科技與工程學院
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/5
沿革
科技與工程學院（原名為科技學院）於87學年度成立，其目標除致力於科技與工程教育師資培育外，亦積極培育與科技產業有關之工程及管理專業人才。學院成立之初在原有之工業教育學系、工業科技教育學系、圖文傳播學系等三系下，自91學年度增設「機電科技研究所」，該所於93學年度起設立學士班並更名為「機電科技學系」。本學院於93學年度亦增設「應用電子科技研究所」，並於96學年度合併工教系電機電子組成立「應用電子科技學系」。此外，「工業科技教育學系」於98學年度更名為「科技應用與人力資源發展學系」朝向培育科技產業之人力資源專才。之後，本院為配合本校轉型之規劃，增加學生於科技與工程產業職場的競爭，本院之「機電科技學系」與「應用電子科技學系」逐漸朝工程技術發展，兩系並於103學年度起分別更名為「機電工程學系」及「電機工程學系」。同年，本學院名稱亦由原「科技學院」更名為「科技與工程學院」。至此，本院發展之重點涵蓋教育（技職教育/科技教育/工程教育）、科技及工程等三大領域，並定位為以技術為本位之應用型學院。
107學年度，為配合本校轉型規劃，「光電科技研究所」由原隸屬於理學院改為隸屬本（科技與工程）學院，另增設2學程，分別為「車輛與能源工程學士學位學程」及「光電工程學士學位學程」。
News
Browse
22 results
Search Results
Item 以開源軟體進行知識轉移之探討: 以 D8AI 公司為例(2024) 廖庭毅; Liao, Ting-Yi本研究主要目的是深入研究人工智慧服務公司D8AI以研發開源軟體進行知識轉移而達成公司績效目標。將探討企業為何選擇導入人工智慧服務的動機和背後的推動因素及如何創造更多價值，企業內部運營和供應鏈合作關係中的實際應用，協助企業更有效地應對人工智慧服務導入的相關經驗，最終為企業決策者和業界利益關係者提供人工智慧領域的實用建議。人工智慧最顯著的趨勢是技術的普及和開放，人工智慧技術不再僅限於科學實驗室，而是進入了各個產業，促使了更多創新的產品和服務整合專業技術加速了創新，因此建構出以開源軟體進行知識轉移架構是能影響創新績效的因素。本研究訪談了D8AI公司以及進行知識轉移的AI推廣方案合作夥伴，透過質性研究，深入瞭解與探討開源軟體進行知識轉移的過程。本研究得到的主要討論有：（1）開源軟體的快速迭代與更新使企業能夠及時獲取最新技術，且能降低企業的研發人力成本和軟體費用，加速了流程與產品的創新，促進企業績效；（2）D8AI選擇研發合作夥伴的因素包含資源及技術的互補（例如：大型語言模型與語音辨識）與財務能力，合作的動機會因核心能力、研發策略的差異而有所不同；（3）D8AI選擇與第三方機構或大學研究機構進行研發合作的過程中會簽訂保密協定，並以不具直接競爭關係者為主要合作對象，也以政府機構的合作機會為目標，提升彼此競爭力且不影響商業模式；（4）D8AI以自然語言處理為研發核心並培養AI人才，且透過國際性電腦展覽的參與來行銷技術與產品、接觸客戶與吸收市場資訊，未來發展應用將囊括各行各業，以台灣人工智慧產業翹楚為目標。並據於此，本論文最後提出三項實務建議及後續研究建議，以供未來相關領域的廠商及研究者作為參考。Item 探討國中生使用問題導向學習法於人工智慧影像辨識機器人混成式學習之學習成效(2024) 薛惠文; Hsueh, Hui-Wen運算思維是21世紀的人類不可或缺的能力，為了找出能有效提升運算思維的方式，本研究發展一套人工智慧影像辨識採購機器人教材，結合教育機器人、混成式學習和問題導向等有利於提升運算思維的要素，期望透過此課程提升學習者之運算思維。