第3堂 · 01
接下來用 Twinkle Hub 實際做三件事
原教材已經教會我們怎麼連上 Twinkle Hub、裡面有哪些資料。接下來用三個例子,看它能替老師做到哪一步。
查詢與整理
例子:教檢、教甄考古題。交出:一張整理好的題目表
統計與分析
例子:來臺旅客客源結構。交出:排名、占比與審慎的結論
互動網頁
例子:客源儀表板。交出:一個可以打開的 HTML 檔
第3堂 · 02
每次查詢前後,都檢查這幾件事
- 查之前:說清楚要哪份資料、哪個範圍、只要哪些欄位、最多幾筆。
- 查之後:看來源機關、資料期間、單位,再看回傳的是不是真的資料列。
- 工具會照「找工具 → 看參數 → 執行」的順序走;卡住時看它停在哪一步。
- 找工具
用白話找能用的工具
- 看參數
要給哪些條件
- 執行
回傳真的資料列
- 核對
來源、期間、單位
第3堂 · 03
範例一:一句話,從考古題庫撈出可用的題目
- 老師平常要自己翻 PDF;這裡請 AI 直接查教檢、教甄題庫,整理成表。
- 先指定範圍:哪幾年、哪種考試、哪個主題,最多幾題。
- 現場可以換成台下老師自己的科目或主題。
2026/10/14 實測:教檢題目搜尋回 10 題(2023–2026 年「課程教學與評量」);教甄前 10 筆有 9 筆是臺北市 114 年國中同一題,只是分在不同科目。
查看/複製完整指令
請用 Twinkle Hub 查教師資格考試(教檢)和教師甄試(教甄)的題目,找出近五年和「差異化教學」有關的題目,最多 10 題。 先告訴我你用了哪個工具、搜尋條件是什麼。 整理成表格:年份、考試別、科目、題號、題目、出處(試卷名稱或連結)。 題目照原文,不要改寫;找不到的欄位寫「未提供」。
第3堂 · 04
範例一:查到的題目,怎麼確認可以用?
出處
能不能打開原試卷,題號對得上
題目文字
跟原卷一字不差,沒有被 AI 改寫
年份與考試別
教檢、教甄、國考沒有混在一起
相關性
真的跟主題有關,不是只碰到同一個詞
核對過的題目可交給 Bot,依課綱整理教材;第四堂會示範如何提供方法與驗收條件。
第3堂 · 05
範例二:觀光行銷備課,來臺旅客從哪裡來?
用交通部觀光署的來臺旅客統計,備一堂觀光行銷課的目標市場分析。
- 上個月 5 大客源群:先看整體輪廓。
- 依居住地排名取前 10:看主要客源市場。
- 只拿需要的筆數;先看欄位,再看資料。
2026/10/14 實測:「上月 5 大客源群」合計 662,735 人次;居住地排行其實是今年累計(全體 5,564,858 人次)。月份要回觀光署網站確認。
來臺旅客前 10 名居住地(今年累計,人次)
交通部觀光署,經 Twinkle Hub 取得;2026/10/14 實測。回傳未附資料月份
查看/複製完整指令
請用 Twinkle Hub 的資料集查詢工具,查 dataset_id「tad-index-inbound-lastmonth」,最多 10 筆。先告訴我有哪些欄位,再列出資料。 接著查「tad-index-inbound-byresidence」,只取人數最多的前 10 個居住地。整理成表格:排名、居住地、人數、占前 10 合計的百分比。 表格下方寫出資料來源(交通部觀光署)、資料月份與授權。
第3堂 · 06
範例二:算占比與集中度,結論要加上限制
- 請 AI 算前 3 名占前 10 名的比例(集中度),比較亞洲與非亞洲客源。
- 寫 3 點給觀光業者的建議,最後一定要列出這份分析的限制。
| 資料能說的 | 資料不能說的 |
|---|---|
| 今年累計哪些地方來的人最多 | 為什麼他們會來 |
| 前幾名占了多少比例 | 下個月會不會一樣 |
| 亞洲和非亞洲的人數差異 | 哪一種行銷方式比較有效 |
前 3 名占前 10 名:47.5%
前 10 名中,亞洲 vs 非亞洲(人次)
2,257,688 ÷ 4,756,847 ≈ 47.5%;非亞洲只有美國。交通部觀光署,經 Twinkle Hub;2026/10/14 實測
查看/複製完整指令
請計算前 3 名占前 10 名合計的比例,並比較亞洲客源與非亞洲客源的人數。 用 3 點寫給觀光業者的行銷建議。 最後列出這份分析的限制,例如只有今年累計、沒有逐月資料、只看前 10 名、沒有消費金額。
第3堂 · 07
範例三:把客源表做成互動儀表板
- 沿用範例二已經查好的 10 筆資料,不再查新資料。
- 請 AI 做成單一 HTML 檔:長條圖、占比圖、篩選與可排序的表格。
- 頁尾標出資料來源與資料期間(今年累計)。

查看/複製完整指令
請根據上面這 10 筆來臺旅客資料,做一個單一 HTML 檔案,CSS 和 JavaScript 都寫在同一個檔案裡。 內容:長條圖顯示各居住地人數、圓餅圖顯示占比、下拉選單可以篩選「亞洲/非亞洲/全部」、一個點欄位標題就能排序的表格。 頁尾標示:資料來源:交通部觀光署觀光統計(經 Twinkle Hub 取得),並寫出資料期間(今年累計,回傳未附月份)。 全部使用繁體中文,手機上也要能看。不要再查新資料。
第3堂 · 08
範例三:網頁的數字,跟原本的表一樣嗎?
