掌握地理與實地考察技能（OCR AS Level 地理 H081）
歡迎閱讀這份為你量身打造的地理與實地考察技能全方位溫習指南！無論你是在探索海岸地貌、分析動態的城市地方，還是解讀複雜的全球議題，地理技能都是讓地理學「活起來」的重要工具箱。在 OCR AS Level 課程（H081）中，技能並不是孤立考核的，而是直接融入到單元 01（景觀與地方 Landscape and place）與單元 02（地理爭辯 Geographical debates）之中。此外，你必須完成至少兩天的實地考察（分別針對自然環境與人文環境各一天），而你對考察探究過程的理解，將會在筆試中直接受到考核。
如果統計公式、地圖判讀或探究設計現在讓你感到有些吃力，千萬不要擔心！我們會將每一項技巧拆解為清晰的步驟，讓你信心滿滿地應考！
---1. 實地考察探究過程（探究循環 The Cycle of Enquiry）
實地考察絕不僅僅是在戶外收集數據，它是一個結構嚴謹的科學過程，稱為探究循環（Cycle of Enquiry）。OCR 要求你理解並懂得評估這個循環的每一個階段。
階段 A：確立探究題目與提出假設
每項調查都始於一個明確的研究問題，並由此衍生出兩個互為對立、可供檢驗的陳述：
1. 虛無假設 / 零假設（Null Hypothesis, \(H_0\)）：陳述所測試的變量之間沒有顯著關係、差異或相關性（例如：「離海岸線的距離與沉積物粒徑之間沒有顯著關係」）。
2. 對立假設（Alternative Hypothesis, \(H_1\)）：陳述變量之間存在具方向性或顯著的關係（例如：「離海岸線的距離越遠，沉積物粒徑顯著減小」）。
階段 B：數據來源與背景資料
地理學家通常會平衡運用兩種主要的證據形式：
• 第一手數據（Primary Data）：由你在實地直接收集的最新一手資料（例如：你自己量度的海灘坡度或行人流量計數）。
• 第二手數據（Secondary Data）：由他人收集的現成數據，用於提供背景基準或對比研究發現（例如：英國地質調查局地圖、英國國家統計局的人口普查數據，或歷史英國地形測量局 Ordnance Survey 地圖）。
階段 C：風險評估（Risk Assessment）
出發前，地理學者必須評估潛在危險。一份完善的風險評估包含三個要素：
1. 危害識別（Hazard Identification）：指出潛在的傷害來源（例如：濕滑的潮間帶岩石、繁忙交通、惡劣天氣）。
2. 風險評分（Risk Scoring）：利用公式計算風險等級：\( \text{Risk Level} = \text{Severity} \times \text{Likelihood} \)（風險等級 = 嚴重程度 × 發生概率）。
3. 緩解 / 控制措施（Mitigation / Control Measures）：為將風險降低至可接受水平而採取的實際措施（例如：在海蝕平台工作前查閱潮汐時間表、穿著高能見度反光背心，或實行「夥伴同行」制度）。
階段 D：抽樣策略（Sampling Strategies）
你不可能測量海灘上的每一顆鵝卵石，也不可能訪問市鎮裡的每一位居民。因此我們需要使用抽樣框架（Sampling frameworks）：
1. 隨機抽樣（Random Sampling）：母體中的每個成員或區域內的每個點都有相等的被選中機會。利用隨機數字表或電子隨機生成器產生坐標或點位，以消除人為偏差。
• 比喻：把所有名字放在充分搖勻的帽子裡，閉上眼睛隨機抽出一張。
2. 系統抽樣（Systematic Sampling）：按固定的空間或時間間隔選取數據點（例如：沿橫截線每隔 \(5\text{ 米}\) 記錄一次海灘坡度，或每隔 \(10\) 個人記錄一位經過店鋪的行人）。
• 比喻：看著手錶，準時每隔 \(15\text{ 分鐘}\) 記錄一次氣溫。
3. 分層抽樣（Stratified Sampling）：將母體或環境劃分為已知的特定子群體或分區（稱為層 Strata），並按各子群體的比例進行抽樣。例如：利用人口普查數據將市鎮人口劃分為特定年齡組（如 \(18\text{–}30\)、\(31\text{–}50\)、\(51+\) 歲），或將河流劃分為上游、中游和下游河段。
• 比喻：如果一所學校男女生比例為 \(60\%\) 女生和 \(40\%\) 男生，確保你的調查樣本也嚴格符合 \(60:40\) 的比例。
4. 實用 / 機會抽樣（Pragmatic / Opportunistic Sampling）：根據易達度、安全性或便利性來選擇地點或受訪者。雖然在具挑戰性的地形中非常實用，但會引入顯著的主觀偏差，必須在評估中加以討論。
