Læringsmodul · Detalj

Cell Defense – Conway mot invasjonen

Dette modulen kombinerer celleautomater, tilstandsmodellering og enkle spillmekanismer i en funksjonell HTML/CSS/JS-prototype. Fokuset er på hvordan lokale regler, datastrukturer og trinnvis utvidelser fører til forståelig spillogikk.

Tid 180 minutter

Den eksisterende prototypen skaper en felles startpunkt hvor tilstander, regler og utvidelser kan følges opp umiddelbart. På denne måten handler det ikke om å sette opp et prosjekt, men snarere om at målrettet resonnering og testing av kodeendringer tar sentrum. AI-koding

Språk HTML

Online-testing Demo

Forhåndsvisning: Cell Defense – Conway mot invasjonen

Kursformat

Prototype First med AI-koding

Modulen er innlemmet i et Prototype-First-format: Startpunktet er en allerede funksjonell prototype, som videreutvikles i klare utviklingssteg. Den AI-koding-støtten er didaktisk integrert som et verktøy for målrettet endringer, feilforklaring og kontrollerbar videreutvikling av den eksisterende prosjektstatusen.

Strukturert utvikling

Den eksisterende prototypen skaper et felles utgangspunkt hvor tilstander, regler og utvidelser kan følges opp umiddelbart. På denne måten handler det ikke om å sette opp et prosjekt, men snarere om målrettet resonnering og testing av kodeendringer.

Didaktisk integrert AI-bruk

Herfor forstås KI-Coding som kontekstavhengig støtte som tar opp eksisterende filer, funksjoner og synlige mål. For undervisning skaper dette et rammeverk hvor prompter, endringer og versjoner kan reflekteres profesjonelt og kobles til umiddelbart testbare resultater.

Didaktisk klassifisering

Modulen er kompakt klassifisert både profesjonelt og praktisk for undervisning.

Profesjonell målsetting

I sentrum står modelleringen av et rutenett, hvor tilstanden beskrives ved hjelp av lister, koordinatnøkler og enkle objekter. Conway-reglene fører til lokale nabolagsberegninger og er koblet sammen med spilltilstander, energi, motstandsbevegelse og mønsterkjennelse i en trinnvis voksende simulering.

Kompetanseutvikling

Algoritmisk tenkning: Nabolags telling, tilstandstransisjoner og enkle bevegelsesregler implementeres systematisk.
Datamodellering: Rutenett, kjerne, levende celler, motstandere og mønstre representeres ved hjelp av egnet datastruktur.
Testing og refleksjon: Hver utvidelse er bundet til synlig oppførsel og kan umiddelbart kontrolleres.
Strukturert viderearbeid: Prototypen utvides i tydelig definerte milepåer uten å miste oversikt over den underliggende logikken.

Lærerens tilleggsverdi

Den eksekverbare startpunktet reduserer barrierer for inngang og skaper rom for analyse, variasjon og utvidelse.
Oppgavesequensen støtter en tydelig undervisningsorganisasjon med verifiserbare mellomresultater.
Utvidelser som mønsterbiblioteket, fiendets bølger eller timer muliggjør differensiering gjennom ekstra mål som er koblet til fagstoffet.

Leseplan

Oppgavene presenteres i rekkefølge av JSON og pedagogisk ordnet.

Startskjerm og spilltilstand komplementerer hverandre

Denne steget innfører et eksplisitt tilstandsmodell ved å skille forberedelse, kjørende simulering og pause fra hverandre. Dette skaper en grunnlag for senere funksjoner som bølger, timer og spillslutt å bli logisk knyttet sammen.

Celler med energilimit

Den frie plasseringen av celler er begrenset av et ressursmodell. Dette gjør det tydelig hvordan variabler for maksverdier, tilbakebetaling og resetregler er konsistent koblet sammen med rasterinteraksjon.

Forberedelse av mønsterbiblioteket for stabile celleformer

Mønsterbiblioteket konverterer celleformer som blokk, tub, båt og bihvel til et eksplisitt datamodell. Steget kobler visuelle mønstre med 0/1-raster og forbereder gjenbrukbare byggesteiner for senere plassering og anerkjenningslogikk.

Sett ferdige celle-mønstre ved å klikke

De forberedte mønstrene konverteres til en kontrollert rasteraksjon. Begrensninger, besatt felt, kjerne, fiender og energikostnader viser tydelig hvordan input blir validert før tilstandsbytte.

