谁使用
4—10岁儿童；低门槛、短反馈、可理解。
CASE BRIEF
成为产品经理的第一步：让一个念头具像化为产品需求
学什么
化学启蒙；8域×24课，192个知识点。
怎样玩
记忆—理解—应用；学习兑换抽卡机会。
如何验
来源台账、浏览器测试、专家评审、用户反馈。
产品需求把念头转换为用户、任务、约束和验收标准。
请学生把“做一个有趣的科普游戏”改写为四栏需求。
国际新闻与传播实务 · 第三讲
AI共创：Vibe Coding and Vibe Everything
科普小游戏，《科学我为王》从V1到V3.2的真实迭代案例。
进入可玩案例 ↗主讲人：杜云飞｜建议课时：100分钟
WARM-UP · 试玩与找茬
让我们先随着主角，进入到妙化大陆的科普世界
乐陶陶和陶夭夭误入化学世界。目的：通过游戏化的方式进行知识科普；制作核心：Vibe Coding。
打开V3.2离线演示请你来找茬：请从用户的角度，给这款游戏挑挑刺。
提示学生分别观察：首次进入是否易懂、学习与奖励是否连贯、内容是否可信、儿童是否愿意继续。
EVIDENCE 01
需求通过对话被外化
人
定受众、叙事、奖励、语言与教育底线；用9条决定锁定V1。
AI
把要求转成结构、数据、代码和MVP，并报告测试结果。
共同
以截图、清单、版本和演示保存“为什么这样做”。
哪一句是“决策”？哪一句仍是“愿望”？
可验收的例子：三语、66张卡、三层挑战；“更好玩”需要继续转成指标。
THEORY CHOICE
共创更适合哪一种理论镜头？
Connectionism · 联结主义
解释简单单元如何经连接权重形成模式，适合讨论神经网络学习与模型内部机制。
难以直接指导简报、分工、测试和责任。
OR
Distributed cognition · 分布式认知
认知活动分布在人、工具、外部表征、社会关系与时间过程之中。
可追踪谁做了什么、信息存在哪里、反馈怎样改变下一轮。
本讲用分布式认知指导共创；讲模型训练原理时再引入联结主义。
DISTRIBUTED COGNITION
认知系统大于单个参与者
人
目的、价值、经验、取舍、责任
AI
生成、变体、检索、编码、机械检查
外部表征
简报、截图、清单、数据、测试日志
真实环境
用户、设备、任务情境与反馈
Hutchins (1995); Hollan et al. (2000); Sidji et al. (2024)
A WORKING FRAME
五个可重复动作
我把哪部分认知工作交给了谁？依据存在哪里？谁对最终选择负责？
Westerbeek (2026)提醒：要看AI在何时、以何种方式介入，以及学生是否持续参与判断。
信息核验与版本更新 · 点击版本展开
每一次更新，都重新分配了认知任务
V0.9—V1.0
参与者：教师、AI。
任务：把科普游戏念头转为产品需求，并交付可玩MVP。
协作：教师用9条决定锁定目标与规则；AI完成结构、数据、代码和冒烟测试；教师试玩验收。
V2.0—V2.1
参与者：教师、AI、图像生成工具。
任务：回应“太弱了”，提升美术、章节、玩法和抽卡演出。
协作：教师给出体验判断；AI将判断拆成可执行模块，生成资产并重构产品；教师继续反馈。
V3
参与者：教师、AI、浏览器测试、视觉与教育专家。
任务：发现致命流程错误、知识错误和视觉问题。
协作：测试提供复现证据，专家提供专业标准，AI修复，教师决定优先级。
V3.1
参与者：教师、内容生成AI、审核AI、来源资料。
任务：重建8域×24点知识体系。
协作：多个生成角色分工写作，审核角色逐条挑错，来源台账支持复核，教师把关儿童视角。
V3.2
参与者：教师、AI、翻译角色、真实浏览器。
任务：落实十项反馈，完成192点和66张卡的全量三语化。
协作：教师集中提出问题，AI并行实施，校验脚本守住索引和数据，浏览器完成回归测试。
持续打磨
参与者：教师、AI、后续用户。
任务：补挑战序号、去重知识点、完善译名与音效。
协作：小反馈进入下一版，修改结果再次接受体验和数据检查。
请学生比较：每个版本中，谁提供目标，谁提供候选方案，谁提供判断标准，证据最终存在哪里。
