研究所論文方向 2026-10-15
長照醫療：降血壓藥「易安穩」月用870萬顆卻被砍價後缺藥——長輩吃的藥斷貨時，怎麼用資料預測哪些長者最先斷藥、血壓失控？
- 正式題目：健保藥價調整後慢性病用藥缺貨對高齡長者服藥連續性與血壓控制之風險預測
- 學位：碩士／資料科學系碩士
為何值得研究
本日語料（經濟日報、太報、風傳媒等）報導健保砍藥價後，市占約八成、月用量約870萬顆的高血壓用藥「易安穩」在社區藥局缺貨，健保署回應依法掌握市場交易。高血壓是高齡長者最常見的慢性病，長照機構與居家長輩依賴持續用藥，缺藥時換藥、減量或斷藥可能讓血壓失控。語料談的是藥價與供貨，長照情境為研究延伸：目前缺少把『藥局缺貨訊號』連到『哪類長者最容易斷藥』的資料方法。資料科學可介入：用公開藥品供應通報、藥局地理分布與人口老化資料建立區域斷藥風險模型，並以模擬處方軌跡評估替代用藥切換的連續性風險。近 30 日長照題目涵蓋手錶警報、基因圖譜、床位、獨居分級等，未觸及『藥品供應中斷對長者用藥連續性』，題目不重複。
AI／資料科學整合
以機器學習建立區域與個人層級的斷藥風險預測：特徵含藥局密度、缺貨通報、長者年齡與共病；以時間序列預測缺貨持續時間；用生存分析或梯度提升模型預測用藥中斷；並以公平性指標檢驗偏鄉與高齡獨居群體的預測偏誤；可輔以 NLP 擷取新聞與藥局通報的缺藥訊號。
市場前景
藥品供應穩定攸關長照機構、藥局與主管機關的備貨決策；能提早預警缺藥並指出高風險長者的方法，可供健保署、藥師公會與長照機構作為供應風險監控參考。
技術可行性
公開藥品供應通報、人口與藥局分布資料可取得；個人層級處方資料需模擬或申請去識別化資料並過倫理審查；模型屬一般機器學習範圍，單人可於碩士期程完成，主要風險是真實個人資料取得。
研究目的
建立缺藥事件對高齡長者用藥連續性的風險預測與預警方法，找出最易斷藥的區域與族群特徵，並提出備貨與替代用藥的資料決策建議。
呈現形式
碩士論文（公開資料整合與缺藥訊號建置＋風險預測模型＋公平性分析＋預警儀表板原型）
研究方法
資料整合與缺貨事件標註；時間序列與生存分析建模；梯度提升與基準模型比較；以模擬處方軌跡做情境實驗；公平性與校準度檢驗；敏感度分析與外部資料驗證。
爭議點
- 缺藥原因有『藥廠控貨』與『依法調降藥價』兩種說法，語料中健保署僅表示依法掌握市場交易；碩論若預設任一說法為因，會把因果問題寫成立場；須只分析斷藥的下游影響，不裁判責任。
- 高齡者用藥紀錄含慢性病與共病，屬高敏感資料；可取得的公開資料多為彙總統計，個人層級驗證需模擬或申請審查，結論外推有限。
- 用資料找『最先斷藥的人』可能被用來優先配給或標籤弱勢長者；模型若偏向少用藥局的偏鄉長輩，公平性與倫理審查須成為研究一部分。
評分
- {'theory': 6, 'practicality': 8, 'marketization': 7}
建議指導教授
1. 丁德天（副教授）— 高齡醫學、精神流行病學、社會網絡分析：高齡慢性病用藥與流行病學專長，可指導長者用藥中斷的臨床意義與風險因子設計。
2. 葉向原（教授）— 機器學習、資料探勘、人工智慧、資料科學：風險預測模型、特徵工程與驗證屬機器學習核心，可協助模型比較與公平性檢驗。
學齡教學：第3屆教科圖書設計獎揭曉說「設計能提升學習熱情」——怎麼用資料證明版面設計真的讓孩子讀得懂，不只是好看？
