13

0
0

文字

分享

13
0
0

為何主流媒體的科學新聞報導不連結回原始資料來源?

鄭國威 Portnoy_96
・2011/03/19 ・2207字 ・閱讀時間約 4 分鐘 ・SR值 552 ・八年級

這是我長久以來的一個疑惑:為何主流媒體不提供原始資料來源?

我們很少看見主流報紙在報導時會附上資料來源的網路鍊結,在電視新聞上也幾乎沒看過。或許這是因為平面媒體版面跟螢幕大小的限制,而且就算刊登或打上字幕,一般人也不太會把連結抄下來、坐到電腦前,然後上網看原始資料連結,太麻煩了。

圖片取自http://walyou.com/hyperlink-icons-pixel-art/

不過,現在幾乎每一家主流的報紙或電視新聞都有自家的網路電子報平台,甚至也在網路上優先發佈訊息,為什麼我們還是看不到新聞報導上提供原始資料來源的連結呢?而這種作法造成的問題在科學報導上,影響最大,而且是負面影響。

Ben Goldacre,知名的Bad Science部落格格主,也一直批評這種作法。他在部落格上以及衛報的專欄上持續揭露主流媒體報導科學新聞時犯的錯誤,包括扭曲、誤解、誇大等等,然而這些偏失的根源都來自於一個簡單的操作:主流媒體總是不提供原始資料來源。媒體便藉此讓沒時間深究的閱聽人上當,靠著似是而非的引據吹出一個又一個科學謠言。他在最新的文章中用3個案例來指出這個作法造成的問題

第一個案例,英國電訊報日前報導「海上風力發電機組造成鯨魚擱淺」(Wind farms blamed for stranding of whales)(現已撤下),這篇報導的資料來源是PLoS One期刊上的這篇論文「喙鯨對模擬以及實際的海軍聲納有反應 (Beaked Whales Respond to Simulated and Actual Navy Sonar)」,電訊報的的報導中說「海上風力發電廠是鯨魚發生海灘擱淺的主要原因之一,研究此一議題的科學家如此表示」,然而該論文從頭到尾完全沒有提到海上風力發電廠!論文作者之一Ian Boyd教授在報導中還被引言,但是事實上Boyd根本沒有接獲電訊報的採訪,也沒有在其他地方談及海上風力電場對鯨魚的負面影響,卻被擅自當成「權威專家」引述。搞得他只能在那篇報導下方留言回應。雖然電訊報後來撤下報導,並刊登更正啟事,但是你可以自己讀讀看,就知道這更正啟事同樣沒有反省的意思。

-----廣告,請繼續往下閱讀-----

事實上,就算我們不是科學家,也不是該領域專家,如果電訊報在報導中鍊結引用論文出處,任何人滑鼠一點過去就會看見論文標題跟摘要,馬上就會起疑:「這篇論文談得是聲納吧???」

報導者沒看原始論文,OK,拿研究單位發的新聞稿來改寫,OK,可讓我們看看原新聞稿:「鯨魚『怕』聲音」(Whales Scared of Sound),裡頭也完全沒提到海上風力發電廠。電訊報的報導只能說是穿鑿附會,聯想力十足:鯨魚怕聲音–>海上風力發電廠運轉會發出聲音–>鯨魚擱淺是由於海上風力發電廠–>「專家」也這麼說。這種超級跳躍性的推論就被當成正式報導,不斷被轉載,談論,直到論文作者微弱的抗議被看見,然後才不情不願撤下報導,放上一篇更不情不願的更正啟事。

如果報導中有連結,報導者在扭曲報導之前應該也會想想:「這樣一下就會被揭穿,那還是謹慎下筆好了」。

如果第一個案例是完全錯誤,另一個案例就顯得可笑了。Anna Ahn博士最近發佈研究,解釋為何有著比較短的腳跟的人會有比較強健的小腿肌肉,可是到了電訊報上(而且是時尚版)就成了「厚底高跟鞋是纖細小腿的秘密」,到每日郵報(Daily Mail)上就變成「維多利亞貝克漢的好消息!厚底高跟鞋比起平底鞋讓女性小腿線條更美」,然後在快遞報(Express)上也一樣:「厚底高跟鞋使腳線條勻稱」。

-----廣告,請繼續往下閱讀-----

不過其實只要讀過這短短的研究新聞稿,就會發現這研究跟鞋子一點關係都沒有,研究僅對赤腳受試者進行調查跟實驗,測量的是解剖上的腳跟長度,也就是阿基里斯腱足後關節之間的距離。記者,在我無法理解的精神狀態下,自行加油添醋寫了報導,但是如果他們敢附上原始論文或新聞稿連結的話,應該會理智一點吧。

