學習資訊專業學院—圖書資訊學研究所
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/22
國立臺灣師範大學(本校)於民國四十四年成立社會教育學系圖書資訊學組,為臺灣最早成立之圖書資訊學相關科系。為培育知識經濟社會所需之高階圖書資訊服務人才,本校於民國九十一年成立圖書資訊學之獨立研究所(本所),隸屬本校教育學院,招收一般碩士生。
為提供在職圖書資訊服務人員之進修管道,本所於民國九十四年續接社會教育學系(社教系)之「圖書資訊學碩士學位在職專班(週末班)」及「學校圖書館行政碩士在職專班(暑期班)」,以培育具備資訊科技知能之圖書資訊服務人才。
為進一步推動跨領域合作,本所於民國九十五年與本校美術系、歷史系、國文系及產業界專家等共同籌設「數位內容與創新應用學分學程」,以培育兼具數位內容創作與加值應用之人才。因應圖書資訊學研究之變遷與知識服務產業之發展趨勢,本所於民國九十七年奉教育部核准成立博士班,並於民國九十八年招收第一屆博士生,以培育兼具圖書資訊學學術研究與管理領導能力之人才。
Browse
4 results
Search Results
Item 大學圖書館學科館員對數位移轉觀點之研究(2025) 張恪銘; Chang, Ke-Ming大學與研究型圖書館協會(Association of College& Research Libraries, ACRL)回顧了近四年大學圖書館的趨勢,點出新型冠狀病毒(Covid-19)所造成的大流行以及生成式AI等人工智慧(AI)技術對於大學圖書館的影響最為顯著。英國研究型圖書館聯盟(Research Libraries UK,RLUK聯盟)歷經國內首次的大流行後,意識研究型圖書館(Research Libraries)推動「數位移轉」(Digital Shift)之必要,後續提出「數位移轉宣言」(A manifesto for the digital shift)並著重在館員技能(Skills)、空間(Spaces)、學術與館藏(Scholarship and collection)與利害關係人(Stakeholders)這四個面向進行創新,以形塑圖書館科技創新、永續發展以及與學術界密切合作的角色。 在大學圖書館中,學科服務是大學圖書館與各系所間保持經常性聯繫的管道,透過學科館員提供的客製化服務,支持大學各系所間師生研究與教學的需求。本研究透過半結構式訪談法向國內七所大學圖書館共十二名學科館員與其中階主管,探討我國大學圖書館推動數位移轉的現況、影響數位移轉的因素,並採用創新擴散理論分析人工智慧技術於大學圖書館創新之態度。研究結果顯示,我國大學圖書館在「數位移轉宣言」裡的四個面向皆有創新。至於影響圖書館數位移轉之因素,則發現經費、館員、使用者需求、組織文化與圖書館管理階層等五個因素。而人工智慧技術在圖書館的應用包含館員的個人工作上使用、提供使用者AI素養的服務、圖書館後端系統以及引文資料庫的AI檢索功能。儘管AI技術於大學圖書館中已展現出可提升服務品質與效率的潛力,但是在推動創新時仍面臨著挑戰,像是部份AI技術於圖書館領域的成熟度不足、館員缺乏AI素養以及AI工具衍伸倫理與隱私議題。基於研究結果,本研究建議我國圖書資訊學教育應調整課程,以培育新一代圖書館之人才;大學圖書館則應強化學科館員的職能培訓、改善人力配置,並推動AI素養發展;學科館員則強化數位技能與專業領域知識、加強與教學單位及研究單位之間的聯繫。Item 以人工智慧輔助中文期刊參考文獻剖析之研究─以人文社會科學領域為例(2024) 郭珮涵; Kuo, Pei-Han隨著科學論文發表數量的快速增長,引用來源的多樣性和格式差異增加了參考文獻剖析的難度。本研究旨在探討如何自動化擷取科學論文中的參考文獻,並利用人工智慧工具進行剖析,藉以簡化工作流程,降低人力和時間成本,並提升圖書館的知識傳播效能。