CuriousFolio

把正在學的事,整理成可以反覆使用的知識。

目前共有 5 篇知識筆記、23 個互動練習、90 道教材自我測驗與 6 款遊戲。

5 篇筆記・90 道題目・23 個活動・6 款遊戲
Learning progress

我的學習進度

查看完整學習頁

目前以這台裝置保存;登入後會合併並同步到帳號。

最近閱讀0%

一筆健康資料能回答什麼?從資料型態到統計推論

尚未開始閱讀。

開始閱讀
題庫進度0 / 90

所有教材自我測驗

0 / 90

繼續題庫
Latest field notes

最近整理的內容

FIELD NOTE 002

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 →
FIELD NOTE 003

圖表不是裝飾:怎麼選才不會誤導?

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 →
FIELD NOTE 004

平均值之外:用中位數、眾數與標準差看懂資料

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 →
FIELD NOTE 005

第 90 百分位不是 90 分:看懂百分位數、幾何平均與盒形圖

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 →
MY LEARNING

我的學習

把閱讀、題庫、遊戲與積分集中在一頁,隨時從上次位置繼續。

我的積分0

積分只用於站內學習與遊戲。

整體完成度0%
完成項目0 / 130

包含文章、題目與遊戲關卡。

Continue learning

接著學習

目前以這台裝置保存;登入後會合併並同步到帳號。

最近閱讀0%

一筆健康資料能回答什麼?從資料型態到統計推論

尚未開始閱讀。

開始閱讀
題庫進度0 / 90

所有教材自我測驗

0 / 90

繼續題庫

未登入時,只有在你允許後才會長期保存這台裝置的進度;登入後會以不倒退、不覆蓋較佳成績的方式合併。

Knowledge library

知識庫

先選知識領域、書名或來源名稱,再依章節查看文章。

02
返回知識庫
知識領域

人文與社會

此知識領域目前收錄 1 個來源。

01
返回知識庫
知識領域

健康與生命科學

從真實健康資料出發,練習整理、比較與解讀證據。

01
返回健康與生命科學
課程來源

生物統計學一|臺大開放式課程

從描述性統計開始,練習整理、比較與解讀健康資料。

返回生物統計學一
課程單元

描述性統計與圖表

從一筆資料能回答什麼開始,接著學會呈現、描述與比較分布。

返回描述性統計單元
DATA & INFERENCE

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。

NTU OCW2026-07-23

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。

01

統計從問題開始,不是從公式開始

「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。

WHO

對象

想了解的是哪一群人或哪類事件?

WHAT

變項

要測量血壓、疼痛、診斷或其他特徵?

VS

比較

比較兩組、前後變化,還是只描述現況?

WHEN

時間

測量發生在哪個時間點或期間?

六個名詞,決定你在描述誰

Population · 母體
研究真正想了解的全部對象。
Sample · 樣本
實際被觀察、測量或抽取的一部分對象。
Observation · 觀察單位
資料表中一列代表的人、事件或單位。
Variable · 變項
每個觀察單位被記錄的特徵。
Parameter · 母體參數
描述母體的數值,通常未知。
Statistic · 樣本統計量
由樣本算出的數值,用來描述樣本或估計母體。
先確認一列代表什麼

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。

02

類別資料與數值資料,能做的運算不同

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
03

四種測量尺度:數字不一定代表可以加減

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。

04

描述統計整理眼前資料,推論統計處理不確定性

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。

01

描述

用表格、圖形與統計量整理已觀察的資料。

02

估計

用樣本統計量推估未知的母體參數。

03

不確定性

用信賴區間、檢定或模型表達抽樣誤差。

樣本大不等於有代表性

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。

讀資料前,先找四種常見風險

  • 01

    選擇偏差:進入樣本的人與未進入的人本來就不同。

  • 02

    測量誤差:儀器、定義或紀錄方式讓數值偏離真實狀況。

  • 03

    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。

  • 04

    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。

臺大開放式課程影片

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。

INTERACTIVE LEARNING

五個互動練習:先看資料,再決定能說什麼

用短情境練習資料型態、測量尺度、母體與樣本、描述與推論,以及抽樣偏差。

ACTIVITY 01

血型是哪一種資料?

