一筆健康資料能回答什麼?從資料型態到統計推論
先分清母體、樣本、變項與資料尺度,再判斷一份資料能回答到哪裡。
閱讀重點 →目前以這台裝置保存;登入後會合併並同步到帳號。
先分清母體、樣本、變項與資料尺度,再判斷一份資料能回答到哪裡。
閱讀重點 →依問題與資料型態選表格、長條圖、直方圖、折線圖或散佈圖,並避開常見視覺陷阱。
閱讀重點 →兩組資料即使平均數相同,也可能呈現完全不同的穩定度。學會選對中心與分散指標,避免被單一平均值誤導。
閱讀重點 →把排名位置、倍數變化與資料分布放在一起解讀,不再誤會百分位數與盒形圖。
閱讀重點 →搜尋知識筆記、題庫、遊戲與網站資訊。
輸入關鍵字,或選擇分類查看相關內容。
把閱讀、題庫、遊戲與積分集中在一頁,隨時從上次位置繼續。
先選知識領域、書名或來源名稱,再依章節查看文章。
先分清母體、樣本、變項與資料尺度,再判斷一份資料能回答到哪裡。
閱讀重點 →依問題與資料型態選表格、長條圖、直方圖、折線圖或散佈圖,並避開常見視覺陷阱。
閱讀重點 →兩組資料即使平均數相同,也可能呈現完全不同的穩定度。學會選對中心與分散指標,避免被單一平均值誤導。
閱讀重點 →把排名位置、倍數變化與資料分布放在一起解讀,不再誤會百分位數與盒形圖。
閱讀重點 →拿到一張血壓表,不代表已經有答案。讀完這篇,你會先確認研究對象、觀察單位與變項,再分辨資料型態、母體與樣本,最後判斷結果只能描述眼前資料,還是能合理推論到更大的族群。
「這些人的平均血壓是多少」與「這個介入是否降低血壓」需要的資料和分析不同。先把問題寫成對象、變項、比較與時間四部分,才知道要收什麼、如何整理,以及結論能說多遠。
想了解的是哪一群人或哪類事件?
要測量血壓、疼痛、診斷或其他特徵?
比較兩組、前後變化,還是只描述現況?
測量發生在哪個時間點或期間?
同一位病人可能有多次就診紀錄。若一列是「一次就診」而不是「一位病人」,樣本數、獨立性與結論都會不同。
類別變項把觀察分組,例如血型或是否吸菸;數值變項記錄數量或測量值,例如住院天數或體溫。離散資料多半是計數,連續資料則可在一段範圍內取值。
| 型態 | 可回答的問題 | 健康資料例子 |
|---|---|---|
| 類別 | 各類別有多少、比例多高 | 血型、診斷、是否跌倒 |
| 離散數值 | 事件發生幾次 | 住院次數、用藥顆數 |
| 連續數值 | 測量值多高、分布如何 | 體溫、血壓、體重 |
病房編號、疼痛等級與體溫都可能以數字記錄,但數字扮演的角色不同。名目尺度只分組;順序尺度能排序;等距尺度的差距有意義但零點不是「完全沒有」;比例尺度還有真零點,可以談倍數。
| 尺度 | 可以做什麼 | 例子 |
|---|---|---|
| 名目 | 分組、計數、找眾數 | 血型、病房代碼 |
| 順序 | 排序、比較高低 | 疼痛等級、疾病分期 |
| 等距 | 比較差值 | 攝氏溫度 |
| 比例 | 比較差值與倍數 | 體重、時間、年齡 |
把類別代碼 1、2、3 取平均沒有實質意義;先看數字代表什麼,再選統計量。
描述統計回答「這份資料長什麼樣」;推論統計則利用樣本估計母體、比較假設或量化不確定性。推論不是把樣本結果直接放大,而是同時考慮抽樣方式、樣本變異與可能誤差。
用表格、圖形與統計量整理已觀察的資料。
用樣本統計量推估未知的母體參數。
用信賴區間、檢定或模型表達抽樣誤差。
若只從特定醫院、時段或自願參與者收集資料,再大的樣本也可能系統性偏離目標母體。
選擇偏差:進入樣本的人與未進入的人本來就不同。
測量誤差:儀器、定義或紀錄方式讓數值偏離真實狀況。
缺失資料:缺失不是隨機發生時,完整個案可能不是原族群的縮影。
混雜:第三個因素同時影響比較條件與結果,讓關聯看起來像因果。
想聽教師完整說明,可依序觀看單元簡介、何謂統計學、資料的類型與推論統計。按下播放後才會載入 YouTube。
中文授課;字幕與播放器功能以臺大及 YouTube 官方版本當下提供的狀態為準。
本文依課程單元整理核心概念並加入健康資料例子,不重製影片或逐字稿。互動、遊戲與自我測驗由本站編寫,不是臺大官方教材、作業或考題。
研究問題實驗室練習快速分類;18 題自我測驗則檢查定義、判讀與推論界線。
一張圖可以讓差異一眼可見,也可以靠截斷座標軸、錯誤分組或不合適的圖形把小差異放大。讀完這篇,你會依資料型態與問題選圖,並在相信圖表之前檢查分母、座標軸、時間範圍與分組方式。
圖表的選擇不是看哪一種漂亮,而是看要呈現組成、分布、時間變化或兩個變項的關係。問題不清楚時,同一份資料可以畫出很多張圖,卻沒有一張真正回答問題。
各類別占多少?
