疫情拉警報,科展傳捷報!!國立臺灣科學教育館選拔13名學生10件作品代表我國參加素有青少年科學奧林匹亞之稱的「2021年美國Regeneron國際科技展覽會 (Regeneron International Science & Engineering Fair,簡稱 Regeneron ISEF )」。因國際疫情影響,今年以線上評審、公開展覽的形式進行,共有64個國家地區、1430件作品、1842位學生參賽。經過激烈的競爭,我國學生從眾多參賽者中脫穎而出,於臺灣時間5月21日晚上10時於線上頒獎典禮中,獲得大會二等獎、大會三等獎、大會四等獎各一,特別獎三等獎及榮譽獎各一,教育部潘部長文忠於第一時間致賀該團,肯定我國中等學校科學教育及科學基礎研究培育,同學在國際舞台上展現精彩的科學研究成果。
科教館館長劉火欽表示:「自2月以來,從今年初舉辦的『2021臺灣國際科學展覽會』選拔出代表我國參加『2021美國Regeneron ISEF』的代表學生每周末都會到科教館進行培訓。不同於以往的評審方式,採線上評審的方式辦理,學生代表在賽前除了需不斷精進研究內容,還需熟習如何透過線上介面及操作檔案展示作品。在國立臺灣師範大學生命科學系轉譯醫學實驗室林榮耀院士及多位教授的協助及指導下,從研究方法及科學內容、到英語口語表達及線上檔案準備等,同學們更能在螢幕前自信地展現自己的作品。今日有如此亮麗的成績,除了同學的努力,更要感謝多位教授用心地協助。」
這次得獎學生及獎項包括:
(一) 臺北市立第一女子高級中學邱梓瑄同學以「多邊形的剖分圖形數量之探討」作品獲大會數學科二等獎以及美國數學學會三等獎。
(二) 國立臺灣師範大學附屬高級中學陳映儒同學以「探討果蠅腦部神經突導向的基因調控」作品獲大會動物學科四等獎。
(三) 臺北市立第一女子高級中學吳亭羲與李蓁尹同學以「五苯荑衍生物的多重螢光響應行為」作品獲大會化學科三等獎。
(四) 臺北市立中山女子高級中學蔡伊甯同學以「以結膜影像判斷貧血之研究」作品獲人工智慧發展協會榮譽獎。
依據「參加國際數理學科奧林匹亞競賽及國際科學展覽成績優良學生升學優待辦法」規定,教育部將發給獲大會二等獎者新台幣10萬元;三等獎及四等獎者新台幣5萬元獎金,並可保送或薦送國內大學。今年臺灣更特別於「2021美國Regeneron國際科技展覽會」設立「臺灣國際科學展覽會特別獎(Taiwan International Science Fair Special Award)」,並聘請國立臺灣大學化學系林金全教授、國立臺灣師範大學資訊工程學系李忠謀教授、中央研究院資訊科學研究所陳伶志研究員,擔任特別獎評審委員,評選出2名國外學生,頒予參與「2022年臺灣國際科學展覽會」之獎勵,更顯見臺灣重視國際科學研究與交流,以及參與國際科學人才培育之用心。
附件
表一:參加「2021年美國Regeneron國際科技展覽會」學生得獎名冊
學生姓名 |
就讀學校 |
作品名稱 |
獲ISEF獎項及獎勵 |
我國相關獎勵規定 |
邱梓瑄 |
臺北市立第一女子高級中學 |
多邊形的剖分圖形數量之探討 |
大會獎數學科二等獎( US$2000 )
美國數學學會三等獎( US$500 ) |
1.新臺幣10萬元
2.保送大學理工農學院各相關學系 |
吳亭羲
李蓁尹 |
臺北市立第一女子高級中學 |
五苯荑衍生物的多重螢光響應行為 |
大會獎化學科三等獎( US$1000 ) |
1.新臺幣5萬元
2.保送大學各相關學系 |
陳映儒 |
國立臺灣師範大學附屬高級中學 |
探討果蠅腦部神經突導向的基因調控 |
大會獎動物學科四等獎( US$500 ) |
1.新臺幣5萬元
2.保送大學各本學系 |
蔡伊甯 |
臺北市立中山女子高級中學 |
以結膜影像判斷貧血之研究 |
人工智慧發展協會榮譽獎 |
獲推薦入大學校院本學系 |
得獎學生作品簡介:
數學科:邱梓瑄《多邊形的剖分圖形數量之探討》
已知將一凸多邊形的三角剖分圖形數量為卡特蘭數。研究改變剖分圖形的條件,計算把多邊形剖分成不同種多邊形的組合的圖形數量。透過剖分圖形與三角剖分的關係,最終得到任意條件下剖分圖形數量的一般式。
化學科:吳亭羲、李蓁尹《五苯荑衍生物的多重螢光響應行為》
研究探討五苯荑氟鏈取代衍生物F5的螢光響應行為(光致機械螢光變色及光機械運動),及其於有機蒸氣偵測和多彩螢光繪圖方面的應用。另將F5製成聚合物薄膜。F5豐富的螢光響應行為可應用於光致動器和安全裝置等。
動物學科:陳映儒《探討果蠅腦部神經突導向的基因調控》
研究操作果蠅腦神經的基因,觀察其神經發育的變化,及對覓食行為的影響。實驗發現降低frazzled基因表現異常的神經突支配,卻對覓食行為沒有影響。未來希望可以進一步探索果蠅腦是如何偵測並補償異常神經支配。
機器人與智慧機器科:蔡伊甯《以結膜影像判斷貧血之研究》
本研究利用手機拍攝眼結膜影像後,嘗試透過AI技術(1)自動擷取結膜位置、(2)依結膜顏色進行分類及(3)進行有無貧血之判斷。經過實驗,開發了一自動、非侵入性且具高準確性的貧血篩檢系統,可獲得貧血診斷準確率達89.1%,偽陰性7.7%與偽陽性13.8%。未來將進一步開發成貧血篩檢工具,提供大眾使用。