本研究採用準實驗研究法，旨在探討問題導向法對人工智慧影像辨識機器人混成式課程學習者之人工智慧學習成就、程式設計導向運算思維、機器人自我效能及學習行為的影響，課程皆實施於混成式學習環境中，透過實體講述對學習者進行課程重點摘要、補充及檢討，並於實作單元中以教學影片的方式讓學生進行學習。控制組使用傳統講述教學法，教師以實體方式與學生問答互動；實驗組則使用IGGIA問題導向學習法，搭配問答機器人進行系統性的問答，期望透過問題引導方式給予學習者更明確的學習方向，以解決混成式學習中常見數位分心的問題。研究結果顯示，透過問題導向學習法確實能有效減緩學習者數位分心的問題並有效提升其學習成就，且能夠使學習者展現出更多主動學習的行為，然而，在程式設計導向運算思維中控制組有較好的學習表現，自我效能中則沒有顯著差異。Item 運用錄影面試動態表情結合深度學習預測臺灣國際產業移工之留任意願：以卷積神經網絡為工具(2024) 李珮綺; LI, Pei-Chi臺灣於2018年3月進入高齡社會階段，65歲以上的老年人口超過全人口的14%，勞力短缺問題逐漸加劇，國際移工成為支撐臺灣勞動力的不可或缺的一環。然而，國際移工在抵達臺灣後常常面臨失聯或怠惰等問題，且這些問題隨著時間的推移變得更加嚴重。臺灣對於移工失聯的法律約束不夠完善且程序繁瑣。因此，人力顧問公司希望在面試階段能夠篩選出願意留任的國際移工，以確保雇主能夠維持穩定的留任率。在心理學領域，隨著電腦視覺（Computer Vision）與深度學習（Deep Learning）技術的成熟發展，科技與心理領域的跨學科研究越來越多。許多學者開始合作，利用視訊錄影影片辨識當事人的動態表情，進而推測其情緒甚至未來的行為。本研究深度學習技術，即卷積神經網絡（Convolutional Neural Network, CNN），進行實證研究。研究對象為81位個案派遣公司所派遣的菲律賓和越南國籍產業移工，透過電腦視覺技術收集國際產業移工在特定情境下回答問題時所展現的面部動態表情軌跡，並利用卷積神經網絡建立動態表情與留任意願之間的模型預測他們的留任意願，為臺灣的移工雇主和派遣公司提供了一個快速而具有預測力的決策輔助工具，幫助他們在招募和甄選過程中做出明智的選擇。Item 人工智慧倫理測驗發展-以雙北市技術型高中電機電子群學生為例(2022) 游鏡可; Yu, Ching-Ko科技逐漸崛起，除了技術的成熟度，連帶的也開始將注意力集中於倫理中，在未來人類是否將被機器反噬，這也是各個國家開始正視的問題，至今人工智慧技術尚未穩固，許多國家已將人工智慧技術與倫理融合入教育中。本研究為了瞭解學生對人工智慧倫理的認知，以雙北市技術型高中電機電子群學生為研究樣本，根據各國所宣布之人工智慧倫理細則與宣言理論基礎，編制人工智慧倫理測驗，進行問卷調查研究法，所獲得有效樣本為204筆。依據回收樣本資料，透過統計量化分析處理。本研究主要結論：一、研究者自行開發的人工智慧倫理測驗具備優良的信度與效度，未來研究者可使用與推廣；二、公立學校與私立學校受試者於人工智慧符合倫理構面與穩定性構面具顯著差異。本研究之研究結果與結論，可提供教育行政單位與學校行政單位做參考，期盼瞭解資訊相關科系學生對人工智慧倫理之理解，以提高未來學生對人工智慧之認知。Item 基於深度學習與技術分析指標預測股市買賣點(2023) 鄭邦廷; Cheng, Pan-Ting股票交易市場是由各種金融機構和投資者組成，用於買賣股票和其他金融產品的交易活動。市場的主要目的是提供一個公平、透明和有保障的交易環境，促進股票和其他金融產品的流通。而參與者包括投資者、證券公司、投資銀行、基金、保險公司、政府機構等。投資者可以通過股票交易市場進行交易，包括股票、債券、期貨等各種金融產品。證券公司、投資銀行等機構則負責為投資者提供證券交易相關的服務和產品。然而投資並不是穩賺不賠，以股票來說，其價值可能伴隨著公司業績表現、總體經濟變化，乃至各種政治因素而有波動。這代表著投資者必須去注意這些市場上的各種外在條件去對自己手中的投資標的去做調整，並無一精準的判斷條件。