資訊學群常見迷思破解：程式神童、APCS、作品集與 AI 代寫 - 資訊學群

資訊學群的升學資訊充滿相互矛盾的傳聞。這一頁逐一破解最常見的迷思，幫你擺脫「軍備競賽」的焦慮，回歸學習的本質。

迷思一：我必須是程式設計神童，精通多種程式語言

真實情況： 所有頂尖大學的證據都指向同一結論——高中數學（特別是數A）和英文的優異且穩定表現，才是進入資訊領域最重要的門檻。 程式設計是邏輯的應用，缺乏數理邏輯根基只學語法是捨本逐末。資訊能力是三足鼎立的結構：數學/邏輯推理、語言/溝通（特別是英文）、應用的技術能力（程式設計）。過度偏重程式而忽略前兩者，是申請者最常見也最致命的策略錯誤。如成大資工所言：「不要放棄任何一科，建立正確的學習態度。」

迷思二：拿到 APCS 高分就是黃金門票

真實情況： 優異的 APCS 成績是強力的加分信號，部分校系也開設專門管道（115 學年度採計 APCS 的資訊類組別約 60 餘校系、約 218 個名額）。但要釐清：校系官網列出的 APCS 級分（多為「程式識讀＋程式實作各 4 級分」）是報名門檻/檢定標準，而非錄取保證。APCS 證明你會「寫」程式，但作品集才能證明你會用程式「思考」。一份高分成績單若沒有專案實作體現問題解決脈絡，說服力將大打折扣。在 AI 已能代寫基礎程式碼的 2026 年，這項區別比以往更關鍵。（註：APCS 自 2025 年改制，原觀念題更名「程式識讀」、實作題更名「程式實作」，後者分四種題本，全年檢測 6 場次，維持 1～5 級分制。）

迷思三：作品集要越多越好，技術越潮越加分

真實情況： 這是關於學習歷程最大的誤解。招聯會「三重二不」明確指出「重質不重量」「不是以量取勝」。實務上第二階段審查「課程學習成果」至多勾選 3 件、「多元表現」至多勾選 10 件——名額有限，正印證重質精神。與其提交十個複製貼上、自己卻說不出所以然的 AI 模型或區塊鏈專案，不如提交一個你為了管理班級讀書會書單而寫的簡單庫存系統。關鍵不在技術多前沿，而在作品的「完整性」與「誠實性」：你為什麼做（動機）、遇到什麼困難又如何解決（過程）、學到了什麼（反思）。一個有完整「動機 → 過程 → 反思」紀錄的專案，價值遠勝過十個只有華麗截圖的半成品。

迷思四：作品集需要專業設計，看起來要非常精美

真實情況： 內容的清晰與真實性遠勝於外觀的華麗。 審查委員是訓練有素的學者，不是平面設計師，他們更看重資訊組織是否清晰、邏輯是否連貫。一份簡潔的 PDF 或結構良好的 GitHub 頁面，遠比一份看似行銷公司製作的檔案更有效。過度包裝甚至會引發「代工」的懷疑，弄巧成拙。

迷思五：只有得獎的專案或重大成就才值得放進作品集

真實情況： 學習過程與展現出的能力，比獎項本身更有價值。 一個「失敗」的專案若附帶精彩的反思，說服力可能遠超一個得獎卻無任何解釋的專案。各校審查指引反覆強調的是「過程」與「反思」。大學要看的是潛力與成長型思維，而非過往榮耀。一個誠實描述如何除錯的紀錄，遠比一個聲稱完美無瑕的專案更可信。

迷思六：參加昂貴的營隊是必要之惡

真實情況： 葉丙成教授明確指出，純粹花錢參加大學營隊並不會成為決定性加分項。「三重二不」原則特意將審查重心拉回校內學習活動，正是為了抑制校外活動「軍備競賽」、促進教育公平。一份從學校資訊科技課延伸、記錄完整的專案報告，價值可能遠高於一張昂貴但缺乏個人深度反思的營隊證書。除非營隊是你真誠探索科系的一部分，否則它只是一張漂亮的貼紙。

迷思七：直接用 ChatGPT、Claude 生成備審，反正不會被發現

真實情況： 自 2023 年生成式 AI 普及後，「以 AI 代寫自述或專案說明」成為新的誠信灰色地帶。適度運用 AI 協助校對、潤飾語句並無不可，但若整份自述由 AI 生成、你本人無法在面試中具體說明專案細節與思考脈絡，將與「資料失真」面臨同等風險。教授普遍認為，AI 生成的文字往往語句通順卻四平八穩、缺乏專屬個人的具體細節與情感溫度，反而容易在大量申請資料中被經驗豐富的教授識破。在 AI 時代，「真實、具體、帶有個人聲音」的敘事，其稀缺價值更勝以往。

迷思八：資工和資管差不多，哪個分數低就讀哪個

真實情況： 兩者代表兩種不同的學術哲學。資工更關注技術本身的深度與創新，尋找能解決複雜技術問題的「工程師」；資管更關注技術在組織與商業環境中的應用，培養能連結技術與需求的「架構師」。資管系並非「比較簡單的資工」——政大資管的課程同樣涵蓋微積分、統計學等硬核科目。你的作品集與自述，應反映出對此差異的理解，從而精準對應目標科系的育才方向。