【#沙珮琦：為何文科都是女生、男生都讀理工？──揭開性別對高中生選組的影響】 隨著指考放榜，不只一家歡樂一家愁，考生們也面臨了該選什麼科系就讀的問題，身邊也一定不乏「女生要讀文組、男生要讀理組」的聲音。 雖然這是性別刻板印象，但也確實是這三十年來的現況。 看到性別的差異，有些人會以刻板印象去解釋：「女生選文組，應該是因為數學能力不佳。」但身為研究者，難免就要多問一句：真的嗎？會不會有些其他的原因呢？ 想要破解謎題，線索必不可少，而郭祐誠的線索，便是由中央研究院、教育部和國科會共同規劃的調查計畫──臺灣教育長期追蹤資料庫（TEPS）。 這個資料庫追蹤了長達 7 年的數據，透過問卷調查的方式，從國中一路到高中職與五專，蒐集學生與家長、老師、學校的相關數據。 郭祐誠透過 TEPS，一一分析去性別、學生數學能力，以及家庭背景對於選組的影響。結果發現：學生們國一的數學成績會影響高中時的選組。 平均而言，只要成績提高一個標準差，那這個學生選擇自然組的機會將增加 15% 至 19%。 不過，數學能力的影響對於男女卻不太相同。用四分位數去區分大家國一時的數學成績後，在成績最低的一組中，女生選擇自然組的機率比男生少 24%；但在成績最高的一組中，女生未來選擇自然組的機率相較於男生，竟少了 42%。 你是不是也發現問題了呢？既然說成績會影響選組，那照理說，成績一樣好的女生，也要讀理科啊，但結果卻不是這麼回事。 也就是說，數學能力無法完全解釋二三類組男多女少的狀況。 既然個人的數理能力差異不能完全解釋性別懸殊的情形，那會不會是因為外在環境呢？ 過去，國外也曾有相關的討論，認為純男校或純女校中，較不易產生對於學科的性別刻板印象。 畢竟同儕與自己是一樣的性別，「我是女生所以數理差」這樣的理由似乎不太適用，因此，若是想要鼓勵女性投入 STEM 領域，可以推動單性別教育。 像是希拉蕊．克林頓（Hilary Clinton）便曾通過立法大力支持單性別教育成立。也有些反對的聲音認為，這樣的性別隔離教育可能產生一些別的問題，像是加強性別刻板印象等等。 於是，郭祐誠進一步將研究焦點放在「性別組成」上，想了解：國中學習環境的性別組成，會不會影響學生之後的科系選擇呢？ 結果發現，國中時期班級的性別比例，的確會影響科系選擇，但對兩性的影響並不相同。 對於男性來說，如果身處在女生較多的班級時，會降低他們選擇性別主流科系的機率，也就是說，他們比較有可能會選擇人文科系。但在另一方面，女生選科系時，較不易受班上性別比例影響。 他還分享了另一個值得探討的現象：對於女生來說，「補習」與「選擇自然組」之間，存在負相關。相較於沒有補過習的女生，曾經補習過的女學生較不傾向念自然組。而在男生身上，兩者的關連則不明顯。 近年來，有越來越多男生開始選擇非性別主流科系，或許便是由於國中班級的性別分佈漸趨平均的關係。只是，如果想要突破目前的刻板狀態，光是調整學習環境的性別比例，似乎也難以讓更多女性投入 STEM 領域。 綜合國外觀點與自己的研究，郭祐誠提到，「分組教學」或許是男女分校、男女合校之外的第三條路，像是在數理相關教學時進行分組，以此避免學生將成績歸因於性別。 同時，給予學生同性別的榜樣也可能有助於建立信心，像是數理科目的科任老師若是女生，這樣的典範可能鼓勵女學生在未來選擇相關科系。 有些研究便認為，為女生提供榜樣、在課堂上使用不造成性別歧視的「包容性語言」，或是多介紹 STEAM 相關的工作，將有助於促進相關領域的性別平衡。 而除了教學方法的調整之外，郭祐誠認為學習「應該要強調邏輯素養的重要性，不應該因為性別而有所差異」。尤其是面對資訊變化如此快速的世界，邏輯的重要性對於任何科目或領域都是重要的。 郭祐誠更以自身為例，「我覺得我自己數學不好，但是我還是可以做研究、做推理，就算是說故事，我也希望是有系統、有邏輯的方式去說故事。」 回想當初通過聯考進入大學時，大部分的志願都是人文相關的系所，但最後卻排到了經濟系，原以為好不容易可以避開的數學又通通都跑到眼前了：微積分、統計…等，其實讓人有點排斥。 但是，學習之後卻發現，經濟在討論的內容，其實也就是廣義的「社會的議題」，原本有興趣的領域，其實能利用工具更有邏輯地去釐清、用客觀的角度去梳理脈絡，也因此得以探討更多感興趣的內容。 