研究所論文方向 2026-10-03
- 目標學程：東吳大學資料科學系碩士
- 語料：78 則去重（長照 3.0 出院即長照與田中長照大樓、衛福部抗生素抗藥性管理、Apple 收緊 macOS 完全取用磁碟權限、微軟數位防禦報告、NVIDIA DGX Spark 本機 AI 代理）
- 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
長輩出院 4 天內就能接上長照——醫院拿獎勵衝速度，怎麼用資料看「快」有沒有變成「草率」，又是哪些長輩還在空窗？
正式題名草稿
出院準備銜接長照服務之時效、評估品質與異質落差分析：以長照 3.0「出院即長照」包裹式獎勵為例
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以授權去識別的出院準備資料或依公開流程設計的合成資料，建立兩個任務：以機器學習預測住院長輩是否需要長照評估與服務類型，讓個管師提早介入；以存活分析估計出院到服務開始的時間，並以中斷時間序列或傾向分數配對比較參與與未參與獎勵計畫醫院。以服務開始後 30 日內服務變更與再住院作為品質代理指標，檢驗「變快」是否伴隨品質下降；依醫院層級、城鄉、個管師人力做子群公平性分析。語料只有 51 天、4 天兩個全國數字，研究不得補造；模型只做輔助篩選與政策評估，不取代照專評估。
值得研究的理由
長照 3.0 推動出院即長照，目標 2 天內接上服務，銜接天數從 106 年 51 天縮短到 113 年 4 天，並以包裹式獎勵鼓勵醫院住院期間完成評估與媒合。爭議包括依速度發獎勵可能草率評估、個管師人力不足、未參與醫院的病人權益不同。田中長照大樓可紓解護理之家滿床壓力、藥局串聯長照與輔具諮詢，顯示銜接端資源仍在補強。近 30 日長照題目未涵蓋出院準備銜接與獎勵誘因。
市場／可行性／目的
- 市場：衛福部調整獎勵指標、醫院配置個管師人力、地方長照中心規劃床位與居家服務都需要兼顧時效與品質的證據。
- 可行性：存活分析、因果推論與分類模型有成熟工具；先以合成資料驗證，再與單一醫院或縣市長照中心合作；須通過倫理審查。
- 目的：建立時效與品質雙指標評估框架，找出仍在照顧空窗的長輩，提出兼顧速度與品質的獎勵指標建議。
方法
出院準備流程與欄位整理；分類模型預測長照需求；存活分析；中斷時間序列／傾向分數配對；服務變更與再住院品質指標；子群公平性分析；醫院個管師訪談三角驗證。
建議指導教授（前二）
1. 丁德天（副教授）— 高齡醫學、因果機制拓樸排序、社會網絡分析：可協助定義高齡出院結局指標、干擾因子與子群設計。
2. 葉向原（教授）— 機器學習、資料探勘、資料科學：可指導長照需求預測模型與存活分析的特徵工程與驗證。
分數
理論 8／實務 9／市場化 7
依據語料 id
56、52、38
B. 學齡教學
專題主題
感冒要不要吃抗生素？國中小健康課讓 AI 聊天機器人陪孩子問——怎麼證明孩子回家真的不亂吃剩藥，AI 又不會答錯藥的事？
正式題名草稿
生成式對話代理應用於國中小抗生素素養教學之學習成效與回答安全性評估
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
第一階段做回答安全評測：依衛教原則編製學童常見提問題庫，讓大型語言模型對話代理回答，由專家標註正確性、是否給出具體用藥指示、是否建議就醫，比較加入檢索限定權威衛教資料前後的錯誤率與高風險回答比例。第二階段做小規模準實驗：比較傳統衛教、AI 對話教學、AI 對話加家長任務單三組的知識測驗、情境判斷與家中剩藥處理自陳，並以文字探勘分析學生提問迷思。語料未提供學童用藥或教學成效數據，研究不得補造；對話紀錄去識別並取得家長同意，AI 不提供個人化用藥建議。
值得研究的理由
衛福部將啟動防疫一體抗生素抗藥性管理行動計畫外部評核，公衛師引述 2021 年約 470 萬人死亡與細菌抗藥性相關，呼籲勿自行購買、分享或重複使用剩藥；「感冒要不要吃抗生素」是常見生活疑問，但健康識能宣導成效有限，醫師拒開抗生素也可能引發糾紛。十月衛福新制密集上路，也顯示民眾難以掌握健康資訊。近 30 日學齡題目未涵蓋健康教育與用藥素養。
