113 年 國立成功大學會計學研究所乙組《管理資訊系統》

本題考查的是自然語言處理（NLP）中常用的文本相似度計算方法，特別是在新聞聚合與推薦情境下的應用。

Google News 將相關新聞聚集在一起，實際上是在進行新聞的聚類（Clustering）或推薦（Recommendation）。這需要計算新聞文章之間的相似度。

選項分析：
(A) Generative AI：生成式 AI 主要用於創造新的內容，例如生成文本、圖像等，而非直接用於計算相似度。

本題考查的是機器學習中用於訓練機器人學習技能的常見方法。

機器人學習新技能，尤其是在需要與環境互動並從經驗中學習的任務中，通常會採用強化學習。

選項分析：
(A) Reinforcement Learning（強化學習）：這是一種機器學習範式，其中智能體（agent）通過與環境互動來學習。智能體採取行動（action），環境給予獎勵（reward）或懲罰（penalty），智能體的目標是最大化累積獎勵。這非常適合用於訓練機器人學習複雜的動作或策略，例如學習行走、抓取物體或進行體育運動。

本題考查的是大數據（Big Data）的特性。傳統上，大數據的特性常以「V」開頭的幾個詞來概括，最常見的是 3V 或 5V。

大數據的常見特性包括：

• Volume (資料量)：指數據的規模龐大。
• Velocity (速度)：指數據產生、處理和分析的速度非常快，通常是即時或近乎即時的。
• Variety (多樣性)：指數據的類型非常多樣，包括結構化數據（如資料庫中的表格）、半結構化數據（如 XML、JSON）和非結構化數據（如文本、圖像、音頻、視頻）。

本題考查的是典型的數據分析方法。數據分析通常旨在從數據中獲取洞見，以支持決策。

典型的數據分析方法可以分為幾個層次，從描述性到預測性，再到規範性：

• Descriptive Analysis (描述性分析)：回答「發生了什麼？」。它利用歷史數據總結和描述當前或過去的狀況。例如，報表、儀表板、數據匯總。
• Diagnostic Analysis (診斷性分析)：回答「為什麼發生？」。它試圖找出事件發生的原因，通常通過鑽取（drill-down）、數據挖掘和關聯分析來實現。
• Predictive Analysis (預測性分析)：回答「將會發生什麼？」。它利用統計模型和機器學習技術來預測未來趨勢或結果。例如，預測銷售額、客戶流失率。

本題考查的是企業營運管理中的關鍵概念。題目描述了一個涵蓋從採購、營運管理、物流到行銷通路，將原材料轉化為成品並交付給客戶的系統。

選項分析：
(A) Supply-chain management (SCM，供應鏈管理)：供應鏈管理是一個整合的過程，涵蓋了產品或服務從原材料採購、生產製造、倉儲、運輸、分銷，直到最終交付給終端客戶的整個流程。這與題目中的描述完全吻合。
(B) Reverse logistics (逆向物流)：逆向物流是指產品從客戶端流回企業的過程，例如退貨、維修、回收等。

本題考查的是演算法的分類，特別是基於演化原理的演算法。

題目描述了這類演算法的特徵：基於演化的自然選擇和突變，用於解決優化和搜尋問題。

選項分析：
(A) PageRank：這是 Google 用於排序網頁搜尋結果的演算法，基於圖論和鏈接分析，與演化無關。
(B) Centrality：在圖論中，中心性度量節點在網絡中的重要性，有多種計算方法（如度中心性、接近中心性、介數中心性），與演化無關。

本題考查的是價值鏈模型（Value Chain Model）的理解。價值鏈模型由 Michael Porter 提出，用來分析企業如何透過一系列活動來創造價值，並獲得競爭優勢。

價值鏈模型將企業的活動分為主要活動（Primary Activities）和支援活動（Support Activities）。

• 主要活動包括：內部后勤、生產作業、外部后勤、行銷與銷售、服務。
• 支援活動包括：採購、技術開發、人力資源管理、企業基礎結構。

選項分析：
(A) categorizes four basic strategies a firm can use to enhance its value chain.：價值鏈模型本身是一個分析框架，用來分解企業活動，而不是直接歸納出四種策略。策略的制定是基於對價值鏈的分析結果。

