中原大學資訊管理學系學位論文
中原大學,正常發行
選擇卷期
- 學位論文
由於近年來智慧型手機的普及化，以及智慧商務的發展等因素，室內定位為備受矚目的研究主題。以定位基礎的服務系統（Location-based service, LBS）皆可看到定位技術的應用。一個典型的室內定位系統是藉由分析特定無線訊號的強度來作為定位的依據，利用分析Wi-Fi或Bluetooth的訊號強度以三角訂定位的形式取得使用者於空間中的定位。但在當前的定位系統中，主流採用的無線訊號容易在室內的環境受到干擾，使得系統的定位表象不理想。本研究聚焦於討論攜帶模式（Carrying mode）對於定位系統的影響，並以智慧型手機內部的動態感測器（inertial motion sensor）分析使用者當前的攜帶模式。進而提出一個以深度學習模型分析無線強度資訊與攜帶模式資訊（Carrying mode information）的定位系統。本實驗討論了不同種機器學習模型對於定為結果的影響，其中以卷積神經網路可以達到96％的精準度。本實驗證實了攜帶模式資訊有助於增進室內定位的精確表現。
- 學位論文
近年來，由於科技的快速發展與行動裝置推陳出新，使得行動學習應運而生，行動裝置輔助英語學習也在這波變革下逐漸的被廣泛應用。本研究主要運用擴增實境與語音辨識為核心技術，並以國小二年級學童英語學習教材為基礎，建構一套互動APP，除了維持既有的英語課本外，並以APP 做為學習輔助工具。研究方式先實施前測階段，以實體課本搭配英語學習光碟，接續以實體課本搭配APP 施以後測階段，側錄前測、後測英語學習影片，為期約一個月，並且採用序列分析法進行學習行為編碼、分析及比較前測、後測差異，最後輔以半結構訪談方式訪談學童的老師，探討透過行動科技的輔助，瞭解其對學童學習行為模式之間，是否具有顯著性以及學習英語的成效有所影響？本研究結果顯示如下： 一、在前測階段學童的學習行為是一邊聽英語學習光碟，一邊覆誦實體教材的內容，加上學習過程缺乏互動、內容無趣，因此學童容易受周圍事物影響，而出現學習以外的行為。 二、有了AR 輔助英語學習APP 後，後測階段的學習行為主要為操作APP 掃描實體教材，聆聽APP 產生的口語問題，學童再以口語來回答，經由APP 立即語音辨識，學童可以立刻知道回答正確與否，而且除了可以重複聆聽口語問題外，當語音辨識錯誤時，學童也會重複聆聽正確發音進而去模仿，嘗試並改正發音，因此在英語發音上會有正面助益。此外研究發現因為APP 具有互動效果，學童會專注於學習上，減少學習以外行為的出現，事後學童也曾主動詢問可否使用APP 學習英語，證明利用APP 可帶來正面激勵效果。 三、經由與學童指導老師訪談中所蒐集的結果顯示，搭配擴增實境英語學習APP 的輔助學習方式，確實可以引發學童的學習興趣，增加學習動機。 最後，期望透過本研究的結果歸納及建議，能夠提供未來相關應用擴增實境技術於行動學習之研究參考。
- 學位論文
現在的科技越來越發達，人們購物的模式也越來越多變，從一開始的實體店面到網路上的電子商務，再到現在是可以透過網路直接和賣家互動的網路直播購物，然而這種非實體店面的購物對顧客來說，仍有一些對賣家的不信任，因此本研究希望透過探討直播這項科技的特性，並結合信任承諾理論，來探討顧客是否會因為藉由網路直播的方式，提高對賣家的信任和建立良好關係，進而提高購買意圖。本研究採用調查法，針對在網路直播購物模式中，曾有過觀看網路直播經驗之閱聽者，對於網路直播賣家信任程度的情況與感受。研究對象為曾有過觀看或購買經驗之閱聽者，針對各項因子設計問卷，並採用PLS及SPSS兩個統計軟體作為分析工具，進行樣本資料分析、測量模型分析與結構模型分析，最後分析結果為關係利益及關係終止成本沒有顯著影響承諾；另他人意見影響沒有顯著影響信任，而其他研究假說皆有顯著支持。
- 學位論文