資料欄位記錄 A、B、AB、O。

ACTIVITY 02

疾病分期是哪一種尺度?

分期 I、II、III、IV 有先後順序,但相鄰差距不一定相等。

ACTIVITY 03

研究真正想了解誰?

抽查 300 位臺灣護理系學生,想了解全臺護理系學生的睡眠。

ACTIVITY 04

這是在描述還是推論?

由 300 人的結果估計全臺護理系學生平均睡眠時間。

ACTIVITY 05

這個樣本能代表全校嗎?

只在凌晨仍在線上的社群招募學生,估計全校熬夜比例。

資料來源與限制

使用限制

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。

用情境確認你能正確界定資料

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。

返回描述性統計單元
DATA DISPLAY

圖表不是裝飾:怎麼選才不會誤導?

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。

NTU OCW2026-07-23

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。

01

先決定讀者要比較什麼

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。

%

組成

各類別占多少?

分布

數值集中在哪裡、是否偏斜?

趨勢

數值如何隨時間改變?

••

關係

兩個數值變項是否一起變化?

02

問題與圖表的實用配對

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。

03

長條圖與直方圖看起來像,資料邏輯不同

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。

長條圖:類別 ↔ 高度直方圖:數值區間 ↔ 次數有沒有空隙不是裝飾,而是資料意義
直方圖的分組寬度會改變故事

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。

04

看圖前先檢查四個地方

  1. 1分母:顯示的是人數、比例,還是每千人發生率?
  2. 2座標軸:是否截斷、使用對數尺度,或兩側尺度不同?
  3. 3時間範圍:起訖點是否刻意避開重要變化?
  4. 4分組方式:年齡區間、類別合併或缺失值是否改變比較?

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。

圖表看模式,表格查精確值

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。

  • 01

    欄名寫清單位,比例同時提供分母。

  • 02

    小數位保留到足以回答問題,不假裝比測量更精確。

  • 03

    缺失值、其他類別與總數要能核對。

  • 04

    排序依讀者任務設計,例如依時間、大小或臨床順序。

臺大開放式課程影片

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。

第 5 部|資料的呈現

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。

INTERACTIVE LEARNING

五個互動練習:替問題選圖,再抓出誤導

練習類別比較、連續分布、時間趨勢、兩變項關係與座標軸判讀。

ACTIVITY 01

比較四種血型比例

要讓讀者快速比較 A、B、AB、O 的比例。

ACTIVITY 02

看 500 人收縮壓的分布

想知道是否偏斜、是否有多個高峰。

ACTIVITY 03

追蹤每月感染率

重點是兩年內的上升、下降與轉折。

ACTIVITY 04

睡眠時間與反應時間是否相關?

兩個欄位都是數值變項。

ACTIVITY 05

差 2% 看起來像差一倍

長條圖的縱軸從 96% 開始,兩根柱分別是 98% 與 100%。

資料來源與限制

使用限制

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。

用圖表配對與測驗確認判讀能力

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。

返回描述性統計單元
CENTRE & SPREAD

平均值之外:用中位數、眾數與標準差看懂資料

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。

NTU OCW2026-07-23

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。

先認識 6 個常用指標

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。

Mean · 平均數
所有觀察值加總後除以個數。
Median · 中位數
排序後位在中央的位置值。
Mode · 眾數
出現次數最多的值或類別。
Range · 全距
最大值減最小值的簡單跨度。
Variance · 變異數
各值離平均數距離平方後的平均概念。
Standard deviation · 標準差
變異數開根號,回到資料原本單位。
01

平均數、中位數、眾數:三種「中心」不是同義詞

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 x̄ = Σxᵢ / n中位數 = 排序後的中央值眾數 = 出現次數最多的值
  • 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。

  • Mdn

    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。

  • Mo

    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。

02

離群值與偏態:平均數為何會被拉走?

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。

10

平均數

使用全部數值,對離群值敏感。

5

中位數

看中央位置,較不受極端值影響。

5

眾數

5 出現兩次,是最常見的值。

30

離群值

先查資料品質與情境,不能看到極端就直接刪除。

重要判斷

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。

03

只有中心還不夠:分散程度回答「彼此差多遠」

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。

  1. 1全距:最大值減最小值,快速但只用兩個端點。
  2. 2離均差:每個觀察值與平均數的距離。
  3. 3變異數:把離均差平方後彙整,避免正負互相抵消。
  4. 4標準差:變異數開根號,回到資料原單位。

中心與分散指標怎麼選?