數字
圖上每一筆和範例二的表逐列對照
篩選
選「亞洲」時,加總是否等於表裡亞洲的合計
來源
頁尾有機關、資料期間與取得方式
安全
網頁裡沒有金鑰,也沒有自動查詢的程式
這份網頁可以在第二天用 Cloudflare 部署成真正的網址。
第3堂 · 09 延伸
延伸示範:政府的 AI 相關標案,這幾年變多了嗎?
- 政府採購資料從 2015 年起,約 17 萬筆,可以一次算 12 年。
- 篩出標案名稱含「人工智慧」的決標案,依年份算件數與決標總額。
- 再列出採購最多的機關、得標最多的廠商。
2026/10/14 實測:「人工智慧」共 36 件;直接比對「AI」會把 Taiwan、Air 也算進來,所以只採「人工智慧」。2022 年的高點來自收錄筆數多,不能說成標案暴增。
標案名稱含「人工智慧」的決標案逐年件數
政府採購 pcc-tender,經 Twinkle Hub;2026/10/14 實測,資料最新到 2026-08-31。2022 年收錄 48,176 筆決標,其他年約 2,000–4,600 筆
查看/複製完整指令
請用 Twinkle Hub 查政府採購資料(pcc-tender),篩選公告類型為「決標公告」、標案名稱包含「人工智慧」的案件(「AI」會誤中 Taiwan、Air,不採用)。 依年份統計件數與決標金額總和,再列出件數最多的前 10 個機關。 先告訴我你用了哪些欄位和條件,並說明資料最新到哪一天。
第3堂 · 10 延伸
延伸示範:會自己更新的網頁,需要什麼?
- 水庫水位、雨量、災害警報這類即時資料,適合做會自己更新的看板。
- 但網頁要自己去查,就需要後端保管金鑰,不能把金鑰寫進網頁。
- 第四堂會改用 Agent 排程,每小時查一次氣象資料。
- Day 2(10/22)會帶大家從需求開始,建構自己的教學系統:做網頁作品、保存版本與發布。
查好資料再做網頁(範例三)
適合:教學、報告、一次性的分析。要注意:資料不會自己更新
後端定時查詢
適合:每天要看的看板。要注意:需要伺服器保管金鑰
Agent 排程(第四堂)
適合:定時回報、有變化才通知。要注意:要驗收排程真的有跑
第3堂 · 11 延伸
延伸示範實做:一個會自己更新的氣象頁
- 網頁只呼叫本站的 /api/live/weather,不碰金鑰。
- 伺服器(Cloudflare Worker)保管 TWINKLE_API_KEY,每 12 小時向 Twinkle Hub 查一次北投、士林測站,存成全站共用的一份。
- 伺服器沒設金鑰或查詢失敗,頁面自動改顯示課前快照,並標明時間。

第3堂 · 12
租屋資料:實價登錄租賃能回答什麼?
