Skip to content

Octopus School Adapter

Phạm vi môn học: AI & Công nghệ tương lai, Lập trình ứng dụng, Thiết kế Website/Game, Prompt Engineering & AI Teen.


Typical Context

  • Sản phẩm thực tế: Xây dựng website cá nhân, ứng dụng mini trên nền tảng web, Chatbot tùy biến dữ liệu, Mini-game.
  • Tư duy công nghệ: Viết prompt có cấu trúc phân tầng (Role, Task, Context, Constraints), xử lý luồng logic dữ liệu.

Core Evidence

  • Bằng chứng Recall: Demo phiên bản v1 của sản phẩm và giải thích được cơ chế hoạt động của các hàm/khối lệnh quan trọng.
  • Bằng chứng Trong giờ: Lịch sử commit/phiên bản, sơ đồ kiến trúc ứng dụng và tài liệu thiết kế luồng người dùng (User Flow).

Common Misconceptions

  • Ảo tưởng năng lực do AI làm hộ (AI Dependency): Nhờ AI sinh ra toàn bộ code và giao diện rất đẹp, nhưng khi Mentor yêu cầu sửa 1 logic đơn giản thì học sinh không biết dòng code đó nằm ở đâu.
  • Tập trung trang trí giao diện bỏ quên logic: Dành 80% thời gian chỉnh màu sắc, hiệu ứng hoạt họa nhưng tính năng cốt lõi chưa hoạt động.

Reflection Example

  • Fact: Em đã tích hợp thành công tính năng lưu điểm cao của người chơi vào LocalStorage và sửa lỗi điểm bị reset mỗi khi F5 lại trang.
  • Feeling: Lúc đầu bị lỗi em rất bực mình vì tưởng code đúng, nhưng khi sửa xong và test chạy mượt thì thấy rất thỏa mãn.
  • Finding: Dữ liệu lưu trong LocalStorage luôn ở dạng String (chuỗi), nên khi lấy ra để tính toán cộng điểm thì bắt buộc phải dùng parseInt() để ép về kiểu Number, nếu không điểm số sẽ bị nối chuỗi sai logic.
  • Future: Trong tính năng tiếp theo (lưu danh sách vật phẩm người chơi), em sẽ chủ động dùng JSON.stringify() khi lưu và JSON.parse() khi đọc dữ liệu mảng.

One Teaching Standard · Multiple Learning Contexts