112 年 國立成功大學會計學研究所乙組《管理資訊系統》

此題考驗對 ROC 曲線與 AUC 指標的理解，以及如何藉此判斷分類模型的優劣。

ROC 曲線 (Receiver Operating Characteristic curve) 是以假陽性率 (False Positive Rate, FPR) 為橫軸，真陽性率 (True Positive Rate, TPR) 為縱軸繪製的曲線。AUC (Area Under the Curve) 則是 ROC 曲線下方所涵蓋的面積。AUC 的值介於 0 到 1 之間，數值越大代表模型的分類能力越好。

理想情況下，模型的 ROC 曲線會盡可能地往左上角移動，表示在相同的假陽性率下，真陽性率越高；或在相同的真陽性率下，假陽性率越低。

此題考驗對會計領域研究發現的理解，以及公司執行長行為與財務資訊美化之間的關係判斷。

題幹指出：「較為自戀的公司執行長傾向從 non-GAAP 的盈餘調整項目中排除收入減少項目，以美化公司財務資訊。」這句話描述了一個現象：自戀的執行長（原因）採取了特定的行為（排除收入減少項目），目的是為了達到美化財務資訊（結果）。

• 並列 (Parallel)：表示兩者同時發生，但沒有直接的聯繫。
• 相關連 (Correlated)：表示兩者之間存在某種關聯性，一個的變化可能伴隨著另一個的變化，但不一定是單向的影響。
• 因果 (Causal)：表示一個事件（原因）直接導致另一個事件（結果）的發生。

此題考驗對科技產業龍頭企業及其主要業務的了解，特別是在人工智慧（AI）領域的硬體與軟體領導者。

• (A) Meta (原名 Facebook)：主要業務是社交媒體、虛擬實境 (VR) 和元宇宙 (Metaverse) 的開發。雖然 Meta 在 AI 領域有大量研發投入，尤其是在其平台運營和 VR/AR 技術方面，但其核心競爭力和市場領導地位並非主要體現在 AI 硬體和軟體的「全球領導者」地位，而是軟體應用和平台服務。
• (B) Netflix：主要業務是串流媒體影視內容服務。

此題考驗對管理決策類型與管理者層級之間關係的理解。

管理決策通常可以分為三種類型：

1. 結構化決策 (Structured Decisions)：這些決策是重複性的、例行的，並且有明確的處理程序。管理者可以使用標準化的規則、程序或計算方法來解決。例如，庫存補充、標準的客戶服務查詢。
2. 半結構化決策 (Semi-structured Decisions)：這些決策介於結構化和非結構化之間。決策過程中可能有一部分是有明確程序可循的，但另一部分則需要管理者運用判斷和經驗。例如，預算編制、員工績效評估。

此題考驗對管理者核心職能的理解。

傳統的管理學理論（如 Henri Fayol 的理論）將管理者的職能歸納為幾個關鍵部分。這些經典的管理職能通常包括：

• 規劃 (Planning)：設定目標、制定策略、發展行動計畫以達成目標。
• 組織 (Organizing)：設計組織結構、分配資源、協調人力以執行計畫。
• 領導 (Leading) / 指揮 (Directing)：激勵、指導、溝通、影響員工以達成組織目標。
• 控制 (Controlling)：監控績效、評估結果、採取糾正措施以確保目標達成。

此題考驗對大數據處理相關開源軟體工具的認識。

題幹描述了一個「開源軟體工具集合」，其功能是「利用網路上的許多電腦來解決涉及大量數據和計算的問題」。這顯然是指大數據處理的相關技術。

• (A) GitHub：是一個基於 Git 的程式碼託管服務平台，用於軟體開發協作。它主要提供版本控制和專案管理功能，而不是直接用於大規模數據計算。
• (B) SourceForge：是一個提供開源軟體開發專案託管、發布和下載的平台，類似於 GitHub，但更早。它也是一個協作平台，而非直接用於大規模數據計算。

此題考驗對商業智慧 (Business Intelligence, BI) 技術核心功能的理解。

商業智慧技術的目標是幫助企業從數據中提取有價值的資訊，以支持決策。常見的 BI 功能包括：

• (A) Online Analytical Processing (OLAP)：是一種能夠快速、互動地分析多維數據的技術，常用於商業智慧，支持即時的決策分析。
• (B) Data Mining：是從大量數據中發現模式、趨勢和關聯性的過程，是 BI 的一個重要組成部分，用於知識發現。

此題考驗對傳統檔案系統 (Traditional File Environment) 缺點的理解，以及與資料庫系統 (Database System) 優勢的對比。

傳統的檔案系統（例如，使用 CSV、TXT 或特定應用程式的獨立檔案）存在許多問題，主要原因在於數據分散、結構不一致、缺乏中央管理。這些問題包括：

• 數據冗餘 (Data Redundancy)：同一筆數據可能被儲存在多個檔案中，造成儲存空間浪費，且難以維護。
• 數據不一致 (Data Inconsistency)：由於數據冗餘，當某筆數據在一個檔案中被更新，但在另一個檔案中沒有同步更新時，就會產生不一致。
• 數據孤島 (Data Isolation)：數據分散在不同的檔案和程式中，難以整合和共享。
• 缺乏標準化 (Lack of Standardization)：不同的應用程式可能使用不同的檔案格式和命名約定。
• 存取異常 (Access Anomalies)：例如，插入異常、刪除異常、更新異常。
• 安全問題 (Poor Security)：檔案系統的安全控制通常較為粗糙，難以進行精細的權限管理。