縱使在許多的外在條件影響之下，歷年仍有許多研究希望能藉由各種方式來判斷進場買進和獲利了結的方法甚至到未來股價的判斷。股票交易的獲利方式在於買進及賣出所產生的價差，但每個投資者所買進及賣出的位置不同，即代表各項因素不同，因此買的價格過高則會有套牢的風險，或者買進後遲遲沒有往上漲，因而賠上交易和時間成本。因此，如果可以藉由調整進出場條件及發動策略去預測未來走向，使我們可以更敏銳的判斷價格變化，就可以在價格即將變化時進場，並且賺取其中價差。在各種因素影響的情況之下，股票的進出場訊號可視為一非線性的時序訊號。而人工智慧在非線性模型的表現相當優秀，尤其是在處理大量複雜的數據時更顯突出。本論文希望配合著股票的技術分析及回測過的數據結合人工智慧達到預測未來買賣點位之目的，以強化並優化進出條件，進而增進投資報酬率。Item 基於深度學習之職安監測系統開發(2023) 王千瑞; Wang, Chien-Jui在台灣，每年施工造成意外的比例與職業傷害皆位居前茅，對勞工的生命與產業的生產力造成重大影響，其中勞工不安全行為是意外發生的首要原因。防制此行為的傳統方式是在施工現場架設監視器或派人監工，但由於人力問題，監督的效果與效率並不理想，基於此本研究開發以深度學習為基礎之職安監測系統來協助施工現場的職安管理。科技的進步大幅提升影像辨識能力與速度，本研究利用經過模型架構優化和訓練過程優化的新穎物件偵測器YOLOv7，針對施工現場影像進行訓練並建立職安狀態辨識模型後，對施工中的影像進行偵測，將未符合職安規定的事件篩選出來，最後將辨識結果以LINE Notify即時通報。與YOLOv5演算法進行比較，YOLOv7模型在演算法有改進之外，本研究透過訓練資料集的修正與增加以及模型的重新訓練等方式改善職安監測系統的辨識能力，使模型的mAP提升了約4%。本研究所建立的辨識模型在訓練階段的最佳mAP@.5高達0.98，此高mAP@.5表示可減少誤報與漏報情況的發生。誤報率太高會造成現場施工的困擾，並對通報失去信心;漏報率太高代表違反職安事件的偵測效果不彰，此將影響即時預警的功能。高mAP@.5所帶來的效益將提升施工現場的安全管理，減少意外的發生，強化本研究在產業實務應用的可行性與價值性。Item 人工智慧面試之回應性對應徵者印象管理之影響(2022) 陳宣宏; Chen, Syuan-Hong隨著網路世代進步以及智慧型裝置普及化，企業為了有效提升甄選的效率，將人工智慧應用於錄影面試情境中，透過分析應徵者之微表情來判讀其人格特質與溝通技巧。然而，應徵者是否會因人工智慧錄影面試中而感受到焦慮並出現面試表現焦慮的狀況是未知的研究議題。甚者，不同介面設計的人工智慧錄影面試是否會影響應徵者的印象管理行為，包括誠實與欺騙式的，更是一個待研究的議題。本研究基於社交介面理論與欺騙可能性模型，在錄影面試系統設計回應性介面，運用了兩種不同的人工智慧錄影面試介面進行實驗(是否具備回應性)(N=64)，面試過程中透過聲紋與回應語讓應徵者感受到回應性，藉此期望能夠影響應徵者印象管理行為研究結果發現，回應性介面會對於應徵者誠實型印象管理行為並無顯著影響，卻會提升欺騙型印象管理行為，另外卻能降低應徵者的面試表現焦慮。推論比起社交介面理論，遊戲化情境與人機互動的角色地位更適用於人工智慧面試情境，此情境更容易激發應徵者的競爭驅力而促使應徵者展示不實回應。最後依據研究結果，提出理論貢獻與實務意涵，幫助人力資源從業者與系統商在設計甄選環境時有足夠的參考依據。Item 人工智慧面試之有形性對應徵者印象管理之影響(2022) 黃信瑋; Huang, Sin-Wei越來越多企業在甄選過程中使用搭載人工智慧(Artificial Intelligence, AI)的非同步錄影面試(Asynchronous Video Interview, AVI)。過去研究探討了AI面試如何影響技術、偏見和經濟後果。