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
04

從離均差到標準差:為什麼要平方,再開根號?

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。

01

離均差

計算每個值 xᵢ 與平均數 x̄ 的差。

02

變異數

彙整 (xᵢ − x̄)²;單位會變成原單位的平方。

03

標準差

變異數開根號後,尺度回到原單位,較容易解讀。

標準差不是什麼?

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。

母體與樣本:符號和分母為什麼不同?

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 Populationμσ² = Σ(xᵢ−μ)² / Nσ = √σ²
樣本 Samples² = 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
公式不是重點的終點

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。

健康資料例子:候診時間不能只看平均

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。

25.9

平均數

使用全部等候時間,但受 95 分鐘影響。

16.5

中位數

更接近排序後中央病人的等候位置。

83

全距

快速顯示跨度大,但只由 12 與 95 決定。

95

需追查個案

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。

五個常見誤解

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。

  • 任何資料都能算平均血型、科別等名目類別沒有可相加的距離,應看次數與眾數。
  • 平均數就是典型個案偏態或離群值存在時,平均數可能遠離多數觀察值。
  • 標準差是平均絕對距離標準差來自平方離差,不是把絕對距離直接平均。
  • 標準差等於標準誤標準差描述個體資料的分散;標準誤描述估計量的不確定性。
  • 同平均就代表兩組相似還要比較分散、偏態、離群值、樣本數與量測單位。

臺大開放式課程影片

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。

第 6 部|平均值、中位數、眾數

第 7 部|趨中性、分散度、變異數、標準差

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。

INTERACTIVE LEARNING

五個互動練習:從算中心到解讀分散

先算平均、中位與眾數,再選指標、排公式步驟並判斷資料轉換會改變什麼。

ACTIVITY 01

中心三指標快算

資料為 2、3、3、4、8。分別選出平均數、中位數與眾數。

ACTIVITY 02

情境選指標

依資料型態與問題,選出最合適的中心指標。

1 / 4

ACTIVITY 03

變異數計算排序

以母體變異數為例,從第一步開始依序點選。

ACTIVITY 04

從變異數回到原單位

依序點選變異數轉成可解讀標準差的三步。

ACTIVITY 05

資料轉換會改變什麼?

判斷轉換後是中心改變、分散改變,還是兩者都改變。

1 / 3

資料來源與限制

使用限制

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。

學完後,用兩種方式檢查理解

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。

返回描述性統計單元
POSITION & SHAPE

第 90 百分位不是 90 分:看懂百分位數、幾何平均與盒形圖

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。

NTU OCW2026-07-23

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。

01

百分位數描述位置,不是答對百分比

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。

例:第 75 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。

02

四分位數把排序後資料切成四段

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。

Q1 = P25Q2 = P50 = MedianQ3 = P75IQR = Q3 − Q1
25%

Q1

約四分之一資料不高於 Q1。

50%

Q2

中位數把排序資料分成上下兩半。

75%

Q3

約四分之三資料不高於 Q3。

IQR

中間一半

Q1 到 Q3 之間包含約 50% 的資料。

03

盒形圖一次呈現位置、分散、偏態與離群點

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。

  • 位置

    中位線越靠盒子一側,可能暗示分布不對稱。

  • 分散

    IQR 越大,中間一半資料越分散。

  • 比較

    同尺度並排盒形圖可快速比較不同組別。

  • 限制

    盒形圖不會完整顯示多峰、樣本密度或每筆觀察。

04

1.5×IQR 是標記規則,不是自動刪除規則

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。

Lower fence = Q1 − 1.5×IQRUpper fence = Q3 + 1.5×IQR
看到離群點時

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。

05

幾何平均適合倍數與成長率,不適合所有資料

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。

+

算術平均

把數值相加再除以個數,適合加法尺度。

×

幾何平均

把正值相乘後開 n 次方,適合倍數尺度。

log

對數觀點

等於先取對數求平均,再轉回原尺度。

成長率例子

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。

臺大開放式課程影片

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。

第 8 部|百分位數、幾何平均值、盒形圖

第 9 部|單元小結

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。

INTERACTIVE LEARNING

五個互動練習:從百分位位置到盒形圖判讀

練習百分位語意、四分位距、離群界線、盒形圖與幾何平均。

ACTIVITY 01

第 90 百分位代表什麼?