重點提示：嚴謹的探究設計必須具備可檢驗的 \(H_0\) 與 \(H_1\) 假設、量化的風險評估，以及適合該地形環境且無偏差的抽樣策略。
---2. 實地考察數據收集技巧
自然地理景觀方法
• 海灘剖面與坡度角：沿垂直於海岸線的橫截線，在坡度轉折點放置測桿（ranging poles），並使用測斜儀（clinometer）記錄傾斜角（度數）。
• 沉積物分析：使用游標卡尺（callipers）量度鵝卵石的長軸（以毫米為單位），沉積物的磨圓度則對照標準圖表進行目測評估，例如 Cailleux 磨圓度圖表或 Powers 磨圓度等級標度（從極稜角狀到極圓狀）。
• 滲透率（Infiltration Rates）：將滲透環打入土壤中，注滿水，用直尺和秒表記錄水位隨時間下降的速度。
• 河道幾何形狀與流速：用捲尺橫跨河道寬度，並用米尺每隔一定距離測量水深以計算橫截面積。水流速度則使用電子流速儀（flow meter）或經校準的葉輪流速計進行記錄。
地方與人文環境方法
• 環境質素調查（EQS）：使用雙極語意量表（bipolar semantic scales）（例如：從 \(-3\) 代表嘈吵/骯髒到 \(+3\) 代表安靜/清潔）來評估不同城市區域的主觀環境特徵。
• 觀感問卷調查：結合封閉式問題（例如：從「1 = 非常不同意」到「5 = 非常同意」的李克特量表 Likert scales）以獲取可比較的量化數據，以及開放式問題以捕捉受訪者對生活體驗的質性感受。
• 行人與交通流量計數：在特定出入節點按固定時間間隔（例如：\(5\text{ 分鐘}\)）點算人流或車流，以繪製人流空間分佈差異圖。
• 連鎖市鎮指數調查（Clone Town Index Surveys）：調查商業街兩旁的零售店舖門面，計算獨立小店與全國連鎖店的比例。
• 空間照片地理標籤（Spatial Photo-Geotagging）：拍攝附帶精確 GPS 坐標的實地照片，建立城市變遷或土地利用的實質證據庫。
重點提示：自然地理數據收集注重客觀、校準的量化測量（角度、毫米、流速），而人文地理數據收集則結合結構化指標（EQS、李克特量表）與質性的生活體驗感知。
---3. 地圖與空間技能
英國地形測量局（OS）地圖判讀
• 4 位網格坐標（4-Figure Grid References）：標示一個 \(1\text{ km} \times 1\text{ km}\) 的網格方塊。先讀東距（Eastings，底部的橫坐標），再讀北距（Northings，垂直的縱坐標）。
• 記憶口訣：「先入走廊，後上樓梯。」（Along the corridor, then up the stairs.）
• 6 位網格坐標（6-Figure Grid References）：將位置精確定位在網格方塊內最近的 \(100\text{ 米}\)。將網格在東距和北距方向各細分為十分之一。
• 地圖比例尺：OCR 考試會使用 \(1:25\,000\)（\(4\text{ cm} = 1\text{ km}\)）及 \(1:50\,000\)（\(2\text{ cm} = 1\text{ km}\)）兩種 OS 地圖。在量度距離前，務必先核對比例尺！
• 地勢與坡度（Relief and Gradient）：地勢透過等高線（連接海拔高度相同各點的線）和高程點來表示。等高線密，代表坡度陡峭；等高線疏，代表坡度平緩。
計算兩點之間的坡度（Gradient），請使用標準公式：
\( \text{Gradient} = \frac{\text{Vertical Interval (Elevation Change)}}{\text{Horizontal Distance}} \)
例子：如果兩點之間的高度差為 \(50\text{ m}\)，水平距離為 \(500\text{ m}\)：
\( \text{Gradient} = \frac{50}{500} = \frac{1}{10} \)（或寫作 \(1 \text{ in } 10\)）。
專題地圖與特殊製圖技巧
• 分級統計圖（Choropleth Maps）：按空間分區（如地方行政區）以漸變顏色深淺來代表分組後的密度或百分比區間。
• 等值線圖（Isoline / Isopleth Maps）：將數值相等的點連接而成的線。例子包括等高線（海拔）、等壓線（isobars）（氣壓）、等時線（isochrones）（從中心點出發的交通時間）及等視線（isovists）（可視區域範圍線）。
• 點子圖（Dot Maps）：用數值相同的個別點子來展示某種地理現象的空間分佈與密度。
