108 高普考高考三級 圖書資訊管理(選試英文) 資訊系統與資訊檢索 考古題詳解

核心觀念

本題測驗圖書資訊學中「資訊計量學（Informetrics）／文獻計量學（Bibliometrics）」的核心分析技術——引文分析（Citation Analysis）​與關聯度檢索（Relational Retrieval）。 主要概念涵蓋：

1. 文獻關聯測量（Document Similarity Measures）：非依賴關鍵字比對，而是利用文獻間的引證網絡（Citation Network）衡量主題相似度。
2. 共被引（Co-citation）：由 Henry Small 與 Irina Marshakova 於 1973 年分別獨立提出，代表兩篇先前發表的文獻同時被後續的一篇文獻所引用的現象。
3. 書目對（Bibliographic Coupling，又稱書目偶合）：由 M. M. Kessler 於 1963 年提出，代表兩篇文獻同時引用了同一篇（或多篇）相同的早期參考文獻。
4. 動態性 vs. 靜態性：引文網絡隨時間演進的本質差異（後續引用積累 vs. 出版當下參考書目固定）。

解題方法

本題為典型的申論比較題，配分 25 分（10 分、10 分、5 分）。作答時應遵循下列切入架構：

1. 子題 (一) 與 (二) 的標準結構：

• 提出者與年代：展現學術專門素養（Kessler 1963; Small 1973）。
• 精準定義：明確指出「施引文獻（Citing Document）」與「被引文獻（Cited Document）」的方向關係。
• 箭頭關聯圖：利用文字圖解標示關聯方向（極具吸睛與閱卷給分效益）。
• 核心特質與應用：說明其在資訊檢索、研究前沿（Research Front）、知識群聚中的應用場景。

2. 子題 (三) 的比較切入點：

• 採「相同點」與「相異點」雙軌陳述，相異點務必從「時間特性（靜態／動態）」、「關聯視角（作者觀點／讀者與後續研究者觀點）」、「冷啟動問題（能否應用於新發表文獻）」三個維度精確對比，並輔以表格彙整。

解題技巧

1. 方向判斷與記憶口訣：

• 書目「對」（Bibliographic Coupling）＝「向後看（歷史回溯）」。兩篇文獻背對背看著過去同一本參考書（雙箭頭指向同一舊文獻）。出版即固定，永遠不變（靜態）。
• 「共」被引（Co-citation）＝「向前看（未來評價）」。兩篇先前的文獻在未來被某篇新論文「共同」帶出場（單一新文獻的雙箭頭指向兩篇舊文獻）。隨時間增加，隨時在變（動態）。

2. 常見陷阱與扣分點：

• 混淆「施引」與「被引」的主被動箭頭方向。
• 忽略書目對是「靜態（Static）」、共被引是「動態（Dynamic）」的關鍵時間本質。
• 忽視實務應用：新發表的文獻沒有被引紀錄，無法做共被引分析（冷啟動限制），但出版當天立刻就能做書目對分析。

【答案】

(一) 何謂共被引（Co-citation）？

1. 定義與提出者 共被引（Co-citation，又稱共同被引）於 1973 年由美國學者 Henry Small 與俄國學者 Irina Marshakova 各自獨立提出。 其定義為：當兩篇獨立發表的文獻（文獻 A 與文獻 B），同時被後續發表的第三篇文獻（文獻 C）所引用時，文獻 A 與文獻 B 之間即建立「共被引關係」。在特定文獻集合中，同時引用文獻 A 與 B 的後續文獻總篇數，即為其「共被引強度（Co-citation Strength）」。

2. 引文關係示意圖 $C \rightarrow A \quad \text{且} \quad C \rightarrow B$ （其中文獻 C 為後續發表的施引文獻；A 與 B 為較早發表的被引文獻）

[ 文獻 C ] (施引文獻：新)
/ \
v v
[ 文獻 A ] [ 文獻 B ] (被引文獻：舊)

核心觀念

本題聚焦於「人機互動」（Human-Computer Interaction, HCI）與「資訊檢索介面評估」的兩大核心基石：使用性（Usability）​與網站無障礙／存取性（Web Accessibility）。考點涵蓋：

