National Chengchi University
NCCU National Cheng Chi University Electronic Thesis & DissertationsNot a member yet
48307 research outputs found
Sort by
應用社群網路分析法調查美中貿易戰對蘋果供應鏈在中國與台灣半導體產業的影響
No full text 2018 年川普對中國發起多次的貿易審查及多次的關稅清單，美國、中國身為全球經濟貿易要角，不論在生產加工、技術研發，抑或僅是貿易中繼點，一舉一動都可能使供應鏈更加不堪一擊，而在美國與中國兩大強國的政治角力中，台灣因為地緣因素與中國貿易往來頻繁，特別在半導體產業的技術研發與生產也經常獲得終端客戶的青睞，因此許多研究報導指出，在美中的貿易戰台灣的產業也將受到直接的影響，下游廠商可能為穩固供應鏈而將布局自中國移出，在這種情況下，台灣廠商可能因而受惠。
本研究所進行的時間點為 2024 年，自貿易戰的開端以來已逾 6 年，希望能透過真實的歷史資訊提供一個全視角的供應鏈變化與趨勢，而為了能有比較的基準與研究著重點，本研究以蘋果公司在中國與台灣的供應鏈布局作為研究對象，蒐集自 2012 年至 2023 年這 13 年間近萬筆的交易資料，除了敘述統計之外，也加入了社群網路分析 (Social Network Analysis) ，透過多元的分析視角交互驗證以提供更客觀的結果。
本研究最終發現在分析蘋果供應鏈及中國、台灣的半導體產業分布，並未有明顯的趨勢凸顯出中國廠商因為貿易戰的因素使產業受到影響，或是如新聞媒體提及的影響力弱化，仍有許多中國廠商在過去這幾年逐漸累積相關專業技術，並漸漸提高其市占率。而台灣廠商在這一系列的經濟、政治因素影響之下，自分析結果也未從中獲取明顯優勢，表現大致持平。從各項數據分析的結果，本研究也點出了一些值得注意的變化趨勢，如台積電在半導體產業中仍扮演關鍵角色、立訊精密近年的崛起等等。
本研究透過真實的交易資料驗證過去學者、媒體所預測的未來變化趨勢，部分如我們所週知，但也有部分並未吻合預測方向，而在最後的研究限制也敘明了本研究所使用的資料庫的研究限制，交易資料的取得不易，期望未來資料庫更加完整與具備更高的可信度，將能使此研究方式的結果更有說服力並有更有利的立著點對未來產業發展規劃提出建議
基於股價波動的評分模式與波動度管理策略
No full text在全球資本市場呈現高頻交易及日益複雜的背景下，政治與經濟的不確定性進一步推升市場波動風險，風險管理與資產配置成為投資策略中的重要課題。 本研究採用集成學習整合多組模型預測結果，先賦予各模型輸出之結果涵義，並套用期望值理論的概念，同時將市場波動性納入考量，進一步設計出創新的評分機制，以實現收益與風險之資產配置平衡。此外，不同投資人對風險忍受度之差異，本研究以債券型ETF為低波動度資產，搭配目標波動度策略動態調整股票與債券權重。並引入波動度上限及與外部指標比例法兩項風險控制機制，以強化非再平衡期間之應變能力。實證資料涵蓋2009年1月至2024年12月之台灣上市公司每日股價資料進行回測分析。
實證結果顯示，與傳統配置策略相比，本研究所所建構之風險考量評分模型，搭配多元資產配置與動態風險管理策略，不僅顯著提升投資組合穩定性與報酬表現，亦能滿足不同投資人之風險偏好
針對KGW風格水印技術在大型語言模型中的輕量化增強方法