2018年1月1日起，開始實施完全募兵制，在部隊中已經沒有所謂的義務役弟兄了，現在部隊的軍官、士官、士兵都是志願加入國軍來為我們國家的安全做一份努力而加入保家衛國的國軍了，但是招募進來的往往都留不住，甚至服滿法定役期後，情願到外面當苦力也不願意繼續為國軍服務，所以要如何提升國軍人才招募始得召進來的人員都可以長留久任的為單位服務日益重要。 本研究主要就是要運用Weka資料探勘軟體之決策樹預測分析的技術，來篩選出與單位志願役軍、士官及士兵相關之最重要且離退問題的因子，做到預判及提供國防部及各級單位審視為何這些軍官、士官、士兵於役期任滿後，為何選擇退伍，以提供給國軍招募人員做為未來招募志願役人員的一個準則及依據，讓志願役人員改變服務的辛苦及招募進來部隊後的參考方向，對於優秀幹部及志願役人員離退及未來招募新進志願役官兵時應有所幫助，故研究結果可以做為國軍管理階層之參考。
- 學位論文
由於文化展演設施之展演種類與比重不盡相同，所處之環境也因諸多因素交互影響，導致吸引之觀眾客群及消費情形有所差異。在現今休閒活動已多元化、數位化的現在，表演藝術觀眾的開發及需求研究已是表演藝術團隊及文化展演設施均不可忽略的重要課題。本研究選擇以公立表演藝術場館為切入點，進行長達一年的資料收集，期望能以此看出南桃園地區觀眾對藝文節目之偏好，提供表演藝術場館以「顧客導向」為主體的服務方式與想法，以及未來公立表演藝術場館選擇演出節目時之參考依據。 本研究分別從問卷調查與個案訪談方式進行。經由上述研究，可得知以下結論： 一、南桃園地區的觀眾組成以女性、20歲以下或40-50歲及31-40歲，婚姻關係無顯著影響，教育程度以大專及高中職為主。 二、該館舍之觀眾偏好之節目屬性以音樂類為最多，其次為舞蹈類及親子類演出。 三、高度參與者參與需付費之藝文節目之意願較高，並且呈現高度相關性；另，高度參與者對場館之滿意度也較高。 四、南桃園地區之觀眾偏好之行銷方式仍為傳統之師長朋友推薦、海報及其他網路平台，一方面可見口耳相傳之行銷方式仍為行銷主力，另一方面也可以針對較弱之網路、平面宣傳方式進行調整或加強。
- 學位論文
近年來因為數位學習與應用的快速發展，在教學互動的環境之中，得知學生上課時的學習情緒(academic emotions)是非常重要的。學習情緒是一種在學習的過程中，學生會隨著學習行為的表現，而呈現出的臉部表情，教師能夠利用學生的學習情緒，來提供給學習者最適當的內容、反饋、提示、練習或測驗題目，是達成因材施教的教學理念很重要的一環，目的是根據使用的情緒來調整最適合學習者程度的教材內容，來提升學習者的學習成效與動機，未來也能夠應用在適性化學習(adaptive learning)上。然而，過去對於學習情緒的研究，大部分的方式是經由課後訪問學習者，來得知學習者對於上課內容的情緒。過去為了改善即時性的問題，也有相關研究嘗試使用臉部辨識與情緒辨識技術在學習情緒上，但此類的研究多以傳統辨識方法針對單一照片作分析與辨識為主，並未考慮到學習情緒的表達為一段時間之學習情況的連續表情。為了解決以上問題，本論文將提出一個基於深度學習之連續臉部情緒模式辨識方法應用於學習情緒。本論文實驗中將結合深度學習方法中的卷積神經網路和遞迴神經網路，分析與辨識學生的連續臉部學習情緒模式，得到學習情緒的辨識結果，並且幫助未來的學習系統能夠更快速且準確的瞭解學生的學習狀況，作出即時的回應，給予適合學生程度的教材或題目，來提升學習者的學習成效與動機。在本論文中，實驗結果得出卷積神經網路辨識模型的準確率為72.47%，卷積神經網路加遞迴神經網路實驗結果準確率為84.66%，兩種神經網路結合使用比單純使用卷積神經網路提高了約12%左右的準確率，證明卷積神經網路加上遞迴神經網路是可行的。
- 學位論文