數值集中在哪裡、是否偏斜?
數值如何隨時間改變?
兩個數值變項是否一起變化?
| 問題 | 常用呈現 | 為什麼 |
|---|---|---|
| 一個類別變項 | 次數表、長條圖 | 比較各類別數量或比例 |
| 一個數值變項 | 直方圖、摘要表 | 看分布形狀、中心與分散 |
| 隨時間變化 | 折線圖 | 保留時間順序並看趨勢 |
| 兩個數值變項 | 散佈圖 | 看方向、形狀與離群點 |
| 需要精確查值 | 表格 | 讓讀者找出特定數值 |
圖表能顯示關係,不會自動證明因果。散佈圖上兩個變項一起變化,仍可能受第三個因素影響。
長條圖的每根柱代表一個類別,類別順序可以依目的調整,柱與柱之間通常留空;直方圖把連續數值切成相鄰區間,柱子相連,分組寬度會影響讀者看到的分布形狀。
區間太寬可能藏住多峰或離群,太窄則讓隨機波動看起來像規律。比較不同組別時,應使用一致的分組邊界。
長條圖若不從零開始,柱長會誇大小差異;折線圖可以依情境使用非零起點,但必須清楚標示並讓讀者看得出尺度。
若讀者要找某一列的準確數字,表格通常比圖更有效;若重點是趨勢、分布或組間差異,圖表更容易看出模式。重要報告可以讓兩者互補,而不是把所有數字同時塞進一張圖。
欄名寫清單位,比例同時提供分母。
小數位保留到足以回答問題,不假裝比測量更精確。
缺失值、其他類別與總數要能核對。
排序依讀者任務設計,例如依時間、大小或臨床順序。
想聽教師完整說明,可觀看第 5 部「資料的呈現」。按下播放後才會載入 YouTube。
中文授課;字幕與播放器功能以臺大及 YouTube 官方版本當下提供的狀態為準。
本文依課程單元整理核心概念並加入判讀例子,不重製影片或逐字稿。互動、遊戲與自我測驗由本站編寫,不是臺大官方教材、作業或考題。
圖表配對練習快速選圖;18 題自我測驗則檢查座標軸、分組與視覺陷阱。
看到「平均 25 分鐘」時,你還不知道多數人真的等了多久,也看不出少數極端個案。讀完這篇,你會知道何時使用平均數、中位數或眾數,如何搭配全距與標準差判斷資料是否集中,以及怎麼處理離群值而不誤讀結果。
一組資料要同時回答兩個問題:典型值在哪裡,以及數值彼此差多遠。下面六個指標分別處理這兩件事。
平均數使用每一個觀察值;中位數只看排序後的中央位置;眾數看誰出現最多。三者可能相同,也可能差很多,選擇要看資料型態、分布形狀與你想回答的問題。
平均數把每筆數值都納入,因此資訊使用完整,也最容易被極端值拉動。
中位數把資料排序後取中央;對偏態資料或離群值通常較穩健。
眾數可以用在數值或類別資料;可能有一個、多個,或沒有唯一眾數。
沒有任何一個中心指標永遠最好;先看問題與資料,再決定。
名目類別沒有可加總的數值距離,例如血型不能算平均數,但可以找眾數。
看資料 4、5、5、6、30:平均數是 10,中位數與眾數都是 5。30 這個高值參與了平均數的加總,所以把平均數往右拉;中位數仍只由中央位置決定。
使用全部數值,對離群值敏感。
看中央位置,較不受極端值影響。
5 出現兩次,是最常見的值。
先查資料品質與情境,不能看到極端就直接刪除。
偏態分布只報平均數,可能讓「典型個案」看起來比實際高或低;但不能因此一律改報中位數,仍要配合研究問題與完整分布。
離群值可能是輸入錯誤,也可能是真實且重要的少數個案。先追查來源,再決定修正、保留或做敏感度分析。
A 組 4、5、5、5、6 與 B 組 1、3、5、7、9 的平均數都是 5,但 A 組緊密、B 組分散。若只報平均數,這個差異會完全消失。
| 指標 | 回答什麼 | 優點 | 限制 |
|---|---|---|---|
| 平均數 Mean | 整體數值的算術中心 | 使用每筆數值,方便後續分析 | 會被離群值與偏態拉動 |
| 中位數 Median | 排序後的中央位置 | 對離群值較穩健 | 不利用每筆數值的距離 |
| 眾數 Mode | 最常出現的值或類別 | 可用於類別資料 | 可能多個或沒有唯一眾數 |
| SD | 資料通常離平均數多遠 | 與原資料同單位 | 受極端值影響,不能單獨代表分布 |
每個值減平均數後,離均差的總和必然為 0;直接相加會讓正負抵消。平方可讓距離全部為非負,再取平均形成變異數;最後開根號得到標準差,才能回到原資料單位。
計算每個值 xᵢ 與平均數 x̄ 的差。
彙整 (xᵢ − x̄)²;單位會變成原單位的平方。
變異數開根號後,尺度回到原單位,較容易解讀。
它不是每筆資料與平均數距離的普通算術平均,也不是平均數估計的不確定性;後者通常用標準誤描述。
描述整個母體時,常用 μ、σ²、σ,變異數以 N 為分母;從樣本估計母體時,常用 x̄、s²、s,樣本變異數通常以 n−1 為分母,補償以樣本平均數估計後造成的低估。