No full text隨著大型語言模型生成流暢且自然文字的能力持續提升，外界對其在假資訊、身分冒用及學術不誠實等方面的濫用問題日益關注。為了標記這類由人工智慧生成的內容，軟性水印技術應運而生，透過在文字生成過程中微幅偏向特定詞彙，提高後續辨識機器生成文本的可能性。然而，現有水印方法在處理低變化性的內容（如程式碼、格式化寫作、重複語句）時效果不佳，主因是可用的詞彙有限，導致偵測訊號薄弱。此外，為保留語句自然度，水印強度通常被設為較低，進一步降低偵測效能。本研究提出一種簡單有效的改進方法，透過收集生成過程中頻繁出現的紅色詞彙或 n-gram，並於偵測時將其排除，以去除對偵測貢獻不大、統計證據不足的高機率片段，強化水印訊號。此方法運算量低，且可應用於任一類型的 KGW 式水印技術。多項實驗顯示，即使在低水印強度下，本方法仍可維持高偵測率，並有效抑制誤判
以科技接受模型觀點探討使用生成式AI與工作自我效能之關係
No full text隨著生成式 AI 崛起與技術持續擴展，其大量被企業與個人運用於文字、圖像、影音等不同內容之生成，而其運用範疇則包含行銷、客服、流程優化等廣泛領域。各產業企業積極投入生成式 AI 以期待可藉此提升員工效率與整體營運效能。故此，本研究以員工使用生成式 AI 情形對於其工作自我效能為題，並以科技接受模型為基礎，藉以驗證員工於工作情境中使用生成式 AI 對於自身感知之關聯性，進而作為企業後續導入與效益評估參考依據。
本研究以於工作場景下使用生成式 AI 工具之員工為研究對象，並透過問卷調查法，以網路社群平台發放，有效樣本共 272 份。本研究結果揭示： (ㄧ) 員工使用生成式AI之頻率會正向影響知覺有用性與知覺易用性； (二) 知覺有用性與知覺易用性對於員工工作自我效能具有正向關係； (三) 知覺有用性與知覺易用性於生成式 AI 使用頻率及工作自我效能間具有中介效果。意即，工作場景中使用生成式 AI 頻率透過知覺有用性與知覺易用性，進而正向影響員工工作效能。據此，有助於企業導入生成式 AI 時之參考，並應協助員工提升其有用性與易用性感知，以強化其工作自我效能與使用意願，進而提升企業整體營運效益
結合規則式評分與分群方法之大型語言模型語意風險與合規性評估
No full text隨著大型語言模型（LLM）廣泛應用於自然語言處理領域，如何強化其倫理防護能力、抵禦惡意提示詞攻擊，成為當前重要的研究課題。本研究提出一套具可解釋性的雙層評估架構，結合 PyRIT 規則式風險評分與 GHSOM 語意分群方法，從合規性與語氣風險兩個層面，系統性檢視模型的安全性表現。在本架構中，模型回應依據風險程度與語言風格被分類為四種語氣行為類型：明確違規（Vulgar）、語氣冒犯（Blunt）、潛在誤導（Deceptive）與合規回應（Eloquent）。此外，透過語意分群與特徵選取分析，本方法亦能辨識群集層級的風險特徵，並協助偵測出規則式評分中常見的誤判情形。實驗涵蓋 10 組情境與 12 種越獄攻擊腳本，共分析 2,925 筆模型回應。結果顯示，Gemini 產出的違規回應數量最多（119 筆），其次為 Perplexity（70 筆）與 DeepSeek（59 筆），而 Claude 與 ChatGPT 則整體展現出較高的倫理一致性。為進一步驗證風險行為是否具有跨模型的遷移性，本研究將其中 170 筆高風險提示詞重新測試於 API 模型與本地量化模型。結果顯示，API 模型仍容易受到對抗性提示詞影響，而量化模型則因理解能力較弱，導致攻擊成功率相對較低。整體而言，本研究所提出的整合式雙層評估方法，能有效補足傳統規則式指標的侷限，並提升語言模型風險分析的深度與可解釋性，為未來的 LLM 安全評估與對抗性測試提供重要的實證基礎與應用潛力
詈罵與否：實證的觀點
