115 年 國立中山大學資訊管理學系碩士班甲組《管理資訊系統》

本題考查資訊科技(ICT)導入對組織結構的影響。核心觀念在於資訊系統如何改變資訊的流動與決策權的分配。

原情境描述了一個典型的科層式組織，資訊傳遞緩慢且低效，導致了嚴重的營運問題。當導入ICT工具時，資訊的傳遞速度和範圍會大幅提升，決策者可以更快、更全面地獲取資訊。這將有助於打破資訊孤島，減少資訊不對稱，並支持更分散、更快速的決策。

本題考查網路效應(Network effects)的定義。網路效應是資訊管理和經濟學中一個重要的概念，尤其與網路型產品和服務相關。

網路效應是指一個產品或服務的價值，會隨著使用該產品或服務的用戶數量增加而增加。換句話說，當越多的人使用某個系統或平台時，這個系統或平台對每個用戶來說就越有價值。

本題考查「任務——技術配適(Task-Technology Fit)」理論在群眾外包(Crowdsourcing)應用上的適用性。Task-Technology Fit理論的核心思想是，當任務的性質與所使用的技術的特性相匹配時，任務績效將會提升。

群眾外包是一種將傳統上由員工或承包商執行的工作，外包給廣大、未定義的群眾（通常透過網際網路）的模式。這種模式的優勢在於可以利用眾多人的智慧、技能和時間，但同時也面臨著協調、品質控制和成果驗證的挑戰。

適用於群眾外包的任務通常具備以下特徵：

1. 可分解性 (Modularity)：任務可以被分解成許多較小的、獨立的部分，這些部分可以被不同的個體或小組完成。
2. 可驗證性 (Verifiability)：任務的成果可以相對容易地被評估、驗證和整合。

本題考查長尾理論(Long tail theory)在數位市場中成立的關鍵系統層級前提條件。長尾理論指出，在數位時代，由於網路的普及和技術的進步，許多原本屬於「長尾」的、需求量較小的產品或服務，由於其總體市場份額的累積，也能夠產生可觀的經濟效益。

長尾理論能夠在數位市場中成立，主要有以下幾個關鍵因素：

1. 極低的儲存與分銷成本：數位產品（如音樂、電影、書籍）的邊際生產和儲存成本幾乎為零，這使得可以提供海量的商品。
2. 極低的搜尋成本：透過強大的搜尋引擎、推薦系統和分類機制，消費者能夠更容易地找到他們感興趣的、數量龐大的長尾商品。
3. 集聚效應 (Aggregation)：透過網路平台，可以將分散的需求匯集起來。

選項分析：
(A) 產品邊際生產成本與儲存成本趨近於零：這是長尾理論能夠成立的基礎，特別是對於數位產品。這使得平台可以提供海量的商品而無需擔心庫存壓力。

本題考查物聯網(IoT)架構中不同層級的功能，以及哪一層最直接支撐管理決策與流程整合。一個典型的IoT架構通常包含幾個層級：

1. 感測器/裝置層 (Sensor/Device Layer)：負責收集原始數據，如溫度、震動等。
2. 通訊/網路層 (Communication/Network Layer)：負責將收集到的數據傳輸到雲端或邊緣節點。
3. 資料處理/平台層 (Data Processing/Platform Layer)：接收、儲存、處理和分析數據。這層通常包含雲端平台或邊緣計算節點。
4. 應用/服務層 (Application/Service Layer)：將處理後的數據轉化為有用的資訊、決策和服務，供用戶或下游系統使用。

本題考查邊緣運算(Edge computing)的核心價值。邊緣運算是一種分散式運算模式，它將計算和數據儲存移近數據的來源，而不是將所有數據都傳輸到集中的雲端進行處理。

核心價值在於：

1. 降低延遲 (Reduced Latency)：由於數據無需長途傳輸到雲端，處理速度更快，對於需要即時響應的應用（如自動駕駛、工業自動化）至關重要。
2. 減少頻寬消耗 (Reduced Bandwidth Consumption)：只傳輸必要的數據或處理後的結果到雲端，節省了網路頻寬。
3. 提高可靠性 (Improved Reliability)：即使在網路連接不穩定或中斷的情況下，邊緣設備仍能獨立運作。
4. 增強安全性與隱私 (Enhanced Security and Privacy)：敏感數據可在本地處理，減少傳輸過程中洩露的風險。

本題考查服務導向架構(Service-Oriented Architecture, SOA)的定義與特性。SOA是一種軟體架構風格，它將應用程式建構成可重用的「服務」(Services)，這些服務之間透過標準化的介面進行通訊。

SOA的關鍵特徵包括：

• 服務 (Services)：獨立的功能單元，具有定義好的介面。
• 鬆散耦合 (Loose Coupling)：服務之間不依賴於彼此的具體實現細節，只依賴於標準化的介面。這使得服務可以獨立開發、部署、修改和替換。
• 標準化介面 (Standardized Interfaces)：服務之間透過通用的協定（如SOAP, REST）進行通訊。
• 服務重用 (Service Reusability)：將功能封裝成服務，便於在不同的應用程式中重用。
• 服務協調 (Service Orchestration/Choreography)：通過組合多個服務來實現更複雜的業務流程。

本題考查容器化技術(Containerization)的特性。容器化技術（如Docker）是一種作業系統層級的虛擬化技術，它允許將應用程式及其所有依賴（函式庫、執行檔、設定檔等）打包成一個獨立的可執行單元——容器。