| 比較 | 中心 | 變異數 | 標準差 |
|---|---|---|---|
| 母體 Population | μ | σ² = Σ(xᵢ−μ)² / N | σ = √σ² |
| 樣本 Sample | x̄ | s² = Σ(xᵢ−x̄)² / (n−1) | s = √s² |
| 判讀重點 | 先確認資料代表母體還是樣本 | 寫清楚採用的分母與定義 | 連同中心、單位與分布一起報告 |
算出 s = 8 並不等於完成解讀;還要說明是哪個變數、原本單位、中心位置,以及分布是否偏斜或有離群值。
八位病人的候診時間為 12、14、15、16、17、18、20、95 分鐘。平均數約 25.9 分鐘,中位數是 16.5 分鐘;95 分鐘這筆真實個案把平均數大幅拉高。
使用全部等候時間,但受 95 分鐘影響。
更接近排序後中央病人的等候位置。
快速顯示跨度大,但只由 12 與 95 決定。
可能揭示流程瓶頸,不應只因極端就刪掉。
這是教學用假想資料,不是醫療建議或真實院所績效。實務報告應同時呈現合適的中心、分散與分布資訊。
計算正確不等於解讀正確。以下錯誤會讓同一組數字說出完全不同、甚至錯誤的故事。
想看教師完整說明時,可以先看第 6 部掌握三種中心指標,再看第 7 部理解分散、變異數與標準差。按下按鈕後才會載入 YouTube。
中文授課;字幕與播放器功能以臺大及 YouTube 官方版本當下提供的狀態為準。
本站依上述課程內容整理概念並加入教學例子,不重製影片或逐字稿。互動、遊戲與 18 題自我測驗由本站編寫,不是臺大官方教材、作業或考題。
資料偵探練習在情境中選指標;18 題自我測驗則檢查定義、計算、比較與常見誤解。
孩子身高在第 90 百分位,不是得到 90 分,也不代表比平均高 90%。它表示在參考族群與條件下,大約 90% 的觀察值位在該值以下或相同。讀完這篇,你會正確解讀排名位置、四分位距與盒形圖,並知道幾何平均何時比算術平均更合適。
第 p 百分位是一個切點,使約 p% 的觀察值位在它以下或相同。它必須連同參考族群、年齡、性別、測量方式與日期解讀;換一個參考族群,同一數值可能落在不同百分位。
表示約四分之三的參考資料不高於該值,並不表示該值等於滿分的 75%,也不表示高出平均 75%。
不同軟體與教材可能採用不同插值定義,小樣本時算出的百分位切點可能略有差異;報告時應說明方法。
Q1 是第 25 百分位,Q2 是中位數,Q3 是第 75 百分位。四分位距 IQR = Q3 − Q1,描述中間 50% 資料的跨度,較不容易被極端值拉動。
約四分之一資料不高於 Q1。
中位數把排序資料分成上下兩半。
約四分之三資料不高於 Q3。
Q1 到 Q3 之間包含約 50% 的資料。
盒子的兩端是 Q1 與 Q3,盒內線是中位數,盒長就是 IQR。鬚延伸到的規則必須確認:常見作法是到 1.5×IQR 範圍內最遠的觀察值,而不是一定等於最小值與最大值。
中位線越靠盒子一側,可能暗示分布不對稱。
IQR 越大,中間一半資料越分散。
同尺度並排盒形圖可快速比較不同組別。
盒形圖不會完整顯示多峰、樣本密度或每筆觀察。
常用下界為 Q1 − 1.5×IQR,上界為 Q3 + 1.5×IQR。超出界線的值會被標記以便檢查,但可能是真實的重要個案、資料輸入錯誤,或來自另一個族群;不能只因被標記就刪除。
回查原始紀錄與測量流程,確認單位與輸入,再比較保留與排除後結果是否改變;任何處理都應在報告中交代。
算術平均處理加法差異;幾何平均處理連乘或比例變化。當資料為正值、跨多個數量級,或關心平均成長因子時,幾何平均常更有意義。
把數值相加再除以個數,適合加法尺度。
把正值相乘後開 n 次方,適合倍數尺度。
等於先取對數求平均,再轉回原尺度。
先成長 20% 再下降 20%,資產不是回到原點:1.2×0.8=0.96。平均成長因子應依乘法處理,而不是把 +20% 與 −20% 直接平均後就說沒有變化。
一般幾何平均要求數值為正;資料含 0 或負值時不能直接套用,必須先理解尺度與分析目的。
想聽教師完整說明,可依序觀看第 8 部與單元小結。按下播放後才會載入 YouTube。
中文授課;字幕與播放器功能以臺大及 YouTube 官方版本當下提供的狀態為準。
本文依課程單元整理核心概念並加入判讀例子,不重製影片或逐字稿。互動、遊戲與自我測驗由本站編寫,不是臺大官方教材、作業或考題。
百分位偵探練習快速判讀;18 題自我測驗則檢查計算、語意與常見誤解。