No full text本研究透過兩個事件相關電位（Event-Related Potential, ERP）實驗，探討日常言談中髒話的神經處理過程。實驗聚焦在語境效價（正向或負向）和髒話位置（語境前或後）如何影響大腦對髒話的反應。雖然兩個實驗的行為分析結果均顯示高度的準確率，而且語境對髒話的反應沒有顯著影響，但 ERP 資料則顯示，髒話在早期和晚期處理階段呈現出不同的神經動態。
實驗一的設計是將髒話固定出現在由兩個句子所組成的正向或負向語境後面。其ERP 結果顯示，在 150−250 毫秒之間，發現了顯著性的 P200 效果：意即相較於中性字詞，髒話會在前腦區誘發較強的正向波，而負向語境則會在後腦區誘發 P200 效果。這些發現顯示了 P200 的功能分化：前腦區 P200 反映詞彙－情緒顯著性（即髒話），而後腦區 P200 則反映出語境情緒效價。值得注意的是，在後期視窗內（550−750 毫秒），觀察到語境與字詞顯著的交互作用：在正向情境後出現的髒話會比在負面情境中出現的髒話誘發更強的晚期正向波（LPC）。這顯示髒話與正向語境之間存在情緒的不一致，使得大腦需要重新分析。
實驗二進一步檢驗了髒話在語境句子之前或之後的位置是否會調節大腦對髒話的認知。ERP 結果表明，無論語境效價為何，出現在語境之前的髒話比出現在語境之後的髒話會誘發位於前腦區更早（8.8 毫秒）且更強的 P200 效果。這種效應可能反映了髒話在不受語境緩衝的情況下顯著性增強。此外，在正向語境後面使用髒話，會誘發略為增強的P200 效果。這再次顯示了情緒不一致性所造成的結果。雖然在晚期時間視窗中，正向語境會比負向語境引發更強的晚期正向波（LPC），但出現在不同位置的髒話之間並沒有發現顯著的差異性。
總結研究發現，髒話的神經處理過程具有時間動態性，且受情境影響。 P200 反映了早期階段詞彙－情緒顯著性和語境效價，而 LPC 則反映了情緒一致性被破壞時，後期階段語用和語意的再分析過程。這些結果凸顯了髒話的認知複雜性及其受到言談層面因素調控的情形
臺灣各縣市平均溫度對新生兒性別比之影響
No full text臺灣自1980年代以來，新生兒性別比（Sex Ratio at Birth,SRB）長期偏離自然範圍（約105），特別在部分地區與時期甚至出現明顯的男嬰偏高現象，反映出可能存在的性別偏好、胎兒選擇行為或其他結構性社會因素。近年來，隨著氣候變遷對健康與生育結果的影響日益受到重視，環境壓力是否成為性別比異常的潛在因素，引發學界關注。然而，目前針對臺灣地區進行系統性實證研究者仍屬有限，有鑑於此，本文試圖從空間計量的角度，探討溫度變化對新生兒性別比的影響。
本研究採用空間自我迴歸模型（Spatial Autoregressive Model,SAR），以臺灣20個直轄市與縣市為研究樣本，涵蓋2013年至2023年共220筆年度資料。結果顯示，天氣溫度變化、生母為外國人、縣市幸福指數以及女性參與農業產業比率等四項變數，對新生兒對性別比具有顯著影響。
SAR模型亦指出新生兒的性別比具顯著空間相依性，意味著某地區的偏高或偏低現象會透過地理鄰近關係，影響周邊地區的生育結果，反映出生育觀念、醫療行為或文化習俗具擴散效果。本研究結果突顯，理解新生兒性別比異常現象不僅需關注個別區域的社會與經濟條件，更須納入氣候與空間網絡因素進行綜合考量，對制定地區性別平衡與生育政策提供重要參考
中國天然災害風險與分析師預測行為
