108 年 國立清華大學服務科學研究所資管組《管理資訊系統》

本題主要在探討區塊鏈技術在服務創新上的應用，特別是針對資訊服務領域。題目首先介紹了區塊鏈的定義、技術特性及其潛在的應用價值，並以金融與知識分享為例說明。接著，以大學校園為情境，要求考生思考如何運用區塊鏈技術來優化校園內的現有服務，並分析其優缺點。

核心觀念： 區塊鏈技術的去中心化、不可竄改、透明性等特性，如何應用於特定服務場景以達成創新與優化。

(1) 校園服務應用區塊鏈技術的設計與互動圖

服務選擇： 假設我們選擇「學術研究成果的發表與版權管理」作為欲以區塊鏈技術優化的校園服務。現行學術出版流程常涉及多方中介（如期刊編輯、出版社），且版權歸屬與利益分配可能複雜且不易追蹤。

區塊鏈應用構想：
利用區塊鏈建立一個去中心化的學術發表平台。

1. 作者（研究人員）： 將研究成果（如論文、數據集）上傳至平台，並透過智能合約（Smart Contract）自動登記其為創作者，並記錄創作時間戳。
2. 平台： 負責驗證上傳內容的完整性，並將摘要、元數據（Metadata）記錄在區塊鏈上，確保其不可竄改。
3. 讀者/使用者： 可以透過平台查詢、下載或使用研究成果。若成果涉及付費下載或授權，智能合約可自動執行費用收取與版權分潤給作者。
4. 學術機構（大學）： 可以透過區塊鏈記錄其教職員工的研究產出，作為學術貢獻的可靠證明，簡化績效評估流程。
5. 其他研究者/產業： 可以更容易地搜尋、驗證研究成果的來源與真實性，並在獲得授權後使用，促進學術交流與產業應用。

互動圖（文字描述）：

graph LR
    A[作者/研究人員] -->|上傳研究成果| B(區塊鏈平台);
    B -->|記錄元數據與交易| C{區塊鏈};
    C -->|驗證與存取| D[讀者/使用者];
    C -->|學術貢獻記錄| E[學術機構];
    D -->|付費/授權使用| B;
    B -->|自動分潤| A;
    B -->|自動分潤| E;
    F[產業/其他研究者] -->|搜尋與應用| B;

圖例說明：

• 作者/研究人員 (A) 是服務的產生者，將成果發布到平台。
• 區塊鏈平台 (B) 是服務的介面與協調者，透過區塊鏈技術管理所有資訊與交易。
• 區塊鏈 (C) 是底層技術，提供去中心化、不可竄改的記錄與驗證機制。
• 讀者/使用者 (D) 是服務的消費者，獲取研究成果。
• 學術機構 (E) 是研究成果的歸屬方，可藉此追蹤與認證。
• 產業/其他研究者 (F) 是潛在的應用者，透過平台尋找可用資源。

互動流程： 作者上傳成果，平台記錄於區塊鏈。讀者搜尋、下載，若需付費，智能合約自動處理。學術機構可審核成果。產業可尋求授權應用。

【答案】 選擇「學術研究成果的發表與版權管理」服務，並繪製上述互動圖。

(2) 應用區塊鏈技術後互動的改變

應用區塊鏈技術後，學術研究成果的服務系統將產生以下互動改變：

1. 去中介化與效率提升：
   • 作者與讀者/使用者： 互動將更直接。傳統上需透過期刊出版社的審稿、編輯、排版、發行流程，現在可能被簡化。作者可直接發布，讀者可直接存取（或透過智能合約付費）。
   • 作者與版稅/授權金收取： 智能合約可以自動處理版權費用、授權金的收取與分配，大幅減少人工處理、銀行轉帳等中介環節，降低交易成本與時間。