1. 使用性的標準定義：國際標準化組織 ISO 9241-11 對使用性所規範之三大核心構面（有效性、效率、滿意度）。
2. Jakob Nielsen 的使用性工程架構：HCI 大師 Nielsen 於 1993 年提出的 5 項使用性品質評估指標（Learnability, Efficiency, Memorability, Errors, Satisfaction）。
3. W3C 網站內容存取指引（WCAG 2.0 / 2.1）的四大基本原則：建構無障礙網頁環境的四項支柱（Perceivable, Operable, Understandable, Robust，簡稱 POUR 原則）。

解題方法

本題屬於標準的「名詞解釋＋要點列舉型」申論題，切入點與版面佈局應當緊扣配分比重（5 分、10 分、10 分）：

1. 子題 (一) 使用性定義（5 分）：以權威的 ISO 9241-11 為骨幹，定義系統在特定情境（context of use）下協助使用者達成特定目標的程度，並點出「有效性」、「效率」與「主觀滿意度」三大構成要素，展現圖書資訊學專業素養。
2. 子題 (二) Nielsen 的 5 項使用性特性（10 分）：直接以「LEEMS」架構逐條列出英文原名、中文精確譯名，並以一句核心概念加上具體實作情境說明其評估內涵。
3. 子題 (三) W3C WCAG 4 個基本原則（10 分）：以「POUR 原則」依序列出 Perceivable（感知性）、Operable（操作性）、Understandable（理解性）與 Robust（穩健性），除寫出定義外，各補上一至兩項實務檢核要點（如替代文字、鍵盤導航、一致性、輔助科技相容性），充實論述厚度。

選項分析

本題為純申論題型，無選項。考生須注意作答時切忌僅列出孤立的名詞清單（例如只寫出 5 個或 4 個單字），每項均須搭配「定義＋檢驗意涵」，才能完整取得 10 分的級距分數。

解題技巧

1. 記憶口訣與代號：

• Nielsen 5 大特性：記英文縮寫 LEEMS（Learnability, Efficiency, Memorability, Errors, Satisfaction）或口訣「學、效、記、誤、滿」。
• WCAG 4 大原則：記英文單字 POUR（倒水／澆灌原則：Perceivable, Operable, Understandable, Robust）或口訣「感、操、理、穩」。

2. 中英雙語並陳：閱卷委員極為重視專有名詞的精準度，作答時務必以「中文譯名（英文原文）」並列方式呈現。
3. 版面層次分明：嚴格遵循公職申論題層次編號（一、 (一)、 1.、 (1)），嚴禁一段到底。

【答案】

一、使用性（Usability）之定義

依據國際標準化組織 ISO 9241-11 之定義，「使用性」係指：特定使用者在特定使用脈絡（Context of Use）下，使用某產品或系統以達成特定目標時，所展現的有效性（Effectiveness）、效率（Efficiency）以及滿意度（Satisfaction）。

核心觀念

本題評量考生對「智慧型資訊檢索（Intelligent Information Retrieval, IIR）」核心理論演進與技術應用的掌握程度。考點聚焦於兩大技術範式在資訊檢索（IR）生命週期中所承擔的任務：

1. 專家系統（Expert Systems, ES）：屬於早期符號人工智慧（Symbolic AI）的應用，以「規則與邏輯推論（Rules & Inference）」為本。核心架構包含知識庫（Knowledge Base）、推論引擎（Inference Engine）​與使用者介面（User Interface），主要模擬人類參考諮詢館員（Reference Librarian）或檢索專家（Search Intermediary）的專業知識，協助使用者排解檢索障礙。
2. 人工智慧（Artificial Intelligence, AI）：涵蓋現代統計機器學習（Machine Learning）、自然語言處理（Natural Language Processing, NLP）及深度學習（Deep Learning）技術。著重在巨量資料中自主學習特徵，解決資訊檢索長久以來的語意鴻溝（Semantic Gap）​與詞彙不匹配問題（Vocabulary Mismatch Problem）。
3. 資訊檢索的核心環節：AI 與 ES 介入的角色涵蓋「查詢端（意圖理解與擴展）」、「索引端（自動標引與特徵抽取）」、「比對排序端（關聯性評估與 Learning to Rank）」與「結果呈現端（摘要、分群與個人化推薦）」。

