112 年 國立臺灣大學新聞學研究所《資訊科學與新聞》

此題考驗對 Python for 迴圈、range() 函數以及 if-else 條件判斷的理解，特別是 break 語句在內層迴圈中的作用。

核心觀念：

1. range(start, stop)：生成一個從 start 開始（包含）到 stop 結束（不包含）的整數序列。
2. num % i == 0：判斷 num 是否能被 i 整除，即 i 是 num 的一個因數（且 i 不等於 1，因為內層迴圈從 2 開始）。
3. break：一旦執行，會立即終止當前所在的迴圈。

解題過程：

外層迴圈 for num in range(5, 10) 會依序讓 num 取值為 5, 6, 7, 8, 9。

• 當 num 為 5 時：

  • 內層迴圈 for i in range(2, 5) 會依序讓 i 取值為 2, 3, 4。
  • i = 2: 5 % 2 != 0。
  • i = 3: 5 % 3 != 0。
  • i = 4: 5 % 4 != 0。
  • 內層迴圈結束，沒有觸發 print(num)。

• 當 num 為 6 時：

  • 內層迴圈 for i in range(2, 6) 會依序讓 i 取值為 2, 3, 4, 5。
  • i = 2: 6 % 2 == 0。條件成立，執行 print(6)。
  • 接著執行 break，立即終止內層迴圈。
  • 輸出：6

此題考驗對 Python for 迴圈、range() 函數、if-else 條件判斷以及 continue 語句的理解。

核心觀念：

1. range(stop)：生成一個從 0 開始（包含）到 stop 結束（不包含）的整數序列。
2. x % 2 == 1：判斷 x 是否為奇數。
3. continue：一旦執行，會立即跳過當前迴圈的剩餘部分，進入下一次迴圈的迭代。

解題過程：

迴圈 for x in range(10) 會依序讓 x 取值為 0, 1, 2, 3, 4, 5, 6, 7, 8, 9。

• 當 x 為 0 時：

  • 0 % 2 == 0。條件 x % 2 == 1 不成立。
  • 執行 print(0)。
  • 輸出：0

• 當 x 為 1 時：

  • 1 % 2 == 1。條件成立。
  • 執行 continue，跳過後面的 print(x)，進入下一次迴圈。

• 當 x 為 2 時：

  • 2 % 2 == 0。條件 x % 2 == 1 不成立。
  • 執行 print(2)。
  • 輸出：2

此題考驗對 Python 迴圈、變數賦值以及序列交換的理解。這個程式碼的結構非常經典，是在計算費波那契數列（Fibonacci sequence）。

核心觀念：

1. 費波那契數列： 數列的起始兩項為 0 和 1，從第三項開始，每一項都等於前兩項之和。例如：0, 1, 1, 2, 3, 5, 8, ...
2. 變數交換： temp = b; b = a; a = temp 這種結構是用一個臨時變數 temp 來實現兩個變數 a 和 b 的值交換。

解題過程：

程式碼初始化 a = 0 和 b = 1。迴圈 for i in range(5) 會執行 5 次。在每一次迴圈中，它會交換 a 和 b 的值，然後列印出新的 b。

• 初始狀態： a = 0, b = 1

• 迴圈 1 (i = 0)：

  • temp = b => temp = 1
  • b = a => b = 0
  • a = temp => a = 1
  • 此時 a = 1, b = 0。
  • print(b) => 列印 0。
  • 輸出：0

• 迴圈 2 (i = 1)：

  • temp = b => temp = 0
  • b = a => b = 1
  • a = temp => a = 0
  • 此時 a = 0, b = 1。
  • print(b) => 列印 1。
  • 輸出：1

核心觀念

本題考查 Python 巢狀迴圈、range() 的範圍，以及 print() 的輸出效果。

• range(m) 產生的整數為 $0,1,\ldots,m-1$，不包含 $m$。

• 外層迴圈：

  for i in range(n):
  

  當 $n=5$ 時，$i$ 依序為 $0,1,2,3,4$，共執行 $5$ 次。

• 第一個內層迴圈：

  for j in range(i):
      print("", end="")
  

  每次印出的內容是空字串 ""，且 end="" 表示不換行，因此不會在畫面上產生任何可見字元。這個迴圈只增加執行次數，不影響輸出圖形。

• 第二個內層迴圈：

  for k in range((n-1)*2-1):
      print("*", end="")
  

  其迴圈次數為：

  $((n-1)\times 2)-1=((5-1)\times 2)-1=7$

  因此每一列會連續印出 $7$ 個星號。

• 最後的：

  print()
  