此題考驗對主流社群媒體平台功能的認知，特別是針對專業領域的應用。

• (A) Facebook：主要是一個社交網路平台，用於與朋友、家人聯繫，分享生活動態，也包含商業頁面和社團。雖然有些用戶會分享職業相關資訊，但其主要目的不是專業網絡。
• (B) Instagram：主要是一個以圖片和短影片為主的社交平台，用於分享生活、興趣、視覺內容。與專業網絡關聯性不高。

此題考驗對數據管理基本概念的理解，特別是重複數據的問題。

題幹描述的是「在多個數據檔案中的重複數據」。

• (A) Independence：數據獨立性是指數據結構的改變不影響應用程式，這是資料庫系統的特性，與數據重複無關。
• (B) Repetition：Repetition 意為重複，可以描述數據重複的現象，但「Repetition」通常不是一個正式的數據管理術語來描述這種情況。

此題考驗對人工智慧 (AI) 各種技術的理解，特別是模擬人類大腦處理模式的技術。

• (A) Fuzzy Logic (模糊邏輯)：是一種處理不精確、模糊概念的邏輯系統，它使用「模糊集合」來表示程度而非二元（真/假）。它不直接模擬生物大腦的處理模式，而是處理模糊性。
• (B) Expert System (專家系統)：是一種基於知識庫和推理引擎的 AI 系統，旨在模擬特定領域專家的決策能力。它通常基於規則（IF-THEN 規則），而非直接模仿大腦的結構和處理方式。

此題考驗對知識發現 (Knowledge Discovery) 相關技術的理解。

知識發現是指從大量數據中提取有意義、有用且潛在有價值的知識的過程。

• (A) Case-Based Reasoning (CBR)：是一種解決問題的方法，透過尋找過去的相似案例來解決新問題。雖然 CBR 涉及學習和應用知識，但它更側重於個案解決，而不是從大量數據中發現普遍模式。

此題考驗對機器學習不同學習範式的理解，特別是模擬試誤學習的學習方式。

題幹描述了一個學習過程，其核心特徵是：

1. 代理 (Agent) 在一個 環境 (Environment) 中。
2. 代理根據當前的 狀態 (State) 執行 動作 (Action)。
3. 動作會導致環境轉變到一個新的狀態，並產生一個 報酬 (Reward) 或懲罰。
4. 代理的目標是學習一個 策略 (Policy)，以最大化長期累積的報酬。

這種學習模式非常符合 增強學習 (Reinforcement Learning, RL) 的定義。增強學習的核心思想是通過與環境互動，根據接收到的獎勵或懲罰來學習最佳的行為策略。

此題考驗對虛擬實境 (Virtual Reality, VR) 系統應用和能力的理解。

虛擬實境系統的核心在於創建一個沉浸式的、三維的虛擬環境，讓使用者感覺身臨其境，並能與之互動。

• (A) Allow groups to work together on documents.：這更像是協同工作平台（如 Google Docs, Microsoft Teams）的功能，雖然 VR 也可以用於協同工作，但「文件協同」不是 VR 的核心或獨有功能。
• (B) Provide engineers, designers, and factory managers with precise control over industrial design and manufacturing.：這描述了 擴增實境 (Augmented Reality, AR) 或 混合實境 (Mixed Reality, MR) 的應用，特別是與工業 4.0 相關的應用。AR/MR 可以將數位資訊疊加在真實世界中，輔助設計和製造。

此題考驗對 Google 搜尋引擎如何提供精煉資訊的理解，特別是其背後的技術。

Google 搜尋結果頁面旁邊經常出現的「資訊框」(infobox)，例如顯示某人物的生平、某地點的資訊、某電影的評價等，這些資訊是 Google 為了快速提供使用者查詢結果的相關摘要。

• (A) Decision Support System (DSS)：決策支援系統是幫助管理者做決策的資訊系統，通常涉及數據分析、模型模擬等。它與直接提供搜尋結果摘要的技術不同。

此題為問答題，要求解釋五個與資訊科技及商業相關的重要術語。每項解釋約需 5 分。

(A) Machine Learning (機器學習)
機器學習是人工智慧 (AI) 的一個分支，它使電腦系統能夠在沒有明確程式設計的情況下，從數據中學習並做出預測或決策。其核心思想是透過演算法分析大量數據，找出其中的模式和關係，並利用這些模式來改進系統的效能。機器學習主要分為三種類型：監督式學習 (Supervised Learning)、非監督式學習 (Unsupervised Learning) 和增強學習 (Reinforcement Learning)。
【答案】機器學習是人工智慧的一個領域，專注於讓電腦系統透過數據學習，而無需明確編程。

(B) Business Model (商業模式)
商業模式描述了一個組織如何創造、傳遞和獲取價值。它闡述了企業如何運營以產生收入和利潤。一個完整的商業模式通常包含關鍵要素，如目標客戶、價值主張、通路、客戶關係、收入來源、關鍵資源、關鍵活動、關鍵合作夥伴以及成本結構。
【答案】商業模式說明企業如何創造、傳遞及獲取價值，解釋其營運方式以產生利潤。