首頁 / 高考三級 圖書資訊管理考古題 / 民國114年 高考三級 圖書資訊管理 資訊系統與資訊檢索 民國114年 高考三級 圖書資訊管理 資訊系統與資訊檢索考古題
民國114年 高考三級 圖書資訊管理 資訊系統與資訊檢索收錄考選部官方試題，共 4 題可線上瀏覽，考選部未公告本科目答案。
題目與答案
圖書館服務平台的新興趨勢及未來發展方向為何？（25 分）
參考解答（AI 生成，非官方） 一、定義與定位：圖書館服務平台（Library Services Platform, LSP）係以雲端原生（cloud-native）、多租戶（multi-tenant）架構重建的圖書館核心系統，用以取代傳統整合圖書館系統（Integrated Library System, ILS）。其核心在於以單一資料模型與統一工作流程同時管理紙本、電子與數位館藏，並以 API 優先（API-first）設計支撐模組化與外部系統整合。 二、雲端化與 SaaS 化：LSP 多採軟體即服務（Software as a Service, SaaS）模式，由供應商統一維運、升級與資安防護，降低館內機房與人力負擔；多租戶共享基礎設施可加速功能迭代與社群共創（community-driven development），但也形成對供應商的依賴，須以合約規範資料可攜性（data portability）與服務水準協定（Service Level Agreement, SLA）。 三、資源管理與工作流程整合：新興 LSP 將電子資源管理（Electronic Resource Management, ERM）、授權與知識庫（knowledge base）、鏈結資料（linked data）與探索系統（discovery service）整合於同一平台，並支援自動化採購、計價與使用統計（COUNTER）分析，使印本、電子與數位館藏能在同一介面完成選擇、採購、編目、流通與評鑑。 四、資料交換與智慧化應用：平台逐步採用 BIBFRAME 與資源描述框架（Resource Description Framework, RDF）等語意網標準，將 MARC 紀錄轉為鏈結資料，提升書目資料在網路上的可發現性；並導入人工智慧與機器學習（AI/ML）於自動分類、權威控制、推薦與預測性館藏分析，以及機器人流程自動化（Robotic Process Automation, RPA）處理重複性業務。 五、挑戰與未來方向：未來發展包括開放原始碼平台（如 FOLIO、Koha）與社群治理、可組合式（composable）系統與微服務、強化使用者體驗與無縫取用，以及隱私與演算法治理。實務上須克服資料遷移、供應商鎖定（vendor lock-in）、成本控管與館員職能再培訓等問題，並以開放標準確保跨系統互通。
bibliographic coupling 書目耦合和同被引（Co-citation）的定義是什麼？
對文獻分析的影響是什麼？某研究者發現文章A 與文章B 有高度書目
關聯性，但共被引頻率極低。請問可能的原因為何？（25 分）
參考解答（AI 生成，非官方） 一、書目耦合的定義：書目耦合（bibliographic coupling）由 Kessler 於 1963 年提出，指兩篇文獻共同引用相同參考文獻的現象；耦合強度常以共同參考文獻數計算，或以共同數除以兩文參考文獻聯集數（Jaccard 係數）正規化。其特性為靜態、不隨時間改變，只要兩文之參考書目固定，耦合關係即固定。 二、同被引的定義：同被引（co-citation）由 Small 與 Marshakova 於 1973 年分別提出，指兩篇文獻同時被第三篇（來源文獻）引用；共被引強度為同時引用該兩文的文獻篇數，可隨時間累積而變動。同被引反映學術社群對文獻關聯的共同認知，常用於偵測研究前沿（research front）與知識基礎（intellectual base）。 三、對文獻分析的影響：兩者皆可作為文獻相似性與主題聚類的依據，進而繪製科學知識地圖、辨識學派與主題演化。書目耦合偏向由作者所使用的知識基礎連結文獻，適合分析新近文獻與主題結構；同被引偏向由社群共同承認的知識基礎連結文獻，適合追蹤研究前沿與典範變遷，兩者可互補使用。 四、差異與比較：就時間方向而言，書目耦合指向過去（共同引用），同被引指向未來（後續被引用）；就穩定性而言，書目耦合一經發表即固定，同被引則隨引用累積而動態變化；就敏感度而言，書目耦合可即時計算新文獻，同被引須等待社群引用，對新文獻反應較慢。資料庫收錄範圍與引用窗口亦會影響結果。 五、高書目耦合但低共被引的可能原因：(1) 時間落差，A、B 為新文獻，尚待累積共同被引；(2) 兩文僅共同引用方法或工具之經典文獻，主題其實不同；(3) 能見度低、語言或地區限制、資料庫收錄不全，致未被社群共同引用；(4) 領域規模小或引用窗口不足；(5) 自引、負面引用或綜述性引用造成偏差；(6) 共被引門檻、時間切片與資料來源設定不同。宜併用質化判讀，不可單憑指標斷定關聯。