市場／可行性／目的
- 市場：國中小健康教育課程、衛生主管機關衛教素材、教育科技廠商的 AI 回答安全規範都需要證據。
- 可行性：現成大型語言模型 API 與檢索增強即可，題庫數百題；準實驗與 2 至 4 班合作；須處理未成年人資料與家長同意。
- 目的：建立學童用藥問答的 AI 回答安全評測，並評估 AI 對話教學對抗生素知識與家庭剩藥處理的影響。
方法
學童提問題庫編製與專家標註；模型與檢索增強版本回答比較；三組準實驗前後測；文字探勘分析提問迷思；教師與家長訪談三角驗證。
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、數位遊戲式學習：可指導 AI 對話教學設計與準實驗評量。
2. 吳政隆（教授）— 自然語言處理、文字探勘、深度學習：可指導回答分類標註與學生提問的文本分析。
分數
理論 7／實務 9／市場化 7
依據語料 id
48、24
C. AI／AI代理人
專題主題
AI 代理人要「完全取用磁碟」才能幫你整理電腦——怎麼評它會不會順手讀走你的信件和聊天紀錄，放在本機跑是不是真的比較安全？
正式題名草稿
桌面 AI 代理人之權限最小化與越權存取評估：以作業系統檔案存取權限與本機／雲端部署比較為例
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
在隔離虛擬機建置含誘餌資料（假郵件、假聊天紀錄、假瀏覽紀錄）的測試桌面，設計檔案整理、文件摘要、備份等代辦任務，讓本機開源模型與雲端模型驅動的 AI 代理人在「最小權限」「資料夾授權」「完全取用磁碟」三種設定下執行。以系統呼叫與工具呼叫日誌計算任務完成率、越權讀取率、資料外送事件、工具呼叫次數與成本，並以提示注入檔案測試代理是否被誘導讀取敏感資料；以統計檢定與多目標分析比較權限、部署位置與模型的取捨，產出權限需求建議表。所有結果須由實驗產生，只用合成誘餌資料。
值得研究的理由
Apple 將收緊 macOS「完全取用磁碟」權限，因部分 App 濫用此權限讀取郵件、訊息與瀏覽紀錄，未來須使用者明確操作才能授權以因應 AI 代理風險；微軟 2026 數位防禦報告指出 AI 代理加速攻防節奏，並質疑代理接觸企業資料與工具的權限界線由誰負責；NVIDIA DGX Spark 64GB 主打本機私密執行 AI 代理。近 30 日代理人題目未涵蓋作業系統層級的檔案權限與越權存取。
市場／可行性／目的
- 市場：代理開發者、企業資訊部門與資安團隊需要代理權限需求與越權風險的量化依據，可轉化為權限稽核工具與導入準則。
- 可行性：虛擬機、開源代理框架與日誌監控工具皆可取得；小規模任務在碩士資源內可完成；須注意隔離、可重現性與 API 費用。
- 目的：建立桌面代理人權限與越權存取評測框架，提出權限最小化設計建議。
方法
隔離環境與誘餌資料建置；任務集設計；三種權限與本機／雲端部署控制實驗；越權讀取率、外送事件與完成率計算；提示注入測試；統計檢定與多目標取捨分析。
建議指導教授（前二）
1. 葉向原（教授）— 人工智慧、機器學習、資料科學：可指導代理人任務集設計、模型比較與控制實驗流程。
2. 呂明頴（副教授）— 人工智慧、資料探勘、行為分析：可協助從系統呼叫與工具呼叫日誌建立行為指標與異常偵測。
分數
理論 7／實務 9／市場化 8
依據語料 id
70、69、72
三個爭議點
1. 出院即長照把銜接天數從 51 天壓到 4 天並以獎勵鼓勵醫院時，政策該繼續以「天數」當成績，還是先用資料檢驗速度是否犧牲評估品質，並找出人力不足醫院與未參與醫院的長輩是否仍在空窗？
2. 抗藥性與健康識能宣導成效有限時，國中小該直接讓 AI 聊天機器人回答孩子的用藥問題，還是先評估 AI 回答的錯誤與高風險比例，並證明教學真能改變家庭的剩藥處理？
3. 作業系統為了 AI 代理風險收緊「完全取用磁碟」、廠商又主打本機私密執行代理時，使用者與企業該相信「本機就安全」，還是先量化代理人完成任務實際需要多少權限、越權讀取多少與任務無關的資料？