掌握 AQA A-Level 地理科（7037）地理技能指南
歡迎閱讀這份為你精心準備的地理技能（Geographical Skills）完整指南！無論你熱愛處理數據與地圖，還是對統計公式感到有些卻步，這份筆記都會將每項必備技能拆解成簡單、易於掌握的步驟。
在 AQA A-Level 地理課程中，地理技能並不會獨立成一張試卷考核，而是透過 AO3（分析與評估能力）題目（通常為 6 分及 9 分題），直接融入到卷一（自然地理）與卷二（人文地理）之中。同時，這些技能亦是卷三：地理實地考察研究（NEA）的核心骨幹，佔整個 A-Level 總分的 20%（共 60 分）。
讓我們一步一步探索這些技能，助你在應試與撰寫 NEA 時都能充滿信心、遊刃有餘！
---第一節：定量與統計技能
定量技能涵蓋數據處理、計算及統計檢定。即使數學不是你最拿手的科目也不用擔心——每種技巧都遵循一套清晰且有邏輯的步驟。
1. 集中趨勢量度（Measures of Central Tendency）
這些指標能反映一組數據中的「典型」數值：
• 平均數（Mean）： 數學上的平均值。將所有數值相加，然後除以數據總數（\(n\)）。
比喻： 就像與朋友聚餐後平分賬單一樣——每個人支付平均金額。
• 中位數（Median）： 將所有數值按大小順序排列後的正中間數值。如果數據總數為雙數，則取中間兩個數值的平均值。
• 眾數（Mode）： 數據集中出現頻率最高的數值。
2. 離散程度量度（Measures of Dispersion）
離散程度用以量度數據偏離中心位置的分散程度：
• 全距（Range）： 最高值與最低值之間的差（\(\text{Highest} - \text{Lowest}\)）。
• 四分位距（IQR）： 上四分位數（\(Q_3\)）與下四分位數（\(Q_1\)）之差，顯示中間 50% 數據的分散情況（\(\text{IQR} = Q_3 - Q_1\)）。這項指標可避免極端異常值（outliers）造成的失真。
• 標準差（Standard Deviation）： 精確量度個別數值圍繞平均數的離散程度。標準差低，代表數值緊密聚集在平均數周圍；標準差高，則顯示數據分佈較為分散。
3. 運算技能與數據處理（Data Manipulation）
在 AO3 的題目中，單純抄錄圖表上的數據能取得的分數非常有限。考官著重的是數據處理與轉化能力：
• 百分比變化（Percentage Change）： 量度數值隨時間相對增加或減少的幅度。
\(\text{Percentage Change} = \left(\frac{\text{New Value} - \text{Original Value}}{\text{Original Value}}\right) \times 100\)
• 比率（Ratios）： 比較兩個量之間的相對大小（例如：市區與鄉郊人口比例為 \(2:1\)）。
• 指數（Index Numbers）： 將基準年設定為 \(100\)，以便清晰追蹤不同尺度隨時間產生的相對變化。
4. 推論統計學（Inferential Statistics）
推論統計學能助你檢定數據中的規律究竟是真實存在，還是純粹出於偶然。
A. 斯皮爾曼等級相關系數（Spearman’s Rank Correlation Coefficient）
• 目的： 檢定兩個連續變數之間相關性的強度與方向（例如：河流卵石的圓磨度與下游距離的關係）。
• 結果： 數值介乎 \(+1\)（完全正相關）與 \(-1\)（完全負相關）之間。若數值為 \(0\)，則代表毫無相關性。
B. 卡方檢定（Chi-square, \(\chi^2\) Test）
• 目的： 檢定觀察頻數（Observed Frequencies）（實際統計所得）與期望頻數（Expected Frequencies）（假設無特定規律下的預期值）之間是否存在統計學上的顯著差異。
• 例子： 調查商場的人流在星期一至星期日之間的分佈是否均勻。
C. 顯著性檢定（臨界值與假設）
計算出統計數值只完成了一半工作！你必須配合統計顯著性進行合理解讀：
1. 虛無假設（Null Hypothesis, \(H_0\)）： 永遠假設變數之間沒有關係或沒有差異（例如：「沉積物大小與距離懸崖的遠近並無關係。」）。
2. 自由度（Degrees of Freedom）： 根據樣本數量（\(n\)）或列聯表的類別數量計算得出。