  會換行，使下一輪外層迴圈從下一列開始輸出。

解題方法

先計算每個 range() 的實際範圍，再判斷每個 print() 是否會產生可見輸出。

外層迴圈

for i in range(5):

因此共有以下五輪：

$i=0,1,2,3,4$

第一個內層迴圈

各輪的 j 執行次數如下：

$i$	range(i)	執行次數	可見輸出
0	空集合	0	無
1	$\{0\}$	1	空字串
2	$\{0,1\}$	2	空字串
3	$\{0,1,2\}$	3	空字串
4	$\{0,1,2,3\}$	4	空字串

雖然執行次數逐列增加，但 print("", end="") 不會印出空格，因此不會形成縮排。

核心觀念

本題考查三個基本程式設計概念：

1. 計數（frequency counting）：統計每個數字在 List 中出現的次數。
2. 排序（sorting）：依出現次數由高到低排序。
3. 取前三名（top 3）：排序後取前 3 筆資料。

設數字 $x$ 的出現次數為 $f(x)$，則本題要找出使 $f(x)$ 最大的前三個數字，並列印：

$$(x, f(x))$$

本題採用「出現次數由高到低」排序；若出現次數相同，設定數字由大到小排列，使輸出結果固定。

---

解題方法

先逐一走訪 List，建立「數字 → 出現次數」的對照表：

數字	出現次數
1	5
2	5
3	7
4	8
5	7

依出現次數由高到低排列後：

1. 數字 4：8 次
2. 數字 5：7 次
3. 數字 3：7 次
4. 數字 2：5 次
5. 數字 1：5 次

因此前三名為：

$$(4,8),\ (5,7),\ (3,7)$$

數字 3 與數字 5 的出現次數相同，兩者皆屬於第三高頻率以前的數字；本解以數字較大者優先列印。

---

Python 解法

from collections import Counter

alist = [
    1, 1, 2, 3, 3,
    4, 4, 4, 4, 4, 4,
    2, 2, 2, 2,
    3, 3, 3,
    5, 5, 5, 5, 5, 5, 5,
    4, 4,
    3, 3,
    1, 1, 1
]

# 計算每個數字出現的次數
frequency = Counter(alist)

# 依「次數由高到低、數字由大到小」排序
ranking = sorted(
    frequency.items(),
    key=lambda item: (item[1], item[0]),
    reverse=True
)

# 印出前三名
for number, count in ranking[:3]:
    print(number, count)

輸出：

4 8
5 7
3 7

其中：

frequency.items()

會產生類似下列資料：

[(1, 5), (2, 5), (3, 7), (4, 8), (5, 7)]

排序條件：

key=lambda item: (item[1], item[0])

代表先比較 item[1]，即出現次數；次數相同時，再比較 item[0]，即數字本身。搭配：

reverse=True

即可使兩個排序條件皆由大到小排列。

---

Python 不使用 Counter 的寫法

此題考驗對 SQL 查詢語言的掌握，特別是如何使用 JOIN 連接兩個表格，以及如何使用 LIKE 運算子進行模糊查詢。

核心觀念：

1. JOIN 操作： 當需要從多個相關聯的表格中檢索資料時，需要使用 JOIN。在此題中，Posts 和 Comments 表格都包含 Pid (Post ID) 欄位，這是一個連接兩個表格的鍵。INNER JOIN (或簡稱 JOIN) 會返回兩個表格中 Pid 相匹配的記錄。
2. WHERE 子句： 用於過濾查詢結果，根據指定的條件選取記錄。
3. LIKE 運算子： 用於在 WHERE 子句中進行模式匹配。% 符號代表零個、一個或多個字元。
   • '蔡英文%'：表示以「蔡英文」開頭的字串。
   • '%蔡英文'：表示以「蔡英文」結尾的字串。
   • '%蔡英文%'：表示包含「蔡英文」的字串（在字串的任何位置）。
   • '_蔡英文_'：表示第一個字元是任意單一字元，後面跟著「蔡英文」，然後再跟一個任意單一字元。