真正的人際關係不只是兩個人同處一地,而是互動持續發生,並逐步形成相互影響與相互依賴。親密也不是單一路線:關係可以靠接觸與談話深化,也可能停滯、惡化、修復或結束。
相互依賴模式把關係形成看成一個連續過程:從完全沒有接觸,到注意對方、開始互動,最後進入彼此影響與依賴逐漸增加的相互關係。
彼此不相識,也沒有任何互動。
一方或雙方開始注意到對方,但尚未直接接觸;第一印象會影響是否繼續靠近。
開始短暫、較表面的雙向互動,並出現初步的相互影響。
互動、影響與依賴持續增加;當程度足夠強,便可能形成親密關係。
減輕孤獨:穩定而廣的網絡回應社會孤獨,能承接脆弱的親密連結則回應情緒孤獨;身邊有人不代表兩種缺口都被滿足。
獲得刺激與訊息:互動提供智識、身體與情緒刺激,減少感官與心理上的單調。
滿足需要:關係可提供依附、歸屬、價值肯定、可靠支持、指導、照顧他人、關愛、接納與影響力。
建立自我了解:透過他人的回饋與比較,看見自己的特質,並修正錯誤信念或行為。
促進身心健康:教材整理的研究把穩定支持與較佳的心理適應、健康行為及身體狀況連結起來,但不代表單一因果保證。
社會滲透理論用兩個方向描述交談:廣度是談到多少主題,深度是分享多私密、多核心的內容。親密通常需要兩者逐步擴展,但不同關係的形狀不會完全一樣,也會隨時間改變。
廣度:從少數安全話題,擴大到工作、興趣、價值觀與生活經驗。
深度:從表面資訊,逐步進入感受、擔憂、需求與更私密的自我揭露。
關係形狀:有些關係廣而不深,有些只在少數議題上非常深入;深度和廣度都可能增加或退縮。
教材中的六階段模式不是固定直線;關係可在某一階段停止,也可能從惡化進入修復,再回到較穩定的狀態。
知覺接觸形成第一印象,互動接觸則開始交換基本訊息。
彼此試探、了解,互動可能增強並形成較持續的交往。
承諾、社會連結與情感投入增加,兩人可能形成更緊密的共同生活。
不滿與距離增加,溝通與互動品質下降。
透過個人反思與雙方溝通嘗試改變,但修復不一定成功。
關係終止,並可能經歷人際分離、社交或公開分離,以及後續調適。
關係有階段,可能前進、停留、後退或終止。
關係有不同的深度與廣度。
關係持續變動,記憶、情緒與新事件都會改變它。
關係是多向度的,可能同時包含情緒、身體與智識層面。
同一段關係的雙方可能有不同看法與預期。
關係靠溝通建立、維持,也可能因溝通方式而惡化。
影片由 NotebookLM 依這次資料生成;以下保留原始英文影片,並用中文重點協助對照。
用 A、B 兩個圓呈現零接觸、表面接觸與相互關係,說明親密是互動與依賴逐漸增加的結果。
已提供英文時間軸字幕與逐字稿;文字由語音辨識產生,可能仍有錯誤,請以影片原音為準。
People often view relationships as instant chemistry, but the model of interdependence maps connection as a measurable, escalating overlap. To see how isolated lives merge, picture two strangers sitting next to each other on a long train ride. Right now, they share space but haven't interacted at all. This baseline state is zero contact. Their circles remain completely isolated. But then, one passenger glances over and notices the other is reading their favorite book. This initial one-sided recognition creates a directional arrow, a stage called awareness. Recognizing a shared interest, they strike up a brief, polite chat about the author. Their circles slide closer and finally touch at the boundaries, a phase known as surface contact. But a pleasant chat isn't a true relationship. If the train stops right now, the connection dies and the circles drift