內政部實價登錄的租賃資料,Twinkle Hub 整理成 lvr-rentals,約 85 萬筆。
| 可以查 | 要注意 |
|---|---|
| 某縣市、行政區的租賃案件 | 只包含有申報的案件,不是所有租屋 |
| 月租金、面積、建物型態 | 單位是元還是萬元、平方公尺還是坪(1 坪=3.30579 平方公尺) |
| 租約日期 | 資料期間要寫清楚,不能當成今天的行情 |
| 用路名找附近的案件 | 地址只到路段,不能用來找特定房源 |
第一堂的教育部資料講的是怎麼租;這份資料補上大概多少錢。
一筆高價就把平均拉高 3,000 元(示意,月租/元)
示意資料,非真實租金
第3堂 · 13
實作:同樣三步,換成租屋資料
- 查詢:學校附近行政區最近的 10 筆住宅租賃,整理成表。
- 分析:比較兩三個行政區的件數與月租中位數,寫出限制。
- 網頁:把結果做成學生租屋小幫手頁面,附第一堂的看屋清單。
2026/10/14 實測(臺北市、主要用途含「住」、租約日 2025-08-28~2026-08-27):北投 1,279 件、中位數 22,800 元;士林 1,812 件、23,000 元;大同 971 件、25,000 元。平均都高於中位數 5,500–10,900 元。
練習
任務:用租屋資料完成查詢與分析;有時間再做網頁。
交付:一張租賃資料表(含來源與期間)、一段行政區比較與限制說明;選做:一個 HTML 檔。
進階挑戰
把行政區換成自己學校附近,或加上同房型、同面積的條件再比一次。
教學應用
同桌互看:表格的單位寫清楚了嗎?結論有沒有超出資料能說的範圍?
查看/複製完整指令
查詢: 請用 Twinkle Hub 查實價登錄租賃資料(lvr-rentals),條件是臺北市北投區、最近一年的住宅租賃,最多 10 筆。先告訴我有哪些欄位。整理成表格:路段(不要完整門牌)、建物型態、面積(坪)、月租金(元)、租約日期。寫出資料來源與期間。 分析: 請比較臺北市北投區、士林區、大同區最近一年的住宅租賃,依行政區統計件數、月租中位數與平均、最低與最高月租。說明平均數可能被高價物件拉高,並列出這份比較的限制。 網頁: 請把上面的統計結果做成一個單一 HTML 檔:可以選行政區,顯示件數與租金範圍;下面附上我提供的看屋與簽約前檢核清單。頁尾寫出資料來源與期間。不要再查新資料。
第3堂 · 14
自選題:換一份資料,再練一次
學校午餐營養分析(已實測)
tw_analyze_meal_nutrition+tw_query_food_nutrition → 熱量與三大營養素表
企業個案的公司基本資料
統編查公司、董監事、分公司 → 公司基本資料表,接企管個案
學校周邊的文化資產
文化資產檢索(古蹟、民俗、古物)→ 校外教學點清單
史博館典藏做成學習單
國立歷史博物館典藏檢索 → 10 件文物的年代、材質、出處表
健康食品真假查核
健康食品(健字號)搜尋 → 廣告宣稱與核可功效對照表
哪些食物鈉最高?
依營養素排行食物 → 前 10 名表與一段飲食提醒
每一題都照同樣的檢查:來源、期間、單位、資料能說與不能說的。
第3堂 · 15 延伸
自選題實測:一份學校午餐的營養分析
- discover_tools 找到 tw_analyze_meal_nutrition,inspect 看參數後執行。
- 「白米」對不到,改「白飯」才算到;高麗菜被對到「冷凍甘藍」,要人工確認。
- 這支工具只回熱量、鈉、鈣;三大營養素改用 tw_query_food_nutrition 逐項查。
2026/10/14 實測:合計 686 大卡,蛋白質 36.8 g、脂肪 13.6 g、碳水 104.1 g、鈉 103 mg(未含烹調油鹽)。
一份自編午餐 686 大卡:白飯占近一半
2026/10/14 實測|衛福部食品營養成分資料庫,經 Twinkle Hub。合計蛋白質 36.8 g、脂肪 13.6 g、碳水 104.1 g、鈉 103 mg(未含調味)
第3堂 · 16
這堂帶走什麼,下一堂怎麼接
資料表與分析
一張核對過來源的資料表,以及一段寫了限制的分析
選對做法
知道什麼時候查好資料就做網頁,什麼時候需要排程或後端
下一堂
Agent 接著用 Twinkle Hub 查租金、更新 Canva,並建立氣象排程