最後一個例子:每日郵報(Daily Mail)在頭版用嚇人的標題寫著「常在加氯的游泳池中游泳增加罹患膀胱癌的風險」,然而這篇論文事實上要探究的是社會階級是否在使用水的行為上有不同,而這不同又是否連結至膀胱癌的發生。研究的結果是,儘管高知識高所得分子比較常飲用應該比較純淨的瓶裝水,但是他們比較常運動,例如游泳,而且洗澡次數多、時間長,因此三鹵甲烷曝露量更高,這樣正反相抵之下,其實曝露量也不會比較少。而即使如此,這個研究也沒有發現膀胱癌跟三鹵甲烷之間的關聯。(註:還是有研究表示有所關聯,但風險極低)。

但或許這樣寫報導就沒人看吧。每日郵報想讓讀者恐慌,卻引用了並不支持報導論調的論文,是刻意的扭曲。

Goldacre認為這種「對某篇文章的回應扭曲了該文章」的情形一直在發生,刻意忽略重要訊息還能不被抓包,靠得就是我們難以檢驗其真實性。大多數主流媒體一直不改此一行徑,反倒是看重自己名聲的部落客總是提供資料連結,讓你可以再三確認。他的結論是:加上鍊結實在是太簡單了,而不這麼做的動機才更讓人質疑。從此之後,他的信任法則很簡單:只要沒有連回原始資料來源,就不要相信。我極為贊同,也衷心期盼媒體,從電子報版本開始,能夠馬上改進。

-----廣告,請繼續往下閱讀-----

————————————————-

延伸閱讀:為何又是英國研究

文章難易度
所有討論 13
鄭國威 Portnoy_96
247 篇文章 ・ 1249 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。現為泛科知識公司的知識長。

0

2
2

文字

分享

0
2
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
0

文字

分享

0
2
0
如何知道報導數據有沒有騙你?試試「利特爾法則」——《一輛運鈔車能裝多少錢?》
三民書局_96
・2023/07/08 ・2027字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

「每天有 10,000 名嬰兒潮出生的人年滿 65 歲。」——《紐約時報》,2014 年 8 月 1 日

「每月有 8,000 名嬰兒潮出生的人年滿 65 歲。」——《紐約時報》,2016 年 5 月 7 日

每天都會有幾千份不同的報紙刊登這樣的報導:「每『某段時間』有『多少』『某族群』『如何』。」許多報導內容都與某個「里程碑」(milestone) 相關,或是一生只會發生一次的事,例如出生、死亡或特定年齡的生日。

你對每月有多少嬰兒潮出生的人年滿 65 歲有任何概念嗎?我其實也完全沒概念。所幸我們往往可以理性推論出,這些陳腔濫調的說法是否合理。而在本例中,甚至能夠找出上述哪一則報導的說法基本上正確,而哪一則報導肯定錯誤。

要如何才能判斷新聞上的數據是正確的呢? 圖/envato

什麼是利特爾法則?

其中一種方法是根據稱作利特爾法則 (Little’s Law) 的經驗法則。它是一種守恆定律 (conservation law),說明經過某些處理過程的事物數量、事物抵達某處理階段的速度,以及處理過程所花費時間長短,三者之間的關係。

以下舉一個簡單例子,你就能輕鬆記住這個法則,並且用來檢視你的思路。想像一間有「1,000 名」學生的學校;每名學生入學後會就讀「4 年」,然後畢業;如果忽略輟學生和轉學生,則每個年級會有「250 名」學生,如圖所示。

-----廣告,請繼續往下閱讀-----
圖 7.1:利特爾法則應用於一所有 1,000 名學生的 4 年制學校。圖/《一輛運鈔車能裝多少錢?》

利特爾法則把上述 3 個數字的關係連結起來:總共 1,000 名學生等於每年級 250 名學生乘以 4 年。1,000 除以 250 得到 4,1,000 除以 4 得到 250,而 250 乘以 4 則得到 1,000。單就上述例子來說,這樣的關係現在看來顯而易見,但利特爾法則說明的關係,卻是由麻省理工大學史隆管理學院 (MIT Sloan School of Management) 的利特爾 (John Little) 教授,於 1954 年第一次提出。