解題步驟：

1. 確定目標： 我們需要查詢包含「蔡英文」的貼文，並且要列出這些貼文的所有留言。
2. 連接表格： 貼文內容在 Posts 表格的 Pcontent 欄位，而留言在 Comments 表格。這兩個表格通過 Pid 欄位關聯。因此，需要將 Posts 和 Comments 表格連接起來。
3. 過濾貼文： 我們只對 Pcontent 欄位包含「蔡英文」的貼文感興趣。這可以使用 Posts.Pcontent LIKE '%蔡英文%' 來實現。
4. 篩選留言： 由於我們需要列出「這些貼文的所有留言」，這意味著一旦我們找到符合條件的貼文，我們就想得到與這些貼文相關聯的所有留言。JOIN 操作已經幫我們完成了這個關聯。
5. 選擇輸出的欄位： 題目要求「取出這些貼文的所有留言」，這通常意味著我們需要輸出留言的相關資訊，例如留言內容 (Ccontent)、留言者 (Cauthor)、留言時間 (Ctime)，以及可能還有貼文的標題 (Ptitle) 或作者 (Pauthor) 以提供上下文。如果題目僅要求取出留言的內容，則只需要 Comments.Ccontent。為了提供更完整的資訊，我們通常會選擇輸出留言表的所有欄位，或者至少是 Ccontent, Ctime, Cauthor。

SQL 指令撰寫：

我們需要選取 Comments 表格的欄位，並從 Posts 和 Comments 表格中獲取數據。

這是一道結合了產品思維、資料分析和新聞傳播知識的題目。作為 TVBS 的資料科學家，需要從數據和用戶行為的角度出發，思考如何選擇內容以及如何評估新功能的成功與否。

第一部分：決定哪些內容要放進短影片中 (指標與原因)

核心目標是製作出吸引用戶、能夠代表 TVBS 價值且具有傳播潛力的短影片內容。以下是一些關鍵指標及其原因：

1. 觀看時長 (Watch Time) / 完播率 (Completion Rate):

   • 指標： 哪些影片片段的平均觀看時長最長？哪些影片片段的完播率最高？
   • 原因： 這些指標直接反映了用戶對內容的興趣和參與度。長時間觀看或高完播率意味著用戶認為該內容有價值、引人入勝，是製作短影片精華的絕佳素材。反之，如果一個片段用戶看幾秒就跳走了，那就不適合放入精華。

2. 點擊率 (Click-Through Rate, CTR) / 互動率 (Engagement Rate):

   • 指標： 哪些影片片段獲得的點讚、分享、評論最多？
   • 原因： 高互動率的內容通常更具話題性、情感共鳴或資訊價值，更容易在社交媒體上引起傳播。這些內容是製造短影片「爆款」的潛在素材。

3. 話題熱度 (Trending Topics) / 社會影響力 (Social Impact):

   • 指標： 哪些影片內容與當前熱門話題相關？哪些內容對社會議題產生了較大的討論或影響？
   • 原因： 新聞機構的價值體現在其對社會的關聯性和影響力。選擇與熱點相關或具有社會意義的內容，可以吸引更廣泛的關注，並展現 TVBS 的專業深度。例如，關於民生議題、重大政策、社會事件的深入報導。

4. 新聞價值 (News Value) / 獨特性 (Uniqueness):

   • 指標： 哪些影片內容具有獨家報導、深度分析、或提供了獨特的視角？
   • 原因： 作為新聞機構，其核心競爭力在於新聞的品質。精華短影片應體現 TVBS 的新聞專業，選擇那些其他地方難以看到的、有價值的內容。例如，獨家專訪、實地調查、權威專家解讀。

5. 用戶畫像分析 (Audience Segmentation):

   • 指標： 不同用戶群體（如年齡、地區、興趣）對哪些影片片段的反應最好？
   • 原因： 了解不同觀眾的偏好，可以更精準地製作出能觸動特定目標受眾的短影片。例如，年輕觀眾可能對娛樂性、話題性內容反應更熱烈；專業人士可能對深度分析感興趣。

6. 影片類型與時長：

   • 指標： 哪些影片類型（如突發新聞、專題報導、訪談、生活資訊）的片段在短影片形式下表現更好？
   • 原因： 並非所有長影片內容都適合剪輯成短影片。需要分析哪些類型的內容，在濃縮後依然能保留其核心價值和吸引力。短影片的時長通常在幾十秒到幾分鐘，選取的片段需要精煉。

綜合考量：
在實際操作中，會綜合運用以上指標。例如，優先選擇那些觀看時長長、互動率高、且與熱門話題相關的影片片段。同時，也要考慮到內容的多樣性，避免短影片內容過於單一。

