研究所論文方向 2026-10-04
- 目標學程：東吳大學資料科學系碩士
- 語料：63 則去重（旗山醫院健保復健病房試辦、健保擴大新藥給付、嘉義市學生家庭電動機車補助與校園零排放接送區、91APP 第二代 AI SEO）
- 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
- 註：本日語料無直接的 AI 代理人新聞，C 題以 AI 搜尋推薦為起點延伸至購物代理人
本日爭議點
1. 旗山復健病房以 21 名中風患者、日常活動能力平均提升 22.3 分作為成效，但樣本少、試辦後給付未定、偏鄉治療師不足：該以小樣本數字決定續辦，還是先用資料建立可比較的成效指標？
2. 嘉義市只對學生家庭加碼電動機車補助、額滿即停並結合校園零排放接送區：以「上學」為名的補助，是否真的改善學童通學安全與校門口空氣，又能否讓孩子在課堂上理解這些數據？
3. 品牌以七大模組提升被 AI 引用的比率，但引用率標準不透明、自動生成 FAQ 恐造成同質化：AI 推薦是否會被量產內容左右，又該用什麼指標檢驗？
A. 長照醫療
專題主題
偏鄉中風患者住進健保復健病房後，怎麼用資料預測誰會進步最多、試辦結束後到底值不值得繼續給付？
正式題名草稿
偏鄉急性後期復健病房之中風患者日常活動功能改善預測與成效評估：以健保復健病房試辦計畫為例
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
以去識別化急性後期復健病歷（入院日常活動能力分數、年齡、中風類型、共病、住院天數、居住地與交通距離）建立機器學習模型預測出院時功能改善幅度與能否返家，並以 SHAP 解釋影響因子；以傾向分數配對或差異中的差異法比較就近復健病房與跨區復健患者的功能改善與再住院，估計試辦增量效益，並粗估家屬陪病交通成本。語料僅有 21 人平均提升 22.3 分，所有結果須由授權去識別資料產生。
值得研究的理由
旗山醫院啟動南部首間健保復健病房試辦，服務旗美九區中風患者，上半年收治 21 名急性後期患者、日常活動能力平均提升 22.3 分，設居家模擬環境並銜接出院準備、居家醫療與長照；偏鄉患者過去常需跨區復健。語料質疑樣本少、試辦後若無常態給付難以延續、成效指標未公開；同日健保擴大癌症新藥與 CAR-T 給付年增近 20 億元，資源排擠是實際問題。近 30 日長照題目未涵蓋急性後期復健病房成效評估。
市場／可行性／目的
- 市場：健保署續辦決策、區域醫院復健床分流、其他偏鄉醫院複製試辦都需要成效證據。
- 可行性：單院樣本小，可結合多年歷史資料或健保研究資料庫；須倫理審查與去識別化；工具皆開源。
- 目的：建立功能改善預測與解釋模型，以因果推論評估試辦增量成效，提出公開成效指標與床位分流建議。
方法
資料取得與倫理審查；特徵工程；機器學習預測與 SHAP 解釋；傾向分數配對／差異中的差異；敏感度分析與成本效益粗估。
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、精神流行病學：指導高齡復健成效的研究設計與因果推論。
2. 葉向原（教授）— 機器學習、資料探勘、資料科學：指導預測模型建構、特徵工程與驗證。
分數
理論 7／實務 9／市場化 7
依據語料 id
32、43、47
B. 學齡教學
專題主題
嘉義市補助學生家庭換電動機車、校門口設零排放接送區——怎麼用 AI 數車流和空氣資料，證明孩子上學真的更安全，還能把這些數據變成國小的數據素養課？
正式題名草稿
校園零排放接送區與學生家庭電動機車補助之通學環境成效評估及其數據素養教學應用：以嘉義市「低碳上學」為例
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
上下學時段以經同意、不辨識人臉與車牌的攝影機錄影，用物件偵測模型（如 YOLO 系列）自動計算機車、汽車與行人數量，燃油／電動機車分類列為探索性分析；結合環保署空氣品質公開資料與低成本感測器，以差異中的差異法比較有無零排放接送區學校的政策前後變化。再將去識別資料做成國小高年級數據素養課，以前後測與對照班評估數據解讀能力。語料未提供車流與空氣數據，結果須由實地蒐集與公開資料產生。
值得研究的理由
