首頁 / 高考三級 工業設計考古題 / 民國115年 高考三級 工業設計 產品造形學（包括造形原理、色彩學、美學） 民國115年 高考三級 工業設計 產品造形學（包括造形原理、色彩學、美學）考古題
民國115年 高考三級 工業設計 產品造形學（包括造形原理、色彩學、美學）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
色彩混色（Color Mixing）原理有「加法混色（Additive Color Mixing）」、
「減法混色（Subtractive Color Mixing）」和「視覺混色（Optical Color
Mixing）」等三種。請分別以「減法混色」與「視覺混色」來解釋網點印
刷。（25 分）
參考解答（AI 生成，非官方） 一、減法混色（Subtractive Color Mixing）之原理：色料（pigment／ink）會選擇性吸收（absorb）部分可見光譜，並反射其餘波長；因此混合的色料種類愈多，被吸收的波長範圍就愈廣，明度與彩度也隨之下降而趨暗。印刷以青（Cyan）、洋紅（Magenta）、黃（Yellow）三原色油墨為基礎，必要時再加入黑（Key, K），以補足深色並提高文字銳利度，此即 CMYK 色彩模型。網點印刷正是以此為物理基礎，透過墨層厚度與網點面積率（dot area coverage）控制各色吸收量。 二、網點印刷中的減法混色機制：連續調（continuous tone）影像須先經半色調（halftone）分色，轉為大小不同、間距固定的網點；網點面積率愈高，該色油墨覆蓋愈多、吸收愈強。各色版以不同網線角度（screen angle）疊印（overprint），以避免撞網產生莫爾紋（moiré）。因此，「減法」決定的是紙面上實際墨量與光譜吸收，屬物理性混色；惟油墨並非理想濾色片，二次色常帶濁度，需靠色彩管理（ICC profile）與總墨量限制（TAC）修正。 三、視覺混色（Optical Color Mixing）之原理：亦稱並置混色（juxtaposed mixing）或空間混色，係將細小色點並排；當觀看距離遠到超過眼睛解析度時，視網膜與大腦皮質會將相鄰色光平均，產生第三色的知覺。此歷程發生於觀者知覺層次，不涉及色料物理混合。新印象派（Neo-Impressionism）秀拉（Seurat）之點描法即為典型；電視螢幕的 RGB 像素並置亦屬之。 四、網點印刷中的視覺混色作用：當網點夠細（如 175 lpi 以上）、觀看距離適當時，人眼無法分辨單一網點，便將 CMYK 四色網點知覺為連續色調；四色網點以固定角度交錯形成的玫瑰紋（rosette），即是視覺混色與減法混色共同作用的產物。淺色調（如淺灰、粉彩）常以少量網點並置呈現，而非直接調墨，即利用視覺平均；調頻網點（FM screening）以網點大小固定、密度變化，亦依賴同一機制。 五、比較與實務啟示：減法混色解釋「墨如何吸收光」，視覺混色解釋「人如何知覺色」；前者為製程變數（墨量、疊印、紙張吸收），後者為觀測變數（網線數、觀看距離、照明）。實務上應注意同色異譜（metamerism）、紙白與油墨光譜，以及螢幕 RGB 與印刷 CMYK 的色域差異（gamut mismatch）；建議以標準光源對色、建立 ICC 色彩管理流程並實體打樣，方能確保設計稿與成品一致。
美的形式原理有很多種，請觀察經典設計作品，第一代Apple iPod，從
中找出五項美的形式原理，解釋其運用方式。（25 分）
參考解答（AI 生成，非官方） 一、單純（Simplicity）：第一代 iPod 正面僅一方形螢幕與圓形滾輪，按鍵與介面元素減至最少，去除裝飾性線條；白色壓克力面板與不鏽鋼背板形成乾淨的視覺焦點。此即「少即是多」的造形策略，使操作邏輯（選曲、捲動）與外觀一致，降低使用者的認知負荷，也讓品牌形象集中而不發散。 二、對稱與均衡（Symmetry and Balance）：機身正面以垂直中軸線為準，螢幕與滾輪上下排列、左右對稱，形成穩定感；四角的圓角（fillet）與滾輪同心圓彼此呼應，使視覺重量均勻分布。此種軸對稱屬形式上的均衡，能讓小尺寸產品在手持時仍顯端正，亦強化產品的辨識度與秩序感。 三、比例（Proportion）：機身長寬比接近黃金比之矩形，螢幕區與滾輪區約呈 1:1 至 1:1.2 的區塊分割；滾輪直徑約為機身寬度的三分之二，使圓與方的面積關係協調。良好的比例使各部件的尺度互相關聯，避免拼湊感，並讓拇指的操作半徑落在舒適範圍，兼顧美感與人因。 四、對比（Contrast）：材質上以鏡面不鏽鋼背板對比霧面白色前面板，形成冷暖與光澤與否的對比；色彩上以白、銀、黑（螢幕）三色構成高低明度層次；形態上以圓對比方。對比強化視覺張力與層次，使操作元件（滾輪）自然成為視覺與觸覺的焦點，引導使用者直覺操作。 五、統一與調和（Unity and Harmony）：全機重複使用圓角、同心圓與極簡幾何語彙，滾輪的圓、螢幕的圓角、機身四角圓弧彼此同構，形成家族性（family resemblance）；按鍵與介面圖示亦採同一線性風格。統一使異質元素凝聚為整體，調和則降低對比帶來的衝突，讓產品在簡潔中仍具細節與質感。