解題方法

本題為 25 分的申論題，切入點若僅條列技術名詞容易淪於片段空泛。標準的高分架構應採取「技術範式定義 $\to$ IR 流程節點落地 $\to$ 兩者角色綜合對比」之系統化演繹：

1. 界定角色本質：

• 專家系統的角色是「規則化專家代理人（Rule-based Expert Intermediary）」；
• 現代 AI 的角色是「自適應認知與語意計算引擎（Adaptive Cognitive & Semantic Engine）」。

2. 依 IR 核心處理流程拆解功能： 將答題內容錨定於資訊檢索四大作業階段（查詢處理、文件分析/索引、比對排序、互動回饋），分別說明 ES 與 AI 如何發揮功能，具體展現專業圖書資訊學的科班思維。
3. 跨世代對比與綜合結語： 說明兩者從「人工建構專家規則」演進至「自動化巨量特徵學習」的互補性，點出知識組織（如 Ontology、知識圖譜）與演算法結合的整體趨勢。

選項分析

（本題為國家考試之申論申述題型，無選擇題選項；作答關鍵在於題幹「人工智慧或專家系統」中之「或」不可狹義視為單選，必須兩者兼論，展現概念的縱深與演進脈絡。）

解題技巧

1. 破除題意陷阱（「或」字之解讀）： 題目雖寫「人工智慧『或』專家系統」，但在閱卷標準中，若僅寫專家系統會顯得技術過時，若僅寫現代 AI 則遺漏圖書資訊學發展史中極為關鍵的專家檢索中介研究（如 1980–1990 年代的 PLEXUS、CANSEARCH 系統）。最佳策略是兩者並論，將專家系統視為符號 AI 的代表，與現代統計/連結構聯 AI 形成呼應。
2. 善用圖資學標準詞彙： 作答時務必使用科班術語，如：詞彙不匹配（Vocabulary Mismatch）、同義詞/廣義詞擴展（Synonym/Broader Term Expansion）、知識本體（Ontology）、自動標引（Automatic Indexing）、機器學習排序（Learning to Rank, LTR）、關聯性回饋（Relevance Feedback）、查全率（Recall）與查準率（Precision）。
3. 分點標題採用「角色 + 功能」雙軌命名： 使閱卷老師在第一眼即可明確看到「扮演什麼角色」與「具備何種功能」，精準切中題目的雙重問法。

【答案】

一、前言

在傳統資訊檢索（Information Retrieval, IR）環境中，常面臨「語意鴻溝（Semantic Gap）」與「詞彙不匹配（Vocabulary Mismatch）」之限制，導致檢索結果出現漏檢（查全率低）或誤檢（查準率低）。為克服此困境，人工智慧（Artificial Intelligence, AI）及其分支專家系統（Expert Systems, ES）被廣泛導入資訊檢索系統中，分別代表「知識驅動的規則推理」與「資料驅動的自適應學習」，在資訊檢索中扮演數位中介、語意轉譯及決策輔助等核心角色。

二、專家系統（Expert Systems）在資訊檢索中的角色與功能

專家系統由知識庫（Knowledge Base）、推論引擎（Inference Engine）​與使用者介面（User Interface）​組成，將圖書館參考館員或檢索專家的專業經驗（如受控詞表選用、布林邏輯組合策略）編碼為啟發式規則（Heuristic Rules）。

核心觀念

本題旨在評量考生在「跨語言資訊檢索（Cross-Language Information Retrieval, CLIR）」領域的核心理論與技術實務。核心觀念包含：

1. CLIR 的本質與語言落差（Language Barrier/Mismatch）：使用者查詢所使用的語言（Source Language）與被檢索文件所使用的語言（Target Language）不同時，系統如何跨越語言障礙進行語意對齊與檢索。
2. 字典法（Dictionary-Based Method）的核心機制：利用雙語機器可讀詞典（Machine-Readable Dictionary, MRD）進行查詢詞或文件的逐詞轉換。
3. 字典法面臨的瓶頸與改善技術：未登錄詞（Out-of-Vocabulary, OOV）、一詞多義（Polysemy）所導致的查詢偏移（Query Drift）、複合詞/片語識別不足，以及結合語料庫統計、詞義消歧（WSD）、音譯（Transliteration）等改善策略。

