Hugging Face
Models
Datasets
Spaces
Posts
Docs
Enterprise
Pricing
Log In
Sign Up
Spaces:
Duplicated from
youngtsai/j_write
JunyiAcademy
/
jutor_write
like
0
Sleeping
App
Files
Files
Community
Fetching metadata from the HF Docker repository...
d1d5723
jutor_write
2 contributors
History:
206 commits
youngtsai
topics = json.loads(content)["topics"]
d1d5723
7 months ago
.gitattributes
Safe
1.52 kB
initial commit
about 1 year ago
.gitignore
Safe
23 Bytes
local_config.json
8 months ago
README.md
Safe
226 Bytes
render dynamic
8 months ago
app.py
192 kB
topics = json.loads(content)["topics"]
7 months ago
exams.json
Safe
57.3 kB
"hint": "### 如何下筆:\n- 瞭解圖表內容:美國18至29歲的青年對不同新聞類別有不同程度的關注。\n - 高關注度類別:環境與天然災害(69%)、社會議題(64%)。\n - 中等關注度類別:國際事務(59%)、娛樂與名人(58%)。\n - 低關注度類別:學校與教育(49%)、藝術與文化(30%)。\n- 個人關注新聞\n - 高關注度:為什麼關注?例如個人興趣、對未來的重要性。舉例說明。\n - 低關注度:為什麼不關注?例如:與自己生活關聯較少、其他新聞更重要。\n- 圖表寫作,寫兩段,以主題句、支持句、結論句為結構。\n\n### 第一段描述圖表內容,並指出關注度較高及偏低的類別\n\n- 主題句:\n - 圖表顯示美國18至29歲的青年對不同類別之新聞的關注度。\n\n- 支持句:\n - 高關注度類別:環境與天然災害(69%)、社會議題(64%)。分析為何這些議題受到高度關注。\n - 中等關注度類別:國際事務(59%)、娛樂與名人(58%)。分析為何這些議題受到中度關注。\n - 低關注度類別:學校與教育(49%)、藝術與文化(30%)。分析為何這些議題受到低度關注。\n - 轉折詞:first of all, moreover, as a result, however, for example, on the whole, in summary\n\n- 結論句:\n - 重申主題句,或略過不寫。\n\n### 第二段則描述在這六個新聞類別中,你自己較為關注及較不關注的新聞主題分別為何,並說明理由。\n\n- 主題句:\n - 説明有(幾)個原因使我對某些類型的新聞較為關注。\n\n- 支持句:\n - 為何我最關注(某類)新聞。分析為何這些議題讓你高度關注。舉例説明。\n - 為何我較不關注(某類)新聞。分析為何這些議題讓我低度關注。舉例説明。\n - 轉折詞:first of all, moreover, as a result, however, for example, on the whole, in summary\n\n- 結論句:\n - 重申主題句,或引導讀者進一步思考或行動。",
7 months ago
requirements.txt
Safe
151 Bytes
google-api-python-client
7 months ago
storage_service.py
Safe
2.76 kB
gr.Markdown("# 📚 歷程回顧")
7 months ago