本文提出了從中文期刊文章檔案中自動化擷取參考文獻的方法,並評估使用人工智慧工具剖析參考文獻的可行性。本研究實驗分為三個部分,第一部分設計程式,擷取期刊文章中的參考文獻章節;第二部分評估不同人工智慧工具在參考文獻剖析任務中的效能;第三部分根據第二部分的實驗結果修正實驗方法,並評估和比較修正後的成果。實驗結果如下:1. 在參考文獻擷取實驗中,基於規則方法的程式能夠自動擷取文章中的參考文獻內容,用於建立資料集作為後續研究基礎。2. 在參考文獻剖析實驗中,本研究比較了spaCy和ChatGPT兩種基於Transformer架構的人工智慧工具的效能。實驗結果顯示,ChatGPT在各欄位的F1-score表現優於spaCy,具有較高的準確性和穩定性。3. 在第三部分實驗中,選擇了第二部分中效能較佳的ChatGPT進行提示修正。實驗結果顯示,經過提示調整後,ChatGPT在各欄位的F1-score表現均有所提升。本研究結果顯示了使用人工智慧工具自動化剖析參考文獻的可行性,並展現了大型語言模型在這一任務中的潛力和優勢。未來研究可以進一步嘗試結合多種人工智慧工具,探討利用不同模型優勢提升參考文獻剖析的準確性,同時探討減低剖析成本的可能性。Item 文字生成技術應用於學術論文寫作之評估─以人工智慧領域論文摘要為例(2022) 張悅倫; Chang, Yueh-Lun文字生成技術的應用在近年愈臻成熟,其對學術產出過程的影響更是不容小覷。為初步瞭解此技術對學術研究發表的影響,並探索人類與電腦能否辨別電腦生成或人類撰寫之學術文章,本研究運用既有的開放資源,以人工智慧領域之論文摘要為範圍,進行了「人類評估電腦生成摘要」及「摘要生成模型自動化評估」兩實驗。實驗一依據ACL Anthology和arXiv(cs.AI)語料,以語言模型GPT-2生成論文摘要,再就英文文法檢查工具Grammarly和受試者對其之評估情形進行分析。實驗二則藉由分類器,實測電腦能否辨別出電腦生成之摘要,再與受試者的評估結果進行比較。研究結論如下:1. 電腦能生成仿真度高的摘要,並在Grammarly的評估指標表現較人類撰寫摘要佳。2. 受試者對於電腦生成摘要之平均良窳度給分為3.617,而人類撰寫摘要則為3.622,顯示人類在不知道有電腦參與生成的前提下,無法明顯地辨別出一篇摘要為電腦生成或人類撰寫。3. 以SciBERT預測30篇摘要之Micro和Macro f1皆為0.93,較受試者的0.53及0.44高上許多,顯示電腦具辨別電腦生成摘要之能力。同時,由於在SciBERT預測錯誤的2篇摘要中,有1篇在人類預測中為正確,推論電腦與人類或許能在辨別上相互輔助。Item 人工智慧如何自動辨識電腦生成新聞之研究(2022) 文宣; Wen, Hsuan在人工智慧迅速發展的這個時代,開始有了機器自動生成新聞的技術,但機器生成的新聞內容並非全然正確時,檢視資訊的來源及內容就變成非常重要的一環,現今機器也能協助人類進行文章分類判斷,那機器到底為何能夠如此強大?本研究為探討在中文經濟新聞的範疇內,電腦生成的文章特徵是否與其他相關文獻中提及的電腦生成英文文章相同,而BERT對於經由語言學要素中,針對語意、語用及語法所設計的五個實驗進行修改後的中文文章,是否仍然可以準確的判斷出一篇文章為電腦生成或人工撰寫,並找到BERT判斷的關鍵因素為何,實驗結論如下:1. 無論是在英文或中文文章中,只要是電腦生成的文章,特徵基本上是相同的。2. BERT在判斷一篇中文新聞為人類撰寫或電腦生成時,可能判斷的依據主要在於語意及語法兩個部分。3. 一篇中文約300~350字的新聞,若只更動語意的部分,如將語句長度縮短,或是將逗點之間的句子隨機做位置上的調換,可使BERT準確度出現些許下降;若進而更動到語法的部分,例如使用Google翻譯,將一篇文章的詞彙結構打亂,則可以使BERT判斷的準確度大幅下降。