Utvidelse av fiendets data og forberedelse av bølger

Fiendene utvikles fra faste plasseringer til strukturerte objekter med egenskaper som liv, hastighet eller symbol. En bølgefunksjon forbereder gjentatte spill situasjoner og styrker forståelsen av opprettet objektliste.

Flytt fiendene mot kjerne

Fiendebevegelse introduserer enkel mållogikk på rastret. Per runde endres en koordinat slik at avstanden til kernen minskes og simuleringen blir mer dynamisk.

Gjenkjenne 2x2-blokk som skjerm mønster

Skanneren utvides fra generell tilbakemelding til målrettet mønsterkjennelse. Den stabile 2x2-blokk er egnet for å dyppere i nabolandskapets relasjoner og systematisk rasterbehandling.

Gjenkjenne 3-linje som impuls mønster

Mønstergjenkjenning utvides med horisontale og vertikale linjer. Å sammenligne flere mønster typer støtter å skille liknende testprosedyrer og gjør skannerlogikken mer differensiert.

Merk mønstre som forsvars celler

Gjenkjente mønstre får en synlig egen representasjon uten å erstatte normal celleutvikling. Dette skarper skillingen mellom grunnleggende tilstand og derivert tilstand.

Implementer enkel tårnangrep

Merkede forsvars mønstre mottar effekter i spillets system for første gang. En avsiktlig enkel rækkevidde og skade regel viser hvordan et gjenkjent struktur blir en algoritmisk handling.

Få energi gjennom aktive forsvars mønstre

Energisystemet kobles til suksessfulle forsvar med dette. Dette skaper et forståelig tilbakemeldingsløkke av plassering, effekt, treff og begrenset energitilbakeføring.

Kjerne skade og spil over blir lagt til

Kjerneen mottar livspunkter og har dermed en tydelig tapssituasjon. Trinnet gjør det klart hvordan kollisjoner eller når fienden oppnår mål, oversettes til skade, avstand og simuleringens stopp.

Vis punkt tall og bølge fremgang

Punkt og bølgefremgang gir synlig tilbakemelding på suksessfulle handlinger. Økende vanskelighetsnivå etter fullførte bølger fører til enkel progresjonslogikk.

Legg til automatiske runder med tidsregler

Den manuelle utviklingen utvides med et start-stop-mekanisme med fast tempo. Dette gjør forskjellen mellom enkelttrinns kontroll og automatisk simulering profesjonelt synlig.

Forbedre vanskelighetsnivå, animasjon og mobilvisning

Konklusjonen samler finejustering av funksjonalitet, visuell tilbakemelding og presentasjon på smale skjermer. Den profesjonelle funksjonen ligger i å ta hensyn til teknisk kvalitet og brukervennlighet som del av et fullført prosjekt.

Kodesnutt

Fragmentet viser den profesjonelle kjernen i komponenten: Fra lokale nabolagsregler, blir neste tilstand for cellene generert.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
function lebendeNachbarnZaehlen(x, y) {
  let anzahl = 0;
  for (let dy = -1; dy <= 1; dy = dy + 1) {
    for (let dx = -1; dx <= 1; dx = dx + 1) {
      if (dx !== 0 || dy !== 0) {
        if (istLebendig(x + dx, y + dy)) {
          anzahl = anzahl + 1;
        }
      }
    }
  }
  return anzahl;
}
function evolutionAusfuehren() {
  const naechsteZellen = [];
  for (let y = 0; y < hoehe; y = y + 1) {
    for (let x = 0; x < breite; x = x + 1) {
      const nachbarn = lebendeNachbarnZaehlen(x, y);
      const lebendig = istLebendig(x, y);
      if (lebendig && (nachbarn === 2 || nachbarn === 3)) naechsteZellen.push(schluessel(x, y));
      if (!lebendig && nachbarn === 3) naechsteZellen.push(schluessel(x, y));
    }
  }
  lebendeZellen = naechsteZellen;
}

Celleregler, mønstre og spilltilstander kobles gradvis sammen for å danne en forståelig simulering.

Dette modulen gir en tydelig oppgavestruktur for undervisningsorganisasjon, kodeanalyse og resultatverifikasjon. Differensiering er mulig gjennom utvidelser som mønsterbibliotek, fiendebølger, timer eller visuelle forbedringer.

Forespør en demo-tilgang og test modulen i din egen kurskontekst.

Registrer deg nå og prøv den gratis