本題考查的是 GPU（圖形處理器）相較於 CPU（中央處理器）在 AI 應用中的優勢，以及何者「不是」其優勢。

AI 應用，特別是深度學習，涉及大量的矩陣運算和並行計算。GPU 在這方面具有天生優勢。

選項分析：
(A) Parallel Processing (並行處理)：GPU 擁有數千個核心，擅長同時處理大量數據，非常適合深度學習中的矩陣乘法等並行運算任務。這是 GPU 相較於 CPU 的主要優勢。
(B) Memory Bandwidth (記憶體頻寬)：GPU 通常擁有比 CPU 更高的記憶體頻寬，這意味著它可以更快地讀取和寫入數據，這對於處理大型數據集和複雜模型至關重要。這也是 GPU 的優勢。
(C) Specialized Architecture (專用架構)：GPU 的架構經過優化，特別擅長執行大規模並行計算和浮點運算，這與 AI 工作負載的需求高度契合。這也是 GPU 的優勢。
(D) GPU has a higher CP value than CPU：這裡的 "CP value" 是一個模糊的說法，不符合標準的技術術語。

本題考查的是企業戰略管理中的術語。題目描述了一個影響企業發展方向的力量。

在戰略管理中，我們經常分析外部環境對企業的影響。這些影響因素可以被視為推動或阻礙企業發展的力量。

選項分析：
(A) Driver (驅動因素)：驅動因素是指能夠推動事物發展或變化的力量。在商業環境中，外部的趨勢、技術、法規、客戶需求等都可以成為推動企業發展方向的「驅動因素」。這與題目的描述非常吻合。
(B) Matrix (矩陣)：矩陣是一個數學概念，在商業管理中，矩陣可以指代組織結構（如矩陣式組織）或用於分析的工具（如 BCG 矩陣、SWOT 矩陣），但它本身不是一個「力量」。

本題考查的是 IT 資源管理和部署的關鍵概念。題目描述了一種將計算資源（如計算能力、存儲）抽象化，使其擺脫物理限制、可隨時隨地訪問的過程。

這個描述指向的是一種將物理資源轉化為邏輯資源的技術。

選項分析：
(A) Distribution (分佈)：分佈式系統是指計算任務或數據分散在多台計算機上，通過網絡協同工作。雖然分佈式系統可以提供高可用性和可擴展性，但它本身不一定實現了題目中「不受物理配置或地理位置限制」的抽象化。

本題考查的是社會學或倫理學中關於決策或判斷的術語。題目描述了一種基於狹隘或個人特徵來做判斷和行動的行為。

這種行為通常帶有偏見，並且沒有考慮到普遍的原則或客觀標準。

選項分析：
(A) Localization (本地化)：本地化是指將產品、服務或內容適應特定地區或語言的過程。與題目描述的判斷方式無關。
(B) Prejudicial (有偏見的)：Prejudicial 是形容詞，指帶有偏見的。題目描述的是一種行為或判斷方式，而 prejudicial 是對這種方式的描述。雖然相關，但不是名詞術語。

本題考查的是全球化經營面臨的挑戰。題目要求找出「除外」的選項，也就是說，哪個選項不是發展全球化業務的挑戰。

在全球化經營中，企業需要跨越國界，面對不同的文化、法律、經濟環境。

選項分析：
(A) Exchange rates (匯率)：國際貿易和投資涉及不同貨幣之間的兌換，匯率的波動會影響企業的收入、成本和利潤，是全球化經營面臨的主要挑戰之一。
(B) Foreign accounting practices (外國會計準則)：不同國家有不同的會計準則和報告要求，企業需要遵守這些規定，並可能需要進行複雜的轉換，這增加了合規和財務報告的難度。這是全球化經營的挑戰。
(C) Language differences (語言差異)：溝通是跨國業務的基礎。

本題考查的是資訊系統（IS）專案中常見的組織架構和團隊組成。題目描述了一個由系統分析師、終端用戶業務領域專家、應用程式開發人員以及可能的數據庫專家組成的團隊。

這種組合的團隊通常是為了執行特定的專案或任務而組建的。

選項分析：
(A) Project management group (專案管理組)：專案管理組主要負責專案的規劃、執行、監控和收尾，其成員通常是專案經理及其支持人員，不一定包含所有題幹中列出的技術和業務專家。
(B) IS steering committee (資訊系統指導委員會)：資訊系統指導委員會通常由高階主管組成，負責制定資訊系統的整體策略、優先級和預算，監督資訊系統的發展方向。

