研究所論文方向 2026-09-24
- 目標學程：東吳大學資料科學系碩士
- 語料：80 則去重（MedGemma 開源醫療模型、教育部數位素養自評、玉山 GENIE→Agentic、微軟 AI 代理資安營運、Gemini 跨 App 連結等）
- 硬規則：A/B/C 三題；口語主題；AI 整合；指導教授僅教授／副教授前二名
A. 長照醫療
專題主題
MedGemma開源醫療模型下載破千萬——偏鄉長照／診所要拿來輔助看影像、寫摘要前，怎麼評在地化準不準、會不會害到高齡病人？
正式題名草稿
開源醫療多模態模型於偏鄉長照／基層診所之在地化校準、高齡子群公平性與臨床課責邊界評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以去識別／合成高齡影像與摘要任務，用機器學習／電腦視覺與生成式摘要評測開源 AI 權重 vs 在地適配；強制校準、高齡公平性、失敗案例與「不得獨立診斷」邊界。
值得研究的理由
本日語料為 MedGemma 開源醫療模型下載破千萬、用於前線／公衛；並有 3D CT 開放研究模型與健保總額破兆脈絡。近 30 日已涵蓋封閉式醫療影像模型等；本日改評開源在地化×偏鄉長照／高齡子群。
市場／可行性／目的
- 市場：偏鄉長照需要可稽核的開源醫療 AI 驗收規格
- 可行性：公開權重＋去識別／合成任務即可
- 目的：量化在地化、公平性與誤用風險
建議指導教授（前二）
1. 葉向原（教授）— 機器學習、資料探勘、生物資訊
2. 丁德天（副教授）— 高齡醫學、醫學影像分析
分數
理論 8／實用 9／市場化 8
依據語料 id
58, 45, 37
---
B. 學齡教學
專題主題
教育部要辦「全民數位素養自我評量」——國高中若用AI出題、改卷、給回饋，怎麼證明測到真能力、又不會把孩子標籤化？
正式題名草稿
生成式AI輔助國高中數位素養評量：題目品質、能力效度、標籤化風險與城鄉公平性評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
比較教師命題 vs AI 命題／評分／回饋；用效度、一致度、增益、捷徑作答與城鄉公平性指標；禁止自評分當升學篩選。
值得研究的理由
本日語料為教育部全民數位素養自我評量，並有 AI 時代學習與高中職探索合作脈絡。近 30 日已涵蓋 AI 治理素養課等；本日改做官方評量×AI 輔助的效度與防標籤化。
市場／可行性／目的
- 市場：學校／教育行政需要可驗證的素養評量規格
- 可行性：API＋準實驗＋未成年人保護即可
- 目的：量化題目／評分品質、回饋與公平性
建議指導教授（前二）
1. 金凱儀（院長／系主任／教授）— 電腦輔助教學、適性化學習
2. 吳政隆（教授）— 文字探勘、自然語言處理、深度學習
分數
理論 8／實用 9／市場化 8
依據語料 id
22, 24, 32
---
C. AI／AI代理人（優先）
專題主題
玉山GENIE每月吃14億Token、下一步要做「代理式銀行」——怎麼評它會不會亂呼叫工具、亂做決策又扛不住合規？
正式題名草稿
金融機構 Agentic 助手：工具呼叫軌跡、合規閘門、成本—品質與越權風險評測框架
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
設計金融 agentic 任務集與模擬工具；比較單次生成／工具迴圈／人類核准；指標含成功率、越權率、合規閘門、token 成本；可延伸多代理分工。
值得研究的理由
本日語料為玉山 GENIE 規模化用量與 Agentic 路線，並有微軟 AI 代理資安營運、Gemini 跨 App、賣家助理自動監測等。近 30 日已有一般／資安／科學工具代理人；本日改做金融合規情境之工具呼叫評測。
市場／可行性／目的
- 市場：銀行需要代理式助手上線驗收與稽核規格
- 可行性：模擬 API＋合成政策庫即可，禁止連真核心
- 目的：量化可靠度、合規與成本
建議指導教授（前二）
1. 蘇明祥（副教授）— 口語對話系統、自然語言處理
2. 吳政隆（教授）— 文字探勘、深度學習、人工智慧
分數
理論 8／實用 9／市場化 9
依據語料 id
79, 54, 57, 64
---
報告層爭議點（3）
1. 開源醫療模型下載破千萬時，偏鄉長照該先宣示「可輔助看影像」，還是先用高齡子群校準與課責證明不會誤判？
2. 教育部推全民數位素養自評時，國高中該先追求全測覆蓋，還是先卡住 AI 命題／評分的效度與防標籤化？
3. 銀行月燒數十億 Token 還要上「代理式」自動呼叫工具時，該先信低成本敘事，還是先用軌跡、合規閘門與越權率查清能不能上線？
三個爭議點
1. 開源醫療模型下載破千萬時，偏鄉長照該先宣示「可輔助看影像」，還是先用高齡子群校準與課責證明不會誤判？
2. 教育部推全民數位素養自評時，國高中該先追求全測覆蓋，還是先卡住 AI 命題／評分的效度與防標籤化？
3. 銀行月燒數十億 Token 還要上「代理式」自動呼叫工具時，該先信低成本敘事，還是先用軌跡、合規閘門與越權率查清能不能上線？