數據與大數據入門
進階數據是記錄事實的符號，統計流程包括收集、整理、分析和表達；大數據指體量巨大、產生迅速、種類繁多的數據，經分析可以發現規律，用於調節交通、追蹤疫情和推薦商品。同時要警惕數據陷阱：相關不等於因果、樣本可能有偏差、圖表可以誤導；個人數據屬於私隱，要懂得保護自己和尊重他人。
- 統計流程四步：收集、整理、分析、表達；棒形圖、圓形圖和折線圖各有用途。
- 大數據有三個特徵：體量大、速度快、種類多；價值在於分析出規律和趨勢。
- 大數據令城市更聰明：調節交通燈號、追蹤流行病、推薦系統和城市規劃。
文體小知識：數據科普說明文用生活例子解釋數據怎樣收集、整理和分析，並提醒讀者小心數據的陷阱。
§課文原文 Passage
1班上的壁佈板貼著一張棒形圖：全班最喜歡的運動，足球十八票、籃球十一票、游泳九票——這就是數據的日常。統計調查有四個步驟：收集（設計問卷或劃記記錄）、整理（分類和製表）、分析（計算人數、平均數和趨勢）、表達（選擇合適的圖表匯報）。比較各項數量用棒形圖，顯示佔整體的比例用圓形圖，顯示隨時間的變化用折線圖；圖表選對了，訊息才能準確傳達。
2當數據多到一個程度，便稱為大數據，它有三個特徵：體量大——以兆字節甚至拍字節計算；產生快——每秒數以萬計的記錄；種類多——文字、圖片、位置、感應器讀數應有盡有。香港每天八達通交易數以百萬計，社交媒體的貼文和點讚、全港天氣感應網絡的讀數，都是大數據的來源。單筆數據沒有意義，海量數據經過分析卻能顯出規律和趨勢。
3大數據已經在改變城市生活。交通方面，運輸署以全港數千個交通感應器的車速數據，即時調節燈號，紓緩擠塞；醫療方面，公共衞生部門分析求診數據，及早追蹤流行病；商業方面，購物平台的推薦系統分析瀏覽和購買記錄，建議你可能喜歡的商品；城市規劃方面，人流熱點數據協助設計行人路和休憩空間。數據令城市更聰明，也令服務更貼心。
4不過，數據也可能騙人，要培養數據素養。第一，相關不等於因果：雪糕銷量與溺水人數夏天同時上升，不是雪糕導致溺水，而是「天氣熱」這個共同原因。第二，樣本可能有偏差：只訪問圖書館學會的同學便代表全校口味，結論自然有偏頗。第三，圖表可以誤導：截短坐標軸，百分之二的差距看起來像三倍。最後，個人數據屬於私隱，受《個人資料（私隱）條例》保障：安裝手電筒應用程式卻要求通訊錄權限，應該拒絕。數據不會說謊，但選擇性地使用數據可以誤導人——會提問、會查證，才是數據時代的主人。
1重點摘要 Summary
數據是記錄事實的符號，統計流程包括收集、整理、分析和表達；大數據指體量巨大、產生迅速、種類繁多的數據，經分析可以發現規律，用於調節交通、追蹤疫情和推薦商品。同時要警惕數據陷阱：相關不等於因果、樣本可能有偏差、圖表可以誤導；個人數據屬於私隱，要懂得保護自己和尊重他人。
2生字卡 Vocabulary
記錄事實的符號、數字和資料，經整理分析後成為有用的資訊。
收集、整理、分析和表達數據的方法。
以設計好的問題向一群人收集意見和資料的方法。
把一組數值加起來除以數目所得的代表值。
數據隨時間呈現的整體變化方向。
體量大、產生快、種類多，需以電腦分析才能顯出規律的海量數據。
從整體中抽出一部分作調查的個體，要有代表性結論才可靠。
兩組數據同升同跌的關係，但不一定存在因果。
數據收集或呈現時的系統性不公，令結論偏離事實。
個人資料受法律保護、由當事人決定如何使用的權利。
3逐步講解 Steps
- 第一步：走完統計流程四步完整的統計流程分為收集、整理、分析、表達四步，次序不能顛倒。舉個例子：調查全班最喜歡的運動——設計選項收集投票（收集）、畫 tally 表逐項劃記（整理）、算出各項人數（分析）、畫棒形圖匯報（表達）。每一步都為下一步打好基礎；次序一亂，數據便容易遺漏或重複，結論也不可靠。
