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
17 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 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 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 探討人工智慧對台灣銀行業之影響(2021) 連家瑜; Lien, Chia-Yu隨著人工智慧的發展，人工智慧已經廣泛應用於日常生活和社會，本研究透過文獻探討與蒐集報章期刊彙整出人工智慧對台灣銀行業的影響，歸納出五大構面與二十一項準則，五大構面分別為智慧客服、網路及行動銀行、客群經營、機器人理財、風險控管。本研究問卷發放對象為學術單位與產業界領域中，具備銀行金融與人工智慧相關產業背景之 24 位專家。利用多層次決策分析法探討人工智慧對台灣銀行業的影響架構中，計算評估準則的相對權重與重要性排序，最後提出研究結論與實務建議。本研究結果得知五大構面中以客群經營為優先考量的重點屬性。五大構面底下準則之優先考量屬性分述如下: 一、客群經營構面下為既有客戶活化。二、風險控管構面下為提升信用評估精準度。三、智慧客服構面下為正確回應客戶。四、網路及行動銀行構面下為無地域時間限制。五、機器人理財構面下為收費便宜。本研究結果可提供人工智慧對台灣銀行業之影響關鍵的參考事宜，進而制定具體有效的策略。Item 花語之色彩意象應用於色彩建議與分析(2022) 林昭伶; Lin, Chao-Ling本研究所側重分析的焦點以日本學者小林重順建立色彩意象座標（Color Image Scale）與色彩意象詞彙資料庫（Color Image Word Database），讓情緒與色彩或色彩組合標準化、數值化，以奠定學理討論基礎，其利用語意差異法度量色彩及意象的關聯，與日本色彩與設計研究所（Nippon Color and Design Research Institute, NCD）合作開發色彩意象座標。透過自然語言處理（Natural Language Processing, NLP）技術將一般口語化的表達轉換至專業的一個或多個設計參數的辨識，用於人工智慧（Artificial Intelligence, AI）深度學習（Deep Learning）訓練出符合大數據內容呈現趨勢優化的色彩建議的方法，提出具體建議。透過設計3組實驗「多意象色彩調和演算法」、「色彩意象抽取演算法」、「花卉圖片重點色彩擷取」，進行提取3色色彩組合當作已知色，實作於「色彩建議演算法」輸出建議色，利用網路問卷調查分析滿意度，結果顯示色彩建議後的5色色彩組合的滿意度平均數都比4色色彩組合高。本研究的主題花語之色彩意象應用於色彩建議後的4色、5色色彩組合的滿意度平均數均達3分以上具有正面的評價。另外，本研究觀察審美度方程式M=O/C，花卉圖片重點色彩應用於色彩建議後的4色、5色色彩組合，都有100%符合M>0.5，發現應是花的顏色色相大多較為相近，產生對應到的數值不會差太大的現象，在曼賽爾色彩系統中如果O與C的落差不夠大，計算得到的數據就不會差太大，進而發現當色彩色相都較為相近時只採用審美度來進行評量色彩調和度是不夠的。 花語被加以利用於色彩意象的表現，輔助設計半自動化色彩建議方法，產生具有代表性或獨特性的色票，未來得以應用於印刷與設計產業中，解決一般非專業人員色彩運用能力不足的困境。COVID-19疫情觸動數位轉型契機，迫切需要大量的資訊傳遞、搜尋與雲端儲存及大數據的使用。科技的進步讓科技推動模式逐漸由技術轉為需求導向（陳聖智，2021），色彩建議方法的效能與創新應用的可行性，導入人工智慧概念，無須透過漫長歲月經驗累積養成，輔助更多有設計需求但能力不足的人，即時性設計因應少量多樣、個人化、個性化的趨勢設計潮流，亦是本研究主要課題以供後續相關研究與應用之參考。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。