接下來就使用利特爾法則來估算,每天有多少嬰兒潮出生的人年滿 65 歲吧。為了簡化計算,首先假設美國人口為 3 億人,也就是正在「處理過程中」的人數。「處理過程」指的是一個人的一生。假設每個人活到 75 歲,則 75 年就是「處理時間」。上述數字其實過度簡化,原因是有些人英年早逝,而有些人則長命百歲;此外,人口估算的方法也忽略了遷入、遷出和出生率,但目前為止,這個估算數字已經夠好。

如果將 3 億除以 75,會得到各年齡組別都有 400 萬人,這個數字同時也是抵達率 (arrival rate):每年 400 萬人出生;以及離開率(departure rate):每年 400 萬人死亡。同時 400 萬人也是每年抵達任何年齡里程碑的人數,其中就包含年滿 65 歲。如圖 7.2 所示,包含 65 歲在內,任何特定年齡的人數都是 400 萬人。

圖 7.2:利特爾法則應用於美國人口。 圖/《一輛運鈔車能裝多少錢?》

將 400 萬除以「1 年(400 天)」,可以得到每天 10,000 人。但實際上 1 年只有 365 天,也就是比 400 天少了 10%,所以可以將 10,000 增加 10%,得到每天達到任何年齡里程碑的人數約為 11,000 人的結論。

-----廣告,請繼續往下閱讀-----

因此,「每天有 10,000 名嬰兒潮出生的人年滿 65 歲」的說法正確,而「每月有 8,000 名嬰兒潮出生的人年滿 65 歲」則錯誤,「每月」應該改為「每天」。

使用之前,先了解數字是怎麼來的

相同類型的推理也可以應用到其他地方:

「今年的每一天,都約有 1,800 人會慶祝最具意義的生日(65 歲生日),這也意味著他們即將退休。」——《每日郵報》(Daily Mail),2011 年 8 月 2 日

英國人口約為 6,500 萬人,因此可以假設人們的壽命為 65 年,藉此簡化計算。這代表每年有 100 萬名英國人年滿 65 歲,因此每天約有 2,700 人年滿 65 歲。然而,英國的預期壽命略為超過 80 年,因此更接近的數字應該是每天 2,300 人年滿 65 歲(6,500 萬除以 80 再除以 365)。這個數字比報導中的 1,800 人還要多,但相差不大,報導數字還在合理範圍內。

為了進一步確認,我另外找了一些獨立資料來源。許多報導都提到,出生於 2013 年 7 月 22 日的喬治王子(Prince George),是那天出生的「2,200 個嬰兒」中的其中一個。當然喬治王子很可能成為未來英格蘭的國王,身分和其他嬰兒顯然不同。

-----廣告,請繼續往下閱讀-----

請注意,以上為了計算方便,都是使用近似數字,如有必要,之後還可以進一步進行更精確的計算。例如,我並不確定報導包含英國的哪些區域,有可能實際上相關的人口是 7,500 萬人,這樣的話就可以先假設預期壽命為 75 年,便於計算,然後在更確定實際的人口數後,進行上調或下修。

簡化數字的方法,確實能幫助你更容易計算數字。無論計算任何數字,你都應該先尋找簡化數字的方法,之後再來考慮,是否需要計算更精確的數字。

——本文摘自《一輛運鈔車能裝多少錢?:輕鬆培養數感,別再被數字迷惑》,2023 年 6 月,三民出版,未經同意請勿轉載。

三民書局_96
18 篇文章 ・ 12 位粉絲
創立於1953年,為了「傳播學術思想,延續文化發展」,60年來默默耕耘著書的園地。從早期的法政大學用書、三民文庫、古籍今注新譯叢書、《大辭典》,到各式英漢字典及兒童、青少年讀物,成立至今已出版了一萬多種優良圖書。不僅讀者佳評如潮,更贏得金鼎獎、小太陽獎、好書大家讀等諸多獎項的肯定。在見證半個世紀的社會與時代變遷後,三民書局已轉型為多元、綜合、全方位的出版機構。

0

4
0

文字

分享

0
4
0
SmartReading 科普閱讀力大賽——打造新世代自主閱讀指標,培養學子適性成長!第三屆頒獎典禮暨第四屆賽事啟動!
PanSci_96
・2022/09/26 ・3811字 ・閱讀時間約 7 分鐘

108 課綱開啟全新閱讀素養時代。

科學素養不再侷限於考試的解題方法,學生閱讀科學讀物時,如何在氾濫資訊中找到高品質、適合學習程度的科學素材,是教育現場至關重要的課題。

臺灣師範大學 SmartReading 團隊將 AI 讀物難度分級技術,透過測驗、選書、閱讀、讀後回饋四大功能,完整記錄孩子的學習歷程,提升中小學生科普閱讀動機,成為自律自主的科普學習者。

