Raspberry Pi Pico
採用 RP2040 微控制器,適合感測器讀取、燈光互動與馬達控制等實作,讓學生透過可觀察的硬體反應,理解程式與真實世界的連結。

MangoBoxAI 精準教學平台
從實體程式設計出發,理解學習歷程,支持每一步成長。
MangoBox AI 精準教學平台係由國科會補助,歐陽芳泉教授所主持的一項科研計畫。主要整合實體運算硬體、韌體、程式開發工具與教學應用,讓學生從感測與互動實作入門,逐步深入程式邏輯、硬體控制與 AI 協作,可應用於運算思維教育、程式設計教學、STEAM動手做教學、電子電路教學、互動裝置與遊戲設計、物聯網與人工智慧應用。
平台以不同抽象層次的程式設計方式,支持不同起點的學習者,並保留探索底層數位控制原理的空間。其核心理念為輔助學生在程式撰寫、AI 互動與硬體操作中的學習困難,並以實作歷程為基礎,朝向學習困難診斷、個人化回饋與教師教學決策支持發展,讓教學更能回應學生的實際需要。
MangoBox 支援 Raspberry Pi Pico、Pico W 與 Pico 2 W,作為執行程式、讀取感測資料與控制裝置的核心。搭配對應的 MangoBox 電路板與韌體,可從基礎程式練習延伸至無線互動與物聯網應用。
採用 RP2040 微控制器,適合感測器讀取、燈光互動與馬達控制等實作,讓學生透過可觀察的硬體反應,理解程式與真實世界的連結。

採用 RP2040 微控制器並具備 Wi-Fi 能力,讓實體運算作品進一步探索資料傳輸、裝置連線與物聯網應用。

採用新一代 RP2350 微控制器,具備更充裕的運算與記憶體資源,並支援 Wi-Fi,為較複雜的感測整合、互動控制與連網專題提供基礎。

MangoX2 與 MangoLite 由羅治民教授研發,作為 MangoBox 連結程式與實體世界的硬體基礎。兩款電路板透過模組化介面整合感測、控制與擴充能力,以降低實體運算的入門門檻,同時保留動手實作與延伸探索的空間,讓學生逐步將想法實現為互動裝置、智慧車與機器人作品。
依不同課程與教學目標,將電路板、功能模組、教材與範例整合成可直接應用於課堂的教學套件。
以 MangoX2 為核心的輪型車入門套件,讓學生從程式控制、感測與馬達驅動開始,逐步完成可實際移動與互動的智慧車作品。

以程式設計學習為核心,透過實體輸入、輸出與互動模組,讓學生能直接觀察程式執行結果,將抽象的程式邏輯轉化為可操作、可觀察的實體作品。

以 MangoLite 搭配 Raspberry Pi Pico 2 W,聚焦無線連線、感測資料、智慧控制與物聯網應用,作為未來 IoT 與 AIoT 教學的核心套件。
MangoBox 的軟硬體工具依不同電路板與教學套件共同設計,從韌體執行、裝置設定、測試維護到程式與積木開發,提供完整的使用環境。
MangoBox 的 AI 精準教學研究,規劃整合學生在 AI、軟體與硬體中的學習歷程,透過歷程資料分析與 AI 輔助,朝向學習困難辨識、問題診斷,以及教師與學生的教學支持發展。以下呈現研究架構與發展方向。
學生 × AI × 軟體 × 硬體
從實體運算電路板、教學套件、專屬韌體與軟體,到 AI 精準教學平台,MangoBox 將硬體實作、程式學習與教學支持整合為一個持續發展的教學生態系。