科技應用與人力資源發展學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/82

歷史與沿革

本系根源於民國42年所成立的工業教育系「工藝教育組」,專責培育我國中學「工藝」課程之師資,配合課程內涵之調整與修訂,在民國61年更名為「工業技術教育組」,並於民國71年正式獨立設系為「工藝教育學系」,為配合學校藝術學院成立,本系隸屬於藝術學院。

民國80年增設碩士班,民國87年增設博士班。隨著社會環境的變遷與課程改革的需求,外加上師資培育多元化的衝擊,在民國83年正式將系名更改為「工業科技教育學系」,專責培育中學「生活科技」課程之師資,民國87年本系改隸屬於當年新成立的科技學院。為符合本系培育科技產業教育訓練人才之目標,本系獲教育部同意,從98學年度起更名為「科技應用與人力資源發展學系」,並簡稱為科技系。

為拓展本系畢業學生之就業機會並開啟本系畢業生至業界就業的契機,本系自民國83年開始,以既有的師資培育為基礎,先後在「大學部」實施課程分組,目前的大學部課程則分為「學習與科技組」及「設計與科技組」,以培養科技產業界所須之人力資源人才。在「碩士班」階段則先後規劃「科技與工程教育」、「人力資源」與「網路學習」等多元之課程內涵,協助學生發展各該領域之專業與研究能力;在「博士班」則設有「科技與工程教育」與「人力資源」兩組課程,培育各該領域之專業「教學」與「研究」之人才。

系所特色與目標

科技系原屬培育中學「生活科技」教師之專門機構,然為因應師培市場之萎縮,科技系於十年前即著手調整課程結構,以培育學生朝向科技產業界發展為目標。目前,科技系的課程本質,是以科技產業為主體,學生藉由各科技產業課程,例如傳播科技業、製造科技業、營建科技業、運輸科技業,來瞭解台灣科技社會的結構與內涵。在上課的型態上,則是提供學生以「設計」及「製作」的方式來進行,藉以深入瞭解科技產業之工作內涵與程序。在此基礎之下,本系再輔以人力資源發展的專業課程,使學生具備「科技產業知識」及「人力資源發展專長」,得以進入科技產業從事企業的教育訓練工作。

設備與學習資源

現有自造大師基地、專題研討室多間、電子實驗室、人力資源研討室多間、電腦實驗室、網路教學實驗室、圖文傳播實驗室、電工實驗室、綜合工廠、電腦繪圖室、數位傳播教學實驗室、媒體設計實驗室等多元教學設施。