臺灣師範大學於 110 年至 111 年間,與國科會、新北市、臺中市等單位合作,連續辦理三屆「SmartReading 科普閱讀力大賽」,每屆競賽歷時半年。競賽組別以國小三年級至高中一年級共分七個組別。參賽學校涵蓋臺北市、新北市、臺中市、臺南市、高雄市、花東等十九縣市,報名參賽人數累計八千餘人。

國立臺灣師範大學第四屆科普賽將擴大辦理,邀請PanMedia泛科學馮瑞麒總經理、數感實驗室賴以威教授、臺大科教中心賴亦德執行長,持續提供參賽者更生活化、趣味化的科普文章。圖/國立臺灣師範大學

由系統建置適合學生閱讀的兩千多本科普讀物

競賽期間,參賽學生使用「SmartReading 適性閱讀」系統,透過精準快速的中文閱讀能力診斷,將閱讀程度與讀物難度適配。藉由系統已建置,適合國小三年級至高中一年級的 2,180 餘本科普讀物,不僅能激勵其學習動機,更可有效提升選擇的效率,降低科學閱讀恐懼。第三屆科普閱讀力大賽不受疫情波擾,採實體與線上兩種施測方式,於 111 年 5 月份圓滿完成賽事。

111 年 9 月 24 日於臺灣師範大學舉行頒獎典禮,邀請新北市教育局張明文局長、臺北市教育局鄧進權副局長、臺灣閱讀協會陳昭珍理事長、康橋國際學校秀岡校區卓意翔副校長、親子天下兒童產品事業部副總經理林彥傑、新北市信義國小陳桂蘭校長到場擔任頒獎嘉賓。參賽學校師生、家長齊聚典禮會場,為優秀的得獎同學喝采。

-----廣告,請繼續往下閱讀-----
111 年 9 月 24 日於臺灣師範大學舉行頒獎典禮,邀請新北市教育局張明文局長、臺北市教育局鄧進權副局長、臺灣閱讀協會陳昭珍理事長、康橋國際學校秀岡校區卓意翔副校長、親子天下兒童產品事業部副總經理林彥傑、新北市信義國小陳桂蘭校長到場擔任頒獎嘉賓。參賽學校師生、家長齊聚典禮會場,為優秀的得獎同學喝采。圖/國立臺灣師範大學

臺師大宋曜廷副校長表示,數位閱讀邁向新時代,團隊使用「SmartReading 適性閱讀」系統作為科普賽競賽平台,期望在知識爆炸的時代,藉由測驗、選書、規劃的「智慧閱讀三步驟」,培養學子的跨領域閱讀力與閱讀習慣,讓學生們手握知識大門的鑰匙,成為自律自主的「SmartReader」。

科普閱讀競賽的三大特色

一、適配閱讀能力與圖書難度,擴增多元書籍與文章素材

參賽學生首先須參加中文適性閱讀能力診斷(DACC),依據診斷結果,配合其當前閱讀能力的科普推薦書單,讓學生選書有依據、個人化。本競賽目前共有「推薦書單」、「推薦文章」等 2 種閱讀素材,主題包含植物/動物、數學、天文地科、物理/化學等 8 大類別。「推薦文章」功能,則與「PanSci 泛科學」及「數感實驗室 Numeracy Lab」合作評選,當前提供 600 餘篇線上科普短文,競賽期間提供已超過 4,000 人次的瀏覽次數。

二、綜合性閱讀五力分數,開啟學生全方位閱讀力

-----廣告,請繼續往下閱讀-----

本競賽賽程為期半年,學生透過「前測、閱讀任務挑戰、後測」三個階段。競賽期間,系統詳細記錄每週閱讀歷程,並產出線上「閱讀五力分數」報表。自主規劃閱讀期間計算為「規劃力」;讀後評量填答結果計算為「執行力」;閱讀多元書籍類別的結果計算為「博學力」;閱讀單一書籍類別的深化成果則計算為「精進力」;前後測成長結果計算為「成長力」。將閱讀能力數據化、可視化。

