首頁 / 高考三級 人事行政考古題 / 民國115年 高考三級 人事行政 公共人力資源管理 民國115年 高考三級 人事行政 公共人力資源管理考古題
民國115年 高考三級 人事行政 公共人力資源管理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
政府推動人才發展計畫，應該建構那些相關的關鍵績效指標來作為發展
方向？（25 分）
參考解答（AI 生成，非官方） 一、定義與邏輯架構：關鍵績效指標（Key Performance Indicators, KPI）是將機關人才發展策略轉化為可衡量、可追蹤的量化或質化訊號。政府人才發展計畫宜採「投入—過程—產出—成果」四層次邏輯模型（logic model），並與策略地圖、職能架構及中程施政計畫對齊，以免指標零散而失焦。 二、投入與過程面指標：包括人才發展預算執行率、訓練時數達成率、個人發展計畫（Individual Development Plan, IDP）完成率、導師制（mentorship）配對率、關鍵職務職能落差盤點完成率、數位學習平台完課率，以及主管職能評鑑覆蓋率。這層指標屬領先指標，可及早反映執行落差與資源配置是否到位。 三、產出面指標：包括關鍵職位接班人才庫備位率（succession readiness ratio）、內部陞遷率、跨域輪調人次、專業證照與認證取得率、人才留任率，以及女性與身心障礙者晉用比例。這層用以檢視人才供給是否形成完整的人才管道（pipeline），避免培訓與晉用脫節。 四、成果面指標：包括員工敬業度（employee engagement）與留任意願、關鍵人才非自願流失率、機關施政績效與為民服務滿意度、創新提案與採納件數。成果指標屬落後指標，宜與產出指標交叉判讀，並輔以質化訪談與個案追蹤，避免單一數字誤導政策判斷。 五、設計原則與限制：指標須符合 SMART 原則（Specific, Measurable, Achievable, Relevant, Time-bound），兼顧量化與質化，避免指標遊戲化（gaming）與「重訓練、輕應用」；並建立年度滾動檢討、標竿學習與資訊公開機制，必要時委外獨立評估，以確保指標真正引導人才發展方向。
安靜崩潰（Quiet cracking）是指人員表面敬業，內在卻面臨崩潰的情況，
試從管理者及人資人員應該如何協助此類人員改善此情況？（25 分）
參考解答（AI 生成，非官方） 一、現象界定：安靜崩潰（Quiet cracking）指人員外顯行為仍維持敬業形象，內在卻出現情緒耗竭、犬儒主義（cynicism）與效能感下降，處於安靜離職（quiet quitting）與職業倦怠（burnout）之間。成因多為長期超載、角色模糊、缺乏回饋與支持，若未處理將導致隱性離職與人力斷層。 二、辨識與預警：管理者應建立定期一對一會談、情緒溫度計與匿名敬業度調查；觀察加班時數異常、請假模式改變、發言減少、工作品質下滑等行為訊號。人資可交叉分析員工協助方案（Employee Assistance Program, EAP）使用率、離職意向調查與留任面談資料，及早鎖定高風險族群。 三、管理者作為：透過工作再設計（job redesign）調整負荷與自主性，明確角色期待與績效回饋，建立心理安全感（psychological safety）與暢通申訴管道；主管應以身作則，避免以「共體時艱」合理化長期過勞，並在團隊會議中公開討論壓力來源與可行改善方案。 四、人資人員作為：提供心理諮商與 EAP 轉介、彈性工時與遠距工作選項、職涯發展與輪調機會、主管同理溝通培訓；並將敬業度調查結果回饋至各單位，形成「調查—回饋—改善—追蹤」的閉環（closed loop），避免調查流於形式而加深不信任。 五、限制與建議：輔導應嚴守保密與不汙名化原則，避免將求助標籤為抗壓不足；同時須檢討制度性成因，如人力配置、考績與加班制度，而非僅要求個人調適。建議將心理健康指標納入機關人力資源儀表板，並定期評估介入成效與資源投入效益。
公務機關的管理者可以透過人工智慧協助決策，其有那些風險或缺點需
要注意？（25 分）
參考解答（AI 生成，非官方） 一、應用定位：人工智慧（Artificial Intelligence, AI）輔助決策係以機器學習、自然語言處理等技術提供預測、分類與建議，屬決策支援（decision support），而非取代公務人員的判斷。機關應先釐清適用邊界，涉及重大權益、高度裁量或價值衝突事項，仍須保留人為決定空間。 二、資料與演算法風險：訓練資料可能品質不一、代表性不足，導致偏誤（bias）與歷史歧視被複製；模型黑箱（black box）特性使決策難以解釋，形成可解釋性（explainability）不足；資料漂移（data drift）亦會使模型效能隨時間下降，產生錯誤建議。 三、課責與法治風險：AI 建議出錯時責任歸屬不清，易形成責任真空；須注意正當法律程序、行政處分說理義務、個人資料保護與資訊安全。若系統委外建置，尚涉及智慧財產、資料主權與廠商鎖定（vendor lock-in）問題，契約應明定資料使用與稽核權限。 四、組織與人員風險：使用者易產生自動化偏誤（automation bias），過度信賴系統輸出而鬆懈查證；同仁數位素養落差、抗拒變革與技能焦慮，可能造成導入失敗；過度依賴更可能侵蝕專業判斷與經驗傳承，形成能力空洞化。 五、治理建議：建立 AI 治理框架與風險分級，採人為覆核（human-in-the-loop）、演算法影響評估（Algorithmic Impact Assessment, AIA）、模型稽核與決策紀錄保存；加強人員教育訓練與跨域協作，對外透明揭露並明定問責機制與救濟途徑，以兼顧創新與公共課責。
如果公務機關面臨人力短缺，又無法立刻補充時，有何種方式可以協助？
（25 分）
參考解答（AI 生成，非官方） 一、策略思維：人力短缺且無法立即補充正式員額時，宜由「增量思維」轉向「存量管理」，從工作減量、流程再造與能力提升三軸並進，並依業務風險高低排定優先順序，避免齊頭式削減服務而損及為民服務品質。 二、工作與流程面：推動流程再造（Business Process Reengineering, BPR）、業務盤點與去任務化，將低價值重複性工作以機器人流程自動化（Robotic Process Automation, RPA）取代；辦理職務再設計與標準作業程序（SOP）簡化，從源頭降低單位人力需求。 三、人力運用面：採跨單位支援、任務編組（task force）、彈性調派與區域聯防；在法定員額與預算範圍內運用約聘僱人員、勞務承攬及退休公務人員回聘，並結合志工與實習生協力。惟核心公權力業務不得外包，且須注意勞動基準法與聘用人員相關法令。 四、能力與知識面：推動多能工（multi-skilling）培訓、職務輪調與代理人制度，建立知識管理與經驗傳承機制，避免關鍵人員離退造成業務斷點；並運用數位工具與共享服務中心（shared service center）提升人均產能，以有限人力支撐相同服務量。 五、激勵與留任面：合理調整待遇與加班補償、提供彈性工時與工作生活平衡措施、暢通陞遷與獎勵管道，並強化心理支持以降低流動率；短期可運用留任獎金或專案津貼，但須符合預算與法制，避免形成差別待遇爭議。 六、限制與配套：上開措施受員額法規、預算與勞動法令限制，長期依賴約聘僱恐影響業務穩定性與公共課責；建議同步辦理人力需求評估與中長期員額規劃，定期檢視措施成效，並將人力風險納入機關施政風險管理。