3. 臨界值表（Critical Value Table）： 將計算所得的統計值與地理學標準顯著性水平（\(p = 0.05\)，即代表有 95% 把握結果並非巧合）下的臨界值作比對。
4. 決策判斷： 若計算所得數值大於或等於在 \(p \le 0.05\) 下的臨界值，你便可以拒絕虛無假設（Reject the null hypothesis），並接納備擇假設（Alternative hypothesis）。
重點提示： 切忌單純抄寫試卷上的數字，必須主動進行數據運算（例如計算百分比差異），並緊記將統計結果與臨界值表進行比對。
---第二節：定性技能與抽樣方法
地理學不僅著重冰冷的數據，亦重視人類的感知、生活體驗及描述性資料。
1. 定性研究方法（Qualitative Methodologies）
• 結構式訪談（Structured Interviews）： 按照固定且預設的順序提問。優點是易於量化及比較，但會限制深入與自發性的探討。
• 非結構式訪談（Unstructured Interviews）： 開放式的深入對話，讓受訪者能暢所欲言，詳細表達其感受、信念以及對地方的感知（Place perceptions）。
• 問卷調查（Questionnaires）： 結合封閉式（多項選擇）與開放式問題，以收集人口特徵或感知數據。
• 文本編碼（Coding Text）： 將非結構性的定性文本（如訪談逐字稿、歷史文獻）透過標籤關鍵主題或情感色彩，轉化為可量化分析的類別。
2. 資料來源評估（Source Evaluation）
你需要對各種類型的資料來源保持批判性思考，包括照片、紀實文本、論述或創意作品（如詩歌、藝術品、旅遊網誌）以及「大數據」集。
反思要點：這份資料是由誰製作的？其背後動機為何？遺漏了甚麼或是否存在偏見？是否具備代表性？
3. 抽樣策略（Sampling Strategies）
當你無法調查整個母體或量度海灘上的每一粒鵝卵石時，抽樣就顯得至關重要。
• 隨機抽樣（Random Sampling）： 每個項目或地點被選中的機會均等（例如：在英國地形測量局 OS 地圖網格上利用隨機數坐標選點）。
優點： 消除人為主觀偏見。
局限： 純靠運氣可能導致空間分佈不均，留下大片未取樣區域，或遺漏重要的次群體。
• 系統抽樣（Systematic Sampling）： 按照固定的等距間隔選取數據點（例如：沿著樣條每隔 50 米進行一次環境質素評估）。
優點： 確保整個研究範圍得到均勻覆蓋。
局限： 若取樣間距恰巧與地貌中的週期性重複規律重疊，可能引致偏差。
• 分層抽樣（Stratified Sampling）： 根據已知的比例，將總體或研究區域細分為不同的次群體（層）（例如：根據人口普查比例，抽樣訪問 60% 自置物業住戶及 40% 租戶）。
優點： 對多元人口及微環境具有極高的代表性。
局限： 事前必須掌握準確的基準數據以確立各層的劃分比例。
重點提示： 抽樣方法的選擇直接影響數據的可靠性。你必須時刻準備好為特定實地考察題目合理解釋選用某種抽樣方法的原因。
---第三節：地圖、圖表及地理空間技能
視覺化呈現能幫助地理學家迅速找出空間格局、相互關聯以及異常值。
1. 地圖技能（Cartographic Skills）
• 英國地形測量局（OS）地圖： 熟練運用 1:25,000 及 1:50,000 比例尺。你必須熟練掌握四位及六位網格坐標參照（Grid references）、量度直線與曲線距離、利用等高線計算坡度，以及對照解讀地圖圖例符號。
• 分級統計圖（Choropleth Maps）： 利用深淺不同的色調或陰影來展示空間密度或強度（例如：人口密度）。顏色越深通常代表數值越高。
• 等值線圖（Isoline Maps）： 將數值相同的點以連線連接（例如：代表海拔的等高線、代表氣壓的等壓線、代表交通時間的等時線）。
• 動線圖（Flow-line Maps）： 利用箭嘴指示流動方向與數量（例如：人口遷移流向或交通流量），箭嘴的粗細與流量成正比。
2. 圖表技能（Graphical Skills）
• 散點圖（Scatter Graphs）： 用於繪製兩個連續變數，以找出兩者之間的相關性。
• 棒形圖與折線圖（Bar Charts & Line Graphs）： 棒形圖用於比較離散類別；折線圖則用於展示隨時間變化的連續數據。
• 圓形圖（Pie Charts）： 展示各部分佔整體的比例（總和必須為 \(100\%\) 或 \(360^\circ\)）。
