115 年 國立臺灣大學圖書資訊系碩士班甲組《圖書資訊學》

此題旨在探討使用者研究與使用者滿意度的區別，以及單純依賴使用者滿意度評估圖書館服務的局限性。

核心觀念：

• 使用者研究 (User Studies)：是一種較廣泛、深入的方法，旨在理解使用者在特定情境下的行為、需求、動機、偏好以及他們與系統或服務互動的過程。它關注的是「使用者是誰」、「他們想做什麼」、「他們如何做」以及「為何這樣做」。
• 使用者滿意度 (User Satisfaction)：是一種較狹隘、側重結果的指標，衡量使用者對其使用某項服務或產品的經驗的整體評價，通常是基於期望與實際體驗之間的差距。它關注的是「使用者對結果感到高興或不滿」。

本質差異比較：

特徵	使用者研究 (User Studies)	使用者滿意度 (User Satisfaction)
關注點	使用者行為、需求、動機、流程、與系統的互動、使用者經驗 (UX) 的全貌。	使用者對服務或產品的整體評價、感受、後設認知。
方法與目的	透過觀察、訪談、問卷、可用性測試等多種方法，深入理解使用者，找出問題根源，以改善設計與服務。	通常透過問卷調查，量化使用者對服務的喜好程度，評估服務的整體表現。
時間維度	可涵蓋使用前的期望、使用中的體驗、使用後的感受。	主要關注使用後的感受與評價。
深度與廣度	較深入、較廣泛，探究「為何」和「如何」。	較表面、較聚焦於「結果」，通常是「是」或「否」的評價。

此題探討生成型 AI 對於不同資訊判斷能力使用者的影響，以及如何設計 AI 素養教材來支持使用者。

核心觀念：

• 生成型 AI (Generative AI)：指能夠生成文本、圖像、程式碼等新內容的人工智慧模型（如 ChatGPT, Midjourney 等）。
• 資訊品質判斷能力：指評估資訊的真實性、準確性、可靠性、相關性、完整性等方面的能力。
• AI 素養：指理解 AI 的基本原理、能力、局限性，並能有效、負責任地使用 AI 工具的知識和技能。

一、生成型 AI 對不同資訊判斷能力使用者的影響：

1. 對「資訊品質判斷能力較弱」族群的影響：

   • 加劇誤信與傳播假訊息： 這類使用者本身就難以辨別資訊真偽，而生成型 AI 產生的內容看似合理、流暢，甚至帶有權威感，容易讓他們信以為真，並進一步傳播不準確或虛假的資訊。
   • 過度依賴 AI，喪失獨立思考能力： 當使用者習慣於直接接受 AI 提供的答案，而缺乏對資訊進行批判性思考和驗證的習慣時，他們獨立判斷資訊品質的能力會進一步退化。
   • 難以識別 AI 生成內容的偏見與錯誤： 生成型 AI 的輸出可能帶有訓練資料中的偏見，或因模型本身的局限而產生錯誤（如「幻覺」），能力較弱的使用者更難察覺這些問題。
   • 資訊落差擴大： 這類使用者可能更容易被 AI 誤導，陷入資訊繭房，進一步擴大與資訊判斷能力較強者的資訊落差。

2. 對「資訊品質判斷能力較成熟」族群的影響：

   • 提高資訊生產與處理效率： 對於資訊判斷能力較強的使用者，生成型 AI 可以作為強大的輔助工具，快速生成初稿、整理資料、提供不同觀點，顯著提升工作與學習效率。
   • 挑戰與驗證 AI 產出： 這類使用者更可能意識到 AI 輸出的潛在問題，會主動對 AI 生成的內容進行事實查核、邏輯驗證和批判性評估，將 AI 作為起點而非終點。
   • 學習與探索 AI 的新應用： 他們可能更能理解 AI 的潛力，並探索如何利用 AI 來輔助更複雜的資訊分析和決策過程。
   • 可能面臨「過度自信」風險： 即使是判斷能力較強者，也可能因 AI 的高準確度而產生過度自信，忽略了 AI 仍可能犯錯的風險，因此仍需保持警惕。

