Chi Li, Anyang (Seattle: University of Washington Press, 1977), 3-157.
  • [2] 羅振玉,《殷商貞卜文字考》(玉簡齋石印本,1910),頁 31;王襄,《簠室殷契徵文.考釋.第一編》(天津:天津博物院石印本,1925),頁 2;容庚、瞿潤緡,《殷契卜辭》(1933 年),收入氏著《容庚學術著作全集.第一冊》(北京:中華書局,2011),頁 171、245-246。
  • [3] 董作賓,〈新獲卜辭寫本後記〉,收入《安陽發掘報告(第一期)》(臺北:中央研究院歷史語言研究所,1929;1996 年景印一版),頁 212;屈萬里,《殷虛文字甲編考釋》(臺北:聯經出版公司,1984);張秉權,〈序〉,收入氏編著《殷虛文字丙編.上輯(一)》(臺北:中央研究院歷史語言研究所,1957),頁 3-4。
  • [4] 中國社會科學院考古研究所編著,《小屯南地甲骨》上、下冊(北京:中華書局,1980、1983)。中國社會科學院考古研究所編著,《殷墟花園莊東地甲骨》(昆明:雲南人民出版社,2003),頁 1575、1683。
  • [5] 林宏明,《甲骨文中的塗朱卜辭研究》(科技部補助專題研究計畫成果報告,編號:NSC 102-2410-H-004-172,未出版,2014 年 10 月 30 日),頁 4;林雅雯,〈甲骨塗辭研究:以塗朱甲骨為核心〉(臺北:國立政治大學中國文學系碩士論文,2016),頁 83。
  • [6] Anton Alexander Benedetti-Pichler, “Microchemical Analysis of Pigments Used in the Fossae of Incisions of Chinese Oracle Bones,” Industrial and Engineering Chemistry 9, no. 3 (March 1937): 149-152. 同年,白瑞華(Roswell S. Britton)發表文章介紹前者的研究成果,並據此認為甲骨塗朱的顏料即為硃砂。見 Roswell S. Britton, “Oracle-Bone Color Pigments,” Harvard Journal of Asiatic Studies 2, no. 1 (March 1937): 1-3.
  • [7] 郭瑞、楊麗琴、楊璐,〈拉曼光譜法在彩繪文物分析中的應用進展〉,《光散射學報》,第 25 卷第 3 期(2013 年),頁 235-242。
  • [8] 馮澤陽、張衛紅、鄭穎、朱鐵權、陳建,〈2000 年以來拉曼光譜在考古中的應用〉,《光散射學報》,第 28 卷第 1 期(2016 年),頁 27-41。
  • [9] 柯維盈、林百尉、劉致慧、黃銘崇、陳光宇,〈甲骨刻辭之塗色及其意義——以 YH127 坑為例〉,收入《第二十一屆中區文字學學術研討會論文集》(臺中:逢甲大學中文系,2019 年),頁 1-48;陳光宇、劉致慧、柯維盈、林百尉、黃銘崇,〈甲骨刻辭塗色的拉曼光譜分析〉,收入宋鎮豪主編,《甲骨文與殷商史》新十輯(上海:上海古籍出版社,2020),頁 458-474;陳光宇、劉致慧、何毓靈、柯維盈、黃銘崇,〈殷墟出土甲骨、文物、棺土的拉曼光譜分析〉,《古今論衡》,37 期 (2021.12),頁 73-89;Jhih-huei Liu, Weiying Ke, Ming-chorng Hwang, Kuang Yu Chen, “Micro-Raman Spectroscopy of Shang Oracle Bone Inscriptions,” Journal of Archaeological Science: Reports 37 (2021), doi:102910. Available at ScienceDirect.com: https://doi.org/10.1016/j.jasrep.2021.102910. Jhih-huei Liu, Yuling He, Weiying Ke, Ming-chorng Hwang, Kuang Yu Chen, “Cinnabar Use in Anyang of Bronze Age China: Study with Micro-raman Spectroscopy and X-ray Fluorescence,” Journal of Archaeological Science: Reports 43 (2022), doi:103460. Available at ScienceDirect.com: https://doi.org/10.1016/j.jasrep.2022.103460.
  • [10] 陳夢家,《殷墟卜辭綜述》(北京:中華書局,2008),插圖一。
  • [11] 本文釋文參考張秉權,《殷虛文字丙編考釋》(臺北:中央研究院歷史語言研究所,1972);朱岐祥,《殷虛文字丙編選讀》(臺北:台灣學生書局,2021)。
-----廣告,請繼續往下閱讀-----

2

10
2

文字

分享

2
10
2
素養不是知識,是讓孩子像科學家一樣思考——LIS 創辦人嚴天浩專訪
PanSci_96
・2021/09/24 ・2101字 ・閱讀時間約 4 分鐘

