新聞入口網站的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

日本媽媽的聰明育兒術：培養出亞洲最多諾貝爾獎得主的日式教養智慧

為了解決新聞入口網站的問題，作者安旻淨 這樣論述：

日本擁有亞洲最多的諾貝爾獎得主 也是世界數一數二的科學強國 日本獨到的教養智慧 究竟擁有什麼神奇力量？ 　　為什麼日本小孩做事情總是井然有序 　　獨立自主、有責任感，從不為大人添麻煩？ 　　為什麼日本媽媽忙完家務有時間做自己想做的事 　　還能培育岀亞洲最多的諾貝爾獎得主？ 　　為什麼日本人做事總是專心一致、全心投入 　　徹底發揮令人尊敬的匠人精神？ 　　原來，一切都歸功於生活小習慣的日常養成！ 　　小習慣創造大奇蹟！ 　　看日本媽媽的教養智慧 　　如何培育出身體健康、內心堅強的孩子？ 　　學習聰明日本媽媽的家庭教育哲學 　　讓你在在育兒和家務之間游刃有餘！ 　　作者居住東京超過十年

　　在日本戀愛、結婚、育兒的韓國媽媽 　　以記者獨有的敏銳觀察力和輕鬆活潑的說故事手法 　　客觀剖析日本的家庭育兒哲學、教育體制與文化差異 　　以及中、日、韓家庭的異國生活趣事 　　帶你親身感受日本媽媽所展現的驚人力量 　　以及日式教育法的獨到之處.！ 　　★真的假的？獨特日式教育法大公開 　　‧為什麼連嬰兒都不哭不鬧？ 　　‧小孩冬天不准穿襪子？ 　　‧日本保育園不教英文？ 　　‧小學生都背天價皮革書包？ 　　‧日本媽媽都很苗條？ 　　‧先學縫紉才有資格當媽媽？ 　　‧日本媽媽連教訓孩子都很優雅？ 　　★原來如此！日本媽媽的聰明育兒術 　　‧管教從零歲就要開始！ 　　‧讓子女從小自立自

強！ 　　‧喜歡讀書的孩子才送去讀大學！ 　　‧成為一雙默默付出「看不見的手」！ 　　‧做家事，效率比什麼都重要！ 　　‧聰明的家庭料理保存法！ 　　‧用時間管理舒緩育兒壓力！ 本書特色 　　◎以客觀角度親身體驗、觀察日本育兒哲學，提供讀者另一種客觀的切入視角 　　◎作者結合自身經驗，以記者敏銳的觀察力結合說故事筆法，讀來輕鬆流暢 　　◎描述中、韓跨國婚姻的日本異國生活與多元文化差異，趣味十足

新聞入口網站進入發燒排行的影片

非典型僱傭議題之網路新聞媒體報導框架分析

為了解決新聞入口網站的問題，作者吳俊緯 這樣論述：

非典型僱傭勞動型態日益興盛，勞動議題亦受到大眾矚目。隨著網路時代來臨，網路成為受眾接收新聞的主要管道。因媒體會「框架」新聞並影響受眾對議題的認知，故本研究以框架分析來審視台灣網路新聞媒體建構台灣非典型僱傭議題真實之框架。本研究選擇主流／大眾媒體之《ETtoday東森新聞雲》78則、《自由時報電子報》237則、《聯合新聞網》300則之報導，與非主流／獨立媒體之《苦勞網》10則、《風傳媒》53則、《民報》23則共701則新聞報導進行分析，參考Tankard框架清單分析取徑，以內容分析法分析兩類網路新聞媒體報導框架之呈現與其異同。研究發現：兩類媒體在新聞呈現、情感框架上具有顯著差異，但在歷時之報導

量上沒有顯著差異。主流／大眾媒體重視報導量，並以中篇幅、純報導呈現議題，其多數報導中呈現圖表且較偏向勞方；非主流／獨立媒體重視深度、主觀評論之長篇幅報導，其報導中均呈現圖表且較偏向官方。兩類媒體之報導主要含有多個消息來源並側重官方權威話語，非主流／獨立媒體引用更多類的消息來源且更平衡地呈現勞、資、政、學等多方之話語。兩類媒體在子議題之呈現上均重視派遣相關子議題並呈現出社會真實，唯零工相關子議題在非直接相關主題之報導中較常被突顯。兩類媒體呈現之問題與解決策略為顯著之實質框架；兩類媒體皆呈現用人單位使用因素之歸因並關注勞權、低薪等問題，主流／大眾媒體略偏柔性解決，非主流／獨立媒體略偏硬性解決；非主