Browse

Search Results

Now showing 1 - 10 of 13
  • 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。
  • Item
    不同學習方法對學習人工智慧與運算思維的成效影響
    (2021) 林奕瑋; Lin, Yi-Wei
    隨著近期科技迅速發展,人工智慧已為我們的生活核心。運用各種不同的教學法,協助學習者提升進行複雜問題解決並提升人工智慧與運算思維能力已獲得成效,但很少研究探討如何運用經驗式學習法,協助學習者提升人工智慧與運算思維。學習者也常常因為覺得學習內容與本身無關所以不想學習,因此本研究提出一套經驗教學法,讓學習者透過做中學方式,提升運算思維和人工智慧能力;本研究採用準實驗法,將學習者分為不同學習法,控制組為主題導向學習組26人,實驗組為經驗學習組30人。不同學習法學習者都事先觀看老師預先錄製好的教學影片進行預習並且接受不同教學法後,本研究探討不同學習法學習者在學習成效、人工智慧焦慮、運算思維能力等差異,並對學習者行為進行分析。結果顯示,在運算思維能力方面,經驗學習組優於主題導向組。但不同學習法學習者在學習成效、人工智慧焦慮沒有顯著差異。從行為分析中得知,經驗學習組會因為學習內容與自己有關聯性,因此學習者在過程會想要提出問題,進而建構與探索自己的知識,並在整個過程中創造自己的系統知識來解決複雜問題;主題導向學習組因為只有知識輸入與輸出,對於運算思維的態度相較於經驗學習組較差。本研究結果希望提供給未來任課教師運用經驗式學習法,協助提升學習者人工智慧與運算思維教學參考。
  • Item
    人工智慧產品使用者開發
    (2022) 姚鈞愷; Yao, Chun-Kai
    隨著使用者在設計過程中逐漸受到重視,設計師需要花更多的心力在設計過程中了解使用者的需求,而工程設計教育也應該跟隨此一趨勢,讓學生能夠在設計實作中學習與使用者溝通與合作。參與式設計能夠讓使用者參與學生的設計過程,克服對使用者的不熟悉,然而要找到使用者配合教學現場非常困難。但隨著近年來人工智慧技術的發展,聊天機器人或能解決真實使用者的參與問題。本研究使用Dialogflow自然語言處理系統與Google助理建置系統模型架構,依照人物誌設計方法與半結構式訪談,以聊天機器人的方式建立人工智慧使用者系統模型,並使用此系統模型以8位人因工程課程之大學三年級學生進行系統模型驗證,真實使用組4人,AI組4人。其中真實使用組以真實使用者作為產品使用者進行設計活動,AI組使用本研究發展之人工智慧產品使用者作為使用者進行設計活動。根據本研究所建置之系統模型與系統模型驗證結果分析,得出以下結論:在設計過程的部分,人工智慧產品使用者能讓學生表現出更豐富的工程設計行為轉移;設計構想的部分,兩組學生之防身用品設計構想表現平均差異不大,證實人工智慧產品使用者系統模型能在設計的前期構想階段中有效代替真實使用者。
  • Item
    運用微表情預測工作績效:卷積神經網絡的應用
    (2021) 李淑鈺; Li, Jessica
    企業想要挑選高績效人才, 根本之道是透過有信度與效度的甄選工具。傳統的甄選流程大多透過履歷表篩選、面談評測應徵者的職能是否符合該職缺的需求。研究發現,應徵者的過去行為(Past Behaviour)是預測未來行為(Future Behaviour)與績效(Job Performance)最有效的預測因子,但行為事例式面談需耗費人力且缺乏效率。在心理學的領域發現,一個人在特定情境中的微表情除了反應當事人的情緒狀態外,也能用來預測當事人的未來行為傾向,從下一秒到下一年都有可能。隨著電腦視覺(Computer Vision)以及深度學習(Deep Learning)技術的發展,心理學家開始與電腦科技領域的專家合作,透過視訊記錄辨識當事人的微表情並用來推測當事人的未來行為。其中尤以卷積神經網絡(Convolutional Neural Network, CNN),是目前最廣泛被應用在微表情分析的深度學習技術。本研究採用實證研究法,研究對象為個案公司中101位企業內部具業務工作性質員工。結果顯示,可以運用電腦視覺處理技術蒐集業務工作性質員工在特定環境中(模擬求職面試)回答特定問題所表現出來的面部微表情運動軌跡,以卷積神經網絡建立微表情與工作績效模型,具有91 %的機率可以推測其在工作績效的考核結果,提供企業選才時另一項快速且有效的甄選決策輔助工具。
  • Item
    探討應徵者在非同步面試有無人工智慧評估情境下之誠實性與欺騙性印象管理行為
    (2021) 李文智; Lee, Wen-Chih
    COVID-19疫情侵襲下,不僅改變人們的生活模式,對於企業營運也帶來不小的影響。在人才的遴選過程上也多改以科技輔助進行;而應徵者也越來越能夠接受自動化評估的面試方式(係以人工智慧初判面試結果,即人工智慧面試官),因此自動化評估系統與應徵者之間,亦逐漸產生關於面試行為的問題。本研究收集151位應徵者參與,在實驗開始前,其中一半的研究參與者被告知將會由人類面試官評估面試結果情境;另外一半則被告知使用自動化系統評估的檢視情境;並在實驗結束後,透過應徵者在面試過程中所展現誠實性或欺騙性的印象管理行為,進行自我評估問卷填答,以實際驗證來探討應徵者在面對人類面試官情境與人工智慧評鑑情境時的印象管理行為展現之差異性,並回顧過往相關研究論點,藉以非同步錄影面試並結合不同施測情境執行實驗;來檢測應徵者面對人工智慧面試官相較於真人面試官展現印象管理的行為是否有顯著差異,以作為導入人工智慧面試工具的參考和企業使用者訓練的依據。