- 正式題目：教科圖書版面設計特徵與學童閱讀理解及學習投入之關聯評估
- 學位：碩士／資料科學系碩士
為何值得研究
本日語料（教育部全球資訊網）報導第3屆教科圖書設計獎成績揭曉，主題是以設計元素提升學習熱情與理解。目前設計獎重美感評選，缺少把版面特徵（字體、留白、圖文配置、色彩）與學童閱讀理解、投入度量化連結的資料研究。資料科學可介入：以電腦視覺抽取教科書頁面版面特徵，結合公開的閱讀測驗或學習平臺紀錄，建立版面特徵與理解表現的預測與解釋模型，找出哪些設計元素對哪類學童最有幫助。近 30 日學齡題目涵蓋AI家教、特教、字幕、素養課、科學班等，未觸及『教科書版面設計與學習成效』，題目不重複。語料僅為得獎公告，具體研究設計為延伸。
AI／資料科學整合
以電腦視覺與多模態模型自動抽取頁面版面特徵（字級、行距、圖文比、色彩對比）；以機器學習與可解釋性方法（SHAP）建立版面特徵對閱讀理解的預測模型；可用大型語言模型評估文字可讀性並與版面特徵交互分析；並以準實驗設計驗證因果。
市場前景
出版社、教科書審定單位與教育科技業者需要用資料驗證版面設計的學習效益；可量化的設計準則可供教科書改版、數位教材設計與審查參考。
技術可行性
版面特徵抽取可用開源視覺模型；學習成效資料可用公開閱讀測驗或與合作學校取得去識別化資料；實驗規模符合碩士；主要風險是學童資料取得與倫理審查。
研究目的
量化教科書版面設計特徵與學童閱讀理解的關聯，找出最有助理解的設計元素與適用族群，並提出可操作的設計與審查準則。
呈現形式
碩士論文（版面特徵抽取管線＋預測與可解釋性分析＋準實驗驗證＋設計準則建議）
研究方法
版面特徵自動抽取；混合效應模型與機器學習預測；SHAP 可解釋分析；準實驗或 A/B 對照；效果量與穩健性檢驗；公平性分群分析。
爭議點
- 設計獎評選標準偏美感與創意，與學習成效不一定一致；若碩論把得獎當作有效的代理指標，會把『好看』誤當『學得會』，必須自訂可量化的學習成果指標。
- 版面特徵與學習成效的關聯很可能被學校資源、教師教法與學生背景混淆；觀察式資料難以推論因果，需設計對照或準實驗並誠實標示限制。
- 用視線追蹤或學習行為紀錄評估學童會涉及未成年人敏感資料，同意與去識別化成本高，研究規模可能受限，結論外推要謹慎。
評分
- {'theory': 6, 'practicality': 7, 'marketization': 6}
建議指導教授
1. 金凱儀（教授）— 電腦輔助教學、數位遊戲式學習、適性化學習：教材設計與學習成效評估為其核心專長，可指導教科書版面與學習投入的實驗設計。
2. 葉向原（教授）— 機器學習、資料探勘、人工智慧、資料科學：特徵抽取、預測與可解釋性分析屬機器學習與資料探勘核心，可協助建模與驗證。
AI／AI代理人：NVIDIA 教 AI 代理人「少繞路、少叫錯工具」拿去做晶片設計——怎麼量代理人呼叫工具到底可不可靠、省下的步驟是不是拿錯誤換來的？
- 正式題目：工具呼叫型 AI 代理人於專業設計流程之可靠性與呼叫效率評測框架
- 學位：碩士／資料科學系碩士
為何值得研究