容器的關鍵特性包括：

• 輕量級 (Lightweight)：與傳統的虛擬機(VM)相比，容器共享主機作業系統的核心，不需要額外的作業系統，因此啟動速度快，資源開銷小。
• 隔離性 (Isolation)：每個容器都在獨立的環境中運行，與其他容器和主機系統隔離，確保應用程式的依賴關係不會互相影響。
• 可攜性 (Portability)：容器可以在任何支援容器運行環境的機器上運行，無論是開發者的筆記型電腦、測試伺服器還是生產環境，都能保證應用程式運行的一致性。
• 效率 (Efficiency)：由於共享作業系統核心，同一台伺服器可以運行比虛擬機多得多的容器。

本題考查機器學習中的不同學習方式，以及哪一種適合用於預測顧客是否流失。

核心觀念是區分監督式學習、非監督式學習和強化學習。

• 監督式學習 (Supervised Learning)：使用帶有標籤的訓練數據來訓練模型，模型學習從輸入特徵到輸出標籤的映射關係。
• 非監督式學習 (Unsupervised Learning)：使用沒有標籤的訓練數據，模型尋找數據中的結構、模式或關聯性，例如分群(Clustering)或降維(Dimensionality Reduction)。
• 強化學習 (Reinforcement Learning)：模型透過與環境互動，根據收到的獎勵或懲罰來學習最佳的行動策略。

題目中提供了「客戶特徵、交易行為」作為輸入，以及「是否已流失」(1=已流失, 0=未流失)作為輸出的標籤。

本題考查深度學習(Deep Learning)模型的核心特性，以及其在醫療影像診斷應用中的體現。

深度學習是機器學習的一個分支，其核心特徵在於使用包含多個處理層（深度神經網路）的架構，這些層能夠從原始數據中自動學習和提取越來越抽象、越來越高階的特徵表示。

選項分析：
(A) 系統主要依賴人工專家事先撰寫的診斷規則：這是傳統專家系統或基於規則的系統的特點，而不是深度學習。深度學習是從數據中學習規則，而不是依賴預先定義的規則。
(B) 系統在資料量有限的情況下即可維持穩定效能：深度學習模型通常需要大量的數據來進行有效的訓練，以避免過擬合並學習複雜的模式。在資料量有限的情況下，深度學習模型的表現往往不如傳統機器學習模型，且容易不穩定。

本題考查企業資訊系統依管理層級分類的特性。根據決策的結構化程度和管理者的層級，資訊系統可以大致分為以下幾類：

1. 交易處理系統 (Transaction Processing Systems, TPS)：支援日常營運活動，處理大量、結構化的交易數據。例如，銷售點系統、訂單處理系統。主要支援結構化、例行性的營運層級作業。
2. 管理資訊系統 (Management Information Systems, MIS)：從TPS收集數據，經過處理和彙總，提供報表給中階管理者，以支援結構化和半結構化的決策。
3. 決策支援系統 (Decision Support Systems, DSS)：為中階管理者提供更進階的分析工具和模型，以支援半結構化和非結構化的決策。通常包含模型庫、數據庫和使用者介面。
4. 高階管理系統/高層主管資訊系統 (Executive Information Systems/Executive Support Systems, EIS/ESS)：為高階管理者提供高層次的、彙總的資訊，以支援非結構化的策略性決策。通常整合內外部資訊，並提供儀表板式的視覺化介面。

本題考查企業智慧(Business Intelligence, BI)的分析工具，特別是針對「假設分析」(What-if analysis)的需求。

題幹描述的情境是「如果利率上升1%,違約率會如何變化」。這是一個典型的假設分析問題，即改變一個或多個變數（利率），觀察對另一個變數（違約率）的影響。

BI工具的種類與功能：

• 視覺化儀表板 (Dashboards / Data Visualization)：主要用於展示數據摘要、趨勢和關鍵績效指標(KPIs)，幫助使用者快速了解現狀，但通常不直接用於進行複雜的模擬和假設分析。
• 資料探勘 (Data Mining) / 機器學習 (Machine Learning)：這些技術用於發現數據中的模式、關聯性和進行預測。例如，可以訓練一個模型來預測違約率，但它們本身不是直接用於進行「What-if」模擬的工具。雖然可以透過建立預測模型後，再輸入不同的利率值來觀察預測結果，但這不是最直接或最常用的BI工具。

本題考查系統架構風格的辨識。題目描述的模式是：一個事件（訂單已建立）發生後，多個獨立的服務（物流、金流、通知）對這個事件做出反應，而這些服務之間不直接互相呼叫，而是透過事件進行協作。

核心概念：

• 服務導向架構 (SOA)：將應用程式建構成可重用的服務，服務之間透過標準化介面通訊。SOA強調服務的重用和鬆散耦合，但服務之間的協作不一定是以事件為驅動。
• 事件導向架構 (EDA)：系統由事件的生產者、消費者和事件代理組成。事件生產者發布事件，事件消費者訂閱感興趣的事件並做出反應。這種架構的特點是非同步、鬆散耦合，事件是系統互動的核心。
• 微服務架構 (Microservices Architecture)：將應用程式拆分成一系列小型的、獨立運行的服務，每個服務運行在自己的進程中，並透過輕量級的機制（如REST API）進行通訊。微服務常與EDA結合，但其核心是服務的獨立部署和運行。
• 用戶端-伺服端架構 (Client-Server Architecture)：一種基本的網絡架構，其中客戶端請求服務，伺服端響應請求。

本題考查系統架構的分層。題目描述了一個從傳統三層式架構演變而來的系統。

傳統的三層式架構通常包含：

1. 表現層 (Presentation Layer)：使用者介面，即前端。
2. 應用層 (Application Layer)：處理業務邏輯，即應用層。
3. 資料層 (Data Layer)：儲存和管理數據，即資料庫。