以相同參考族群與條件解讀。

ACTIVITY 02

Q1=40、Q3=60,IQR 是多少?

IQR = Q3 − Q1。

ACTIVITY 03

上側離群界線是多少?

Q1=40、Q3=60,因此 IQR=20。

ACTIVITY 04

盒形圖標出一個離群點

下一步最合適的是什麼?

ACTIVITY 05

兩期連續成長因子要取平均

數值為 1.2 與 0.8,重點是連乘後的平均因子。

資料來源與限制

使用限制

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。

用百分位偵探與測驗確認理解

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。

返回人文與社會
書名

人際關係與溝通

目前收錄 1 個章節。

01
返回《人際關係與溝通》
章節

Chapter 1

本章目前收錄 1 篇文章。

01
返回 Chapter 1
Interpersonal relationships

從陌生到親密:關係如何形成、深化與改變

串起相互依賴、孤獨的兩種缺口、關係功能、社會滲透與關係的六階段發展。

人際關係與溝通2026-07-16
從陌生到親密文章封面:兩個重疊的圓代表關係從接觸走向相互依賴
本篇專屬圖片:從零接觸、知曉、表面接觸走向相互關係。

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。

關係從哪裡開始?

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。

  1. 01

    零接觸

    彼此不相識,也沒有任何互動。

  2. 02

    知曉

    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。

  3. 03

    表面接觸

    開始短暫、較表面的雙向互動,並出現初步的相互影響。

  4. 04

    相互關係

    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。

人為什麼需要關係?

  • 1

    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。

  • 2

    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。

  • 3

    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。

  • 4

    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。

  • 5

    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。

談話怎麼讓關係變深?

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。

關係不只會前進:六個發展階段

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。

  1. 01

    接觸期

    知覺接觸形成第一印象,互動接觸則開始交換基本訊息。

  2. 02

    涉入期

    彼此試探、了解,互動可能增強並形成較持續的交往。

  3. 03

    親密期

    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。

  4. 04

    惡化期

    不滿與距離增加,溝通與互動品質下降。

  5. 05

    修復期

    透過個人反思與雙方溝通嘗試改變,但修復不一定成功。

  6. 06

    解體期

    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。

理解關係時,還要記住六件事

  • 1

    關係有階段,可能前進、停留、後退或終止。

  • 2

    關係有不同的深度與廣度。

  • 3

    關係持續變動,記憶、情緒與新事件都會改變它。

  • 4

    關係是多向度的,可能同時包含情緒、身體與智識層面。

  • 5

    同一段關係的雙方可能有不同看法與預期。

  • 6

    關係靠溝通建立、維持,也可能因溝通方式而惡化。

三支影片,對應三個核心問題

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。

01 · 1:34

How Strangers Become Intimate Partners

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。

查看英文逐字稿

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.

02 · 1:20

How Conversations Build Intimacy

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。

查看英文逐字稿

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.

03 · 1:12

Why You Can Feel Lonely in a Crowd

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。

查看英文逐字稿

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.

資料來源與限制

  • 本頁整理自這次上傳的《人際關係與溝通》Chapter 1 三份教材資料。
  • 搭配三支由 NotebookLM 依同一批資料生成的英文影片,影片標題與內容維持原始版本。
  • 網站只保留精簡摘要、概念比較與練習,不轉貼教材整頁或整章內容。