本題考查的是企業績效評估的方法。題目描述了一種由管理層定義，用於內部評估企業在財務、業務流程、客戶、學習與成長等四個維度上成功程度的衡量方法。

這四個維度是企業績效管理中一個非常經典的框架。

選項分析：
(A) BPM (Business Process Management，業務流程管理)：BPM 是一種管理方法論，專注於優化和自動化業務流程，以提高效率和效益。它是一種方法，而不是一套衡量成功的維度。
(B) The balanced scorecard method (平衡計分卡方法)：平衡計分卡是由 Robert Kaplan 和 David Norton 提出的績效管理工具。

本題考查的是半導體產業發展趨勢的著名定律。題目描述了「晶片上元件數量約每 18 個月翻倍」的現象。

這個現象是觀察和預測半導體技術進步速度的重要指標。

選項分析：
(A) Amdahl's Law (安德爾定律)：安德爾定律主要用於分析系統的並行化潛力，它指出一個系統的加速比受限於其串行部分的比例。與晶片元件數量翻倍無關。
(B) Moore's Law (摩爾定律)：摩爾定律是由 Intel 聯合創始人 Gordon Moore 在 1965 年提出的。

本題要求解釋幾個資訊系統開發與管理相關的術語。此處解釋 Agile Development。

Agile Development (敏捷開發)

敏捷開發是一種迭代式和增量的軟體開發方法論，強調快速響應變化的需求，並通過持續的客戶協作來交付可工作的軟體。它與傳統的瀑布式開發模型（Waterfall Model）形成對比，後者通常採用線性的、階段性的開發流程。

核心原則與價值觀（源自敏捷宣言）：

1. 個體與互動高於流程與工具 (Individuals and interactions over processes and tools)：重視團隊成員之間的溝通和協作。
2. 可工作的軟體高於詳盡的文檔 (Working software over comprehensive documentation)：優先交付能夠運行的軟體，而非僅僅是說明文件。
3. 客戶合作高於合約協商 (Customer collaboration over contract negotiation)：強調與客戶的緊密合作，共同定義和調整需求。
4. 響應變化高於遵循計劃 (Responding to change over following a plan)：樂於接受需求變化，並及時調整開發方向。

本題要求解釋幾個資訊系統開發與管理相關的術語。此處解釋 Balanced Scorecard Method。

Balanced Scorecard Method (平衡計分卡方法)

平衡計分卡（Balanced Scorecard, BSC）是由 Robert S. Kaplan 和 David P. Norton 在 1990 年代初提出的，是一種戰略績效管理工具。它旨在克服傳統上過度依賴財務指標來評估企業績效的局限性，通過從多個角度來衡量和管理組織的績效，從而確保組織戰略目標的實現。

平衡計分卡的核心在於「平衡」，即在以下四個關鍵的績效衡量維度之間取得平衡：

1. 財務 (Financial Perspective)：

   • 關注股東價值，評估企業的盈利能力、成長性和股東回報。
   • 典型指標：營收增長率、利潤率、股東權益報酬率（ROE）、現金流量。

2. 客戶 (Customer Perspective)：

   • 關注客戶的滿意度和忠誠度，評估企業為客戶創造價值的能力。
   • 典型指標：客戶滿意度、市場佔有率、客戶保留率、新客戶獲取率。

3. 內部業務流程 (Internal Business Process Perspective)：

   • 關注企業內部運營的效率和有效性，評估企業如何優化流程以滿足客戶和股東的要求。
   • 典型指標：生產週期時間、產品質量、流程效率、創新能力。

本題要求解釋幾個資訊系統開發與管理相關的術語。此處解釋 Churn Rate。

Churn Rate (客戶流失率 / 解約率)