本題探討「假新聞」的辨識與「輿情演變」的捕捉。第一部分要求設計一個方法來區分真假新聞，第二部分則要求設計一個方法來追蹤特定事件發生後，自媒體上意見的演變。

核心觀念： 資訊的真實性驗證、自然語言處理（NLP）技術在文本分類與情感分析上的應用、時間序列分析與視覺化。

(1) 分類新聞為假新聞或真實新聞的方法

核心挑戰： 如何區分「假新聞」（Intentional misinformation）與「真實新聞」（Fact-based reporting），尤其是在自媒體時代，資訊來源多元且驗證不易。

方法設計：
我將採用一個結合規則、機器學習和外部驗證的混合方法。

假設與條件：

1. 資料集： 假設有 1000 篇中文貼文，並假設其中一部分（例如 200 篇）已由專家標註為「真」或「假」，作為訓練和測試資料。
2. 外部資訊： 假設可存取可靠的新聞來源（如大型媒體機構的官方報導、政府公告、學術研究機構的報告）作為比對依據。
3. 語言特性： 假設中文貼文的語言風格、用詞、語氣可能與真實新聞有所差異。

方法步驟：

步驟 1：資料預處理 (Data Preprocessing)

• 文本清洗： 移除網址、表情符號、特殊符號、HTML 標籤等。
• 分詞 (Tokenization)： 使用中文斷詞工具（如 Jieba）將貼文切分成詞語。
• 去除停用詞 (Stop Word Removal)： 移除常見但意義不大的詞語（如「的」、「了」、「是」）。
• 詞性標註 (Part-of-Speech Tagging)： 標註詞語的詞性，有助於後續特徵提取。

步驟 2：特徵工程 (Feature Engineering)
設計多樣化的特徵來描述每篇貼文：

• 內容特徵 (Content Features)：

  • 詞袋模型 (Bag-of-Words, BoW) 或 TF-IDF： 計算詞語的頻率或重要性。
  • N-grams： 考慮詞語組合（如 2-grams, 3-grams）。
  • 主題模型 (Topic Modeling, e.g., LDA)： 提取貼文潛在的主題。
  • 情感分析 (Sentiment Analysis)： 判斷文本的情感傾向（正面、負面、中性）。假新聞可能傾向於極端情感或煽動性語言。
  • 語言風格特徵： 詞語的獨特性、句子長度、使用標點符號的頻率、誇張詞彙的使用頻率等。

• 來源與傳播特徵 (Source & Propagation Features)：

  • 發布者資訊： 貼文發布者是否為知名媒體帳號、認證帳號，或為一般用戶？（需要外部數據庫比對）
  • 傳播模式： 貼文的轉發（Share）/評論（Comment）數量、速度、發布時間點等。（若有 API 可取得）

• 外部驗證特徵 (External Verification Features)：

  • 事實查核 (Fact-Checking)： 提取貼文中的關鍵實體（人名、地名、事件、數據），到可信賴的外部數據庫或新聞來源進行比對，檢查其是否與已知事實衝突。例如，若貼文聲稱「某官員宣布 A 政策」，則搜尋該官員近期是否有此發言。
  • 來源權威性評估： 評估貼文引用的來源（如果有的話）是否為權威媒體或機構。

步驟 3：模型選擇與訓練 (Model Selection & Training)

• 模型： 考慮使用監督式機器學習模型，如：
  • 羅吉斯迴歸 (Logistic Regression)： 簡單、可解釋性強。
  • 支持向量機 (Support Vector Machine, SVM)： 在文本分類上表現良好。
  • 隨機森林 (Random Forest) 或梯度提升樹 (Gradient Boosting Machines, e.g., XGBoost)： 對於複雜的特徵組合效果佳。
  • 深度學習模型 (Deep Learning Models)： 如基於 Transformer 的模型（BERT, RoBERTa 等）進行文本分類，能捕捉更深層的語義資訊，但需要更多數據和計算資源。
• 訓練： 使用標註好的訓練資料集，訓練模型以學習區分真假新聞的模式。
• 調優： 使用驗證集進行模型參數調優，並評估模型性能（如準確度 Accuracy, 精確率 Precision, 召回率 Recall, F1-score）。