使用限制

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。

Interactive learning

讀完重點,現在動手比較

三個互動練習依序對應關係起點、談話深淺與孤獨類型。

ACTIVITY 01

關係起點探索器

依序點選四個階段,比較接觸、互動與相互依賴如何變化。

01 / 04

零接觸

彼此不相識,也沒有任何互動。

ACTIVITY 02

談話深度 × 廣度

拖曳兩個控制項,觀察「談很多」和「談很深」為什麼是不同的事。

B2 · D2

少數話題,仍在表層

互動已開始,但話題數量和自我揭露程度都還有限。

ACTIVITY 03

孤獨缺口辨識器

同樣是「孤獨」,缺少社會網絡和缺少親密支持需要不同的理解。

SOCIAL

缺少廣而穩定的網絡

問題核心是群體連結不足;增加可持續互動的社交網絡較能回應這種缺口。

互動完成,接著做教材自我測驗

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
CURATED VIDEO LEARNING

影音學習

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。

來源:臺大開放式課程內容:文章・互動練習・遊戲・自我測驗

描述性統計與圖表

從資料型態、圖表、中心與分散,到百分位數與盒形圖,建立完整的描述資料能力。

先讀文章建立判讀框架,再用互動、題庫與遊戲反覆練習;需要教師完整說明時,再回到臺大課程影片。

QUIZ LIBRARY

題庫

先選擇題庫類型,再進入題組。

02
返回題庫
題庫類型

教材自我測驗

目前收錄 5 組題庫;題庫不另設章節層級。

05
返回教材自我測驗
MATERIAL SELF-CHECK

人際關係與溝通

18 道單選題,全部直接對應這次上傳資料中的概念。

18
MATERIAL CHECK

教材自我測驗

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。

1 / 180 / 18

教材自我測驗|人際關係與溝通

返回教材自我測驗
MATERIAL SELF-CHECK

中心與分散:18 題教材自我測驗

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。

18
NTU OCW · BIOSTATISTICS I

教材自我測驗

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。

1 / 180 / 18

教材自我測驗|中心與分散

返回教材自我測驗
MATERIAL SELF-CHECK

資料與統計推論:18 題教材自我測驗

檢查資料型態、測量尺度、母體與樣本、描述統計與推論統計。

18
NTU OCW · BIOSTATISTICS I

教材自我測驗

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。

1 / 180 / 18

教材自我測驗|資料與統計推論

返回教材自我測驗
MATERIAL SELF-CHECK

資料呈現:18 題教材自我測驗

檢查圖表選擇、座標軸、分組方式與視覺判讀。

18
NTU OCW · BIOSTATISTICS I

教材自我測驗

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。

1 / 180 / 18

教材自我測驗|資料呈現

返回教材自我測驗
MATERIAL SELF-CHECK

百分位數與盒形圖:18 題教材自我測驗

檢查百分位數、四分位距、盒形圖、離群值與幾何平均。

18
NTU OCW · BIOSTATISTICS I

教材自我測驗

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。

1 / 180 / 18

教材自我測驗|百分位數與盒形圖

GAME LIBRARY

遊戲區

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。

06
返回遊戲區
LEARNING GAME · 01

關係階段排序

依教材概念,把關係形成的四個階段排成正確順序。

遊戲介紹

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。

分類學習遊戲
遊玩時間約 1–2 分鐘
積分完成最多 40 分

遊戲規則

  1. 畫面會隨機排列四張階段卡片。
  2. 從第一個階段開始,依序點選卡片。
  3. 選錯可以繼續嘗試;完成四個階段即過關。
返回遊戲區
LEARNING GAME · 04

資料偵探:選對代表值與分散指標

用十個情境分辨平均數、中位數、眾數、全距、變異數與標準差。

遊戲介紹

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。

分類學習遊戲
遊戲內容10 個情境・約 3–5 分鐘
積分最高 100 分

遊戲規則

  1. 閱讀情境後,從六個統計指標中選一個。
  2. 答完立即看到理由,再進入下一題。
  3. 每題 10 分;同一個遊戲只保留最高總分,不重複累加。
返回遊戲區
LEARNING GAME · 02

研究問題實驗室

用十個情境分辨母體、樣本、變項、資料尺度與推論界線。

遊戲介紹

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。

分類學習遊戲
遊戲內容10 個情境・約 3–5 分鐘
積分最高 100 分

遊戲規則

  1. 閱讀情境後,選出最合適的判斷。
  2. 答完立即看到理由,再進入下一題。
  3. 每題 10 分;同一個遊戲只保留最高總分。
返回遊戲區
LEARNING GAME · 03