題目中提到，在原有的三層架構基礎上，額外增加了一個「獨立服務/整合層」，這個層級「專門封裝對各種後端系統與資料庫的存取，並以標準 API 對前端與外部合作夥伴提供服務」。這個新加入的層級，在功能上介於應用層和後端系統之間，負責提供統一的服務介面，屏蔽後端複雜性，並實現服務的重用。

這就形成了一個新的分層結構：

1. 表現層 (Presentation Layer) - 前端
2. 應用層 (Application Layer) - 業務邏輯

本題考查雲端運算的三種主要服務模式：SaaS、PaaS、IaaS。理解這些模式的區別在於「誰負責管理什麼」。

1. 軟體即服務 (SaaS)：雲端供應商提供完整的應用程式，使用者只需透過瀏覽器或終端設備使用，無需關心底層的基礎設施、作業系統或應用程式本身。例如：Gmail, Office 365。
2. 平台即服務 (PaaS)：雲端供應商提供一個開發和部署應用程式的平台，包括作業系統、中間件、運行環境等。使用者可以在此平台上開發、測試、部署和管理自己的應用程式，但無需管理底層的硬體和作業系統。例如：Google App Engine, Heroku。
3. 基礎設施即服務 (IaaS)：雲端供應商提供最底層的計算資源，包括伺服器（虛擬機）、儲存、網路等。使用者可以自由選擇和安裝作業系統、中間件、應用程式，並負責其維護。例如：Amazon EC2, Microsoft Azure Virtual Machines。

本題考查自然語言處理(NLP)的應用情境。自然語言處理(NLP)是人工智能的一個分支，專注於讓計算機能夠理解、解釋和生成人類語言。

NLP的典型任務包括：

• 文本分類（如情感分析、垃圾郵件檢測）
• 命名實體識別（NER）
• 機器翻譯
• 文本摘要
• 問答系統
• 語音識別
• 文本生成

選項分析：
(A) 分析顧客在社群媒體與評論中的文字內容,以判斷其情緒傾向(正向、負向、或中立)：這是一個典型的情感分析 (Sentiment Analysis) 任務，屬於自然語言處理的範疇。

本題考查平台經營模式的特點，並與傳統企業營運模式進行比較。

平台經濟的核心在於連接兩方或多方的市場參與者，並促進他們之間的互動和交易。

選項分析：
甲. 平台企業通常同時連結多個使用者群體,形成多邊市場結構：這是平台經濟的定義之一。例如，電商平台連接買家和賣家；叫車平台連接司機和乘客；社交媒體平台連接用戶和廣告商。這種多邊市場結構是平台的核心。
乙. 平台企業高度依賴資料蒐集與演算法,以協調交易與提升效率：平台透過收集用戶行為數據，分析數據，並利用演算法來優化匹配、推薦、定價等，從而提升交易效率和用戶體驗。例如，電商平台的推薦算法，叫車平台的派單算法。

核心觀念

共享經濟平台透過數位平台媒合供給者與需求者，讓閒置資產、服務或勞動力得以被共享或短期使用。平台模式能降低搜尋與交易成本，但也帶來勞動保障、法規適用及市場競爭等治理問題。

解題方法

逐項判斷各敘述是否屬於共享經濟平台普遍面臨的問題。甲、乙、丙分別涉及勞動關係、法規適用與產業競爭，都是典型挑戰；丁則把共享經濟描述成受限於特定產業、難以跨產業擴散，與共享平台已運用於交通、住宿、零工服務等不同領域的情況不符。

選項分析

• 甲：正確。 平台常將提供服務的勞動者界定為獨立承攬者，而非正式受僱員工，因此勞工是否享有最低工資、保險及職災保障等權益，容易引發爭議。
• 乙：正確。 既有法規多依傳統產業的組織與責任模式制定。

核心觀念

本題考查物聯網（IoT）如何透過感測器蒐集資料，以及資料治理、分析能力與邊緣運算如何影響組織的決策與系統成效。

IoT 系統能持續蒐集大量設備與環境資料，但「有資料」不等於「有管理價值」。資料須經過品質控管、整合、分析，並結合組織流程與決策需求，才能轉化為可採取行動的資訊。邊緣運算則是在資料接近產生端進行處理，以降低傳輸延遲並支援即時反應。

解題方法

逐一判斷各敘述是否把 IoT 的效益說成必然，或是否忽略了系統與組織層面的條件：

• 資料治理與分析不足時，資料難以轉化為決策資訊。
• 高品質感測資料有助於決策，但不會自動保證決策品質提升。
• 邊緣運算能減少資料傳輸與處理延遲，適合即時需求。
• 系統成功須考量整體架構、治理、整合與流程，不能只看感測器精準度。

選項分析

本題考查邊緣運算(Edge Computing)的特性與影響。

選項分析：
甲. 邊緣運算的導入,必然會降低組織對雲端運算的依賴：這不一定「必然」。邊緣運算通常是與雲端運算協同工作的，而不是完全取代。邊緣運算擅長處理即時性要求高的任務和數據預處理，而雲端則適合進行大規模的數據儲存、複雜的分析和長期趨勢的建模。因此，邊緣運算的導入更多是補充和優化雲端運算，而非必然降低依賴。
乙. 在即時性要求極高的應用情境中,邊緣運算可降低延遲並提升系統反應能力：這是邊緣運算的核心價值之一。