第二部分：追蹤新功能成效的指標

新功能的成效評估需要從用戶行為、業務目標和內容傳播等多個層面來衡量。

1. 用戶參與度指標 (User Engagement Metrics):
   • 總觀看次數 (Total Views)： 衡量功能被使用的總量。

這是一題關於人工智慧（AI）對新聞產業影響的開放性問題，需要結合對 ChatGPT、Midjourney 等 AI 工具的理解，以及對新聞產業運作模式的認識，進行分析和論述。

核心要點：

• AI 工具的特性：ChatGPT 的文本生成、摘要、翻譯、編程能力；Midjourney 的圖像生成能力。
• 新聞從業人員的職能：採訪、寫作、編輯、事實查核、攝影、圖像設計、數據分析、社群經營等。
• AI 對產業的影響：效率提升、工作流程改變、職務轉變、潛在的失業風險、內容生產模式的演變、新聞倫理的挑戰。

解題思路與論述結構：

一、AI 工具的影響與新聞從業人員的職能對應分析

• ChatGPT 的影響：

  • 文本生成與編輯：
    • 輔助寫作： 撰寫初稿、潤飾文字、改寫語句、生成標題、摘要新聞。這會極大提高記者和編輯的效率。
    • 研究與資料整理： 快速獲取資訊、整理背景資料、分析數據、總結報告。
    • 翻譯： 跨語言新聞內容的快速翻譯，有助於擴大報導範圍。
    • 程式撰寫： 協助新聞機構開發數據新聞工具、網頁互動功能等。
  • 潛在衝擊： 簡單、重複性的寫作任務（如財經快訊、體育賽果播報）可能被 AI 取代。

• Midjourney 的影響：

  • 圖像生成與設計：
    • 輔助插畫和配圖： 快速生成符合新聞內容的示意圖、插畫，尤其是在缺乏現成圖片時。
    • 概念視覺化： 將抽象概念或數據轉化為視覺圖像。
    • 創意發想： 提供設計靈感，輔助圖像設計師。
  • 潛在衝擊： 簡單的圖片編輯、基礎插圖繪製等工作，可能面臨被 AI 取代的風險。

二、哪些職務可能面臨失業風險？

基於上述分析，以下職務可能面臨較大的衝擊，甚至面臨失業風險，但更可能的情況是工作內容的轉變：

• 初級記者/內容生產者： 負責撰寫大量標準化、低難度新聞稿（如財經、體育快訊）的記者，他們的工作內容可能被 AI 取代。
• 基礎圖片編輯/插畫師： 負責處理簡單圖片、製作常見示意圖的圖像設計師，其工作可能被 AI 生成的圖像輔助或取代。
• 部分校對/基礎編輯： 負責檢查語法、拼寫等基礎工作的編輯，AI 的語法檢查能力越來越強。
• 數據錄入員/簡單數據分析師： 負責將數據錄入系統、進行基礎統計分析的職位。

重要補充：
需要強調的是，AI 更可能成為輔助工具，而非完全取代。新聞工作的核心價值——獨立思考、深度採訪、事實判斷、倫理責任、獨家挖掘、人文關懷——是 AI 短時間內難以取代的。因此，許多職務的轉變將是：從執行者轉變為 AI 工具的駕馭者、監督者和內容的昇華者。

三、關於 AI 影響新聞產業的看法

我的看法是：AI 將深刻重塑新聞產業，帶來效率的巨大提升和內容生產模式的革新，但同時也帶來嚴峻的挑戰，新聞從業人員必須積極適應、學習新技能，並堅守新聞倫理的核心價值。

• 積極影響：

  • 效率提升： AI 可以大幅縮短新聞採集、編輯、排版、分發的流程，使記者能更專注於深度報導和原創內容。
  • 內容創新： AI 輔助的數據新聞、個性化推薦、多媒體內容生成，將為讀者帶來更豐富、更具吸引力的閱讀體驗。
  • 成本降低： 某些重複性、標準化的工作可以由 AI 完成，從而降低運營成本。
  • 擴大新聞的可及性： 翻譯、摘要等功能有助於將新聞內容傳播給更廣泛的受眾。

• 挑戰與風險：

  • 失業與轉型壓力： 部分傳統新聞職位面臨被取代或轉型的壓力，需要新聞從業人員不斷學習新技能（如 AI 工具操作、數據分析、跨媒體敘事）。
  • 資訊準確性與事實查核： AI 生成的內容可能存在錯誤、偏見或虛假信息，對新聞的真實性構成挑戰。人工事實查核變得尤為重要。
  • 新聞倫理與 bias： AI 模型可能帶有訓練數據中的偏見，影響新聞報導的客觀性。如何確保 AI 的公正性是一個大問題。