No full text本研究旨在探討天然災害風險是否影響分析師預測行為，並以中國企業作為主要研究對象，同時分析管理當局能力與國有企業身分所扮演的調節效果。本研究將災害死亡人數用作天然災害風險的代理變數，並以預測離散度與悲觀偏差衡量分析師預測行為。結果顯示，天災過後將顯著提升分析師預測分歧，分析師對企業盈餘的判斷差異會擴大。然而，天災過後分析師預測的悲觀偏差則無顯著影響。在管理當局能力的調節效果方面，研究發現高管理當局能力企業在災害後預測分歧會上升；相較之下，低管理當局能力企業則表現出分析師預測悲觀化的傾向。此外，針對國有企業身分的調節效果，結果顯示天災對非國有企業的預測分歧影響較大；而對於國有企業，天災則降低了分析師的悲觀預測傾向。
本研究揭示天然災害風險如何透過資訊中介擾動市場預期，並凸顯管理能力與制度環境之關鍵角色，為理解天然災害對資訊中介機制的影響提供實證證據，並有助於辨識企業韌性來源與深化對中國市場制度特徵的了解
比較三個英文結束片語 ‘Put an End to’、‘Bring an End to’ 和 ‘Come to an End’：以語料庫為本之研究
No full text「結束」是一個多數人在日常生活中皆會經歷的普遍概念。與「結束」相關的經驗可涉及多種領域，例如時間、生命、關係或事件等。此外，與「結束」相關的詞語在我們的日常語言中亦經常被提及與使用。除了字面上的意義外，這些詞彙也同時承載了重要的認知與情感價值，通常蘊含終結或轉變的意涵。以往與詞義相關之研究，多著重於比較具有相同及物性的詞彙；相較之下，針對及物性不同、且聚焦於「結束」概念相關片語的研究相對稀少。
本研究以語料庫為基礎，探討三個英語中表示「結束」概念的片語：put an end to、bring an end to 與 come to an end，旨在分析它們的詞語搭配（collocation）與語意韻（semantic prosody）之異同。研究者從當代美國英語語料庫（Corpus of Contemporary American English, COCA）中蒐集 247 個與上述片語搭配的名詞，並使用WordNet 將其歸類為18個語義類別，接著分析各片語與其搭配詞之評價語氣（正面、中性或負面）。
研究結果顯示，三個片語在搭配詞類型與語意傾向上呈現明顯差異。由於其高及物性，put an end to 與 bring an end to 多搭配與人類行為相關的詞彙，但 put an end to多被使用於較小規模的語境，而 bring an end to 則常出現在歷史、政治等較正式、宏觀的情境中，並展現三個片語中最高比例的負面語意韻。相較之下，come to an end 屬於較低及物性的片語，搭配詞涵蓋時間、生活經驗與自然過程，語意韻則以中性為主，顯示其語用彈性較大，能自然描述事件結束的歷程。本研究亦發現片語搭配詞的語法結構（如「形容詞＋名詞」）也呈現不同的語意韻結果。上述研究結果對第二語言教學具實質啟發，幫助學習者更精確地掌握片語語用及語意
政府持股對企業租稅規避及稅務風險之影響
No full text本研究係針對政府持股對企業租稅規避與稅務風險之關聯性進行實證分析，主要關注政府持股比例是否會影響企業稅負之高低及波動性。本研究以現金有效稅率及有效稅率同時衡量企業進行租稅規避之程度，並以兩者之五年標準差同時衡量稅務風險。研究樣本涵蓋2015 年至2024 年間臺灣之公開發行公司，並排除金融業、TDR、F 股及有缺失值之資料。
整體實證結果傾向支持尋租理論所揭示之現象，即當政府身為企業股東時，企業可能基於稅務風險降低、較容易取得有關未來政策及法令變動之內部資訊，或是利用市場對其有較低資訊透明度要求等因素，而得以採取更有效降低稅負之租稅策略