核心觀念

強化學習是讓智能體在環境中觀察狀態、採取行動，再依環境給予的獎勵或懲罰調整策略。經過反覆互動，智能體逐步學得能提高長期累積獎勵的行動策略。

強化學習適合需要持續決策、能從行動結果取得回饋的情境。企業導入時，仍須由人設定目標、限制條件與監督方式；此外，模型的決策過程也可能不易完整解釋。

解題方法

逐項判斷甲、乙、丙、丁，再對照各選項的組合。判斷關鍵是：強化學習仰賴反覆互動與回饋，因此「一次性或非重複性」通常不符合其學習方式；而人類設定目標及監督、模型可解釋性有限，則都是常見的實務考量。

選項分析

• 甲：正確。 強化學習透過獎勵與回饋，調整行動策略，以提升決策績效。
• 乙：錯誤。 強化學習通常需要反覆在狀態與行動之間互動，從結果回饋中學習。

本題考查區塊鏈、智慧合約(Smart Contract)和DAO(去中心化自治組織)的相關知識，重點在於分析可能導致資金被鎖定在合約中的原因。

核心概念：

• 智慧合約 (Smart Contract)：部署在區塊鏈上，自動執行預設合約條款的程式碼。一旦部署，其邏輯通常難以更改。
• 去中心化自治組織 (DAO)：一種基於區塊鏈的組織形式，由社群成員通過投票來管理。
• 區塊鏈的最終性 (Finality)：一旦交易被確認並納入區塊鏈，通常是不可逆轉的（除非是採用特定共識機制的區塊鏈，但一般而言，已確認的交易是永久性的）。

選項分析：
甲. 智慧型合約的程式碼本身可能存在邏輯漏洞(Bug),導致在處理投票結果和資金轉移的函式中產生錯誤的狀態鎖定。：這是最常見的可能性之一。智慧合約是程式碼，程式碼就可能存在錯誤(Bug)。如果合約在處理投票結果或執行資金轉移邏輯時有缺陷，就可能導致資金被意外鎖定。
乙. 區塊鏈的最終性(Finality)代表所有已上鏈的狀態都可以在必要時由系統管理者回滾或手動更正,因此資金被鎖定的問題通常可以透過管理者介入來修復。：這是錯誤的。

本題考查企業系統整合的觀點。

選項分析：
甲. BI的分析能力高度仰賴企業資源規劃(ERP)、顧客關係管理(CRM)、供應鏈管理(SCM)所提供的資料：這是正確的。商業智慧(BI)的目的是從企業數據中提取有價值的洞察，而ERP、CRM、SCM等核心業務系統是企業數據的主要來源。BI分析的有效性直接取決於這些系統提供的數據質量和全面性。
乙. 資料治理是企業系統成功的關鍵要素：這是正確的。資料治理(Data Governance)確保數據的準確性、一致性、安全性和可用性，是所有企業系統（包括系統整合和BI）成功的基礎。

核心觀念

• 企業資源規劃系統 (ERP)：以整合企業內部所有資源（財務、會計、人事、製造、庫存等）為主，提供跨部門、跨功能的事務流程與資料共享，支援企業內部的作業自動化與即時資訊。
• 供應鏈管理系統 (SCM)：聚焦於企業與外部供應商、客戶之間的物流、資訊、資金流整合，目的是提升供應鏈端到端的可視化、協同與效率。
• 互補性：ERP 主要在企業內部建立一致的營運基礎，SCM 延伸至企業外部，兩者在功能與資料層面互為補足，常透過介面或整合平台形成端到端的流程。
• 平台化與取代關係：在高度數位化的環境下，SCM 可能扮演關鍵平台角色，但仍無法全面取代 ERP，因 ERP 負責核心的財務、會計、資源管理等內部作業。

解題方法

1. 先釐清每個敘述的主體與核心概念。
2. 判斷敘述是否符合上述 ERP、SCM 的功能定位與互動關係。
3. 逐一檢驗選項內的組合是否全部正確，若任一敘述錯誤則該組合不成立。

選項分析

本題考查Data Lake的設計與應用，以及為何可能無法有效支援決策。

核心概念：

• Data Lake：一個集中式的儲存庫，可以儲存大量結構化、半結構化和非結構化數據，通常以原始格式儲存，允許在需要時進行處理和分析。
• Schema-on-Read：與Schema-on-Write（如傳統數據倉庫）相對，Data Lake在讀取數據時才定義結構和Schema，這提供了靈活性，但也可能導致數據混亂。
• Data Swamp (資料沼澤)：指由於缺乏良好的數據治理、元數據管理和明確的分析目標，導致Data Lake中的數據難以查找、理解和使用，最終失去價值的狀態。

選項分析：
甲. 若Data Lake缺乏明確的分析目標與使用情境設計,容易演變為缺乏價值產出的「資料沼澤(data swamp)」：這是正確的。Data Lake的價值在於其數據的可用性和分析潛力。如果沒有明確的目標和使用情境，數據就可能被隨意堆積，難以被有效利用，最終成為「資料沼澤」。
乙. 由於Data Lake採取schema-on-read的設計原則,其運作本質上可弱化甚至取代傳統資料治理機制：這句話有誤導性。Schema-on-Read提供了靈活性，但並非要弱化或取代傳統資料治理機制。

本題考查現代電商營運模式的定義。題目描述的核心是「處處都能買，體驗都一致」，強調的是跨多個通路（線上商店、APP、實體店）的整合和一致性。

選項分析：
(A) O2O (Online to Offline)：指的是線上活動引導至線下消費，或線下活動引導至線上消費。例如，線上購買優惠券，線下兌換；或線下掃描二維碼，獲得線上優惠。它強調的是線上線下的連接，但未必是體驗的完全一致。
(B) OMO (Online-Merge-Offline)：這是O2O的進階概念，強調線上與線下的融合，創造更無縫的購物體驗。

