109 年 國立臺灣大學新聞學研究所《資訊科學與新聞》

本題主要考驗資料讀取、處理與統計分析的能力。重點在於理解 CSV 檔案格式，能夠使用程式語言讀取並解析資料，然後進行分組統計計算。

核心觀念： 檔案 I/O、資料解析、分組聚合統計、變數型態理解。

解題步驟：

1. 讀檔方法與變數型態說明 (5%)

   • 讀檔方法：
     • Python 範例： 使用 pandas 函式庫的 read_csv() 函式。

       import pandas as pd
       df = pd.read_csv('population.csv')
       

     • R 範例： 使用 read.csv() 函式。

       data <- read.csv('population.csv')
       

     • 一般概念： 程式語言通常提供檔案讀取函式，可以逐行讀取或一次性讀取整個檔案。對於 CSV 檔案，常見的做法是將每一行解析為一個紀錄，並根據逗號分隔符將欄位值提取出來。
   • 變數型態說明：
     • 讀取 CSV 檔案後，資料通常會被儲存為結構化的資料結構，例如：
       • Python (pandas DataFrame): DataFrame 是一種二維表格型資料結構，可以包含不同型態的欄位（如字串 object、整數 int64、浮點數 float64）。
       • R (data.frame): data.frame 也是表格型資料結構，欄位可以有字串 character、整數 integer、數值 numeric 等型態。
       • 其他語言： 可能會是陣列 (Array)、列表 (List)、字典 (Dictionary) 的組合，或者自定義的結構體 (Struct) 來表示每一筆資料。
     • 在這個問題中，我們預期會讀取到以下型態的變數：
       • 鄉鎮市區 (或類似欄位，如 Extract, Subdistrict)：字串 (String/Character/Object)。
       • 縣市 (或類似欄位，如 Abc_Extract): 字串 (String/Character/Object)。
       • 同意票數 (或類似欄位，如 同意票數): 整數 (Integer/Numeric)。
       • 不同意票數 (或類似欄位，如 不同意票數): 整數 (Integer/Numeric)。

2. 匯總部分的程式碼 (15%)

   目標： 計算每個「縣市」的「同意票比例」。比例的計算方式為：該縣市的總同意票數 / (該縣市的總同意票數 + 該縣市的總不同意票數)。

   Python 範例 (使用 pandas)：

本題包含三個部分，分別是：舉例說明誘餌式標題、設計一個用於識別誘餌式標題的程式函式，以及確保人工標記信效度的方法。

核心觀念： 文本分析、自然語言處理基礎、資料標記品質控管。

第一部分：誘餌式標題寫法舉例 (5%)

誘餌式標題的共同特點是製造懸念、引發好奇、承諾驚人資訊，但內容常與標題不符，或資訊價值不高。常見的寫法有：

1. 製造懸念/吊人胃口 (Curiosity Gap)：

   • 舉例：
     • 「這名女子在超市裡做了一件讓人意想不到的事，結果讓所有人都驚呆了！」
     • 「你絕對猜不到，這背後的原因竟然是...」
     • 「專家警告：如果你每天都做這件事，後果不堪設想！」
   • 特點： 使用「你不可不知道」、「讓人意想不到」、「結果」、「原因」、「後果」等詞語，引導讀者點擊以填補資訊落差。

2. 承諾驚人/極端資訊 (Sensationalism/Hyperbole)：

   • 舉例：
     • 「瘦身成功！她只靠這個方法，一個月瘦下 10 公斤，效果驚人！」
     • 「科學家發現：這個日常習慣，竟然是導致癌症的元凶！」
     • 「史上最便宜！這款新手機的價格，讓所有人都跌破眼鏡。」
   • 特點： 使用「驚人」、「不可思議」、「史上最」、「跌破眼鏡」、「元凶」等極端詞彙，誇大效果或風險，吸引眼球。

3. 利用情感訴求 (Emotional Appeal)：

   • 舉例：
     • 「看到這段影片，你一定會感動落淚！」
     • 「這個小男孩的故事，讓無數網友鼻酸。」
   • 特點： 試圖激起讀者的同情、憤怒、喜悅等情緒。

第二部分：設計抽取誘餌式標題的函式 (15%)

這個函式需要接收一個新聞標題句子，並判斷它是否為誘餌式標題，回傳一個數值或 T/F。這裡我們設計一個基於關鍵詞和模式的簡單函式。

函式設計思路：
我們可以定義一個關鍵詞列表，包含常見於誘餌式標題的詞語（如「驚人」、「不可思議」、「你絕對猜不到」、「結果」、「原因」、「秘密」、「方法」、「瘦身」、「專家警告」等）。同時，也可以識別某些句式模式，例如以問句結尾但內容模糊，或包含數字列表（如「十件事」）但未明確說明。

Python 函式範例：

本題要求編寫一個函式，能夠根據給定的一組數字，找到其中的最大值，然後將所有比最大值小的數字進行補零操作，使其達到與最大值相同的位數。

核心觀念： 數字處理、字串格式化、尋找最大值、位數計算。

解題步驟：

1. 輸入處理： 題目給定一個字串「3,45,456789」，需要先將其解析成數字列表。
2. 尋找最大值： 在數字列表中找到最大的數字。
3. 確定目標位數： 最大數字的位數即為所有數字最終需要達到的目標位數。
4. 數字補零： 對於列表中每一個數字，若其位數小於目標位數，則在其前面補零，直到達到目標位數。
5. 輸出結果： 將處理過的數字重新組合成字串或列表輸出。