假設你要建置一個能讓中文使用者搜尋英文學術資料的系統，你會如何
實現跨語言檢索功能？這樣的系統會面臨那些挑戰？（25 分）
參考解答（AI 生成，非官方） 一、系統架構與檢索模式：跨語言資訊檢索（Cross-Language Information Retrieval, CLIR）指以一種語言的查詢檢索另一語言文獻。常見架構有三：查詢翻譯（query translation）、文獻翻譯（document translation）與中間語言（pivot language）轉譯；實務多以查詢翻譯為主，因其僅需翻譯短查詢，運算成本較低，再搭配英文索引與重排序（re-ranking）提升效果。 二、查詢翻譯與擴展：可採雙語詞典、統計式機器翻譯或神經機器翻譯（Neural Machine Translation, NMT）產生英文查詢；並以同義詞典、主題詞表、音譯（transliteration）與縮寫展開處理未登錄詞（Out-of-Vocabulary, OOV）。中文須先經斷詞（word segmentation），再對應英文詞形變化，並保留專有名詞、人名與地名的音譯與異體譯名。 三、索引與排序技術：文件端建立多語言索引，進行停用詞移除、詞幹化（stemming）與詞形還原（lemmatization）；檢索端採 BM25 等字詞模型，搭配雙語詞嵌入（bilingual word embeddings）、跨語言神經檢索模型與學習排序（learning to rank）。亦可建立中英平行語料與領域詞典，並以相關回饋（relevance feedback）與查詢改寫持續優化。 四、介面與輔助功能：介面應提供中英對照檢索結果、譯文提示與查詢建議，讓使用者理解翻譯後之查詢；並支援布林邏輯、欄位限定、篩選與引用管理。對學術資料可整合 DOI、ORCID 與知識圖譜（knowledge graph），以實體連結彌補翻譯誤差，並記錄查詢歷程以利個人化。 五、挑戰與因應：主要挑戰包括一詞多義（polysemy）、專業術語譯名不一致、中文斷詞與英文構詞不對稱、專有名詞音譯混亂、平行語料稀缺與領域適應（domain adaptation），以及跨語言檢索效能評估困難。因應之道為混合式翻譯（詞典、NMT 與詞嵌入並用）、建置領域雙語詞庫、導入使用者回饋與可解釋機制，並訂定檢索效能評估指標。
請說明搜尋引擎利用那些策略來決定檢索網頁的排序。（25 分）
參考解答（AI 生成，非官方） 一、排序的基本流程：搜尋引擎依序進行爬取（crawling）、索引（indexing）、查詢理解（query understanding）與排序（ranking）。排序通常分為召回（recall）與重排序（re-ranking）兩階段，先以倒排索引（inverted index）篩選候選文件，再以多種訊號計算相關性分數，最後依分數與多樣性規則呈現結果。 二、內容與字詞訊號：以關鍵詞比對為基礎，採用 TF-IDF、BM25 等權重模型，並對標題、錨文字（anchor text）、網址與中繼資料給予不同欄位權重；進階者以語意模型（如 BERT）與向量檢索（dense retrieval）計算語意相似度，並考量內容品質、原創性與更新新鮮度（freshness）。 三、連結分析訊號：以 PageRank、HITS 等演算法評估網頁的重要性與權威性，將連結視為投票，並依來源頁品質、連結數量與錨文字調整權重；同時偵測連結農場、買賣連結等操弄行為。連結分析可補足字詞比對無法反映權威度之不足。 四、使用者行為、查詢理解與個人化：蒐集點擊率（Click-Through Rate, CTR）、停留時間、跳出率、查詢改寫與前後查詢序列，據以調整排序；並透過拼字校正、同義詞擴展、查詢意圖分類與實體辨識（entity recognition），結合知識圖譜（knowledge graph）提供直接答案，再依裝置、語言與地理位置提供個人化結果。 五、品質規範、限制與建議：排序亦納入 E-E-A-T（經驗、專業、權威、可信）、垃圾內容偵測、行動裝置可用性與 Core Web Vitals 等品質規範。惟可能產生演算法偏誤、資訊同質化與 SEO 操弄，且商業誘因可能影響公平性；建議提高透明度與可解釋性、保留多樣性與新興內容曝光，並定期以人工評估檢驗排序品質。