apart. A real bond requires ongoing influence. Instead, before getting off the train, they exchange phone numbers and plan to meet up for coffee. Because their actions now directly shape each other's future schedules, they enter mutuality. As the weeks pass, they share more significant life events and their emotional reliance deepens. That center overlap grows larger and darker, mapping a deeply intertwined intimate bond. And what ultimately happens to those two completely random strangers from the long train ride? By continuously sharing their experiences, they permanently transformed two isolated circles into a single intimate system.
用社會滲透圖示比較談話的廣度與深度:話題變多,不一定等於分享變深。
已提供英文時間軸字幕與逐字稿;文字由語音辨識產生,可能仍有錯誤,請以影片原音為準。
How do we go from strangers to intimates? Social penetration theory has the answer. Closeness doesn't just happen over time. It depends on the structural shape of your conversations. Take a new coworker you only chat with by the office coffee machine. You might cover many topics, like the weather, sports, or daily tasks. This wide surface area on the shallow outer edge is called conversational breadth. To become real friends, the conversation must penetrate the inner rings, moving past basic opinions, down into fears, core values, and deep vulnerabilities. This inward push is called conversational depth. But what if depth outpaces breadth? Imagine a near stranger suddenly oversharing deep trauma at the coffee machine. It feels highly uncomfortable because the narrow foundation can't support it. True intimacy requires the conversational wedge to expand outward to include more topics, while simultaneously pushing smoothly into the vulnerable center. When a relationship deteriorates, this process runs in reverse. Shared topics shrink, and conversations pull away from the vulnerable center, retreating to the safe outer ring. So if an old friendship feels distant, notice if your conversations have quietly retreated back to the surface.
