💡 第二章：處理資訊 – 將數據轉化為解決方案
歡迎來到「處理資訊」這一章！在上一節「組織資訊」中，你已經學會了如何收集並建構數據。現在，我們將邁出至關重要的一步：利用這些數據實際執行任務，從而找出答案。這才是問題解決真正的開始！
如果問題起初看起來很棘手，請不必擔心。解決問題就像跟隨一份複雜的食譜：你必須按正確的順序執行正確的操作。本章將為你提供一套工具箱，幫助你有效地完成這些操作。
2.1 對資訊執行適當的操作
這項技能的核心，在於知道如何根據已提取的資訊，進行正確的數學計算或邏輯步驟。
適當地運用一項或多項資訊
在思考技能（Thinking Skills）的題目中，「操作」通常指簡單的算術（加、減、乘、除、百分比、比率），但難點在於識別需要什麼操作，以及何時執行。
- 明顯的操作： 這些操作很直接。例如，將各項商品價格相加得出購物總額，或是計算折扣百分比。
- 演繹性的操作： 這些操作需要先進行邏輯推導。例如，如果你正在規劃日程表，不僅要計算任務持續的時間，還需要考慮任務之間的等待時間或轉換時間，才能得出所需的總時間。
🔥 簡單類比：行程計算器
想像你有三項資訊：
- 距離：100 公里
- 平均速度：50 公里/小時
- 休息時間：30 分鐘
計算駕駛時間所需的操作是 100/50 = 2 小時。計算總行程時間的操作，則是將駕駛時間加上休息時間（2 小時 + 0.5 小時 = 2.5 小時）。你必須適當地運用這兩項資訊。
將模型應用於既定情境
在解決問題時，模型（Model）本質上是一組固定的規則、指示或公式，用以描述系統的運作方式。你的任務是將情境中的具體數據輸入到這個預先定義的系統中。
模型如何運作：閾值與規則
模型通常包含閾值（Threshold values），即當數據超過某個限制時，計算方式會隨之改變。可以將其視為分級定價結構：
- 例子 1：計程車費。 首 5 公里（閾值）收費 $5，之後每公里收費 $2。如果你行駛了 12 公里，你必須進行兩種不同的操作：\(5\) 公里 \(\times \$5\) + \(7\) 公里 \(\times \$2\) = \(\$19\)。
- 例子 2：交通規則。 一組定義車輛如何在特定路口行駛的規則（例如：「僅在 10:00 至 14:00 之間允許右轉」）。你需要將這些規則（模型）應用到特定事件上（例如：一輛汽車在 15:00 試圖右轉）。
重點摘要 2.1： 處理資訊意味著執行必要的邏輯或數學步驟。請密切留意規則和閾值——它們決定了計算方式應如何調整。
2.2 識別符合既定準則的案例
通常問題不會只有一個顯而易見的答案，而是一系列可能的結果，或者是一個必須同時滿足多項規則（準則/criteria）的複雜情況。本節重點在於系統化的檢查與搜尋。
搜尋所有可能的解決方案
這通常被稱為「縮小搜尋空間」或系統列舉法（Systematic Listing）。
🔎 逐步搜尋策略
- 列出或識別可能性： 確定潛在答案的範圍（即「搜尋空間」）。例如：如果答案必須是 1 到 10 之間的整數，這就是你的搜尋空間。
- 系統地應用準則： 運用第一個準則（規則），剔除所有不符合該準則的可能性。
- 應用後續準則： 使用下一個規則進一步篩選剩餘的可能性。
- 識別最終案例： 最後留下來的解決方案，即是滿足所有準則的答案。
你知道嗎？ 有時題目會要求找出解決方案的「數量」，而不是解決方案本身。請務必仔細閱讀題目！
識別方案中未滿足的準則
這項技能與搜尋正好相反：你被給予一個提議的答案，必須扮演品質檢測員的角色，確保它沒有違反任何規則。
❌ 需避免的常見錯誤
學生經常只根據一或兩個規則來檢查提議的解決方案。然而，一個有效的方案必須符合問題情境中定義的每一項準則。
例子：提議的團隊遴選必須滿足以下準則：A) 至少 5 名成員；B) 男性人數多於女性；C) 總年齡小於 150 歲。如果團隊有 6 名成員且總年齡為 100 歲，但男女比例相同，則該方案違反了準則 B，因此是一個無效的解決方案。
快速複習：準則檢查
在根據準則（規則）檢查方案時：
- 清晰地列出每一項規則。
- 逐一對照規則檢查方案。
- 如果任何一項規則被違反，該方案即為無效。
重點摘要 2.2： 處理準則時，要像個偵探！列出所有規則並進行系統化檢查，確保在驗證潛在答案時沒有忽略任何規則。
2.3 做出適當的演繹
演繹（Deduction）是一種運用已知事實，從邏輯上推導出未被明確說明的新事實的能力。這通常是解決問題中最困難，但最有成就感的部分。
根據現有資訊得出結論
這涉及使用不同數據之間的關係，形成邏輯鏈（logical chains）。
如何演繹新資訊
- 運用關係： 如果你知道「A 比 B 高」且「B 比 C 高」，你可以演繹出「A 比 C 高」。這種簡單的邏輯關係讓你能夠確定一項並非直接給出的新資訊（A 與 C 的關係）。
- 考慮規則與模式： 如果定義了某種模式（例如：網格中的數字每行相加必須等於 10），且你已擁有部分數字，你就可以推導出補全該模式所需的缺失數字。
- 評估後果（優化）： 這在選擇「最佳」結果時至關重要。面對一系列選項，你必須演繹出每個行動的後果並比較結果，以找出最有利的一個。例子：哪條配送路線最快？演繹路線 X、路線 Y 和路線 Z 的總時間，然後選擇最短時間的那一條。
🧠 類比：多米諾骨牌效應
演繹就像排列多米諾骨牌。事實 A 推倒事實 B，事實 B 推倒事實 C，最終引導你得出結論 D。你必須清晰地建立事實之間連結的強度。
從數字模式進行推論
如果你得到了一組數字數據（如銷售數據表格、旅行時間或產量數字），你可能會被要求推論該數據呈現此種模式的原因。
- 例子： 一家巴士公司的數據顯示，工作日的票務銷售額很高，但每逢週五下午都會顯著飆升。
- 演繹（事實）： 週五下午銷售額飆升。
- 推論（原因/結論）： 造成此模式的原因很可能是人們出發去週末旅行，或是學生從學校/大學回家。
做出強而有力的推論，意味著提供一個合理且能邏輯地解釋所觀察到的數字行為的理由。
重點摘要 2.3： 演繹是一種邏輯躍進。善用所有已知的事實和關係來建立新的未說明資訊，並始終考慮不同選擇的後果。