高級中等學校組

本研究旨在探討透過雷射光偵測遠端聲音震動訊號，並將震動訊號還原成聲音之可行性。研究發現：透過雷射光偵測遠端聲音震動訊號，並將震動訊號還原成聲音具有相當可行性，但因為電壓訊號係收集反射之雷射光，並非直接訊號而是參雜了許多雜訊，因此雜訊去除是聲音還原主要關鍵因素。本研究先將電壓訊號進行資料預處理及轉換為梅爾頻譜圖可視化後，再以三種不同雜訊去除方法降噪，並與原始聲音進行SSIM-結構相似性比對，發現深度學習UNet模型表現最佳。最後研究中所訓練的UNet模型，在單頻、雙頻聲音的表現相當良好，相似度最高達0.930；但在古典音樂多頻複雜情況下表現較不理想，相似度最高達為0.434。

本研究探討菲島福木(Garcinia subelliptica Merr.)相剋作用之可能機轉。研究發現福木葉萃取液(以下稱萃取液)抑制大花咸豐草(Bidens pilosa L.)種子萌發、苜蓿(Medicago sativa L.)種子萌發與幼苗高度、根的生長、總葉綠素含量。短期接觸測試總抗氧化酵素(total anti-oxidant enzyme, TAE)活性實驗中，接觸10分鐘抑制大花咸豐草TAE活性，接觸30分鐘則促進苜蓿TAE活性。進一步發現，連續澆灌萃取液2-4天會抑制大花咸豐草TAE活性，澆灌6、12天，促進TAE與過氧化酶活性。澆灌苜蓿6天後抑制其過氧化酶、但促進TAE 活性，澆灌12天則促進此些酵素之活性。綜上所述，福木葉萃取液對實驗植物種子萌發、幼苗生長具相剋作用，長期澆灌12天後抗氧化酵素活性均上升，顯示實驗植物均啟動逆境防禦系統以因應福木葉萃取液造成的氧化逆境。

本文通過對兩線段位置關係的分類討論，對特殊情況的優先探討，推導了兩線段間隨機點之距離期望與三隨機點決定的三角形之面積期望的閉式表達式 (closed-formexpressions)。文末附以程式模擬與函數圖像的對比擬合以輔助驗證結論的正確性，並概述此方向值得研究的其他課題及其潛在應用。

經過文獻探討、訪談及因素分析 等研究過程 ，我們將學生選擇班群的決定因素定義了「學考科能力」、「興趣特質」、「未來進路 」、「家庭師長朋友」、「學校課程安排」等五個主要決定因素，其中尤以興趣特質」因素普遍受到大家的重視。 我們根據以上五大因素，作為第一層級因素，設計了ＡＨＰ問卷，填答者通過填寫問卷，來審思他們對於不同因素的重視程度，並基於這些因素來衡量選讀的班群（第二層級因素）。我們將ＡＨＰ問卷分析結果，與填答者所就讀班群進行比對，發現所得的優勢班群與填答者所就讀的班群相符合，確認了本ＡＨＰ的兩層級設計，來決定選讀班群是合理實用，其結果參考價值極高。

現在環境汙染問題日益增多，汙染分子檢測的需求也逐漸被人們重視，但現在使用的檢測方法普遍成本偏高且方法複雜，於是本研究想研發一種便宜且簡單的檢測方法。利用PDMS(Polydimethylsiloxane)翻模金龜子外殼(Beetle Shell:BTS) 和豆娘(damselfly: DSF翅膀表面的微結構，並鍍上一層貴金屬銀研究表面增強拉曼光譜 (SERS)的增強效應及偵測微量分子的可行性。本研究通過試驗不同鍍銀厚度、基板在不同濃度的待測物下拉曼增強的能力。實驗顯示，PDMS-BTS和PDMS-DSF鍍上10nm銀後能偵測羅丹明6G(Rhodamine 6G:R6G)到10的-6次方濃度，是實驗發現最佳的參數，而一次檢測的耗材成本只需約17元，相較目前拉曼基板普遍用的雷射雕刻或3D列印技術製程還更經濟，未來會增加不同檢測物、鍍銀厚度或探索不同昆蟲微結構以找到最好的基板參數。