• 三角圖（Triangular Graphs）： 展示由三個百分比組成且總和為 \(100\%\) 的數據集（例如：土壤質地：% 砂粒、% 粉砂、% 黏土；或就業結構：% 第一產業、% 第二產業、% 第三產業）。
• 對數圖表（Logarithmic Scales）： 坐標軸上的數值以數量級（例如：\(1, 10, 100, 1000\)）倍增。在繪製極端差距的數據時非常重要，例如河流洪水重現期或地震級數。
3. 地理空間技術（GIS 與 ICT）
• 地理資訊系統（GIS）： 如 ArcGIS 或 Google Earth 等數碼系統，可將不同的空間數據集分層重疊（例如：將水浸風險區疊加在社會經濟貧困指數數據上）。
• 遙感數據（Remotely Sensed Data）： 利用衛星圖像及航空照片，監測地貌隨時間的演變、海岸侵蝕情況或城市蔓延趨勢。
重點提示： 分析任何地圖或圖表時，切記遵循「三部曲」：指出整體趨勢、點出異常值（Outliers），並引用精確讀數及計算出的變化幅度來支持你的論點。
---第四節：實地考察要求與卷三（NEA）
實地考察是將課本理論與現實世界緊密結合的橋樑。
1. AQA 實地考察法定要求
• 所有 A-Level 學生必須完成至少 4 天的實地考察。
• 考察內容必須同時涵蓋自然地理與人文地理過程。
• 學校或學院必須簽署並提交實地考察證明聲明（Fieldwork Statement），確認你已達到 4 天的要求。
2. 非考試評估（NEA）架構
NEA 是一份由學生獨立完成、字數約 3,000 至 4,000 字的個人研習報告，佔 60 分（即 A-Level 總成績的 20%）。它遵循完整的地理研習探究循環：
• 1. 題目與背景（Title & Context）： 一個具備可研究性、基於地理理論並結合選址背景的個人題目或假設。
• 2. 研究方法（Methodology）： 清晰且嚴謹的數據收集方法（包含一手與二手資料），詳細說明抽樣技巧、儀器精確度，以及道德與風險評估考量。
• 3. 數據呈現與分析（Data Presentation & Analysis）： 綜合運用高階的地圖、圖表及統計技巧，配合深入的文字分析，闡明數據規律、內在關聯及異常現象。
• 4. 結論（Conclusions）： 直接回應探究問題，並將研究發現扣連回最初的地理理論框架。
• 5. 檢討與評估（Evaluation）： 批判性反思抽樣局限、儀器誤差、數據可靠性，並提出未來潛在的研究方向。
重點提示： 雖然你可以在實地考察時與同學分工合作收集數據，但你的研究題目、報告撰寫、數據呈現、統計分析及結論必須完全由個人獨立完成。
---第五節：常犯錯誤與考官貼士
考評報告經常指出考生在 AO3 技能題目及 NEA 研習中反覆出現的失誤。避開這些陷阱，助你奪取佳績！
1. 單純描述 vs. 深度分析（AO3）
• 常見錯誤： 只是流水賬般描述圖表：「2010 年的數值為 20，而 2020 年則是 40。」
• 改善策略： 深入分析並處理數據：「該數值在 2010 至 2020 年間翻倍，錄得 100% 的增幅（+20 個單位），當中以 2015 年後的上升趨勢最為急劇。」此外，更應融會貫通，將多組數據加以綜合比較。
2. 解讀指令詞（Command Words）
• Analyse（分析）： 將數據或現象拆解為各個組成部分，深入指出其分佈格局、趨勢、相互關係及異常情況。
• Evaluate（評估）： 根據客觀理據，針對某種研究方法或資料來源的成效、可靠性或局限性作出專業評判。
• Assess（評定/權衡）： 權衡不同觀點、因素或論據的比重，從而得出一個平衡且具充分理由支持的結論。
3. 統計檢定過程不完整
• 常見錯誤： 計算出斯皮爾曼等級相關系數或卡方值後便草草收筆。
• 改善策略： 必須清晰列出虛無假設，計算自由度，並在得出最終結論前，明確對照在 \(p = 0.05\) 顯著性水平下的臨界值表。
4. 研究方法描述過於含糊
• 常見錯誤： 寫成：「我用尺量度了海灘上的石塊。」
• 改善策略： 展現精確度：「沿著 50 米長的樣條，每隔 5 米進行分層系統抽樣。在每個採樣點，利用精確至毫米的游標卡尺，沿著 10 顆碎屑岩的長軸（B 軸）進行量度。」
致勝終極貼士： 請將地理技能視為開啟更深層地理認知的重要工具。在日常溫習過程中，多加練習數據運算與文獻質疑批判，定能在考試中脫穎而出！