Python 函式範例：

本題為簡答題，涵蓋了軟體工程、資料庫系統等領域的基礎知識，共分為四個小題，每小題 5%。

第一小題：Docker 的概念與優點 (5%)

• Docker 是什麼？
  Docker 是一個開源的平台，用於開發、部署和運行應用程式。它利用作業系統層級的虛擬化技術（容器化，Containerization），將應用程式及其所有依賴（程式碼、運行時、系統工具、系統函式庫、設定等）打包到一個標準化的單元中，稱為「容器」(Container)。

• Docker 的主要優點：

  1. 環境一致性 (Environment Consistency)： 解決「在我的機器上可以運行」的問題。容器確保應用程式在開發、測試、生產環境中都運行在相同的環境下，減少因環境差異導致的錯誤。
  2. 快速部署與擴展 (Rapid Deployment & Scalability)： 容器啟動速度非常快（秒級），可以快速部署應用程式，並能輕鬆地擴展以應對流量高峰。
  3. 資源隔離與效率 (Resource Isolation & Efficiency)： 容器比傳統的虛擬機器 (VM) 更輕量級，它們共享主機作業系統的內核，因此啟動更快，佔用更少的記憶體和 CPU 資源。每個容器擁有獨立的檔案系統、進程空間和網路介面。
  4. 簡化依賴管理 (Simplified Dependency Management)： 將應用程式及其所有依賴打包在一起，避免了不同應用程式之間的依賴衝突。
  5. 可移植性 (Portability)： Docker 容器可以在任何安裝了 Docker 的機器上運行，無論是本地開發環境、雲端伺服器還是私有數據中心。
  6. 版本控制與回滾 (Versioning & Rollback)： Docker 鏡像 (Image) 可以進行版本管理，方便回滾到舊版本。

第二小題：SQL 查詢指令 (5%)

• 需求： 從名為 mytable 的資料表中，選擇 var1 和 var2 這兩個欄位，並且只篩選出 var1 欄位的值大於 100 的資料列。

• SQL 指令：

  SELECT var1, var2
  FROM mytable
  WHERE var1 > 100;
  

• 說明：

  • SELECT var1, var2：指定要從表中選取的欄位。
  • FROM mytable：指定要查詢的資料表名稱。
  • WHERE var1 > 100：這是篩選條件，表示只返回 var1 欄位值大於 100 的那些資料列。

第三小題：NoSQL 資料庫管理系統與優缺點 (5%)

• 至少三個聽過的 NoSQL 資料庫管理系統：

  1. MongoDB： 文件導向 (Document-oriented) 資料庫，以 JSON 格式儲存數據。
  2. Redis： 鍵值對 (Key-Value) 資料庫，速度極快，常用作快取 (Cache) 和訊息佇列 (Message Queue)。
  3. Cassandra： 列族 (Column-family) 資料庫，設計用於處理大量分散式數據，高可用性和擴展性。
  4. (其他常見選項：Neo4j - 圖形資料庫, Couchbase - 文件導向, Amazon DynamoDB - 文件/鍵值)

• NoSQL 的優點：

  1. 高擴展性 (High Scalability)： 設計之初就考慮了水平擴展（Scale-out），能夠處理海量數據和高併發訪問，這對於大數據應用至關重要。
  2. 靈活的資料模型 (Flexible Data Model)： 不受傳統關聯式資料庫嚴格的 Schema 限制，可以輕鬆處理結構不固定或經常變化的數據。這使得開發迭代更快。
  3. 高性能 (High Performance)： 針對特定應用場景（如快速讀寫、海量數據查詢）進行優化，通常比單一的傳統關聯式資料庫性能更好。
  4. 多樣化的資料類型： 支援鍵值對、文件、列族、圖形等，能更好地適應不同類型的數據。

• NoSQL 的缺點：

  1. 一致性較弱 (Weaker Consistency)： 許多 NoSQL 資料庫採用「最終一致性」(Eventual Consistency) 模型，而不是傳統資料庫的 ACID (Atomicity, Consistency, Isolation, Durability) 中的強一致性。這意味著在寫入後，數據的讀取可能暫時不一致，這對於需要嚴格事務處理的應用（如金融交易）可能不適用。
  2. 缺乏標準化查詢語言： 與 SQL 的廣泛應用不同，NoSQL 資料庫通常有自己獨特的查詢語言或 API，學習曲線可能較陡峭，且不同資料庫之間不相容。

本題要求編寫一個函式，接收一篇英文文章，計算其中每個單字的出現次數，並按照次數從高到低排序輸出。

核心觀念： 文字處理、字串分割、字典/雜湊表（Hash Map）的使用、排序。

解題步驟：

1. 輸入處理： 接收一篇英文文章字串。
2. 文本預處理：
   • 將所有文字轉換為小寫，以避免大小寫不同的同一單字被計為不同單字。
   • 移除標點符號，因為標點符號不應被視為單字的一部分。
   • 將文章分割成單字列表。
3. 單字計數： 使用字典（或雜湊表）來儲存每個單字的出現次數。遍歷單字列表，每遇到一個單字，就更新其在字典中的計數。
4. 排序： 將字典中的鍵值對（單字及其計數）轉換為一個列表，然後根據計數（值）進行降序排序。
5. 輸出： 返回排序後的單字及其計數列表。

Python 函式範例：