區分社會孤獨與情緒孤獨,解釋為什麼很多熟人仍無法取代一段能提供深度支持的親密連結。
已提供英文時間軸字幕與逐字稿;文字由語音辨識產生,可能仍有錯誤,請以影片原音為準。
Psychologists split isolation into two distinct deficits: social and emotional loneliness. It's why just putting yourself out there rarely works. Imagine moving to a new city. You join three clubs and have a packed weekend schedule, yet you still feel completely isolated, alone in your apartment. When you lack a broad, overarching community, your brain triggers a deficit called social loneliness. By joining those clubs, you built a wide, stable web of acquaintances, successfully turning off that first alarm. But here's the friction. These casual group links are designed for shared activities. They offer almost zero structural capacity for personal vulnerability or heavy emotional support. So when you lack just one deeply meaningful, intimate connection, your brain triggers an entirely separate alarm: emotional loneliness. And the math is simple: adding dozens of shallow, casual links mathematically cannot replace the load-bearing capacity of a single, close confidant. So, back to that: your packed schedule definitely cured the social isolation, but until you build one thick, intimate connection, the emotional loneliness remains.
內容依提供的教材整理,不能取代原始教材或專業判斷;18 道題目是教材自我測驗,不是台灣、美國、加拿大或澳洲官方考題。
這次上傳的資料沒有附正式國考題。以下 18 題只檢查教材概念,不會標示成台灣國考、NCLEX 或澳洲官方題目。
開始 18 題測驗把大學課程整理成可以直接閱讀、練習與自我檢查的知識主題。
先選擇題庫類型,再進入題組。
18 道單選題,全部直接對應這次上傳資料中的概念。
題目由本站依教材整理,僅供自我測驗;不是台灣、美國、加拿大或澳洲官方考題。
每題首次答對可得 10 分;同一題最多 10 分。
檢查平均數、中位數、眾數、全距、變異數、標準差、離群值與指標選擇。
題目由本站依本篇內容編寫,只供自我檢查;不是臺大官方教材、作業或考題。
每題首次答對可得 10 分;同一題最多 10 分。
檢查資料型態、測量尺度、母體與樣本、描述統計與推論統計。
題目由本站依文章內容編寫,只供自我檢查;不是臺大官方教材、作業或考題。
每題首次答對可得 10 分;同一題最多 10 分。
檢查圖表選擇、座標軸、分組方式與視覺判讀。
題目由本站依文章內容編寫,只供自我檢查;不是臺大官方教材、作業或考題。
每題首次答對可得 10 分;同一題最多 10 分。
檢查百分位數、四分位距、盒形圖、離群值與幾何平均。
題目由本站依文章內容編寫,只供自我檢查;不是臺大官方教材、作業或考題。
每題首次答對可得 10 分;同一題最多 10 分。
先依分類選擇遊戲;點進遊戲頁閱讀介紹與規則後,再開始遊玩。
每個題目或遊戲關卡只記錄最高積分;重玩可以補足較高成績的差額,但不會重複累加。積分目前僅供站內學習與遊戲使用,沒有現金價值。
這是一款依目前人際關係教材製作的快速複習遊戲,練習辨認關係從沒有接觸到形成相互影響的順序。