流／獨立媒體在直接相關主題報導中呈現之實質框架較主流／大眾媒體為多且更加突顯某些特定的面向。兩類媒體多為中立報導，但非主流／獨立媒體較有主觀評述，並以勞方立場、質疑政府施政作為其意識形態。總體來看，媒體仍會以特定字詞框架非典型僱傭議題與非典型僱傭勞工之形象，然媒體亦有確實地扮演好議題之監督者角色並重視議題的問題與解決。本研究之發現可供台灣網路新聞媒體審視其報導非典型僱傭議題之平衡性，以利未來產製更為詳實且客觀之報導。

精準預測：如何從巨量雜訊中，看出重要的訊息？

為了解決新聞入口網站的問題，作者NateSilver 這樣論述：

2008年美國總統大選，他成功預測歐巴馬勝選。50州個別選舉結果，49州預測正確。35席參議員的勝選者，則全部猜對。2012年，他再次成功預測歐巴馬勝選，這次，50州全部命中。 　　他開發的棒球預測系統精準無比，　　被知名棒球評論媒體收購。　　他個人更曾運用統計預測的專才，　　在德州撲克賭局賺進上千萬元。 　　他是奈特．席佛，　　當代最受矚目的統計與預測鬼才，　　首次公開精準預測的黃金法則，　　告訴你為什麼有些預測會成功、有些會失敗？ 　　★出版三個月穩居亞馬遜書店銷售總榜前20 名、商業理財類第1名、政治社會科學類第1名　　★《紐約時報》暢銷書排行榜前10名　　★榮登亞馬遜書店2012年

度「非文學類」第1名　　★獲選為亞馬遜書店編輯嚴選2012年度商「商業類」最佳書籍　　★獲選《華爾街日報》2012「十大最佳非文學類好書」　　★《紐約時報》書評盛讚：「10年來最重要的一本書」　　★2009年《時代雜誌》將奈特．席佛列入「世界最有影響力的百大名人」　　★2012年《滾石雜誌》將奈特．席佛譽為「改變遊戲規則的人」 　　數據不會說話，是你在為它說話。 　　．美國政府長期蒐集許多情報，但為何還是無法預見911恐怖攻擊？　　．2007年房市泡沫爆發前，華爾街的金融專家們為何看不見崩盤的警訊？ 　　身處「巨量資料」（big data）時代，照理說我們擁有空前充足的資料，去做各項預測。但各

行各業掌握最多資料的專家與決策者，卻都還是不斷做出失敗的判斷，這是怎麼回事？作者奈特．席佛指出，人的解讀比數字更關鍵，而預測最難的部分在於：人要懂得分辨出哪些是無意義的雜訊，哪些才是關鍵的訊號。誤把雜訊當訊號，做出來的預測，自然不會準確，甚至會造成嚴重的謬誤與損失！ 　　數據導向的預測會成功也會失誤，要求更多數據之際，人更應該自我要求。 　　最常出錯的就是過度自信、被稱為「刺蝟」型的預測者，他們很會歸納、喜歡大原則、很有膽識，雖不斷收到新訊息卻很少修改預測，他們做預測常成為一種「表演」，模糊了追求精準預測的動機。(代表人物：成為名嘴的專家、認定自己能翻盤的賭徒。) 　　另外一個大家常犯的錯，是

忽略「樣本外」的重大新資訊。假設你從未酒後駕車，肇事紀錄也很低。今晚你喝了酒，請預測今天駕車肇事的機率？如果你拿過去的記錄分析預測，那麼你出事的機率肯定相當低；但是喝酒開車並不在你過去記錄的樣本內。這個預測問題出在模型錯了、忽略樣本外的重大訊息──而這也就是席佛認為，大家對房市泡沫以及雷曼兄弟垮台，無法精準預測的主因。 　　在本書中，席佛針對政治選情、球賽結果與球員價值的評估、金融風暴、氣象、地震、撲克賭局、西洋棋賽、股市投資等跨領域的預測難題，做了精闢的個案分析。雖然領域迥異，但預測要精準，背後的原則與邏輯卻都是一樣的。在一個個精彩的故事中，即使沒有統計背景的讀者，也能一點一滴拼湊、建立預測