圖表配對所

替十種資料問題選出最合適的呈現方式。

遊戲介紹

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。

分類學習遊戲
遊戲內容10 個情境・約 3–5 分鐘
積分最高 100 分

遊戲規則

  1. 閱讀情境後,選出最合適的判斷。
  2. 答完立即看到理由,再進入下一題。
  3. 每題 10 分;同一個遊戲只保留最高總分。
返回遊戲區
LEARNING GAME · 05

百分位偵探

用十個情境判讀百分位、四分位距、盒形圖與倍數變化。

遊戲介紹

每回合會出現排名、盒形圖或倍數變化,請選出正確解讀。

分類學習遊戲
遊戲內容10 個情境・約 3–5 分鐘
積分最高 100 分

遊戲規則

  1. 閱讀情境後,選出最合適的判斷。
  2. 答完立即看到理由,再進入下一題。
  3. 每題 10 分;同一個遊戲只保留最高總分。
返回遊戲區
CASUAL GAME · 06

符號記憶配對

30 個循序解鎖的關卡,卡片與配對數量會逐步增加。

遊戲介紹

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。

分類休閒遊戲
遊戲內容30 個關卡
積分每關最多 30 分

遊戲規則

  1. 每回合翻開兩張卡片。
  2. 符號相同會保留;不同則會蓋回去。
  3. 找出當關所有配對,即可解鎖下一關。
  4. 使用越少回合完成,得到的星星越多;登入後關卡與星星會同步到帳號。
Site information

關於本站

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。

Contact

聯絡我們

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:

curiousfolio-support@googlegroups.com

Privacy and site data

隱私權、Cookie 與網站資料

最後更新:2026 年 7 月 24 日

先說重點

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。

資料管理者與聯絡方式

資料管理者
CuriousFolio
隱私聯絡信箱
curiousfolio-support@googlegroups.com
適用範圍
curiousfolio.com 的公開網站、登入、積分與學習進度功能。

蒐集的資料與用途

  • 登入資料:選擇第三方帳號或電子郵件登入時,登入與身分驗證服務會處理帳號、電子郵件及登入工作階段;本站以隨機帳號識別碼連結學習資料,不儲存密碼。
  • 學習資料:積分、文章閱讀百分比、題目是否完成與最高得分、題庫完成數、遊戲關卡、星星與最佳回合數;不儲存讀者選了哪一個答案。
  • 匿名功能資料:只有在同意後,才建立隨機瀏覽器識別碼,用於保存未登入進度及登入後合併;它不包含姓名或電子郵件。
  • 必要技術資料:託管、安全與驗證服務可能處理 IP 位址、裝置/瀏覽器資訊、請求時間及安全紀錄,以提供服務及防止濫用。
  • 彙總統計:網站頁尾顯示最近 12 個月曾啟用進度儲存的裝置數;讀取這個彙總數字本身不會建立識別碼或記錄新的訪客。
  • 外部影音:臺大課程影片只有在讀者按下播放後才會連線至外部影音服務;該服務可能依其隱私條款處理 IP 位址、裝置/瀏覽器資訊、播放請求及必要的儲存或遙測資料。

處理依據

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。

一般讀者與未成年人

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。

Cookie 與瀏覽器儲存

必要登入與安全固定啟用

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。

語言與隱私選擇固定啟用

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。

未登入學習進度選擇性

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。

廣告與跨站追蹤未使用

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。

保存期限與跨境處理

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。

你的選擇與資料權利

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。

Terms of use

使用條款

最後更新:2026 年 7 月 22 日

使用本站即代表什麼

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。

可接受的使用方式

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。

帳號與進度

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。

內容、來源與智慧財產

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。

服務與變更

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。

資訊限制與責任

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。

條款更新

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。

聯絡方式

對本條款、內容權利或網站使用有疑問,請寄信至:

curiousfolio-support@googlegroups.com

Accessibility

無障礙聲明

最後更新:2026 年 7 月 22 日

我們的目標

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。

目前已提供

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。

已知限制

  • 三支來源影片的英文字幕與逐字稿由語音辨識產生,尚未經獨立人工逐字核對,可能仍有辨識或標點錯誤。
  • 繁體中文以外的內容為 AI 翻譯;已加入術語、結構與完整性檢查,但仍可能存在語意或用詞錯誤。

回報問題

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。

curiousfolio-support@googlegroups.com

Content notice

內容聲明

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。