本題考查轉換成本(Switching Cost)的定義與組成。轉換成本是指客戶從一個供應商轉移到另一個供應商時所產生的額外成本。這些成本會增加客戶更換供應商的難度，從而提高客戶的忠誠度。

轉換成本通常包括：

• 搜尋成本 (Search Costs)：尋找新供應商、評估其產品或服務所需的成本。
• 評估成本 (Evaluation Costs)：評估新供應商的產品、服務和信譽的成本。
• 學習成本 (Learning Costs)：學習如何使用新供應商的產品或服務，或適應新供應商的流程所需的成本。
• 轉換成本 (Transition Costs)：實際進行轉換過程中的成本，例如安裝新設備、遷移數據、終止舊合約的費用。

本題考查電子商務平台的核心流程服務。一個成熟的購物平台需要串聯從用戶瀏覽商品到最終收到商品的整個過程。這通常涉及以下幾個關鍵流程：

1. 資訊流 (Information Flow)：這是購物過程的基礎。用戶需要看到商品資訊（圖片、描述、價格、評價等），平台需要傳達訂單資訊、物流資訊、售後服務資訊等。
2. 金流 (Money Flow)：用戶需要付款，平台需要收款、處理支付，並進行退款等操作。
3. 物流 (Physical Flow)：商品需要從賣家或倉庫運輸到買家手中。

選項分析：
(A) 金流 (Money Flow)：支付是購物過程中不可或缺的一環，平台必須提供順暢的金流服務。
(B) 物流 (Physical Flow)：將商品送達買家是購物的最終目的，平台必須提供物流服務或整合物流夥伴。

本題考查數位技術的定義，特別是與現實世界映射相關的技術。

核心概念：

• Virtual Reality (VR, 虛擬實境)：創造一個完全沉浸式的、虛擬的環境，讓使用者感覺身臨其境，但與現實世界無關。
• Digital Twins (數位分身)：創建一個現實世界物理對象、系統或流程的動態虛擬表示。數位分身與其對應的實體對象保持連接，並通過實時數據進行更新，用於模擬、分析、預測和優化。
• Augmented Reality (AR, 擴增實境)：將虛擬資訊疊加到現實世界上，增強使用者對現實世界的感知。例如，AR眼鏡顯示導航資訊。
• Mixed Reality (MR, 混合實境)：結合了VR和AR的特點，既有虛擬環境，又能與現實世界進行互動。

核心觀念
本題考查「生成式 AI 的核心大腦」與「模型架構」之概念。所謂「核心大腦」指的是支撐生成式 AI 功能的深度學習模型（尤其是大型語言模型，Large Language Model, LLM）。常見的模型名稱包括：

• GPT（Generative Pre‑trained Transformer）：OpenAI 研發的 Transformer 架構的預訓練語言模型。
• Codex：基於 GPT-3 微調而成，專注於程式碼生成與理解。
• Code LLaMA：Meta（前 Facebook）推出的開源 LLM，針對程式碼任務進行微調。

若某選項並非上述屬於「模型」的名稱，而是其他概念或工具，則不屬於 AI 的「核心大腦」。

解題方法

1. 先釐清題目所問：「哪一個選項不屬於 AI 的核心大腦？」
2. 逐一比對四個選項，判斷其是否為已知的深度學習模型名稱。
3. 若選項不是模型，而是與模型無關的術語或系統，則為答案。

選項分析

本題考查資源基礎觀點(Resource-Based View, RBV)的核心要素。RBV理論認為，企業的競爭優勢來源於其擁有的、能夠產生可持續競爭優勢的內部資源和能力。這些資源和能力需要滿足一系列標準，通常用VRIO框架來概括：

• V (Valuable, 有價值的)：資源必須能夠幫助企業利用機會或抵禦威脅。
• R (Rare, 稀有的)：資源必須是少數企業才擁有的。
• I (Inimitable, 難以模仿的)：資源難以被競爭對手模仿或複製。
• O (Organized, 有組織的)：企業必須有組織和結構來利用這些資源。

題目中的選項是RBV理論對「獨特且持久的內部資源或能力」的要求，與VRIO框架中的R、I、O以及V（雖然這裡沒有直接提V，但有價值是前提）相對應。

選項分析：
(A) 稀有性 (Rare)：這是RBV理論強調的一個核心要素。如果一個資源或能力不是稀有的，競爭對手很容易獲得，就無法構成競爭優勢。
(B) 低可交易性 (Low Tradability)：這句話的表述與RBV理論的「難以模仿性」和「難以替代性」有關聯，但「低可交易性」本身不是RBV強調的核心要素。RBV更關注的是資源的「難以模仿性」和「難以替代性」，這些是構成「持續競爭優勢」的關鍵。

本題考查「數位轉型」(Digital Transformation)的定義。

核心概念：

• 數位轉型 (Digital Transformation)：指利用數位技術（如AI、大數據、雲端、物聯網、行動技術等）來根本性地改變企業的營運模式、流程、產品、服務和客戶體驗，以提升效率、競爭力、創新能力，並創造新的商業價值。它不僅僅是技術的應用，更是策略、文化和組織的全面變革。
• 企業轉型 (Business Transformation)：是一個更廣泛的概念，指企業為了應對內外部環境的變化而進行的重大、根本性的變革。

本題考查員工對新系統導入的抗拒心理，並區分哪些是心理層面因素，哪些不是。

抗拒新系統導入的原因通常是多方面的，包括心理、社會、組織和技術因素。

選項分析：
(A) 資訊焦慮 (Information Anxiety)：指對資訊過載、資訊獲取困難或資訊不確定性感到焦慮。這是一種典型的心理層面的不安感，源於對新資訊系統的不確定性或擔心無法掌握。
(B) 角色責任不明 (Unclear Role/Responsibility)：當員工不清楚新系統如何影響他們現有的職責、工作內容或在組織中的角色時，可能會產生困惑、不安甚至抗拒。這種情況更多是源於組織結構、流程設計或溝通不足，而不是員工內心的「想法或感受」。雖然這種不明確會引發心理上的不安，但其根源是組織層面的問題，而非純粹的心理因素。