步驟 4：分類與後處理 (Classification & Post-processing)

• 預測： 將未標註的 800 篇貼文輸入訓練好的模型進行預測，得到其為「真」或「假」的機率。
• 決策： 設定一個機率閾值（如 0.5），將貼文分類。

本題探討「可解釋人工智慧」(Explainable AI, XAI) 的重要性及其在未來資訊系統設計中的應用。題目首先定義了 XAI，並以社群媒體演算法為例說明其重要性。接著要求考生用淺顯的語言解釋 XAI 的重要性，並提出未來資訊系統的設計方案。

核心觀念： 可解釋性（Explainability）與透明性（Transparency）在人工智慧系統中的重要性，以及如何將其融入資訊系統設計。

(1) 解釋 AI 可解釋性/透明性重要性的實例

核心觀念： AI 在決策過程中，其行為和輸出應是人類可以理解、信任並進行問責的。

實例：醫療診斷輔助系統

假設有一個由 AI 驅動的醫療診斷輔助系統，它可以分析病患的各種醫療數據（如影像、病歷、基因資訊），並提出診斷建議，例如判斷某腫瘤是良性還是惡性。

為何重要？

1. 信任與接受度 (Trust & Acceptance)：

   • 如果 AI 僅給出一個診斷結果（例如「惡性腫瘤」），但醫生和病患卻不知道它是基於什麼理由得出這個結論，他們很難完全信任這個建議。
   • 醫生需要理解 AI 的推理過程，才能判斷這個建議是否符合臨床經驗、是否有遺漏關鍵資訊，進而決定是否採納。
   • 病患也需要理解自己的病情，才能做出知情的醫療決定。一個「黑箱」的 AI 建議，會讓病患感到不安和缺乏安全感。

2. 錯誤診斷的追責與改進 (Accountability & Improvement)：

   • 萬一 AI 做出錯誤的診斷，導致不良後果，我們必須能夠追溯原因。是數據有誤？是演算法模型有缺陷？
   • 如果 AI 的決策過程是透明的，我們可以更容易地識別出錯誤的環節，並對模型進行修正和優化，防止未來再次發生類似錯誤。
   • 反之，如果 AI 是個黑箱，我們很難知道錯在哪裡，也就難以改進，甚至可能因為誤信而延誤治療。

3. 公平性與偏見檢測 (Fairness & Bias Detection)：

   • AI 模型可能在訓練數據中學到潛在的偏見（例如，對特定族裔或性別的診斷準確率較低）。
   • 可解釋性可以幫助我們揭示 AI 是否基於不公平的因素（如種族、性別、社會經濟地位）做出決策，從而確保醫療資源的公平分配，避免歧視。

4. 知識發現與學習 (Knowledge Discovery & Learning)：

   • AI 的推理過程本身可能包含人類尚未發現的醫學知識或關聯。
   • 透過理解 AI 的決策依據，醫生可以從中學習新的診斷模式或疾病特徵，進一步提升自身的專業知識和技能。

總結： 在醫療診斷這樣高風險、高敏感性的領域，AI 的可解釋性至關重要，它確保了決策的可靠性、可追責性、公平性，並能促進醫學知識的進步。

【答案】 AI 的可解釋性/透明性在醫療診斷輔助系統中至關重要，它能確保醫生和病患的信任，便於追責和改進，檢測偏見，並促進醫學知識的發現。

(2) 未來資訊系統設計納入可解釋 AI 的解決方案

核心目標： 設計的資訊系統不僅能提供強大的功能，還能讓用戶理解 AI 的決策過程，建立信任，並促進人機協作。

解決方案：

本題分為兩個部分。第一部分要求考生舉例並說明一個令人印象深刻的物聯網（IoT）應用。第二部分則要求設計一個資訊系統，旨在幫助人們培養良好的飲水習慣，並說明其功能及技術實現方式。