三、閱讀任務徽章,深化學生文化素養與科普閱讀興趣

本競賽內建徽章蒐集系統,參賽者於指定時間依據提示完成閱讀任務,即可獲得期間限定的特色科普徽章。任務內容包含閱讀指定的書單及文章類別、世界性科普節日、科學家生辰、台灣重要節慶與其他隱藏任務。本屆各年級累計獲得徽章達 20423 枚,因設計活潑及任務類型多樣,大受參賽者好評。

競賽結果發現學生的閱讀偏好

一、科普閱讀參與,國小男性最踴躍

-----廣告,請繼續往下閱讀-----

活動期間參賽者共完成約 21,153 本的書籍評量。以不同學習階段來看;國小參賽者整體閱讀平均本數為 24 本,男生平均閱讀本數為 28 本,女生平均閱讀本數為 20 本。國、高中參賽者因科普讀本難度較高,需要較長的閱讀時間及一定的科學基礎知識,國中參賽者整體平均閱讀書籍數為 10 本;高中參賽者中女性平均閱讀本數多於男性,整體平均閱讀書籍數為 7 本。

總閱讀量/本人數平均閱讀量/本
全體學生21,1531,10019
8,05150516
13,10259522
國小學生17,47971624
6,47432520
11,00539128
國中學生3,45935510
1,4611669
1,99818911
高中學生215297
116148
99157
活動期間參賽者共完成約 21,153 本的書籍評量。表/國立臺灣師範大學

二、學生偏好閱讀動物/寵物類與地球生態/天文類書籍

整體參賽學生對於科普書籍的喜愛程度,以植物/動物類(男生 28.19%、女生 27.91%)最能引起學生的閱讀興趣(如:《昆蟲老師上課了!:吳沁婕的超級生物課》、《小島上的貓頭鷹》、《神奇樹屋》等系列)。在次要類別,男女皆喜好生態/生命科學類的書籍(男生 15.20%、女生 16.87%)。

整體參賽學生對於科普書籍的喜愛程度,以植物/動物類最能引起學生的閱讀興趣。在次要類別,男女皆喜好生態/生命科學類的書籍。圖/國立臺灣師範大學

三、參賽學生閱讀歷程的質與量均佳,表現令人驚豔

-----廣告,請繼續往下閱讀-----

本次參賽學生皆積極參與競賽。

以三年級組第一名得主,臺北市立大同國小的林靖軒同學為例,競賽期間閱讀書籍本數高達 383 本,書籍讀後評量的通過率更高達 95%,書籍不僅讀得多,更是能讀得要領。

四年級組第一名為第二次參賽的新北市信義國小謝秉言同學,本次競賽期間共閱讀 427 本書。

其中五年級組為本次競爭最激烈的一組,臺北市立長春國小的黃葦川同學以及高雄市立集美國小的吳勁毅同學,兩者僅以極小的分數差距位居第一及第二名。

-----廣告,請繼續往下閱讀-----

此外,第一次參與競賽的高雄市立正義國小的孫政遠,競賽期間閱讀 281 本書籍,通過率達到 97%。

四、教育主管機關、學校師長及家長支持鼓勵,帶動學生優異表現

新北市教育局致力於推動智慧閱讀教育,不遺餘力,成果豐碩。本屆競賽全台共 2,104 人報名參與,全國賽獎項獲獎學生共計 36 人,其中新北市得獎學生便囊括 14 位,表現相當亮眼。

家長與學校師長共同陪伴,使得學生能專注於本次競賽,並有相當卓越的成果,例如新北市康橋國際學校、臺中市明道中學、臺中市葳格國際學校、臺北市東山中學等校,皆因全力推廣閱讀活動,才能有優異的競賽成果。以新北市康橋國際學校國中部為例,此次七年級組參賽者,全國賽前5名得主中,康橋中學就獲有 3 名的佳績。

-----廣告,請繼續往下閱讀-----
臺師大華語文與科技研究中心洪嘉馡教授說明第三屆科普閱讀力大賽成果。圖/國立臺灣師範大學

第四屆科普閱讀力大賽即將開跑

延續前三屆廣受好評之科普賽事,第四屆科普賽將擴大辦理,邀請「PanMedia 泛科知識股份有限公司」馮瑞麒總經理、「數感實驗室 Numeracy Lab」賴以威教授、「國立臺灣大學科學教育發展中心」賴亦德執行長,持續提供參賽者更生活化、趣味化的科普文章,預期第四屆科普閱讀力大賽將能讓全球讀者有更高品質的閱讀體驗和更充實的閱讀收穫。

活動詳情請參閱官方網站
新聞聯絡人:高等教育深耕計畫辦公室——鄭德蓉 02-2366-0916 #111