微塑膠在自然環境中普遍存在，甚至被生物攝取後進入食物鏈間傳遞。由於水蚤族群敏感性高，常作為監測水域環境變化的重要指標。我們以不同PVC濃度（0.01mg/L及0.1mg/L）為變因，探討微塑膠對於水蚤的生理、生殖及晝夜垂直遷徒 (DVM)行為影響。結果發現0.01mg/L、0.1mg/L PVC濃度環境，皆不會影響蚤狀溞的存活率，但是會提高蚤狀溞的心率及降低趨光行為。而0.1 mg/L PVC濃度環境會使蚤狀溞提前進入生殖階段，子代數量明顯高於對照組，出生在0.01mg/L、0.1mg/L PVC濃度環境的初生蚤體長有離散程度大的趨勢。蚤狀溞DVM屬於日間在深層、夜間在表層的Nocturnal migration模式，但在0.01mg/L PVC濃度環境，夜晚有較高比例停留在深層，此一行為改變，也會反應在食物鏈後端掠食者上，最終甚至可能影響魚獲。

本研究旨在將AI深度學習應用於8051開發板的數字辨識，希望在低功耗的情況下進行AI實作來達到環境保育的目標，探討在硬體受限的情況下如何操縱硬體並使用Python進行參數訓練。通過對不同層數和學習速率的實驗，我們發現兩層層數和0.01的學習速率能取得較好效果。在模型訓練中，我們運用了Cross-entropy計算Loss值，並探討了不同Learning rate對Loss值的影響，以及不同Layers對Loss值的影響。此外，我們還討論了深度學習與機器學習的差異，並介紹了8051開發板的基本原理和應用。未來，我們將繼續改進模型效能和準確性，並優化硬體設計和性能，以應用深度學習技術於更廣泛的領域。

近年來，餐飲業及飯店業引入自主移動機器人（AMR）提供服務，受到廣泛歡迎。優化移動限制和應用於電動車的可能性成為關注焦點。本研究探索與分析擁有卓越機動性的麥克納姆輪的合力方向，通過數學推導和實際控制方式的驗證，確認其18個方向移動的數學式；同時，針對麥克納姆輪的全向移動進行探討，建立360度直線移動的數學式，並利用ESP32-S單晶片成功實現數學式中速度的變化。此外，分析了不同變因對車子的影響，測試出麥克納姆輪適合的地面材質以及負重。

當一個螺絲以一定角度擺放於平整的斜面下滑時，螺絲的擺盪振幅也會隨著下滑的距離增加。我們以此現象為基準去設計更符合我們所需要觀察數據的自製螺絲，我們以角錐為模型去設計不同直徑、角錐角度以及螺桿的自製螺絲，並以滑軌錄影的方式再透過Tracker去分析不同的擺放角度和螺絲下對其震盪增幅的影響，最後繪製圖表歸納其中不同數據的相關性。而我們也利用物理分析去驗證我們實驗所得出的結論並解釋螺絲震盪的現象。

本研究設計一般聊天機器人與諮商聊天機器人，以提高學生的數學自我效能，藉此增進學習動機。 本研究採用準實驗設計，研究對象為國中、高中生共297位（137位男性、160位女性）。參與者經由隨機分配進入一般聊天機器人（實驗組A）、諮商聊天機器人（實驗組B）和無使用聊天機器人的控制組C。三組都接受數學自我效能量表的前測、後測，實驗組需填答聊天機器人滿意度量表。 研究結果顯示：就全體樣本而言，一般聊天機器人可顯著提升學生的數學自我效能；高中組樣本發現，一般聊天機器人和諮商聊天機器人都能顯著提高學生的數學自我效能。 未來研究方向包括：匯入更多心理諮商文獻且改善應答方式，應用於青少年心理健康上的提升。