假設因為數理方面學習較為吃力，便完全放棄思考相關邏輯，便很有可能會錯過像這樣了解世界的機會。 111 學年度起，高中生大學的學測將改為分科測驗，變成級分制，也讓學生得以自由選擇考試科目。 這樣的改革會不會讓學生更早放棄數理領域，或是造成性別比例的差異改變呢？ 郭祐誠坦言，在現階段無法判斷，因為人類的行為是如此複雜，要事先預測或短時間內歸因非常困難。 此外，在追求教育改革的過程中，如果僅僅是改變考試的形式，根本上「追求名校」的思維沒有改變，其實還是容易陷入舊有制度的窠臼。 對此，他也分享了自己在大學教書時的觀察與心得，提醒道：無論考試制度如何變革，學習習慣的養成，是非常重要的。 若能在學習方面培養出自律的態度，才是真正能影響學生未來的關鍵。 #指考 #放榜 #高中 #大學 #選組 #理組 #文組 #自然組 #社會組 #性別 #刻板印象 #學校 #教育

*第六張圖有誤：肌力訓練3.為腹直肌運動（膝蓋屈曲、髖屈曲），4.為豎脊肌運動（趴著） 哈囉各位大家好，我是魍魅物理治療師Amber～ ⁡ ‼️今天要來分享1.腹內壓的訓練以及2.肌力訓練能夠訓練到腹內壓嗎？ ⁡ 🤔什麼是腹內壓？ 幫助減少運動中脊椎承受的壓力負荷，讓受傷風險低、維持以及穩定軀幹。 ⁡ ⁡ ‼️一般來說，開始入門訓練腹內壓的時候我們會在dead bug（死蟲）這個動作下去做誘發，而之後會開始挑戰在不同動作下都能夠輕鬆自如的維持腹內壓來訓練。 ⁡ 訓練腹內壓的方法也很多，建議可以嘗試不同的誘發方法找出適合自己的～ ＊關於腹內壓訓練建議找物理治療師或教練諮詢唷。 ⁡ ⁡ 🏅️因為我們最終目的就是希望不管在任何姿勢、動作、負荷重量下，核心都能保持穩定！ ⁡ ⁡ 🤔那為什麼不能一開始就直接在功能性或者肌力訓練來練習腹內壓呢？ ⁡ 📚根據2010年的研究，針對有下背疼痛以及來看兩種情況：
 👉🏻運動共進行六週、每週兩次、每次30分鐘 ; 每種運動會重複15次、共三組。 1.『分段、單節穩定運動』核心腹內壓以及多裂肌誘發 2.肌力訓練:腹直肌、腹外斜肌、腹內斜肌、豎脊肌 ⁡ ⁡ 👉🏻來分析： -疼痛（VAS） -腹內壓調控能力 -Oswestry 障礙問卷（調查日常生活下背痛的影響） ⁡ 👉🏻發現： 在疼痛分數以及Oswestry 障礙問卷，兩組都是有顯著的改善！ 針對『腹內壓調控能力』只有『分段、單節穩定運動』有達到顯著明顯的改善！ ⁡ ⁡ 📚討論？ 1.為什麼『腹內壓調控能力』建議『分段、單節穩定運動』？ -做單節穩定運動時，能夠單純的誘發到腹橫肌以及多裂肌，不受干擾的去訓練到深層的肌群。所以低負荷強度的運動是非常重要的！ ⁡ 2.那為什麼肌力訓練不行？ -肌力訓練中，會一次喚醒很多肌肉去做動作，這個時候，淺層的核心最容易被誘發且主導，腹橫肌以及多裂肌這些深層肌群很容易失去主導權。而且肌力訓練主要也是訓練肌肉力量，這些淺層肌群會用力的比例也比較多。 ⁡ 👩🏻Amber要說的是： ⁡ -回歸到核心的訓練，再次強調核心三大元素，腹內壓越穩定，越可以幫助減少運動中脊椎承受的壓力負荷，受傷風險低。 -在訓練核心跟動作控制時，我們會強調低強度的訓練，確保核心能夠先好好啟動，接著在各種不同姿勢、負荷去訓練核心的穩定發力。
 ⁡ #物理治療#運動#核心#重訓#肌力#訓練#疼痛#受傷#腰痛#下背痛#疼痛#腹內壓

📈數據變現的秘密 #文末抽書 🔹數據告訴你的東西，比你想像得多 ✅ 消費者會說謊？ 消費者可能會不自覺地說謊，但他們並不是有意的！有可能是「自我報告式」的回答搜集，帶了較多的主觀意識，加上調查者對消費者不了解，設計的問題無法切中目標核心，導致調查者與消費者的的反應結果與認知有所不同！ 也可能因為消費者「想像」的答案，和他們「真心認同」的答案是有出入的。有可能是因為外在文化或是廣告等因素，選擇了大眾認知的選項，但心中也有一定機率的潛意識是有不同認知的。 ✅ 消費者不知道自己要什麼 史蒂夫・賈伯斯曾說過：「消費者並不知道自己想要的是什麼。」因為消費者不太可能知道現在不存在的產品，或是現在最劃時代的新材料等。所以這時候要在「了解消費者想要什麼」和「聽消費者說什麼」之間，找到一個不只流於表面、又能打破虛幻的交叉點。 