一、資料集淘金與確認
在Kaggle搜尋過濾後，我排除了純心理健康相關的資料，鎖定了這份由學生與職場人士組成的專用數據集：
檔案名稱：digital_eye_strain_students_professionals.csv
資料規模：500筆樣本、13個變數
檔案大小：26.24 KB

二、Colab讀取與第一手資料預覽
我直接將CSV檔上傳至Colab工作階段，並執行讀取檢查腳本：

import pandas as pd

# 讀取剛剛上傳的CSV檔案
file_name = 'digital_eye_strain_students_professionals.csv'
df = pd.read_csv(file_name)

# 1.檢查資料筆數與欄位數
print("=== 資料讀取成功 ===")
print(f"資料筆數: {df.shape[0]} 筆")
print(f"欄位數量: {df.shape[1]} 個")

# 2.印出所有原始英文欄位名稱
print("\n所有欄位名稱：")
print(df.columns.tolist())

# 3.預覽前5筆資料
df.head()

執行結果確認全部500筆樣本正常讀入，沒有出現編碼錯誤或欄位位移，資料預覽非常整齊。

三、完整13欄位資料字典
檢視輸出的所有欄位名稱，我將這13個變數梳理並分類為四大維度，建立專案的資料字典：

四、資料初探心得
這份資料集最棒的地方在於它的結構非常完整：
它同時具備了生活習慣自變數（螢幕時長、休息頻率、抗藍光）與生理症狀反應（乾眼、眼痛、頭痛、視力模糊）。

最後一欄Digital_Eye_Strain_Risk直接標記了風險等級（Low/Medium/High），這讓後續除了能做單純的相關性探索，還能在後期嘗試做簡易的邏輯斯迴歸（分類預測），探索哪些習慣是造成High Risk的最大元凶！

五、資料集來源與授權聲明

• 資料集名稱：Digital Eye Health and Screen Usage Data
• 副標題：A Survey-Based Dataset on Screen Time, Eye Health Symptoms, and Lifestyle Factor
• 資料提供平台：Kaggle
• URL：https://www.kaggle.com/datasets/prince7489/digital-eye-health-and-screen-usage-data
• 作者／發布者：PRINCE RAJAK
• 開源授權：CC0: Public Domain（公眾領域授權，可自由用於學術研究、教學與探索性資料分析）
• 資料性質說明：本數據為結合問卷架構的合成健康數據，兼顧個資隱私安全與分析擬真度。