區塊鏈是現在資訊界當紅的一項技術，因為應用此一技術所建構的應用程式或程序，必定具備目前現行資訊環境對資料儲存的兩大主流需求，防竄改化與去中心化的特徵。學者提出許多具有證權且須利用大量紀錄追溯的資料，都適合導入區塊鏈技術協助保障資料儲存的完整性。在進行區塊鏈的研究課題時，無意發現現行的研究資料保存方案，如學術論文、研究期刊與專利聲明，都僅只有在最後發表時，才能將其研究成果上傳至相關的系統平台作保存。因此開始思考，建立一套研究中的資料保存方案是否可行，用來預防正在進行研究中的資料，不被他人惡意的竊取，以及在發生研究爭議時，可以為研究者提供相關的研究軌跡證據或研究所有權證明，此外作為設計用來解決研究者問題的資料保存平台，本研究除了要透過建力系統解決資料保存的問題，也期望透過資料保存平台所儲存的資料，針對研究者的操作需求進行延伸的功能設計，因此本研究將透過文字探勘的技術，從平台所保存的資料，協助研究者快速比對高度相關的研究資料，協助研究者加快文獻的搜尋，以及提早預知是否有相似的研究正在進行。總結以上所述，本研究將透過資訊系統設計與理論建構貢獻來探討，應用區塊鏈與文字探勘建置的創意共享平台，作為解決目前研究者資料保存與文獻搜尋的可行性探討。
- 學位論文
摘要 隨著規範製藥產業的法規日益趨嚴，實驗資料記錄與保存方式更加重要，對於實驗數據的保存、管理及應用都是相當重要，導入電子實驗記錄系統(ELN)將會是未來趨勢。本研究選擇以本公司導入的電子實驗記錄系統為切入點，以藥廠研發人員為對象，藉由深度訪談方式，了解導入電子實驗紀錄後會對研發單位帶來的效益為何。 本研究以個案訪談方式進行。得知以下發現： 1. 對於導入新系統滿意度：新進同仁較資深同仁高。 2. 系統模組功能不足影響使用者意願：多數使用者認為系統應結合外部資源及內部資源， 提供使用者在記錄實驗過程中的參考資料；系統應結合實驗室的儀器設備及軟體，達到實驗數據能更快速準確地被記錄。 3. 管理效率增加：ELN依照專案分類不同專案中，使計畫主持人可察看實驗進度，在專案成員有更動時，將實驗內容得以重新調整。 4. 提升實驗記錄文件品質：標準化的實驗報告模板，使資料記錄、儲存變得更容易，並可以將實驗內容以圖片檔、影片檔上傳至ELN。 關鍵字：電子實驗記錄、績效評估、實驗室信息、電子化文件管理
- 學位論文
網路所存在的資訊量已經大幅的超過人類所能輕易處理，使用者很難以最少的時間找到最能滿足需求的資料。對網路商家來說，要將如此龐大的資料進行整理與歸納，也成為了一大難題。因此，很多的研究或應用是使用推薦系統，來幫助使用者解決資訊過載的問題，而最常使用的推薦系統方法是以使用者為基礎之協同式過濾方法，此方法只考慮使用者的歷史評分紀錄來分析使用者的喜好。然而，使用者的文字評論資料中隱藏許多喜好或情緒的資訊，這些有助於更精確分析使用者喜好。因此，本研究提出一個以評論面向為基礎並應用深度學習於使用者偏好分析之評分預測方法，主要分析使用者(User)及商品(Item)的評論文字中所隱含的面向、情緒和語意等，而後將此三大特徵整合並透過深度學習方法來建立使用者與產品隱含特徵，並利用矩陣分解法來做評分預測。實驗結果顯示，本研究所提出之方法相較於其餘傳統的預測方法、以及神經網路方法，可以更有效的分析出文字評論中各面向所傳的之情緒以及語意等因素，並反映於預測評分中，提升預測之準確度。
- 學位論文
台灣在全球智慧財產的產業鏈上所扮演的角色，屬於知識文化上的輸入國，同時也是智慧財產權商品的收受者與消費者，而推行智慧財產權的概念的主要目的是為了鼓勵研發和保護原創。在商場的戰場上，也有許多商標爭奪的例子，這些訴訟最後判決的勝負關鍵除了兩個商標間的相似度外就是在於註冊的「時間」。隨著網絡上發表的文件大量增加，大家開始關心剽竊檢測的技術，而以往的檢測技術都只有比對，卻沒辦法有效證明圖片出現的先後順序。 本研究利用DeepAI所開發出的Image Similarity API來進行商標圖檔的相似度比對預處理，並架設以太坊區塊鏈，透過撰寫智能合約來記錄廠商們的商標圖檔及詳細資訊，利用區塊鏈技術中時間戳記和不可竄改特性等等，使得廠商在註冊上傳商標上能夠更加安心，且能夠記錄整個品牌商標的演進歷史。