嘉義市 115 年度加碼補助淘汰老舊機車改購電動機車，一般最高 2 萬 4,300 元、中低收入戶最高 3 萬 7,300 元，學生家庭「低碳上學嘉市GO」最高 3 萬 5,300 元，並結合校園零排放接送區；語料認為影響學童通學安全、空氣品質與電動機車產業，但質疑只補學生家庭不公平、額滿即停、充電與電池回收配套不足。政策缺乏校門口環境的成效評估，而讓學生參與解讀在地數據正是數據素養教學的真實情境。近 30 日學齡題目未涵蓋通學環境與數據素養課。
市場／可行性／目的
- 市場：地方政府需要補助與校園交通政策成效證據；學校需要在地化數據素養教材。
- 可行性：物件偵測模型與空品公開資料可取得、感測器成本低；挑戰在學校合作與隱私同意。
- 目的：以 AI 影像計數與空品資料評估通學環境變化，並發展、檢驗以在地數據為素材的數據素養課程。
方法
合作與對照學校選定；去識別影像蒐集與物件偵測計數；空品資料整合；差異中的差異政策評估；課程設計與前後測準實驗；倫理審查。
建議指導教授（前二）
1. 呂明頴（副教授）— 智慧運輸系統、人工智慧、行為分析：指導車流影像計數與通學交通指標設計。
2. 金凱儀（教授）— 電腦輔助教學、行動式學習、適性化學習：指導數據素養課程設計與教學實驗。
分數
理論 6／實務 8／市場化 7
依據語料 id
3
C. AI／AI代理人
專題主題
品牌開始大量生產「給 AI 看」的常見問答來搶 AI 推薦——怎麼評 ChatGPT 這類 AI 和購物代理人推薦商品時，會不會被這些量產內容牽著走？
正式題名草稿
生成式搜尋與購物代理人之推薦易受操縱性評估：以品牌自動生成常見問答對引用與推薦結果之影響為例
目標學程／學位
資料科學系碩士／碩士
AI／資料科學整合
建置受控模擬商品網站：同類商品設計多個虛構品牌，部分加入以大型語言模型量產的 FAQ 頁（調整數量、重複度、具體程度）。讓多個可呼叫搜尋與網頁讀取工具的購物代理人（開源與商用模型、不同檢索策略）回答購物問題並推薦，記錄工具呼叫軌跡、引用來源與推薦排序；以引用占比、排名變化、推薦理由與客觀規格一致性量化影響，以文本相似度分析同質化，並測試來源多樣性與可信度過濾等防禦。僅用虛構品牌與合成網頁，不操縱真實平台。
值得研究的理由
生成式 AI 改變搜尋行為，帶動 AI SEO 需求；91APP 推第二代方案整合七大模組提升 AI 引用率並串聯導購。語料指出品牌能否被 AI 推薦攸關營收，但引用率衡量不透明、量產 FAQ 恐造成資訊同質化。當 AI 進一步成為會搜尋、比較、代為下單的購物代理人，推薦能否被量產內容左右攸關消費者權益。近 30 日代理人題目未涵蓋生成式搜尋與購物代理人的內容操縱。
市場／可行性／目的
- 市場：平台、消保單位與品牌需要 AI 推薦公平性與可操縱性的量化依據，可轉化為推薦稽核工具。
- 可行性：合成網頁可本機架設，開源代理與檢索增強生成框架成熟；商用 API 設費用上限抽樣驗證。
- 目的：建立購物代理人推薦易受操縱性評測框架，量化量產 FAQ 影響並評估防禦機制。
方法
合成網站與量產 FAQ 建置；購物問題集；多代理人設定控制實驗；引用占比與排名分析；同質化指標；防禦機制比較與統計檢定。
建議指導教授（前二）
1. 吳政隆（教授）— 文字探勘、自然語言處理、深度學習：指導 FAQ 生成、文本相似度與推薦理由分析。
2. 鄭江宇（副教授）— 巨量資料分析與行銷應用、電子商務：指導購物情境、推薦指標與商業意涵分析。
分數
理論 7／實務 8／市場化 8
依據語料 id
28
三個爭議點
1. 旗山醫院健保復健病房以 21 名中風患者、日常活動能力平均提升 22.3 分作為成效，但樣本少、試辦結束後是否常態給付未定、偏鄉治療師人力不足：偏鄉復健該以小樣本試辦數字決定續辦，還是先用資料建立可比較的成效指標，回答「誰最受益、值不值得健保長期給付」？
2. 嘉義市只對學生家庭加碼電動機車補助、按申請順序核定且額滿即停，並結合校園零排放接送區：以「上學」為名的補助，該被當成交通與環保政策，還是應該用資料檢驗它是否真的改善學童通學安全與校門口空氣，並讓孩子在課堂上理解這些數據？
3. 91APP 等業者以七大模組提升品牌被 AI 引用的比率，但引用率衡量標準不透明、大量自動生成 FAQ 可能造成資訊同質化：當消費者愈來愈常透過 ChatGPT 等 AI 找商品，AI 推薦是否會被品牌量產的內容左右，又該由誰、用什麼指標來檢驗？