本題考查專案管理中的「三重約束」(Triple Constraint)或稱「專案管理鐵三角」。這是專案管理中最基本且核心的概念，指的是專案成功的三個相互關聯的關鍵約束條件，通常是：

1. 範疇 (Scope)：專案要交付的內容，即專案的目標、功能、規格等。
2. 時間 (Time)：專案完成的期限，即專案的時程。
3. 成本 (Cost)：完成專案所需的資源和預算。

這三個要素是相互制約的。如果其中一個發生變化，其他兩個也可能受到影響。例如，增加專案範疇，通常需要更多時間和/或更多成本。

本題考查網路安全攻擊的種類，特別是利用未公開漏洞的攻擊。

核心概念：

• 服務阻斷攻擊 (Denial-of-Service, DoS) / 分散式服務阻斷攻擊 (Distributed Denial-of-Service, DDoS)：攻擊者試圖使網路服務、伺服器或網路資源不可用，通過耗盡其資源或使其無法響應合法請求。
• 蠕蟲攻擊 (Worm Attack)：一種惡意軟體，能夠自我複製並通過網路傳播，感染其他系統，通常無需使用者介入。
• 中間人攻擊 (Man-in-the-Middle, MitM)：攻擊者秘密地攔截並轉發兩個通信方之間的通信，使雙方誤以為在直接通信。

本題考查密碼學中的加密技術。題目描述的是一種使用一組公鑰和私鑰進行加解密的技術，其中公鑰用於加密，私鑰用於解密。

核心概念：

• 對稱式加密 (Symmetric Encryption)：使用單一的金鑰（密鑰）來進行加密和解密。加密方和解密方必須共享同一個金鑰。優點是速度快，缺點是金鑰分發困難。
• 非對稱式加密 (Asymmetric Encryption)：也稱為公開金鑰密碼學(Public-key Cryptography)。使用一對金鑰：一個公鑰(Public Key)和一個私鑰(Private Key)。公鑰可以公開，用於加密數據；私鑰必須保密，用於解密數據。或者，私鑰可以對數據進行簽名，公鑰可以驗證簽名。

本題考查網路安全設備，特別是工作於應用層(OSI Layer 7)且扮演「中介者」角色的設備。

核心概念：

• OSI 模型第7層 (應用層)：這是OSI模型中最頂層，直接與應用程式互動，處理使用者請求和回應。
• 過濾封包 (Packet Filtering)：這是較低層級防火牆（如網路層或傳輸層）的功能，檢查封包的IP位址、埠號等。
• 中介者 (Proxy)：代理伺服器作為客戶端和伺服器之間的橋樑。客戶端將請求發送給代理伺服器，代理伺服器再將請求轉發給目標伺服器，並將伺服器的回應轉發給客戶端。這提供了額外的安全層，因為內部網絡的真實IP位址被隱藏，並且可以檢查和過濾應用層流量。

選項分析：
(A) 下一代防火牆 (Next-Generation Firewall, NGFW)：NGFW通常整合了傳統防火牆的功能，並增加了應用層可見性、入侵防禦系統(IPS)、應用程式控制等高級功能。它可以工作在Layer 7，但「代理」不是其唯一的或最核心的定義。

本題考查網路釣魚(Phishing)的變種。題目描述的特徵是「鎖定特定目標」、「蒐集個人資訊」、「偽裝成該網站」、「誘騙輸入帳號密碼」。

核心概念：

• 網路釣魚 (Phishing)：一種詐騙手法，攻擊者偽裝成可信賴的實體（如銀行、公司），通過電子郵件、簡訊或網頁，誘騙受害者提供個人敏感資訊（如帳號、密碼、信用卡號）。
• 魚叉式釣魚 (Spear Phishing)：這是網路釣魚的一種更具針對性的形式。攻擊者會事先針對特定個人或組織進行研究，收集其個人資訊，然後發送高度客製化的詐騙訊息，使其看起來更可信，從而提高成功率。
• 鯨釣式釣魚 (Whaling)：這是魚叉式釣魚的另一種形式，專門針對組織中的高層管理者或關鍵人物（如CEO、CFO），因為他們擁有更多權限和敏感資訊。
• 水坑式攻擊 (Watering Hole Attack)：攻擊者識別目標群體經常訪問的網站，並在這些網站上植入惡意程式。

本題考查軟體開發方法論。題目描述的方法論強調「迭代和增量」、「快速交付可實際運作的軟體」、「靈活應對需求變化」、「持續溝通與協作」、「提升客戶滿意度」。

核心概念：

• 瀑布式開發 (Waterfall Model)：一種線性的、順序的開發模型，各階段（需求、設計、實現、測試、部署、維護）依次進行，不允許回溯。特點是嚴謹，但缺乏靈活性。
• 雛型開發 (Prototyping Model)：在開發初期創建一個產品的原型，讓使用者評估，然後基於反饋進行迭代修改，直到滿足使用者需求。它強調使用者參與和反饋，但可能不夠系統化。
• 螺旋式開發 (Spiral Model)：結合了瀑布模型的系統性和原型開發的迭代性，引入風險分析。每個循環都包含計畫、風險分析、工程和評估階段，適合大型、複雜且風險高的專案。