然而，當應徵者使用AVI加AI的平台進行錄影面試時，介面缺乏有形性一直是個問題，且過去未有研究探討應徵者在面對不同介面的AI面試時所產生的不同反應。在求職面試中，應徵者會透過印象管理(Impression Management, IM)來展現最好的一面，包括誠實性和欺騙性印象管理。誠實的印象管理可能會增強甄選效度，而欺騙性印象管理則會損害甄選效度。過去的研究表明，即使是經驗豐富的面試官也無法正確識別候選人的印象管理行為。因此，求職面試中的印象管理問題已成為學術界和實務界的研究熱點，且由於錄影面試搭載AI的甄選方式在疫情催化下變得更加普及，本研究旨在探討AI面試的有形性對於應徵者印象管理的影響。本研究運用兩種不同的AI面試介面，進行了 2 組（是否具備有形性）的實驗設計。研究中的有形性透過虛擬AI面試官來體現，一共有 70名正在尋找全職/兼職工作及培訓計畫的應徵者（N=67）參與本研究。研究結果表明，參與者在具備有形性的AI面試介面下會展現更多的自我行銷，而自我辯護、誇大不實、避重就輕等則沒有統計上的顯著差異，不過參與者的錄影面試經驗與勤勉審慎性對於其誠實性或欺騙性印象管理皆具有重要影響。Item 人工智慧面試透明度對應徵者印象管理的影響:以錄影面試為情境(2022) 江姝嫺; Chiang, Shu-Hsien有鑒於疫情的影響下，越來越多的企業在人才甄選的過程中使用具 備人工智慧的非同步錄影面試，為提升面試好感度與成功錄取工作的機 會，應徵者通常都會非常努力地運用印象管理技巧，以展現出最好的形 象，這些行為展現包括誠實性和欺騙性的印象管理策略。誠實性的 IM 將 可能提高甄選的效度，但欺騙性的 IM 可能會降低選才效度，甚至僱用 到不對的人選。本研究透過邀請年齡範圍在 18-60 歲之間，且具有實際全職或兼職 需求的 73 位應徵者參加非同步錄影面試，其中的 32 位透過具備透明度 的 AI 介面下進行錄影面試，另外的 41 位則透過不具備透明度的 AI 介 面下進行錄影面試;當面試完成後，所邀請的 73 位應徵者皆要求其再完 成印象管理量表問卷。本研究計畫透過實驗設計，來了解應徵者對於在參與具備透明度的 AI 介面相對於沒有透明度的 AI 介面，在錄影面試的情境中之行為展現; 根據研究結果顯示，應徵者對於在參與具備透明度的 AI 介面相對於沒 有透明度的 AI 介面，在錄影面試的情境中，會降低應徵者誠實性自我 推銷與自我辯護之印象管理行為;且會提升避重就輕等欺騙的印象管理， 對於誇大不實則無有統計顯著的影響。Item 非同步視訊面試下人工智慧評鑑功能對求職者科技信任度之影響(2022) 陳瑞青; Chen, Jui-Ching新冠疫情來襲，全球人類生活方式已隨之改變；吸引和留住合適的候選人已成為全球大多數組織人力資源管理中最關鍵和戰術性的問題之一，企業為了維持招募作業正常運作，具高度接觸風險的面對面的面試，已不再是唯一或主流模式；就像遠距工作一樣，人工智慧有望改變每個行業和每個公司，展望未來，在 Covid-19 之後，幾乎不可避免地加速我們在遠距面試模式的導入。 解決遠距問題的非同步視訊面試成為後疫情時代不可或缺的方式，僅是非同步面試仍無法解決後疫情時代人力不穩定的狀況，必須透過人工智慧的評鑑來增加面試效度，；本研究旨在探討求職者在實際使用非 同步視頻面試系統時，求職者得知有 AI 評鑑輔助功能下，是否會影響求職者在非同步視頻面試系統下對科技的信任度。 本研究透過 146 位求職者發現，求職者對具 AI 評鑑的非同步錄影面試相較於沒有 AI 評鑑的面試的錄影面試，有較高的認知信任，但對於認知情感則無顯著性的差異。本研究根據統計調查及分析結果，提供雇主及應徵者使用非同步視頻面試系統的教育指南，同時作導入非同步視頻面試結合人工智慧評鑑功能輔助科技的評估與相關使用者招募的參考依據。
- «
- 1 (current)
- 2
- 3
- »