二、AI 素養教材的設計，以支撐資訊品質判斷：

教材設計應針對不同族群的需求，並強調批判性思維和負責任的使用。

1. 針對「資訊品質判斷能力較弱」族群的教材設計：
   • 基礎認知與風險警示：
     • 什麼是生成型 AI？ 簡單易懂地解釋 AI 的基本原理、能力（如生成內容）與局限性（如可能產生錯誤、偏見）。
     • AI 的「幻覺」與偏見： 強調 AI 並非全知全能，其輸出可能不準確或帶有偏見，要警惕。

此題要求考生舉例說明資訊領域學術研究中，歸納法與演繹法的應用，並從研究問題、文獻、資料收集與分析等方面進行闡述。

核心觀念：

• 歸納法 (Inductive Reasoning)：從具體的觀察或實例出發，推導出一般性的結論或原理。強調「從個別到一般」。
• 演繹法 (Deductive Reasoning)：從一般性的原理、法則或理論出發，推導出具體的結論或預測。強調「從一般到個別」。

答題結構：

1. 定義歸納法與演繹法。
2. 舉例一篇以歸納法為主要推理方式的資訊領域研究，並分析其研究問題、文獻、資料蒐集與分析如何體現歸納法。
3. 舉例一篇以演繹法為主要推理方式的資訊領域研究，並分析其研究問題、文獻、資料蒐集與分析如何體現演繹法。

---

一、歸納法 (Inductive Reasoning)

定義： 歸納法是研究者透過觀察一系列特定的現象、案例或數據，找出其中的共同模式、規律或關聯性，進而形成一個普遍性的理論、假設或原則。其結論具有機率性，而非絕對確定。

舉例研究： （此處需考生自行回憶並舉例，以下為一個示意性範例，內容需替換成考生實際閱讀過的文獻）

• 研究範例（示意）： 一篇探討使用者在數位圖書館中，如何透過瀏覽歷史記錄來發現新資訊的研究。
  • 研究問題形成： 研究者觀察到許多使用者在搜尋特定資訊時，並非直接輸入關鍵字，而是透過瀏覽先前閱讀過的紀錄或推薦列表來探索內容。研究者因此想了解「使用者在數位圖書館中，瀏覽歷史記錄的行為模式為何？這種瀏覽行為如何影響他們發現新資訊的效率與質量？」
  • 既有文獻利用方式： 文獻回顧可能涵蓋使用者行為學、資訊尋找行為、推薦系統、人機互動等領域，但可能缺乏直接針對「瀏覽歷史記錄」與「資訊發現」之間關聯性的深入實證研究。研究者可能從現有文獻中提取關於「探索式資訊尋找」、「認知地圖」等概念，作為觀察的理論基礎，但研究的核心在於發現新的、未被充分證明的現象。
  • 質性與量化取向之資料蒐集與分析：
    • 質性： 研究者可能透過對數位圖書館使用者的深度訪談，了解他們瀏覽歷史記錄的動機、習慣、以及如何從中聯想到其他資訊。也可能進行觀察式研究，記錄使用者實際操作過程中的行為。
    • 量化： 收集大量使用者的瀏覽日誌數據，分析他們瀏覽歷史記錄的頻率、路徑、停留時間，並將這些數據與他們後續搜尋到的資訊類型、數量進行關聯分析（例如，統計瀏覽歷史記錄後，找到相關新資訊的使用者比例）。
  • 如何體現歸納法：
    • 研究者從「個別使用者」的「具體瀏覽行為」和「資訊發現經驗」出發。
    • 透過分析大量的訪談內容和瀏覽日誌數據，找出使用者在利用瀏覽歷史記錄時的「共同模式」（例如，許多使用者會在閱讀完一篇文獻後，回頭檢查參考文獻列表；或是在瀏覽紀錄中尋找與當前主題相關的片段）。
    • 基於這些觀察到的模式，研究者提出一個「一般性」的結論或理論，例如：「使用者傾向於利用瀏覽歷史記錄進行探索式資訊尋找，這有助於他們發現與既有知識相關但未預期到的新資訊。