解題方法

本題為標準的二合一申論題，配分 25 分（10 分 + 15 分）。答題切入點應採「定義 $\to$ 架構 $\to$ 實作程序 $\to$ 評析與改善」之階層式結構：

1. 子題 (一)（10 分）：

• 給出標準權威之操作型定義（引用 TREC / CLEF 評測框架精神）。
• 繪製或以文字條列 CLIR 跨越語言藩籬的三大基本途徑（查詢翻譯、文件翻譯、中介概念空間），並點出實務上以「查詢翻譯（Query Translation）」為主流的原因，展現知識廣度。

2. 子題 (二)（15 分）：

• 作法：分階段具體列出前處理、查表映射、查詢重構等步驟。
• 優點：從建置成本、計算複雜度、特定領域準確性切入。
• 缺點：精準點出 OOV、詞義歧義（Ambiguity）、片語結構瓦解等痛點。
• 改善方式：對症下藥，針對上述缺點分別對應「詞義消歧（WSD）」、「音譯與維基跨語言連結補足 OOV」、「片語優先抽取」及「機率加權展開」等實務技術。

選項分析

本題為申論題，非選擇題。各子題評分維度與論述要點如下：

• 子題 (一)：滿分關鍵在於不可只寫「用中文查英文資料」等口語化白話，須精準界定「來源語言（$L_1$）」與「目標語言（$L_2$）」，並說明跨語言檢索與多語言檢索（Multilingual IR）、機器翻譯（MT）之區隔。
• 子題 (二)：若僅寫出「查字典」三個字會嚴重失分；必須寫出詞典法的「前處理 $\to$ 查表 $\to$ 展開」流程，缺點須點出技術專有名詞（如 OOV、Query Drift），改善方式必須提出對應的演算法或語料庫輔助工具。

解題技巧

1. 避免將 CLIR 與「全文機器翻譯」混淆：CLIR 的目標是「找出相關文件」，而非「產生流暢且符合文法的目標語言譯文」。因此，CLIR 的重點在於關鍵詞的「語意覆蓋（Coverage）」與「消歧（Disambiguation）」。
2. 缺點與改善方式嚴格對稱：

• 缺點 1（一詞多義產生噪音） $\to$ 改善 1（利用共現分析或上下文進行詞義消歧 WSD）。
• 缺點 2（未登錄詞 OOV） $\to$ 改善 2（音譯模型 Transliteration、未登錄詞語料庫挖掘）。
• 缺點 3（片語硬拆） $\to$ 改善 3（查詢式片語識別與多詞單位優先匹配 Multi-word Expression）。 這種一一對應的結構是閱卷委員評定高分的標準指標。

【答案】

(一) 何謂跨語言資訊檢索（Cross-Language Information Retrieval, CLIR）

1. 定義

跨語言資訊檢索（Cross-Language Information Retrieval, CLIR）係指使用者以特定語言（來源語言，Source Language, 記為 $L_1$）輸入檢索需求（Query），檢索系統能夠在以另一種不同語言（目標語言，Target Language, 記為 $L_2$，$L_1 \ne L_2$）所撰寫的文件集（Document Collection）中，精確檢索出語意相關文件的技術與過程。

若檢索範圍涵蓋兩種以上不同目標語言，則亦常延伸為「多語言資訊檢索（Multilingual Information Retrieval, MLIR）」。CLIR 的核心使命在於克服「語言落差（Language Barrier/Mismatch）」，而非單純產出可讀的翻譯文本，其檢索效能取決於語言轉換後之檢索意圖能否精準映射於目標文件集合。

2. 弭平語言落差的三大基本策略

CLIR 系統架構上主要透過以下三種途徑建立語意對齊：

1. 查詢翻譯法（Query Translation）：將使用者查詢詞由 $L_1$ 翻譯成 $L_2$，再利用 $L_2$ 在目標資料庫中執行檢索。此法計算成本最低、效率最高，為實務上最主流之做法。