Top 4 Crypto Passive Income Ideas That Really Work in 2025
Content
How can I start crypto staking?
Connect your cryptocurrency wallet
You should be sure that you have the cash on hand to pay
錄取提案
空汙危機追追追（天下雜誌）
台灣十大死因中，有七大和空氣污染密切相關。 其中，空污中最難發現的 PM2.5（細懸浮微粒），更可以穿透一般口罩，直達胸腔，增加各種心血管疾病和提高死亡率的風險。 和OECD的36國相比，台灣的懸浮微粒濃度更高居第二糟。 對抗空污，台灣不能再等。本案希望透過數據公開與資料分析，找出真正原因，化解社會衝突，對症下藥。
▌關鍵詞：空氣品質、空氣污染
脫貧就業：協助經濟弱勢者重回勞動市場（臺北市政府社會局社會救助科）
期待能夠於社福系統篩選脫貧就業名單時，可運用明確之指標，依據個案之就業能力或阻力予以分級分類，訂出分級輔導之優先名單，增加專案開案之人數。
▌關鍵詞：扶貧、精準行銷、個案管理
保護性案件之精準派案（衛生福利部保護服務司）
建立篩派案窗口之風險預判模型，透過通報表及篩案評估欄位，並運用受暴者及關係人之身分串接網絡資訊，經模型運算後得出通報案件之風險層級，並作為評估派往家防中心（高度風險）或社福中心（中低度風險）之參考基準。
▌關鍵詞：兒少保護、風險預測、危險因子
錄取英雄
王Ｏ琪、余Ｏ駿、吳Ｏ建、吳Ｏ倫、吳Ｏ葦、李Ｏ昇、李Ｏ沂、沈Ｏ璇、林Ｏ衡、林Ｏ軒、
林Ｏ傑、胡Ｏ馨、徐Ｏ婷、張Ｏ豪、張Ｏ麟、陳Ｏ君、陳Ｏ彥、陳Ｏ宜、陳Ｏ蓓、斯Ｏ雯、
曾Ｏ毓、黃Ｏ揚、潘Ｏ均、蕭Ｏ資、藍Ｏ。
本季資料英雄計畫的主題包含脫貧就業丶空汚分析與兒少保護。
每個提案都將派遣專家與提案單位進行資料盤點、問題聚焦、預期成果評估等討論，再根據預期成果的社會影響力、資料成熟度、時限內可完成程度、經驗可複製性、以及主管是否積極支持讓成果能確實導入組織運作等面向進行審查，以決定錄取名單。
本期共錄取 25 位資料英雄。
關於資料英雄的錄取標準，則是以完成專案主題的技能需求為基準，由負責專案的指導顧問進行選秀，根據個人技能與興趣分配。我們將於近日內寄發錄取通知，請錄取者於 2017/6/25 (一) 之前回覆隨信表單。
Fellows：陳林彣、謝宗翰（皆為台灣 SAS 公司指定代表）
Mentor：劉嘉凱
Project Manager：葉瓊瑜
Project Partner：財團法人法律扶助基金會
法律扶助，是指對於有法律需求，卻無力負擔訴訟費用及律師報酬的人民，提供專業性的法律幫助。財團法人法律扶助基金會成立於2004年，以「為經濟上的弱勢者提供法律的專業扶助，實現訴訟的平等權」為宗旨，由政府所捐助設立的私法人組織。然而，需要扶助的弱勢團體、個人卻可能因為「資訊」或「地理」成本，不知道如何接觸法扶基金會，甚至不知道法扶基金會的存在。
本次專案針對全台22個分會，於2015-2017年的收案案件，結合外部資料（如: 衛福部低收中低收入戶人口、內政部各鄉鎮市區人口……等），建立分會健檢儀表板，分析各地分會所負責各鄉鎮市區的案件覆蓋率、人口特徵以及案件屬性，進而找出現實上被忽略的需扶助人口。
資料來源
由於2015年法律扶助法修改，擴大法律扶助認定範圍，因此本次分析專案所使用的資料主要取用法律扶助基金會業務資料庫2015年之後的資料，總數為21萬筆申請案件，其中包含12萬不重複案件申請人，並將資料去識別化，重點資訊條列如下：
1. 申請人之人口變項之資料，如：性別、年齡、住所資訊、特殊族群身分等
2. 申請人之資力審核相關資料，如：總財產、家戶總收入等
3. 申請案件之法律案件相關資料，如：案件案由類別、案件時間等
此外，本次專案結合外部資料，如衛福部低收中低收人口資料、內政部各鄉鎮市區人口資料、原民會原住民人口資料等，以分析各分會在不同鄉鎮市區的案件覆蓋率、人口屬性與案件屬性。
探索資料 – 需求缺口分析
在本次分析專案中，我們主要使用資料視覺化的手法進行分析，並期望透過分析不同地區申請人、案件案由的分布狀況，提供法扶各分會未來設計推廣活動或合作案時，能更加適地適性與在地化設計。
◆ 台灣概況總覽
上圖為台灣法律扶助案件申請人的分布狀況，每個氣泡代表一個分會聚落，氣泡越大、顏色越橘，代表申請人越多。總體而言，法律案件集中於都會區，尤其以最上方的北北基分會群最多。
上圖為全台特殊身分族群分布，由於特殊身分族群得免審查資力，因此為法扶基金會的主要服務族群。總體而言，「原住民」申請人口最多，其次為「低收中低收入戶」與「身心障礙族群」。
上圖則為台灣法律扶助申請案件的案由分布，次數排名前五的申請案由分別為「債篇」、「毒品危害防制條例」、「傷害罪」、「勞工」、「消費者債務清理條例」。
◆ 分會覆蓋率分析 – 以北北基鄉鎮市區為例
人口基數大的區域，便可能有更多法律扶助申請人，因此不能僅以申請人口多寡來斷定一個區域的需求缺口大小。為了排除人口基數的影響，我們使用「覆蓋率」做為輔助判斷的指標，公式為「該區域法律扶助申請人」除以「該區域總人口」，該指標代表「在一定人口下，有多少百分比的人會申請法律扶助」。
此外，分析特殊身分族群將更具代表性，因此接下來我們針對「低收中低收入戶」、「身心障礙族群」、「原住民」等三個特殊身分族群，於北北基各鄉鎮市區的覆蓋率分布進行分析。
上圖為低收中低收族群於各鄉鎮市區的覆蓋率氣泡地圖，氣泡越大代表該鄉鎮市區的申請人越多，顏色越淺則代表覆蓋率越低；黑色地標由北至南分別代表基隆分會、士林分會、新北分會、台北分會於地圖上的位置。總體觀察可以發現分會周邊的鄉鎮市區氣泡顏色較深，代表覆蓋率普遍較高；而如果將覆蓋率偏低的鄉鎮市區挑出來，也就是圖中有黑色粗框的氣泡，可以發現這些覆蓋率偏低的地區，跟分會的距離都較遙遠。由此可知，「地理因素」對於弱勢族群是否會申請法律扶助是個重要影響因子。