信息核验与版本更新 · 转折点
把“太弱了”转成可执行修改
体验判断
美观不足、可玩性不足、章节太少、玩法单一。
产品要求
扩为8域；新增四种试炼；重做地图、抽卡演出和统一风格立绘。
活动：用“对象＋差距＋参照＋验收方式”改写一个模糊判断。
示例：“地图太平”→增加层级、阴影和角色定位，并让3名用户完成定位任务。
信息核验与版本更新 · 讨论决策
讨论决策：我们从建构过程中找出了十个bug，请对其进行分级，并确定修改的优先级
图标看不懂 P1
增加文字标签。
答题不给钥匙 P0
核心闭环中断。
切换语言错误 P0
点击与结果不一致。
只切UI文字 P1
知识与卡牌需同步。
NPC缺立绘 P2
提升叙事沉浸。
卡牌无详情 P1
补知识回看入口。
知识不突出 P1
新增知识卡与回顾条。
地图缺位置感 P2
加底座与角色定位。
章节无音乐 P2
程序合成BGM。
挑战无序号 P2
增加“挑战N/3”。
分级需说明影响范围、是否阻断核心任务、能否回滚、如何验证。
TWO-TEAM VIBE CODING CHALLENGE
分成两组，为自己的单元项目绘制一张共创画布
1 目标确定
- 小游戏为谁设计
- 希望改变什么
- 成功证据是什么
2 需求外化
- 核心玩法
- 内容与视觉规则
- 完成标准
3 人机共创
- 当堂与AI交互
- 生成设计与代码
- 记录关键对话
4 教师参与
- 教师是两组共享的认知参与者
- 两组均可请求意见
- 自行决定是否采纳
5 交付比拼
- 时间足：展示可玩游戏
- 时间紧：交设计、初版与问题
- 完整成品下节课交付
比拼目标：谁设计的游戏更优秀、更吸引人、更可能达到设定的目标。
教师不替小组作决定，可提供受众、机制、可行性和验证方面的意见；小组需说明如何使用或拒绝意见。
UNIT PROJECT · INDIVIDUAL · NEXT WEEK
课堂实践的延伸：每个人完成一个自己设计、创作的小游戏
以课堂两组竞赛形成的经验为起点，独立确定一个小游戏的受众、目标、玩法和验证方式；与AI持续迭代，下周展示可玩成品。
提交包
- 可打开、可操作的小游戏HTML
- 一页个人共创画布
- 关键交互与版本记录
- 至少一次真实试玩反馈及修改说明
| 维度 | 分 | 证据 |
|---|---|---|
| 目标达成 | 3 | 玩法服务于设定目标 |
| 吸引力 | 2 | 用户愿意进入并继续 |
| 人机共创 | 2 | 分工与关键选择清楚 |
| 核验迭代 | 2 | 试玩问题进入新版 |
| 现场展示 | 1 | 可玩、可讲解 |
下周展示时先试玩，再由学生用五步框架解释：目标、需求、生成、核验与更新。
SEMESTER PROJECT
从单元初稿中挑一个，持续打磨并展示
调研报告
扩样本、方法与证据。
系列案例网站
统一结构并形成比较。
视频解读
脚本、画面、旁白与来源。
互动传播产品
数据故事、导览或轻量游戏。
保存第一版，吸收反馈，补证据、修结构、改善体验；最终展示“作品＋版本变化＋决策说明”。
后四讲接力：AI共创 → 数据判断 → 访谈与主题分析 → 深度报道写作。
EXTENDED VIEWING
观看案例，讨论这些案例中认知是如何分布的
《直接给我生成完整代码》
观察目标、代码生成、调试与最终判断分别由谁承担。
B站打开 ↗100%用AI写代码制作Unity游戏
观察生成、调试、资产、工具与产品环境怎样共同工作。
B站打开 ↗用AI从零开发产品
观察经验、硬件、AI代码与测试反馈如何构成认知系统。
B站打开 ↗讨论：认知分布在哪些人、工具、表征和反馈环节？哪一个环节仍需人承担最终判断？
建议任选一条，按“参与者—任务—信息流—判断权”四栏记录。
核心参考
Hutchins (1995)
Hollan, Hutchins, & Kirsh (2000)
Aarset & Johannessen (2022)
Sidji, Smith, & Rogerson (2024)
Westerbeek (2026)