這是一題關於資料處理與視覺化的問題，核心在於理解「寬表格」（Wide Format）與「長表格」（Long Format）的區別，以及為何從寬表格轉換到長表格有助於後續的運算和視覺化。題目要求以提供的農委會資料為例進行說明。

核心概念：

• 寬表格 (Wide Format)：

  • 每一列代表一個觀察單位（例如，某一年份的某個統計項目）。
  • 每一欄代表一個變數，但一個變數的不同類別或時間點被展開成不同的欄位。
  • 通常用於數據的匯總和展示，但對於某些統計分析和視覺化（特別是時間序列分析、多變量比較）可能不夠靈活。
  • 在提供的例子中，年份（95年、96年...）被放在了不同的欄位，而「分類一」、「分類二」、「年齡組」、「性別」等是識別欄位。

• 長表格 (Long Format)：

  • 每一列代表一個觀察單位（例如，某一年份、某個分類、某個年齡組、某個性別的組合）。
  • 將原本展開在不同欄位中的變數（如年份、性別、年齡組）統一成一個或幾個欄位的值。
  • 每個觀察單位由一組欄位來描述，其中包含一個或多個「識別欄位」（ID variables）和一個或多個「測量欄位」（Measure variables）。
  • 非常適合進行統計分析（如回歸分析、分組比較）、繪製時間序列圖、熱力圖等。

說明步驟與範例（針對媒體主管）：

假設我是報告主管的資料科學家，我會這樣說明：

「主管您好，關於我們從農委會下載的這份資料，您可以看到它目前呈現的是一個『寬表格』的格式。

寬表格的特點：

• 欄位多樣化，展示直觀： 這種格式的好處是，對於某些一眼就能看懂的匯總數據，比如看特定年份（例如『95年』那欄）的某個細項（例如『專業農牧戶』、『以農牧業為主』、『15歲以上』、『男』）的數字，直接看這一整列就能找到。
• 問題： 但是，當我們想要進行更深入的分析時，例如，我想比較『專業農牧戶』在『95年』到『100年』之間，『男性』和『女性』的數據變化趨勢，或者想知道『未滿15歲』這個年齡層的數據佔總數據的比例是多少，就會變得非常麻煩。您看，我需要去查找、複製、貼上很多欄位，然後再手動計算。這不僅費時，而且容易出錯。對於電腦程式（或是後續的視覺化工具）來說，它也很難直接處理這種『橫向』的數據結構，來做『縱向』的比較和計算。」

接著，我會引入長表格的概念：

「為了更方便地進行分析和視覺化，我們需要將它轉換成『長表格』（也稱為『長型資料』或『長條格式』）。

長表格的特點：

• 結構統一，便於計算： 在長表格中，我們將原本分散在不同欄位裡的資訊，例如『年份』、『性別』、『年齡組』、『分類一』、『分類二』等，都變成『欄位的值』。每一列代表一個單一的觀察點，它包含了這個觀察點的所有描述性資訊（例如：這是『95年』、『專業農牧戶』、『15歲以上』、『男性』的數據）。
• 便於分析與視覺化： 這種格式的好處是，電腦程式或視覺化工具可以很容易地理解每一列的資訊，並進行：
  • 時間序列分析： 輕鬆繪製出某個類別隨時間變化的折線圖。
  • 分組比較： 快速比較不同性別、不同年齡組、不同分類的數據差異。
  • 數據聚合： 方便地進行加總、平均等運算。

舉例說明（繪製長表格部分）：

「您看，如果我們把這份資料轉成『長表格』，大概會是這個樣子（我會畫出下面這個表格的簡化版）：」

寬表格原始片段（僅為說明方便，非完整呈現）：

分類一	分類二	年齡組	性別	95年	96年	...	100年
專業農牧戶	以農牧業為主	15歲以上	男	24,148	20,040	...	13,264
專業農牧戶	以農牧業為主	15歲以上	女	21,891	19,645	...	11,842
專業農牧戶	以農牧業為主	未滿15歲	男	21,298	21,046	...	11,149
...	...	...	...	...	...	...	...

轉換後的長表格（範例）：

分類一	分類二	年齡組	性別	年份	人口數
專業農牧戶	以農牧業為主	15歲以上	男	95年	24,148
專業農牧戶	以農牧業為主	15歲以上	男	96年	20,040
專業農牧戶	以農牧業為主	15歲以上	男	97年	30,395
...	...	...	...	...	...
專業農牧戶	以農牧業為主	15歲以上	男	100年	13,264