的基本功，並且可以練習把這些原則與技巧，運用在自己的專業領域上。(甚至可以用來預測伴侶外遇的機率：詳見第8章) 　　◎席佛在書中不斷提醒預測者: 　　．預設立場或過度自信，對預測來說，是非常可怕的事。　　．預測不是在追求是與非，而是估算事情發展的「機率」。有精準的機率，才能做出有利的決策。　　．做預測時，最怕一看見「有相關」就解釋成「因果關係」。（冰淇淋 vs. 森林大火）　　．預測時不能忽略「誤差」，並要勇於承認有「不確定性」。 不然你會過度解釋，變成不精準的預測。　　．根據預測出來的機率，做了最有利的選擇，即使最後結果不好，仍然是好預測。　　．在很多情境中，不是一定要追求終極完美的預測，只

要預測比競爭對手好，你就贏了。　　．當大家不免被雜訊迷惑時，問問自己，你有什麼法寶，能讓自己更接近真相？跟著法寶走，不要跟著群眾走。　　．有新的重大資訊進來時，能保持客觀，隨時更新的預測，才有可能是精準的預測。 　　◎書中也有許多發人深省的預測思考訓練： 　　【情境1】在股市裡，為什麼贏的人反而輸了？　　現在舉辦一場拍賣會，拍賣一個裝有零錢的罐子，大家去猜測裡面有多少錢，並決定你願意用多少錢去標這一罐錢。出價最高的，可以把罐子帶走。 　　這是經濟學裡一個常見的實驗，實驗的結果，往往都是這位贏家所出的錢，大過罐子裡的錢。沒贏就算了，贏了反而賠錢，這就是所謂的「贏家的詛咒」。這件事的問題出在，贏的

那個人，做出了很糟糕的預測。很多時候，是預測者過度自信了。 　　這個實驗，跟股市的特性是一樣的。往往當許多投資人都「感覺現在是投資的好時機」時，同時期股價都會飆高。雖然這明明跟股票應該買低賣高的邏輯背道而馳，但是人總是會在這些時候特別樂觀，大膽搶進。所以這些投資人，如果在股市裡失利了，都是因為他們誤將樂觀氣氛這個雜訊，當成可以搶進的訊息，做出了錯誤的預測的關係。 　　【情境2】為何九一一攻擊時，第二棟大樓被撞不用太驚訝？　　根據貝氏定理，做預測時，事前某件事的發生機率有多高，會很大程度影響後來的發生機率。 　　九一一恐怖攻擊那天早上，大多數美國人都會認為恐怖分子用飛機撞進曼哈頓高樓的機率趨近於

零。那是第一架飛機還沒撞進大樓前的數據。等到第一架飛機事故發生之後，第二棟樓被攻擊的可能性就無庸置疑了。 　　根據貝氏定理的公式計算，第一架飛機事故前，美國高樓被恐怖攻擊的可能性根據歷史紀錄可是兩萬分之一，或者說0.005%。第一架飛機事故發生後，美國被恐怖攻擊的機率當下被改寫，提高到了38%。這時，當我們再預估第二架飛機撞上高樓發生的機率時，運用貝氏定理的公式計算之後，整體機率陡增到99.99%。（貝氏定理用一行簡單的公式就能算出這個機率，詳見第8章） 　　然而，一般人「憑感覺」的預測卻是：在艷陽高照的紐約，發生一次意願已經夠不可能了，第二次幾乎是真的完全不可能！但使用貝氏定理，卻能輕鬆預測

第二起事故的發生。這就是為什麼我們在做預測時，不能憑「感覺」，而要信賴客觀工具的原因。 　　【情境3】氣象預報不準確，能不能怪罪預報員？　　依照基本原則來看，所有的預測，顯示的結果應該都是機率，而且一定會有不確定性。氣象的預測，也不例外。 　　美國國家氣象局經過長年來的努力，所取得的氣象資料以及他們的預測，準確率已經大有進展。然而，為何大家仍覺得氣象預報不準？ 　　這是因為商業氣象頻道，為了顧客服務的經濟動機，有時會在資料的呈現上做些操弄。比如，當他們說降雨機率20%時，有時其實只有5%。因為民眾對於這種幫助提高警覺的「假警報」不介意。相對的，若他們預期不會下雨時卻下雨了，大家就會咒罵氣象頻道