• 流線圖（Flow-line Maps）：線條粗細與移動量（如交通流量、人口遷移流）成正比的箭頭線。
• 比例符號 / 比例圓圖（Proportional Circles / Symbols）：幾何符號的面積大小與該特定地點的絕對數量成正比。
• 地理資訊系統（GIS）：將空間數據進行分層疊加的數碼軟件平台（例如：將洪水災害向量多邊形疊加在光柵底圖和帶有地理坐標的人口普查分區上），以進行複雜的空間查詢分析。
重點提示：在引用地圖證據作答時，務必給出精確的 4 位或 6 位網格坐標，並註明單位（如米、比例）。
---4. 數量與統計技能
熟練掌握統計計算是你在單元 01 和單元 02 中取得高分的關鍵。
集中趨勢量數（Measures of Central Tendency）
• 平均數（Mean, \(\bar{x}\)）：所有數值的總和除以觀測值總數：
\( \bar{x} = \frac{\sum x}{n} \)
• 中位數（Median）：將所有原始數據按升序排列後處於正中間的數值。
• 眾數（Mode）：數據集中出現頻率最高的數值。
離散程度量數（Measures of Dispersion）
• 四分位距（Interquartile Range, \(IQR\)）：中間 \(50\%\) 數據的分佈範圍，能有效剔除極端異常值：
\( IQR = Q_3 - Q_1 \)
（其中 \(Q_3\) 為上四分位數，\(Q_1\) 為下四分位數）。半四分位距（semi-interquartile range）即為 \( \frac{IQR}{2} \)。
• 標準差（Standard Deviation, \(s\) 或 \(\sigma\)）：量度各數據值相對於平均數的平均離散程度。標準差越小，表示數據越緊密聚集在平均數周圍；數值越大，表示分佈越分散：
樣本標準差：\( s = \sqrt{\frac{\sum (x - \bar{x})^2}{n - 1}} \)
母體標準差：\( \sigma = \sqrt{\frac{\sum (x - \bar{x})^2}{N}} \)
比率與比例
• 百分比變動（Percentage Change）：用於計算時間或空間上的增長或下降幅度：
\( \text{Percentage Change} = \frac{\text{New Value} - \text{Original Value}}{\text{Original Value}} \times 100 \)
常見錯誤警告：切勿除以新數值！必須除以原始基準數值。
推論統計檢驗（Inferential Statistical Tests）
1. 斯皮爾曼等級相關係數（Spearman’s Rank Correlation Coefficient, \(r_s\)）：
檢驗兩個等級變量之間是否存在統計學上的顯著相關性：
\( r_s = 1 - \frac{6 \sum d^2}{n(n^2 - 1)} \)
公式中：
\(d = \text{每組數據等級之差}\)
\(n = \text{數據對的總數}\)
計算結果介乎 \(+1\)（完全正相關）到 \(-1\)（完全負相關）之間，\(0\) 代表無相關。將計算出的 \(r_s\) 值與顯著水平為 \(p \le 0.05\)（\(95\%\) 置信度）及 \(p \le 0.01\)（\(99\%\) 置信度）的臨界值表進行對照。
2. 卡方檢驗（Chi-Square Test, \(\chi^2\)）：
檢驗類別數據中觀察頻數（\(O\)）與期望頻數（\(E\)）之間是否存在顯著差異：
\( \chi^2 = \sum \frac{(O - E)^2}{E} \)
列聯表的自由度（\(df\)）計算公式為 \(df = (r - 1)(c - 1)\)，單變量類別則為 \(df = k - 1\)（其中 \(r = \text{行數}\)，\(c = \text{列數}\)，\(k = \text{類別數}\)）。
3. 學生氏 \(t\) 檢驗（Student’s \(t\)-Test）與曼－惠特尼 \(U\) 檢驗（Mann-Whitney \(U\) Test）：
兩種檢驗均用於探究兩個獨立樣本的平均值差異是否具有統計學顯著性（\(t\) 檢驗比較樣本平均數；Mann-Whitney \(U\) 為非參數檢驗，比較樣本中位數/等級）。
4. 辛普森多樣性指數（Simpson’s Diversity Index, \(D\)）：
量化某區域的生物多樣性或土地利用多樣性：
\( D = 1 - \left( \frac{\sum n(n - 1)}{N(N - 1)} \right) \)