本題考查軟體開發方法論。題目描述的方法論強調「迭代和增量」、「快速交付可實際運作的軟體」、「靈活應對需求變化」、「持續溝通與協作」、「提升客戶滿意度」。

核心概念：

• 瀑布式開發 (Waterfall Model)：一種線性的、順序的開發模型，各階段（需求、設計、實現、測試、部署、維護）依次進行，不允許回溯。特點是嚴謹，但缺乏靈活性。
• 雛型開發 (Prototyping Model)：在開發初期創建一個產品的原型，讓使用者評估，然後基於反饋進行迭代修改，直到滿足使用者需求。它強調使用者參與和反饋，但可能不夠系統化。
• 螺旋式開發 (Spiral Model)：結合了瀑布模型的系統性和原型開發的迭代性，引入風險分析。每個循環都包含計畫、風險分析、工程和評估階段，適合大型、複雜且風險高的專案。

本題考查波特五力分析(Porter's Five Forces Analysis)的模型。波特五力模型是企業戰略管理中用來分析產業結構和競爭態勢的經典工具，它從五個角度來評估一個產業的吸引力和競爭強度。

五力分析的五個力量是：

1. 現有競爭者的競爭程度 (Rivalry among existing competitors)：指現有企業之間的競爭激烈程度。
2. 潛在進入者的威脅 (Threat of new entrants)：指新進入者進入市場的難易程度，以及他們可能帶來的競爭壓力。
3. 供應商的議價能力 (Bargaining power of suppliers)：指供應商對企業施加壓力的能力，例如提高價格或降低產品質量。

本題考查電子商務的核心競爭優勢來源。題目中提到了「四個基本的營運流程(四流)」，通常指的是資訊流、金流、物流、商流。而後面的問題則聚焦於「差異化競爭優勢的靈魂」。

電子商務的競爭優勢可以從多個維度來衡量，包括效率、成本、客戶關係等。在這個題目中，它特別強調「差異化競爭優勢」和「靈魂」這兩個詞，暗示尋找的是能讓企業脫穎而出、與眾不同的關鍵因素。

選項分析：
甲. 便利感 (Convenience)：便利性是電子商務的一個基本優勢，例如隨時隨地購物、節省時間等。但便利性在很多電商平台都是標配，不一定能構成「差異化」的靈魂。
乙. 體驗感 (Experience)：良好的用戶體驗，包括網站設計、互動方式、個性化推薦、售後服務等，是區分平台、提升客戶忠誠度的關鍵。在競爭激烈的電商市場，卓越的用戶體驗往往是重要的差異化因素。
丙. 價值感 (Value)：價值感是指客戶感知到的產品或服務的總體效益（包括價格、品質、功能、品牌等）與其付出的成本之間的關係。

本題考查行動行銷(Mobile Marketing)的主要模式。行動行銷是指利用行動設備（如智慧手機、平板電腦）來傳遞行銷資訊、與消費者互動、促進銷售的行銷活動。

選項分析：
甲. 聊天機器人行銷 (Chatbot Marketing)：聊天機器人可以部署在行動設備的APP或網站上，用於提供客戶服務、回答問題、甚至進行銷售。它是行動行銷的一種方式，但更側重於互動和服務。
乙. QR Code 行銷 (QR Code Marketing)：QR Code可以方便地連結線上線下的資訊，例如掃描QR Code可以進入行動網頁、下載APP、查看商品資訊、參與活動等。它在行動裝置上使用非常普遍，是行動行銷的重要組成部分。
丙. Email 行銷 (Email Marketing)：雖然Email可以通過行動設備接收，但Email行銷本身並非「行動行銷」的專屬模式。它是一種傳統的數位行銷方式，不一定需要依賴行動設備的獨特功能。

本題考查平台經濟中的「先佔優勢」(First-mover Advantage)的優點。先佔優勢是指率先進入市場的企業可能獲得的競爭優勢。在平台經濟中，由於網路效應和規模經濟的影響，先佔優勢尤為明顯。

選項分析：
甲. 網路效應 (Network Effects)：這是平台經濟中最核心的先佔優勢之一。一旦平台吸引了足夠的用戶（買家和賣家，或司機和乘客），其價值會不斷提升，形成正向循環，使得後來者難以進入。例如，越多的司機加入Uber，就越能縮短乘客的等待時間，吸引更多乘客；越多的乘客加入，就越能增加司機的收入機會，吸引更多司機。

核心觀念
本題探討的是在企業資訊部門導入 AI（尤其是生成式 AI）協助程式設計與撰寫時，可能遭遇的挑戰與限制。考查範圍屬於 資訊系統管理 中的 技術採用風險評估，主要概念包括：

• 通用性（Generalizability）：AI 工具是否能在多種開發語言、平台與業務情境下保持效能。
• 倫理與安全（Ethics & Security）：資料隱私、模型偏見、產出程式碼的版權與安全漏洞。
• 錯誤率（Error Rate）：生成程式碼的正確性、除錯成本與可靠度。
• 開發速度（Development Speed）：AI 能否真正縮短開發週期，或因調校與驗證而產生反效果。

題目要求選出 該公司在導入 AI 協助程式設計時必須考慮的挑戰與限制，而不是單純列出優勢。

解題方法

1. 逐一理解選項語意

   • 甲：通用性 → 針對不同系統的適用度。
   • 乙：倫理與安全 → 法規、機密資料、模型偏見等。
   • 丙：錯誤率 → AI 生成程式碼可能包含語法錯誤或邏輯缺陷。
   • 丁：開發速度 → 期望加速開發，但實務上可能受驗證流程影響。