每回合會出現一個資料情境。先判斷問題是在找中心還是分散,再從六個指標中選出最合適者。
每回合讀一段研究情境,找出資料真正代表的對象、變項與推論界線。
每回合先看讀者想知道什麼,再替資料選擇最清楚、不誤導的圖表或表格。
每回合會出現排名、盒形圖或倍數變化,請選出正確解讀。
這是一款 30 關的休閒記憶遊戲。完成一關才會解鎖下一關,卡片數量會逐步增加,並依使用回合數獲得 1~3 顆星。
完成目前關卡後,下一關會自動解鎖。
CuriousFolio 把實際資料整理成知識筆記、互動學習、題庫與遊戲,讓內容可以閱讀、練習並反覆使用。本站只在有實際來源時加入內容,不自動補寫或虛構資料。
如需回報內容錯誤、網站問題,或提出隱私與資料請求,請寄信至:
最後更新:2026 年 7 月 24 日
任何人都能在不登入的情況下閱讀 CuriousFolio。必要的登入與安全技術會維持基本功能;未登入學習進度只有在讀者明確允許後才會寫入瀏覽器並同步。本站目前不使用廣告、跨站追蹤或行銷分析,也不販售或分享個人資料。
匿名進度依讀者同意處理;登入與帳號進度是應讀者主動要求提供的功能;安全紀錄則用於維護服務安全與合法權益。讀者可隨時撤回匿名進度同意,且不影響撤回前處理的合法性。
本站提供一般讀者使用,不以兒童為目標對象。未滿所在地可自行同意個人資料處理年齡者,請勿建立帳號或啟用未登入進度儲存,除非監護人已依法同意或授權。若本站得知在未取得必要授權的情況下處理未成年人的資料,將刪除相關資料。
登入服務使用登入、工作階段與安全 Cookie,只在提供讀者主動使用的登入與帳號功能時啟用;不會用於廣告。
保存讀者主動選擇的語言與隱私偏好。隱私選擇最多保存 6 個月,之後會再次詢問;語言保存到讀者清除網站資料。
只有點選「允許儲存學習進度」後才啟用瀏覽器識別碼、本機遊戲進度及匿名伺服器同步。拒絕後仍可正常瀏覽、作答及遊玩,但重新整理後不保留未登入進度。
本站目前不使用廣告 Cookie、跨站追蹤、個人化廣告或行銷分析,也不出售或分享個人資料供定向廣告使用。
未登入匿名進度在最後活動 12 個月後自動刪除;登入帳號的學習與積分資料保存到讀者刪除,或服務不再提供。網站運作會使用託管與安全、帳號登入、身分驗證及電子郵件支援等外部服務;僅依各自用途處理必要資料。資料可能在讀者所在地以外處理,並受適用的隱私與安全條款約束。
你可以查詢/匯出或刪除本站保存的積分與學習進度、撤回未登入進度儲存、要求更正或限制處理,也可以透過隱私信箱提出其他適用法律下的請求。本站會在確認請求者身分後依法處理。
最後更新:2026 年 7 月 22 日
使用 CuriousFolio 代表你同意遵守本條款與隱私政策。若不同意,請停止使用需要帳號或資料儲存的功能;公開內容仍可在法律允許範圍內閱讀。
不得破壞、繞過安全措施、干擾服務、以自動化方式大量請求、冒用他人身分,或利用本站從事違法、侵權、詐欺或傷害他人的行為。合理的個人學習與一般分享不受影響。
登入由外部登入與身分驗證服務提供。你應保護自己的登入方式及裝置,並對帳號下的活動負責。本站可在合理懷疑濫用或安全風險時限制相關功能;你可隨時刪除本站保存的學習資料,並可另行刪除登入帳號。
CuriousFolio 的整理文字、介面與原創互動內容受適用法律保護;引用或連結的原始資料仍屬各自權利人。除法律允許的引用、個人學習或另有授權外,不得大量重製、重新販售或移除來源與權利標示。
本站可能新增、修正、暫停或終止部分內容與功能,並會盡合理努力保護既有學習資料及提供重要變更說明,但不保證服務永不中斷或所有內容永遠可用。
本站提供的是學習與一般資訊,不取代原始資料或專業建議。在適用法律允許的最大範圍內,CuriousFolio 不對因依賴內容、第三方服務或不可控制的中斷所產生的間接損失負責;法律不能排除的權利不受本條影響。
重大變更會更新日期並在網站提供合理通知。變更後繼續使用受影響功能,代表你接受更新後條款;適用法律要求另行同意時,本站會先取得同意。
對本條款、內容權利或網站使用有疑問,請寄信至:
最後更新:2026 年 7 月 22 日
CuriousFolio 以 WCAG 2.2 AA 為持續改善目標,盡量讓鍵盤、螢幕閱讀器、放大工具及不同裝置的讀者都能使用主要內容與學習功能。
本站提供跳到主要內容連結、可見焦點、語意標題與導覽、鍵盤可操作的互動控制、減少動態效果支援、表單標籤、狀態訊息、響應式版面,以及三支英文影片的時間軸字幕與逐字稿。
若你無法存取某段內容或功能,請告訴我們頁面網址、使用的裝置/輔助工具與遇到的問題。我們會確認收到並依影響程度安排修正。
本站內容僅供學習、研究與一般資訊參考,不構成醫療、護理、法律、投資或其他專業建議。重要決策前請查閱原始來源並諮詢合格專業人士。