規劃：ASN 觀測涵蓋率的跨區比較（TW / HK / JP / KR / SG / MY）

## 脈絡

`docs/en/regional/index.md` 的「Still to come」列著：

> ASN coverage — cross-region comparison (TW / HK / JP / KR / SG / MY)

這一項原本在 #243，但性質跟那張 issue 的其他三項不同。那三項是修既有的東西，對錯清楚。這一項是新的研究產出，方法選擇會影響結論，而結論會被引用，所以拆出來獨立規劃。

現有的 [ASN observation data analysis](https://anoni.net/docs/en/regional/ooni-asn-coverage/) 只涵蓋台灣，約 9,000 字，結構是「為什麼 ASN 多樣性重要 → 台灣的測量集中在少數電信商 → 怎麼讀單筆測量 → 自己跑分析」。跨區版本要嘛擴充它，要嘛另建一頁，取決於資料跑出來的樣子。

## 技術現況（已確認，不用重新查）

`asn_coverage/ooni.py` 有兩個指令，`lookback`（往回看 N 個時間單位）與 `span`（指定起訖），**兩者都有 `--loc` 參數，預設 TW**，所以跨區在工具層本來就支援。核心函式是 `count_asn(date, loc, oonis3=None)`。

分母來自 `asn_coverage/ripe.py`，抓 RIPE 的 ASN 清單（`ftp.ripe.net`）。

`asn_datas/` 目錄是空的，產出不落地到 repo。

## 最關鍵的設計決定

**這篇的主張必須是「我們的觀測基礎建設在哪裡有洞」，不能是「哪個地區網路比較不自由」。**

OONI 涵蓋率低只代表沒人在那裡測，跟審查程度無關。香港的涵蓋率若低於台灣，反映的是志工社群規模而不是網路環境。這個框架弄反會直接傷害可信度，而英文站的讀者正是會拿數據去引用的國際記者與研究者。

`regional/index.md` 已經誠實寫了「我們對各地區的 standing 不同，不宣稱在整個區域有相同深度」，這篇要延續同一個立場。

## 三個會讓數字誤導的陷阱

**分母不可比。** 香港有大量海外註冊但不服務本地使用者的 ASN，新加坡是區域樞紐有很多純轉送的 ASN。用「該地區總 ASN 數」當分母，這兩地的涵蓋率會被稀釋到看起來很糟。可能要改用「有實際使用者的 ASN」，或至少把這個差異標在圖表旁邊。

**人口與網路結構不成比例。** 日本 1.2 億人、新加坡 590 萬，ASN 數量與人口不是線性關係。跨區比絕對數字沒有意義，要比的是結構。

**測量量的時間分佈。** 某地區可能因為一次事件（選舉、斷網、演練）湧入大量測量，把年度平均拉高。要看分佈不只看總量。台灣自己就有這個現象，8/13 降速演練那次號召帶進一批測量。

## 建議的執行順序

**先跑資料，再決定文章形狀。** 不要先寫大綱再填數字，因為數字會決定哪些比較有意義。可能跑完發現某兩個地區的測量量太少根本無法比較，那範圍就要縮成三、四個地區。

1. **試跑一個非台灣地區**（HK 或 JP），確認資料抓得到、格式與台灣一致、耗時可接受
2. **六個地區各跑一次**，看三個維度：涵蓋率、測量量的集中度（前幾大 ASN 佔比，台灣是 32.9%）、時間趨勢
3. **決定比較維度與呈現方式**。現有台灣頁用 Vega 圖表，跨區可能需要不同的呈現
4. **決定擴充現有頁面或另建**
5. 走完整品管管線，事實查核特別注意各地區的 ASN 總數與人口數字

## 執行成本

OONI 的 S3 資料量大，六個地區跑完可能要數小時。第 1 步的試跑就是為了估這個。如果單一地區就要跑很久，要考慮縮短時間範圍或改用 OONI 的 aggregation API 取代 S3 原始資料。

## 未決的問題

- 六個地區是否都要做，還是先做 TW / HK / JP 三個資料量較有把握的
- 擴充 `regional/ooni-asn-coverage.md` 還是另建一頁
- zh-TW 要不要同步。現有的台灣分析三語都有，跨區版本如果只做 en，要在 zh 版說明為什麼

Start with asn_coverage/ooni.py, its lookback and span commands, and count_asn; run one non-TW location such as HK or JP before attempting all six. Check asn_coverage/ripe.py and the existing regional/ooni-asn-coverage.md analysis for data and presentation context. Done means choosing a defensible comparison scope and page location, documenting coverage limitations, and completing the stated fact-checking and quality-control steps.

Rédigé par le modèle d'indexation à partir du texte de l'issue.