2. 判斷哪些因素在「成本降低」的情境下最可能成為阻礙

   • 通用性：若 AI 只支援特定語言或框架，無法全面取代人力，反而增加培訓成本 → 必須考慮。
   • 倫理與安全：企業資訊部門處理機密或受規範限制的資料，AI 可能洩漏或產生安全漏洞，屬關鍵限制。
   • 錯誤率：生成程式碼錯誤率高會導致除錯時間增加，抵消人力成本減少的效益。
   • 開發速度：雖然 AI 可以加速初稿撰寫，但若需大量驗證與修正，速度提升不一定顯著。

3. 比對選項

   • A：甲乙丙（通用性、倫理與安全、錯誤率）
   • B：乙丙丁（倫理與安全、錯誤率、開發速度）
   • C：丙丁甲（錯誤率、開發速度、通用性）
   • D：甲乙丁（通用性、倫理與安全、開發速度）

本題考查AI在產品瑕疵檢測中的應用方式。題目強調「產品瑕疵檢測」、「自動化」、「即時」、「準確」。

核心概念：

• 影像辨識 (Image Recognition/Computer Vision)：讓電腦能夠「看見」並理解圖像內容。
• 語音識別 (Speech Recognition)：讓電腦能夠「聽見」並理解人類語音。
• 機器學習 (Machine Learning)：一種AI分支，使電腦能夠從數據中學習，而無需明確編程。
• 即時視覺檢測 (Real-time Visual Inspection)：結合影像處理和機器學習，在生產線上對產品進行即時的視覺檢查。

本題考查傳統企業進行數位轉型時需要關注的重點工作。數位轉型是一個系統性的過程，不僅僅是技術的應用，更涉及組織、流程、文化等方方面面。

核心概念：

• 數位轉型 (Digital Transformation)：利用數位技術來根本性地改變企業的營運模式、流程、產品、服務和客戶體驗，以提升效率、競爭力、創新能力。

選項分析：
甲. 購買最新硬體設備：購買新設備可能是數位轉型的一部分，但「最新」並不總是意味著「最適合」。數位轉型更注重的是技術的應用如何支持業務目標，而不是單純追求最新技術。而且，單純購買硬體設備並不能保證轉型的成功。
乙. 客戶體驗改善：這是數位轉型的關鍵目標之一。

本題考查瀑布式(Waterfall)開發方法的步驟。瀑布式開發模型是一種線性的、順序的開發方法，其階段是依次進行的，不能跳躍或回溯。

瀑布式開發模型的典型階段包括：

1. 需求分析 (Requirements Analysis)：明確定義系統的功能和需求。
2. 系統設計 (System Design)：根據需求設計系統的架構和詳細設計。
3. 實現/編碼 (Implementation/Coding)：根據設計編寫程式碼。
4. 測試 (Testing)：對編寫的程式碼進行單元測試、集成測試、系統測試等。
5. 部署 (Deployment)：將開發完成的系統安裝到生產環境中。

本題考查資訊系統專案管理的主要因素。專案管理旨在確保專案在既定時間、成本和範圍內成功完成，同時滿足相關方的期望。

選項分析：
甲. 需求與利害關係人管理 (Requirements and Stakeholder Management)：這是專案管理的核心。準確定義需求並有效管理所有利害關係人的期望和參與，是專案成功的關鍵。
乙. 策略管理 (Strategic Management)：策略管理主要關注企業的長期發展方向和競爭戰略，它為專案的目標和優先級提供指導，但策略管理本身並非專案管理的核心執行因素。專案管理更側重於如何有效執行策略。

核心觀念
資訊安全的預防階段可分為四個層次：

1. 組織管理層（政策、流程、教育訓練）
2. 人員層（角色、權限、行為監控）
3. 系統/應用層（作業系統、應用程式的安全設定）
4. **** 網路防禦層（保護資訊在網路傳輸過程中的機密性、完整性與可用性）

在網路防禦層，主要的資安工具聚焦於控制流量、隔離區域與保護通訊，常見工具包括：

• 防火牆（Firewall）：根據規則檢查進出網路的封包，阻斷未授權連線。
• 網路區隔（Network Segmentation / VLAN）：將內部網路切分為多個子網，降低橫向移動的風險。
• 虛擬私人網路（VPN）：在公網上建立加密的隧道，確保遠端連線的安全性。

加密（Encryption）則屬於資料保護層（或系統/應用層）之工具，雖然在傳輸過程中會使用加密演算法，但其核心目的在於資料本身的機密性，不屬於「網路防禦層」的主要防禦手段。

解題方法

1. 先確認題目所問的**「網路防禦層」**所涵蓋的範圍。
2. 依據資訊安全教科書或資安標準（如 ISO/IEC 27001、NIST SP 800‑53）列出此層次常見的防禦工具。
3. 將題目提供的四個選項（甲、乙、丙、丁）對照上述工具，判斷哪些屬於網路防禦層。

本題考查資訊安全中偵測與識別威脅的方法。題目要求找出用於「偵測與識別威脅來源」的方法。

核心概念：

• 偵測與識別威脅 (Threat Detection and Identification)：指在攻擊發生時或發生後，通過各種技術手段發現、分析和確定威脅的來源、性質和影響。
• 保護手段 (Protection Measures)：指為了應對威脅而採取的措施，包括預防、偵測、響應和恢復。

選項分析：
甲. 封鎖帳號 (Account Blocking)：封鎖帳號通常是響應威脅的一種措施，一旦偵測到異常活動或帳號被盜用，就立即封鎖該帳號，以阻止進一步的損害。它本身不是「偵測與識別」的方法，而是基於偵測結果採取的行動。
乙. 特徵碼比對 (Signature-based Detection)：這是傳統的防毒軟體和入侵偵測系統(IDS)常用的方法。