核心觀念： 物聯網（IoT）的實際應用、資訊系統設計原則、使用者行為改變（Behavior Change）的理論與實踐、感測器技術與行動應用整合。

(1) 令人印象深刻的物聯網（IoT）應用舉例

應用：智慧家庭能源管理系統

描述：
我印象最深刻的 IoT 應用是整合了智慧電表、智慧插座、智慧家電、以及一個中央控制 App 的家庭能源管理系統。這個系統可以：

1. 監控能源使用： 即時追蹤家中所有電器的能源消耗情況，並以圖表形式呈現。
2. 遠端控制： 使用者可以透過手機 App 遠端開關電器，或設定定時開關。
3. 自動化節能： 根據預設的節能模式（例如，離家時自動關閉非必要電器），或根據電價高低（例如，在尖峰時段減少高耗能電器使用）自動調整電器運作。
4. 異常警報： 當偵測到能源使用異常（如電器故障導致過度耗電）時，發出警報通知用戶。

為何令人印象深刻？

1. 直接的經濟效益： 能源費用的節省是最直觀的回饋。透過精確的監控和智慧化的調節，用戶可以明顯感受到電費的下降，這直接提高了生活的品質和經濟效益。
2. 便利性與生活品質提升： 遠端控制和自動化功能，讓用戶的生活更加便利，例如出門後才想起某個電器沒關，可以立即在手機上關閉，免去擔憂。
3. 環保意識的具體實踐： 透過具體的數據和行動，讓用戶更直觀地理解節約能源的重要性，將環保理念從抽象概念轉化為日常生活的具體實踐。
4. 技術整合的典範： 它整合了多種不同的硬體設備（智慧電表、插座、家電）和軟體平台（App、雲端服務），透過標準化的協定（如 Wi-Fi, Zigbee）相互連接，展現了 IoT 技術在複雜環境中的強大整合能力。
5. 潛在的擴展性： 這類系統還可以進一步擴展到太陽能發電、電動車充電管理等方面，構建更全面的智慧能源生態系統。

【答案】 智慧家庭能源管理系統，因其直接的經濟效益、生活便利性、環保實踐、技術整合能力及擴展性而令人印象深刻。

(2) 設計「培養良好飲水習慣」的資訊系統

系統名稱： 「水滴提醒」 (AquaBuddy) - 智慧飲水習慣養成系統

核心目標： 透過科技輔助，讓使用者能輕鬆達成每日飲水目標，並養成持續的飲水習慣。

系統設計方法：
我將採用一個整合式的方法，結合行動應用程式 (Mobile App)、可穿戴設備 (Wearable Device) 或智慧水瓶，以及數據分析與個性化反饋。

主要功能 (Main Features/Functions)：

1. 個性化飲水目標設定：

   • 根據用戶的個人資訊（年齡、體重、性別、活動量、氣候狀況，甚至健康狀況如懷孕或哺乳期），利用科學模型計算出每日建議飲水量。
   • 用戶也可自行設定目標。

2. 智慧飲水提醒與記錄：

   • 多種提醒方式：
     • 時間間隔提醒： 例如，每 30 分鐘或 60 分鐘發送一次提醒。
     • 基於進度的提醒： 當用戶飲水量落後於預設進度時，發送較強烈的提醒。
     • 情境感知提醒： 結合日曆事件（如運動時間、會議間隔）或地理位置（如到達辦公室）發送提醒。
   • 自動化記錄：
     • 智慧水瓶： 內建感測器，自動偵測飲水量並即時上傳。
     • 穿戴設備： 若有內建或可連接的水分感測器，可輔助記錄。
     • 手動記錄： 提供簡單易用的介面，讓用戶快速記錄飲水量（如點擊「喝了 250ml」按鈕）。

3. 飲水數據追蹤與視覺化：

   • 即時進度條： 在 App 主畫面顯示當日飲水目標達成率。