Churn Rate，也稱為客戶流失率或解約率，是一個衡量在特定時期內，企業失去的客戶或訂閱用戶比例的指標。它通常用於評估客戶忠誠度、服務質量和產品吸引力。

計算公式：
$\text{Churn Rate} = \left( \frac{\text{在期初流失的客戶數}}{\text{在期初的總客戶數}} \right) \times 100\%$
或者，更常見且更精確的計算方式是：
$\text{Churn Rate} = \left( \frac{\text{在某統計週期內流失的客戶數}}{\text{該週期內的平均客戶數或期初客戶數}} \right) \times 100\%$

• 統計週期：通常是月度（Monthly Churn Rate）、季度（Quarterly Churn Rate）或年度（Annual Churn Rate）。
• 流失的客戶數：指在該統計週期內停止使用服務、取消訂閱或不再購買產品的客戶數量。
• 客戶數：可以是期初的客戶總數，或該週期內的平均客戶總數。對於訂閱制業務，通常是指期初的活躍用戶數。

本題要求解釋幾個資訊系統開發與管理相關的術語。此處解釋 DDoS Attack。

DDoS Attack (分散式阻斷服務攻擊)

DDoS (Distributed Denial-of-Service) Attack，中文稱為分散式阻斷服務攻擊，是一種惡意網路攻擊，旨在使目標服務（如網站、伺服器、網路資源）無法為合法用戶提供正常服務。攻擊者通過利用大量被感染的計算機（稱為「殭屍網路」或 Botnet）同時向目標發起海量請求，耗盡目標的帶寬、處理能力或系統資源，從而導致服務器過載、崩潰或無法響應。

攻擊原理：

1. 殭屍網路 (Botnet)：攻擊者首先通過惡意軟體感染大量的計算機、伺服器、物聯網設備等，將它們組建成一個「殭屍網路」。這些被控制的設備可以由攻擊者遠程指揮。
2. 海量請求：攻擊者指揮殭屍網路中的所有設備，在極短的時間內，同時向目標服務發送大量的連接請求、數據包或無效流量。
3. 資源耗盡：目標服務器或網路設備由於無法處理如此龐大的請求流量，其 CPU、記憶體、網絡帶寬等資源被迅速耗盡。
4. 服務中斷：合法用戶發送的請求無法得到響應，或者響應時間極長，導致服務不可用。

常見的 DDoS 攻擊類型：

• 流量型攻擊 (Volumetric Attacks)：通過發送巨量的數據包淹沒目標的網絡帶寬，如 UDP 洪水、ICMP 洪水。
• 協議攻擊 (Protocol Attacks)：利用 TCP/IP 協議的漏洞，耗盡服務器或中間設備（如防火牆、負載均衡器）的資源，如 SYN 洪水、Ping of Death。

本題要求解釋幾個資訊系統開發與管理相關的術語。此處解釋 General Data Protection Regulation (GDPR)。

General Data Protection Regulation (GDPR)

《通用數據保護條例》（General Data Protection Regulation, GDPR）是歐洲聯盟（EU）於 2016 年通過的一項關於數據保護和隱私的法律，並於 2018 年 5 月 25 日正式生效。GDPR 的目標是加強和統一歐盟範圍內個人數據的保護，並賦予個人對其數據的更多控制權。

核心原則與要求：

1. 數據最小化 (Data Minimization)：企業只能收集與其聲明目的相關且必要的個人數據。
2. 目的限制 (Purpose Limitation)：個人數據只能為特定、明確和合法的目的收集，且不得以與這些目的不符的方式進一步處理。
3. 準確性 (Accuracy)：個人數據應當是準確的，並在必要時保持最新。
4. 儲存限制 (Storage Limitation)：個人數據的儲存形式應當允許識別數據主體的時間不超過實現處理個人數據的目的所需的時間。
5. 完整性與保密性 (Integrity and Confidentiality)：個人數據應當以確保適當的安全性的方式進行處理，包括防止未經授權或非法的處理以及意外丟失、破壞或損壞。
6. 問責制 (Accountability)：數據控制者（個人數據的處理者）應當對遵守上述原則負責，並能夠證明其合規性。

關鍵概念：

• 個人數據 (Personal Data)：指任何與已識別或可識別的自然人（「數據主體」）相關的信息。這包括姓名、識別號碼、位置數據、在線標識符，以及與該自然人的生理、遺傳、心理、經濟、文化或社會身份有關的一個或多個特定因素。