🔹常見數據迷思 ❌ 數據樣本數越多越好 大數據之所以叫做大數據，一定要樣本數量越多越好！這個觀念其實不一定是正確的，因為數量越大，反而可能會導致族群特性消失，這時不管研究對象有上千人還是上萬人，並沒有太大的差異。 💡善用「樣本分析」，調查結果必須與其他結果做連動、分析，一份達到理解消費者目的的數計，才有大量搜集數據的意義。 ❌ 用性別＆年齡做單一數據分析 性別與年紀的區別，現在越來越模糊了，如果想要做到更細緻的數據分析，就要捨棄性別和年齡來分類消費者的習慣。人們的性別與年齡確實會有重疊的地方，但使用者行為並不全都是因為特定的性別和年紀產生的。 💡反向推薦符合「個人」取向的產品，或是將消費者行為群體化，不再向所有人推播一樣的廣告，只提供符合相似他們行為的資訊，更能提高轉換效率和下一步行動的意願。 🔹主動式數據 vs. 被動式數據 畢達哥拉斯說：「萬物皆數。」 世間萬物都可以被數據化，也都將成為數據。而其中有時候是主動式資料，有時候是被動式資料。 ✅ 『主動式資料』：不必親自紀錄，由機器自動記錄的情況。 e.g. 在手機上安裝軟體，讓手機每幾分鐘就自動記錄使用量。 ✅ 『被動式資料』：透過問答型式蒐集的人為整理資料。 e.g. 詢問對方手機一天的使用時間 💡主動式數據不會說謊，但並不代表正確答案，只能推測形成該現象的原因。 因此，使用主動式數據確認事實，再透過核心問題進行問卷調查，才會更有效率。 🔹數據真的重要嗎？ 『沒有數據也能生存下來的公司，遠多過沒有數據就不能存活的公司。』 對一些實體企業而言，數據並非必需品，而只是用來強化產品的銷售，協助做出與其他企業間的區隔，並非該企業的本質。 有些公司正處於成長期、瀛運狀況良好，沒有必要去探究數據，所以將精力集中在擴增銷售地點與商品銷售上。 總結來說，應該要重新調整努力方向，去做頓公司核心產品有幫助的分析。 🔹如何活用數據？企劃開始前的3問 ❶ 現在所執行的企劃，是誰的想法？ 大部分的時候，都是根據上級想要的方向進行分析。 → 但身為一位分析者，我們必須付出努力，在企業和高層期望的關鍵字中，以真心想理解消費者為出發點，找出市場趨勢，用自己能力範圍內最有創意的方法將主軸具體呈現出來。 ❷ 冗長的分析作業非做不可嗎？ 只有平常會犯錯，並從錯誤中成長的分析師，才能夠累積大量經驗，並快速整理出數據的核心。 → 可以將數據切割到精準的單位進行觀察，藉由這種「由下到上」的方式，進行新研究。 ❸ 分析得主軸明確嗎？ 分析人員不能迷失自己的道路，要找到數據的目標，努力去找出主管問題背後真正的意義。 → 多假設幾種具體狀況，獲得更多元的答案。 🔹企劃進行中的6問 每個調查企劃都可能產生許多不同的分析主軸，為了確保遺漏，最好有個系統性的SOP，也就是「六何法」 以企業or 賣家角度 Who：定義服務的顧客 When：為數據加上時間序列 What：服務的顧客＆群體喜歡什麼產品，以及喜好的原因 Where：地理位置＆環境因素 How：滿足消費者的方法、戰略 Why：所做的目的是為了「消費者心理」 以個人品牌or 自媒體角度 Who：粉絲、受眾 When：企劃＆活動曝光的時間 What：粉絲喜歡的內容和原因 Where：曝光的渠道 How：製作粉絲喜愛內容的方法 Why：希望達成的目的 🔹最後，數據要告訴我們什麼？ 其實數據分析就是一個研究新事物的過程，我們之所以要分析每個數據，是想將這些蒐集到的數字，創造成一個故事，同時也是滿足疑問的過程，去觀察在研究的過程中是否有遺漏的地方，或是了解哪些情況會對消費者造成影響，這些過程都是動態且需要不斷回顧的。 ✅研究新事物✅滿足疑惑✅創造故事✅檢查遺漏 🔹倆職推好書 #抽獎辦法 ✅追蹤倆職女子 @ol.slashie ✅分享此篇貼文至限時動態並tag @ol.slashie（請留存截圖，中獎會檢查唷！） ✅在貼文底下tag 2位朋友並隨意留言 ✅抽獎活動於 07/11（日）晚間11:59截止，並於07/13（二）限時動態公布中獎名單！請持續追蹤我們唷！ *感謝樂金文化 @knowing2018 提供贈獎 #讀墨電子書序號*2❤️ *倆職女子保留變更活動及解釋的權利 #倆職書櫃 #讀書心得 #好書推薦 #文末抽書 #讀書筆記