毀了他們的野餐。而且，氣象預報時，更無法呈現出「不確定性」，誠實展現出預測中的不確定或者誤差，也會有損預報的權威感。 　　在這樣的情況下，並不是預測技術無法精準，而是氣象頻道實在沒有砥礪自己追求預報精準的動機。然而，這是個惡性循環。結果就是當真的發生卡崔娜這樣的颶風時，很多已經把氣象預報當成「狼來了」的民眾，就可能會喪失性命。 　　作者認為，一個預測的人，職責就是應該要盡力做出精準的預測與預報。這一點，氣象的預報人員，沒有做到。雖然本來也許有時是出於好意。 作者簡介 奈特．席佛 (Nate Silver) 　　他精通統計學，是美國當代知名的統計與預測鬼才。他從小就對數字與思考展現興趣與天分，六

歲便開始預測棒球賽事。高中時代曾拿過密西根州辯論冠軍，後來進入芝加哥大學主修經濟學，並在大三前往倫敦政經學院研修一年。大學畢業後，進入安侯建業事務所（KPMG）擔任顧問。利用工作之餘，研發出一套創新的棒球賽事預測系統PECOTA，因為精準至極，甚至吸引棒球界聖經 Baseball Prospectus 於2003年向他收購。席佛也將他統計與預測的天賦應用於德州撲克，曾經短期內就讓他贏得上千萬元財富。 　　他在2008年美國總統大選之前成立了「五三八」網站，發表他的選情預測，獲得廣泛注意，隨後他在這個網站公布預測，成功預測歐巴馬勝選，而且是在50州的個別選舉結果中，49州預測正確，35名參議員選

舉更完全命中。2012年的總統大選，他再度成功預測歐巴馬勝選，這次50州全部命中。2009年《時代雜誌》並將他列入「世界最有影響力的百大名人」。許多人對於他的統計模型與精準預測的技術都十分折服與好奇，本書是他首度公開自己的預測祕訣，以及他對各領域預測的研究與思考。 譯者簡介 蘇子堯 　　台灣師大翻譯研究所碩士，台灣師大教育心理與輔導系學士，曾任國中教師、組長、主任。譯有《焦點解決教育－－一個更快樂的學校》、《愛我，就不要控制我》與《南瓜計畫》等書。

Facebook和臺灣新聞網站間的競合情形─以聯合新聞網為例

為了解決新聞入口網站的問題，作者鄭婷文 這樣論述：

隨著行動裝置的普及和閱聽眾獲取新聞的管道改變，改為多在Facebook上意外發現新聞，使社群媒體導流量攸關新聞網站生存，形成競合關係，兩者間相互控制與依賴的情形成為本研究探討的重點。本研究先從文獻回顧，自台灣報社/原生新聞網站類別中觀察其社群策略，整理出接觸使用者的入口順序為Facebook、新聞網站、app，此外，亦根據新聞網站在自家新聞網站與社群媒體經營比重分為三類：分別為較不仰賴社群的聯合新聞網，新聞網站與社群並重的蘋果日報，及以社群為主的ETtoday新聞雲，而在社群為新聞網站重要命脈的時代，聯合新聞網如何自處，成為本研究的研究個案。本研究主要焦點在前半段Facebook與新聞網站的

競合情形，並透過數據蒐集主權、流量及內容形式三個面向加以分析，同時探討在行動流量成長的情況下，app在Facebook與新聞網站競合外又能扮演的角色及發揮的功效為何。本研究透過文獻整理，蒐集第三方公開流量相關資料，了解其在流量市場表現情形，並透過深度訪談同時輔以其它業界相關文獻了解實務界運作狀況，最後從所得到的資料中進一步釐清及試圖勾勒出新聞網站與Facebook背後的控制與依賴情形。研究結果顯示，前半段的新聞網站與Facebook競合關係中，在數據蒐集主權上，當Facebook黏著度大，演算法又無法協助其提高曝光度，導致導流量下降，便間接影響聯合新聞網的數據蒐集完整性；在流量面向上，為能提高

曝光度，汲汲跟隨Facebook演算法的調整，即便對不導流回自家新聞網的Instant Articles也願意一試，可見為此重要的「救命符」只好順從，處處受到控制；至於內容形式，則是同樣為了曝光度而高度依賴Facebook科技，亦產製更多影音內容，對於新聞產業的內容產製產生深遠影響。由於聯合新聞網較不仰賴社群，因此，與Facebook的競合多半是為了接觸年輕族群的入口，社群導流比例也不高，主要重心是放在新聞網站的經營，並將使用者帶向流量貢獻度最高的app，app使用者代表層層過濾後的VIP，是透過與Facebook競合後帶來的目標閱聽眾。