本日語料（NVIDIA 部落格）提到以 NVIDIA NeMo Gym 優化代理可靠性與工具呼叫效率，用於晶片設計。AI 代理人要規劃步驟並呼叫外部工具，實務痛點是叫錯工具、參數錯、重複呼叫與難以重現。目前缺少獨立於廠商、可比較不同代理人在工具呼叫上『可靠性與效率』的評測方法。資料科學可介入：設計工具呼叫任務集與自動評分，記錄每步呼叫、錯誤類型、代幣與延遲，比較不同模型與優化策略。近 30 日代理人題目涵蓋模型路由、多代理人分工、虛實遷移、資安代理人等，未直接觸及『工具呼叫可靠性與效率的獨立評測』，題目不重複。語料僅為標題層級資訊，具體實驗設計為延伸。
AI／資料科學整合
題目本身即 AI 代理人：以開源代理框架與開源工具集（如 EDA 或程式化設計工具的開源替代）建立工具呼叫環境；設計任務集與自動評分；比較不同模型與提示、微調或強化學習式優化策略；記錄工具呼叫序列、錯誤類型、代幣與延遲，並做錯誤分類與消融實驗。
市場前景
企業導入代理人到專業工作流時，缺少選型與驗收的可靠性指標；獨立評測方法與呼叫審計日誌可供平台選型、成本控管與品質保證使用。
技術可行性
開源代理框架、開源模型與可程式化工具可取得，任務可自動評分；主要挑戰是專業商業工具授權與結果主觀性，可用開源替代與規則式指標處理，符合碩士規模。
研究目的
建立工具呼叫型代理人的可靠性與效率評測框架，量化優化策略的成本、品質與錯誤取捨，並提出架構與策略選擇準則。
呈現形式
碩士論文（任務集與自動評分建置＋多模型與策略比較＋成本品質帕累托分析＋錯誤分類；附呼叫審計日誌工具原型）
研究方法
任務集設計與自動評分；多模型與優化策略重複實驗；成功率、呼叫次數、代幣與延遲的帕累托分析與統計檢定；錯誤類型分類；消融實驗與版本固定。
爭議點
- 『可靠性提升』常以廠商自訂的任務集與環境量測；若碩論直接引用，結論綁定特定環境與版本，必須自建獨立任務集並以開源模型重複實驗。
- 減少工具呼叫次數可能犧牲正確性或安全檢查；只報效率而不報錯誤率與成本，會高估優化成效，須同時呈現帕累托關係。
- 專業設計（如晶片設計）資料與工具多為商業授權，單人研究難以完整複現；須以開源替代工具與簡化任務界定外推範圍。
評分
- {'theory': 7, 'practicality': 8, 'marketization': 8}
建議指導教授
1. 吳政隆（教授）— 深度學習、自然語言處理、人工智慧：代理人以大型語言模型為核心，其深度學習與自然語言處理專長可指導工具呼叫提示與失敗模式分析。
2. 葉向原（教授）— 機器學習、資料探勘、人工智慧、資料科學：任務基準、實驗設計與統計驗證屬機器學習與資料科學核心，可協助評測框架建立。
報告層爭議點
- 三題共通張力是『代理指標是否等於真實成效』：缺貨通報、設計獎項與廠商可靠性分數都只是代理訊號，碩論須自建獨立指標。
- 三題都涉及敏感或高風險情境（長者用藥、學童資料、專業工作流自動化），真實資料取得與倫理審查限制研究規模，須明確界定模擬與外推界線。
- 語料多為新聞與廠商部落格標題，宣稱未經獨立驗證；碩論須設計獨立對照與失敗案例分析，避免替產品或政策背書。
三個爭議點
1. 三題共通張力是『代理指標是否等於真實成效』：缺貨通報、設計獎項與廠商可靠性分數都只是代理訊號，碩論須自建獨立指標。
2. 三題都涉及敏感或高風險情境（長者用藥、學童資料、專業工作流自動化），真實資料取得與倫理審查限制研究規模，須明確界定模擬與外推界線。
3. 語料多為新聞與廠商部落格標題，宣稱未經獨立驗證；碩論須設計獨立對照與失敗案例分析，避免替產品或政策背書。