近年來,在新課綱推行之下,「素養」這個詞成為熱門關鍵字,「對我來說,素養就是面對世界的行為模式,在面臨問題時,一個人會抱著什麼樣的態度去解決問題。而科學素養就是『像科學家一樣思考』」LIS 科學情境教材(台灣線上教育發展協會)創辦人嚴天浩這麼說。

嚴天浩在大學時開始製作教學影片,最初的動機來自上大學後體會到城鄉差距、資源落差,想藉由線上教材擴大影響力,然而觀看次數卻不如預期。

2013 年起,嚴天浩和夥伴到台東,向「孩子的書屋」負責人陳爸(陳俊朗)請益,並長期蹲點接觸孩子,發現學生們面臨最大的問題不在於「學什麼」,而在於「為什麼要學」,因此意識到若要改變孩子的學習狀態,不能只是單方面灌輸「老師想教的」,而要從學生的需求出發,了解「孩子想學什麼」。

七年來,LIS 拍攝超過 100 支線上科學影片,包括將科學家的思想歷程、時代背景融入角色劇情的科學史,以及結合時事、生活情境的科學實驗,目前已經超過 250 萬觀看人次,也成為全台許多中小學的教材。

這次,LIS 歷時三年研發出一套科學實境解謎遊戲,不只在玩遊戲的過程中學科學,也引導孩子練習「像科學家一樣思考」。

什麼是「像科學家一樣思考」?

過去,我們在國中課本裡學到的科學方法「觀察、提出假說、進行實驗、得到結論」,然而許多學生能對步驟琅琅上口,卻不見得理解背後的邏輯。LIS 分析百位科學家的思考歷程以及參考教育學者的理論,設計出適合培養國小學生科學思維的「科學推理階梯」,共有四個步驟,包括「發現問題」、「聯想原因」、「大膽假設」、「實際驗證」。

-----廣告,請繼續往下閱讀-----

嚴天浩坦言,對於國小的孩子來說,他認為最難的在於——第一步「發現問題」,這取決於孩子過去是否累積足夠的觀察經驗,因此,如何訓練孩子觀察是培養探究學習的重點。然而,在沒有老師的引導下,要怎麼讓孩子能聚焦在實驗的現象上,成為開發遊戲過程中的一大考驗,後來,團隊想出了運用 RPG 中的角色對話,設計句子讓玩家將注意力集中在現象上的差異,「當孩子觀察到的與他原本的認知有所不同,產生衝突時才會進而發現問題。」嚴天浩說。

有適當的引導,才能從問題中學習

在發現問題之後,還須激發玩家思索問題的意願,因此在遊戲中便成為一個個解謎關卡,玩家為了破關、練等會主動尋找答案,在玩完遊戲後得到的成就感,會讓孩子對科學產生動機,在未來有自信用這樣的方式去思考、面對問題。

嚴天浩說:「大學時我修過教育學的課,設計課程的第一步往往是『引起動機』,但我們認為應該從遊戲開始到結束的每一個動作,都需要一個『引起動機』,目前玩過這套遊戲的孩子有持續玩過兩個小時以上,玩得越久代表引起的學習動機越強烈。」

了解背後的意義才是學科學

然而,有時在做完實驗後,學生只會記得當時看到的實驗結果或現象,卻沒有把背後的邏輯和原理帶走,關於這部分,嚴天浩分享,「玩實驗」和「學科學」最大的差別在於,是否了解每個步驟的意義,如同以往「食譜式實驗」,照著課本一步一步做,卻不知道為什麼這麼做。

因此,他們把演示型實驗設計成遊戲,將探究歷程拆分成關卡,透過與 NPC 對話帶領玩家思考,並預想玩家可能卡關的地方,就像是在蓋房子時的鷹架,一層層建構、支持,逐漸將學習的責任放回孩子身上,傳統課堂中搭鷹架的角色可能是老師,而在這個遊戲裡,是精心設計過的關卡提示。

讀到這裡,或許你會想問,在探究式的學習中,真的能夠學會「像科學家一樣思考」嗎?

「我認為探究學習中,知識其實只是附帶的。」嚴天浩解釋:「我們想告訴孩子的是,科學家最厲害的並不是他成功發現了什麼,而是他在失敗了那麼多次之後,還是願意繼續努力。」

-----廣告,請繼續往下閱讀-----

如果現在的台灣是二十年前教育的結果,那麼 LIS 正在改變的是二十年後的台灣,那時的每個人在面對問題時都能有邏輯地看待、抱著自信的態度去解決,這是 LIS 的憧憬,也是我們對於台灣未來世代的期盼。


-----廣告,請繼續往下閱讀-----
所有討論 2
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。