其中 \(n = \text{單一物種/類別的個體數量}\)，\(N = \text{所有生物/類別的總數量}\)。數值介乎 \(0\)（毫無多樣性）至 \(1\)（極高多樣性）之間。
數據呈現技巧（圖表類型）
• 散點圖與最佳擬合線（Scatter Graphs with Lines of Best Fit）：將雙變量關係視覺化並識別異常值。
• 離散圖與箱形圖（Dispersion Graphs and Box-and-Whisker Plots）：展示中位數、四分位數（\(Q_1, Q_3\)）及全距，方便直觀並排比較數據分佈。
• 三角圖（Triangular Graphs / Ternary Diagrams）：繪製三個組分百分比變量，其總和必須永遠為 \(100\%\)（例如：第一、第二及第三產業就業結構，或沙、粉砂及粘土的土壤比例）。
• 對數尺度（Logarithmic Scales）：當數據跨越多個數量級時使用（例如：特大洪澇事件中的河流流量變化）。
• 風箏圖（Kite Diagrams）：沿樣帶使用的對稱圖表（例如：沙丘演替過程中的植物分帶現象）。
• 放射圖 / 玫瑰圖（Radial Graphs / Rose Diagrams）：用於展示方向性或週期性數據的極坐標圖（例如：風向頻率、鵝卵石長軸朝向或全日交通流量走勢）。
重點提示：在考試中解讀統計檢驗結果時，應表述為在 \(p \le 0.05\) 水平下拒絕虛無假設（\(H_0\)），切勿寫某個理論已被「100% 證實」。
---5. 質性與文本分析技能
地理學不僅僅是數字。質性數據能為我們提供豐富的視角，深入了解人們如何感受與看待不同的「地方」（Place）。
• 編碼與主題分析（Coding and Thematic Analysis）：應用於非結構化質性文本的方法（如訪問逐字稿、本地社交媒體討論區或地方營銷推廣手冊）。地理學家會標註重複出現的關鍵詞，將其歸納為主題類別（例如：「社區凝聚力」、「犯罪恐懼感」、「士紳化 / 貴族化 Gentrification」），並統計或評估主題的主導地位。
• 解構視覺媒介（Deconstructing Visual Media）：分析歷史照片、當代廣告宣傳、風景畫或街頭塗鴉，以揭示背後隱含的地方表述（Representation）、選擇性品牌塑造，以及地方意義隨時間的演變。
重點提示：分析質性材料時，務必批判性評估資料是由誰製作的、製作的原因（目的），以及哪些聲音或視角可能被刻意忽略或邊緣化。
---6. 評估、可靠性與避開常見陷阱
批判性評估框架
在檢視自己的實地考察或分析考試試題資源時，請使用精確的評估術語：
• 可靠性（Reliability）：測量結果的一致性。如果另一位同學在相同時間重複你的研究方法，能否獲得完全相同的結果？
• 內部效度（Internal Validity）：數據收集工具的準確度。你的儀器（如流速儀、測斜儀）是否能準確量度預期目標，而沒有出現儀器校準誤差？
• 外部效度（External Validity）：研究發現的推廣性與普適性。從某個特定海灘或商業街得出的結論，能否應用推廣至其他地點？
• 異常結果（Anomalous Results）：明顯偏離總體趨勢的離群數據點。務必解釋可能的原因（例如：遊人踐踏的小徑破壞了沙丘植被，或點算時因臨時交通燈阻滯了車流）。
考評常犯陷阱
1. 只有描述沒有數據支撐：當題目提供圖表、地圖或數據表時，切忌純文字描述。必須引用具體數據、計算變動百分比，並提供 6 位網格坐標。
2. 混淆相關性與因果關係（Correlation vs Causation）：兩個變量之間具有很高的斯皮爾曼等級相關係數（\(r_s\)），並不代表變量 A 導致了變量 B。背後可能存在未被測量的第三變量在同時影響兩者。
3. 實地考察評估內容空泛：避免使用「我們應該收集更多數據」或「惡劣天氣影響了結果」等空洞字眼。應明確指出樣本規模或取樣時間如何導致系統誤差或觀察者偏差。
快速溫習清單
• 探究循環：你是否懂得撰寫具方向性的 \(H_0\) 與 \(H_1\) 假設，並合理解釋隨機、系統和分層抽樣的用途？
• 地圖技能：你是否懂得利用 \( \frac{\text{Vertical Interval}}{\text{Horizontal Distance}} \) 計算坡度，並精確讀取 6 位網格坐標？
• 統計學：你是否懂得計算百分比變動、四分位距（IQR）、辛普森多樣性指數，並利用 \(p \le 0.05\) 臨界值表解讀斯皮爾曼等級相關係數 \(r_s\)？
• 綜合分析：你是否能夠批判性評估數據效度、可靠性，以及質性地方資料來源？