多年來「Human-Centered Design（HCD）」一直是設計領域的重要原則，
然而，隨著人類文明的前進，新的設計方針業已浮現，例如World Design
Organization（WDO）於2023 年的論壇中提出「more than human」的口
號，而「Life-Centered Design（LCD）」的概念也逐漸被重視。請說明Life-
Centered Design 的概念以及其運用在產品設計上的挑戰。（25 分）
參考解答（AI 生成，非官方） 一、概念緣起與定義：Human-Centered Design（HCD，以人為本的設計）以使用者需求、能力與經驗為核心；Life-Centered Design（LCD，以生命為中心的設計）則將考量範圍由人擴展至非人生命（non-human）與生態系統，主張產品與服務應維護整體生命系統的韌性。World Design Organization（WDO，世界設計組織）於 2023 年論壇提出「more than human」（超越人類）的口號，正是此範式轉移的宣示。 二、核心內涵：LCD 強調關係性（relationality）與共生（symbiosis），把物種、棲地、物質循環視為共同利害關係人；方法上採系統思維（systems thinking）、多物種設計（multispecies design）與生命週期思維，將碳排、水資源、生物多樣性納入設計準則，並以行星界限（planetary boundaries）與循環經濟（circular economy）為評估框架，追求再生而非僅止於減害。 三、運用於產品設計的方法與工具：實務上可採非人人物誌（non-human persona）、生態系圖譜（ecosystem map）、物質流分析（MFA）與生命週期評估（LCA）；材料層面使用材料護照（material passport）、單一材質與可拆解結構設計（design for disassembly）；制度層面則對接歐盟《生態設計永續產品規章》（ESPR）與數位產品護照（DPP）等國際趨勢。 四、主要挑戰：其一為代言問題，非人生命無法表達需求，設計者須以科學資料代理，易生詮釋偏差；其二為範疇與邊界難以界定，評估結果高度依賴假設；其三為商業模式衝突，長壽命、可維修與低成本、快速迭代相互拉扯；其四為量化困難與綠色洗白（greenwashing）風險；其五為供應鏈與法規碎片化，單一企業難以主導系統性改變。 五、因應建議：宜採階段性納入，先以人本與環境指標雙軌並行，再逐步擴大至生態系層級；建立可比較的指標與查證機制（如第三方 LCA 查證）；透過跨界協作（生態學、材料科學、政策）補足專業缺口；並在設計教育中納入多物種思維，使 LCD 由口號落實為可操作的設計準則，而非僅停留在道德宣示。
人工智慧已在各行各業廣泛被運用，設計領域是其中之一。請您闡述任
何一個設計流程及其步驟，接著再說明人工智慧於該設計流程的每一個
步驟中所帶來的影響。（25 分）
參考解答（AI 生成，非官方） 一、設計流程之選擇與步驟：以英國設計協會（Design Council）提出的雙鑽石（Double Diamond）為例，流程分四階段：探索（Discover，發散研究）、定義（Define，收斂問題）、發展（Develop，發散構想）、交付（Deliver，收斂測試與量產）；其後可再銜接量產與售後回饋，形成迭代閉環，使設計由問題發現一路走到市場驗證。 二、探索階段（Discover）：AI 可加速使用者研究，如語音轉錄與質性資料編碼、社群與評論之大數據輿情分析、趨勢與專利檢索，以及生成式模型協助情境訪談腳本；並可透過影像辨識分析使用行為。其影響在於擴大樣本與視野、壓縮前期時間，但資料偏誤（bias）與隱私倫理須同步管理，避免研究結論失真。 三、定義階段（Define）：AI 可將訪談與日誌彙整為主題叢集、自動生成人物誌（persona）與顧客旅程地圖（customer journey map）初稿，並以聚類或關聯分析找出未被滿足的需求；生成式 AI 亦能協助把洞察轉為設計需求規格（design brief）。風險在於過度依賴演算法歸納，可能忽略少數族群與在地脈絡的細節。 四、發展階段（Develop）：生成式設計（generative design）與拓撲優化（topology optimization）可依載重、材料、製程限制產出大量造形方案；擴散模型（diffusion model）可快速產出草圖、配色與 CMF 提案；參數化工具結合 AI 可即時評估結構與可製造性。影響是構想量與迭代速度大幅提升，惟需以設計師的判準篩選，避免風格同質化。 五、交付階段（Deliver）與治理：AI 可輔助渲染、動畫與虛擬原型，以預測模型進行使用性測試與失效模式分析，並在量產階段做良率預測與品質檢測（machine vision）。整體而言，AI 降低勞務成本、擴增設計可能性，但不取代價值判斷；宜建立資料治理、智財與揭露規範，並保留人工複核，使流程兼顧效率與責任。