- 第二步：為數據選對圖表圖表是數據的語言，選對圖表，讀者才能一眼看出重點。舉個例子：比較四項運動人數用棒形圖；顯示各項佔全班比例用圓形圖；展示一星期投票人數變化用折線圖——選錯圖表，讀者便會誤解數據的意思。動筆選圖之前，先問自己想表達的到底是比較、佔比還是趨勢，答案便會清楚起來。
- 第三步：認識大數據的 3V大數據有三個特徵：體量大、速度快、種類多，合稱 3V。舉個例子：八達通每日數百萬宗交易是體量大；交易即時記錄是速度快；涵蓋交通、購物、門禁多種資料是種類多。三者齊備，數據才能發揮大價值；單筆記錄意義有限，海量數據經過分析才能顯出規律和趨勢。
- 第四步：解讀大數據的應用大數據分析的價值在於把龐雜的數字變成具體的行動。舉個例子：運輸署以數千個感應器的車速數據，把擠塞路口的綠燈延長數秒——海量數據加上分析，城市便會自我調節。類似的方法還用於天氣預報、疫症追蹤和購物推薦；背後的原理都是從大量記錄中找出模式，再轉化為決定。
- 第五步：分清相關與因果兩個數字一起上升，不代表其中一個造成另一個，這是數據解讀最常見的陷阱。舉個例子：雪糕銷量與溺水人數同步上升，並非雪糕危險，而是兩者都隨「天氣熱」上升——找共同原因，別急下結論。先求證、後判斷，正是數據素養的起點；遇到看似神奇的關係，先問有沒有第三個因素在背後。
- 第六步：檢查樣本是否公平結論的可信程度取決於樣本是否公平和足夠大，抽樣方法比樣本數目更重要。舉個例子：想知道全校喜歡的圖書類型，只問圖書館學會的同學便是樣本偏差；應從各班隨機抽樣，樣本越大越可靠。抽樣不均，結論再漂亮也無效；讀到廣告聲稱「八成用戶滿意」，也要先問樣本從何而來。
- 第七步：保護個人數據數據時代人人都要學會保護自己的個人資料，也要尊重別人的私隱。舉個例子：手電筒應用程式要求通訊錄權限——拒絕；問卷只填必要資料；不公開他人成績和住址——私隱由自己把關。養成習慣，風險便大減；個人資料受《個人資料（私隱）條例》保障，提供之前應先問一句「是否有必要」。
4圖解 Diagrams
5例題示範 Example
例題：小恩想探究「同學每天使用電子屏幕的時間與體育測驗成績有沒有關係」。請寫出收集數據的方法、兩項應注意的公平原則，以及解讀結果時要小心的地方。
- 收集方法：設計匿名問卷，記錄每天屏幕時間（少於一小時、一至兩小時、兩小時以上）和同一次體育測驗的成績等級，全班四十人參與。
- 公平原則一：匿名作答——同學不用擔心被批評，才會如實填報屏幕時間，減少虛報偏差。
- 公平原則二：同期比較——所有組別用同一次測驗的成績，不能把上學期成績混入，否則結論無效。
- 解讀小心：即使發現屏幕時間最長的一組平均成績較低，也只能說「兩者有相關」，不能斷言「屏幕時間導致成績差」——睡眠、運動習慣等因素也可能有影響；建議再訪談了解實際原因。
- 答案：小恩應以匿名問卷收集同期的屏幕時間和成績，分組比較注意如實與同期；解讀時只能說相關不能說因果，並須考慮其他因素的影響——這正是數據素養的關鍵。
6常見錯誤 Mistakes
75 題快測 Quick check
Q1統計調查有哪四個步驟？
Q2大數據的 3V 指什麼？
Q3舉一個大數據改善城市生活的例子。
Q4「相關」和「因果」有什麼分別？舉例說明。
Q5寫出兩項保護個人數據的做法。
8重點回顧 Recap
- 統計流程四步：收集、整理、分析、表達；棒形圖、圓形圖和折線圖各有用途。
- 大數據有三個特徵：體量大、速度快、種類多；價值在於分析出規律和趨勢。
- 大數據令城市更聰明：調節交通燈號、追蹤流行病、推薦系統和城市規劃。
- 數據素養三警惕：相關不等於因果、樣本要有代表性、圖表可能誤導。
- 個人數據屬於私隱：檢查應用權限、謹慎填寫資料，尊重並保護自己與他人的數據。