编程数字技能课程
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Pinnguaq Learn 是 Pinnguaq 提供的学习资源库，抓取文本显示其可按“Resources For、Types、Levels、Topics、Software、Subjects、Tags”等多维度筛选内容，共展示121项结果。资源面向 Adult Learners、Educators、Small Business 与 Student Learners，覆盖从Primary到Secondary、Adult的不同层级。
从内容看，它重点围绕数字素养、计算思维、AI/机器学习、App开发、游戏设计、在线安全、VR/AR、视频与声音制作等领域。示例资源包括“Introduction to AI Machine Learning via Teachable Machines”“Natural Language Processing”“Image Recognition”“Fake Voices Versus Deepfakes”“Coding a LEGO Maze”“Water Monitoring Project”等，兼具技术启蒙与现实议题。资源类型包含Activity、Article、Course、Game、Interactive、Lesson Plan、Tutorial、Video Tutorial等，但文本未说明直播、录播或1v1授课，因此更应视为课程/教案/活动资源集合，而非传统班课平台。
抓取正文未出现价格、订阅、购买、支付方式或证书信息，也未披露授课教师、教研团队资质和机构背景细节。授课语言从页面文本判断为英文。对采购者而言，若需要认证学习、学习记录或正式培训服务，需要进一步核实官网其他页面。
优点是分类体系细，教师可按年级、学科、软件工具和主题快速定位资源；主题更新度较好，涵盖AI、deepfake、在线隐私、气候变化等适合课堂讨论的内容；同时有Scratch、micro:bit、MIT App Inventor、Teachable Machine等实践工具，利于项目式学习。局限在于信息透明度不足：价格、证书、支持服务、课程完成机制均未在文本中体现；中文本地化也没有看到。
它更适合K-12信息技术、STEM、科学或跨学科教师备课，也适合具备英文阅读能力的学生和成人自学者。中国访问情况仅凭文本无法判断，标记为未知；若涉及Google、Facebook、Instagram等外部软件资源，实际课堂使用可能部分受网络环境影响。替代或补充方案可考虑Code.org、Scratch、Microsoft MakeCode、Google Teachable Machine及Khan Academy Computing等。
本测评基于公开资料整理,不构成购买建议,请以 pinnguaq.com 官网实际信息为准。
面向教育者和学生的编程课程、活动与教程。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。