論文內容共一冊分五章。第一章為緒論，分三節，說明研究目的與動機；研究問題之 理論架構與研究方法，及研究範圍與對象。第二章為理論探討，共分五節，分別介紹 環境的意義與性質；環境與策略規劃之互相關係；及與環境偵測、策略規劃有關之理 論與研究。第三章為企業特質與環境偵測，包括環境偵測機能；企業情報通路；及企 業對環境之偵測等有關假設之驗證與研究結果。第四章為環境特性與策略規劃係統， 包括環境特性之構面與衡量方法；策略規劃系統之分類與標準；及企業環境特性與策 略規劃系統之關係。第五章為結論與建議。

第一章 導論：本章陳述研究動機與目的：說明理論背景，研究方法及研究限制。 第二章 偵測程序與策略性決策：本章說明外在環境，企業組織，策略性決策及偵 測系統四者間的互動關係。並提出研究架構，研究假設；及有關的問題。 第三章 外界情報的特質：本章討論企業所蒐集之外在環境情報種類和行業特性， 主管人員特性，策略形態，組織型態等幾個變數之間的關係並提出幾個有關之命題 。 第四章 偵測系統及其運作（Ⅰ）：本章討論企業如何去蒐集外在環境情報及情報 來源分類。並試著提出和情報來源及偵測方式有關的重要變數，如企業歷史，主持 人特性，策略形態，行業特性等。 第五章 偵測系統之運作（Ⅱ）：本章承上一章，內容將討論情報在組織內如何流 動；外在環境情報和策略性決策之關係等二個主題。涉及之細節有情報評估，情報 交流，情報使用，主持人扮演的角色等。 第六章 偵測系統之功能：本章分析並提出數種偵測系統樣式。以權變理論的觀點 定義偵測系統效能。 第七章 結論與建議：陳述最後之看法及討論尚待進一步研究之處。並說明研究結 果對企業界之含義。 #2810583 #2810583

科技政策是國家競爭力的發動機，一國之決策領導者對科技「競爭情報」之掌握及重視程度與國家核心競爭力直接相關，攸關競爭賽局的勝負。因此掌握競爭優勢的國家「決策輔助諮詢系統」實是公共政策領域應注目之焦點。 「國際科技政策觀測系統」為政府首次針對科技政策決策需求所推行的環境偵測與諮詢系統，是政府推動環境預測、科技前瞻等工作的基礎。期望藉由本研究一窺科技政策形成體系中「決策輔助諮詢系統」及「國際科技政策觀測系統」運作之現況，對國家政策推動、決策運行、決策變革、科技經濟發展有助益與貢獻。 為能確實的紀錄整個專案產生與運作過程，增進信度與效度，本研究決定採取參與觀察法、深度訪談法、次級資料分析法等三種研究方法以深入故事現場。本研究所探討的問題聚焦在科技決策幕僚的輔助諮詢工作的科學化與加值效益，能開啟研究新世紀政府決策輔助科學化的序幕，豐富我國政府決策研究文獻，促進我國科技政策情報研究之成長與發展。 本研究發現「國際科技政策觀測系統」確實具備環境偵測與智囊諮詢的功能，一方面對於去除決策者的「工作環境不確定」產生極大效能，提升我國科技決策的科學化，另一方面對於提高智庫與決策系統間的鏈結產生重大效益，在提供智囊諮詢上使得觀測能量轉為對策能量。為因應多變的世界賽局，我國政府應立即進行以提升國家競爭力為思考的「決策輔助系統」改革，建立全方位的「政府競爭情報系統」，進行長遠的「決策輔助」人才培育計劃，強化決策效能提昇政策效果，以天下為師求勝於天下。

自發展塑膠貨幣以來，信用卡的詐欺、盜刷，向來是造成發卡銀行重大損失的風險之一，不僅是當前社會的地下經濟犯罪問題，同時在全球化的過程中，盜刷集團也逐漸發展出跨國分工的犯罪模式，各國發卡銀行在防制信用卡詐欺的策略上，不得不隨之求新求變，以因應盜刷集團詭譎多變的犯罪手法。 在管理詐騙生命週期理論中，偵測是其中極為重要的環節。本篇研究，即是針對如何提升發卡銀行的信用卡詐欺交易偵測效率進行相關研究，藉由相關文獻探討及實務經驗，以歷史資料分析方式，找出影響信用卡詐欺交易偵測效率之因素，來檢視詐欺風險管控措施的成效，同時提供建議，希望找出信用卡詐欺風險偵測之最佳化模式，俾以提升發卡銀行信用卡詐欺交易偵測效率。 本篇研究結果，首先證實在符合筆者所提出的效益/成本的模式下，發送交易警示簡訊，有助於偽卡偵測效率的提升。再者，偵測人員的資歷越深，其偵測效率越高。最後，銀行詐欺交易資訊的交流越密集，越有助於「側錄盜刷」類的詐欺交易偵測效率。 本研究目的除了提出建議以協助銀行減少損失外，盼能藉以喚起社會各界對信用卡詐欺問題之重視，期能遏止當前社會，乃至於國際間信用卡詐欺問題。 / The fraud of credit card usage has caused significant losses in worldwide issuing banks. The fraud syndicates have developed cross-boarder fraudulent activities along with global patners, which not only impacts worldwide economy, but also challenges the strategies initiated by all issuers. Due to the sophistication of the credit card process, experienced people and informative message are required elements to optimize the fraud detection process. The study attempts to analyze those major factors effecting credit card fraud detection process by adapting empirical analysis method on two real cases. Major findings are: 1) under a careful cost and benefit calculation, the more the SMS message sending, the higher the fraud detection rate, 2) the more the experience of detectors, the more effective the performance of the detection, and 3) the more the information shared across issuing banks, the higher the detection rate achieved for fraud skimming. In addition to the optimization of current fraud detection operation, the study is planned to draw public's attention on the serious credit card fraud issue. It is hoped that the attack level of credit card fraud could be mitigated effectively by taking recommendations made by this study.

20世紀的超級模範公司豐田汽車，依靠著無堅不摧的豐田式管理，成功的讓豐田在1985 ~ 1995 日幣兌美元升值 3 倍的期間度過危機。也在2008 年擊敗了通用汽車成為世界第一，任誰也沒料到這麼一家在人類歷史中的特優模範公司會發生油門踏板與Prius 煞車不靈的危機，這對使用者的生命及豐田的商譽產生無可預知的未來，這是一個現在進行式。1945 年在中國是一個全民既興奮且又感動的時刻，蔣委員長所帶領的國民政府經過8 年的浴血抗戰擊敗了日本獲得最終的勝利，任誰也沒想到在 1949 年國府會兵敗大陸退守台灣。 本研究由相關的危機處理文獻之探討，推展出「危機處理架構」，並藉由 「國共內戰中的東北戰役(1945. 8 to 1948. 11) 」和「豐田危機(2009 to 2010) 」兩個個案的深入研究，試圖發現「危機處理構面」中各個構面間的相互關係並提出一些建議，所得到的結論如下： 結論 1：在組織獲得極大的成功之後，領導者危機意識會趨向不足。 結論 2：大部分的危機會是有訊號的。 結論 3：組織內部的溝通是危機處理成敗的關鍵之一。 結論 4：危機處理時，愈快讓危機處理程序有效且迅速的運轉，組織愈易度過危 機。 / Toyota is the one of the best company in 20 century, it succeed to overcome the Japanese currency appreciated 3 times from 1985 to 1995, and also beat the GM to be the number one automobile company in 2008. However, nobody could believe that Toyota faced the quality crisis from 2009 to 2010, this is a pretty serious issue which hurt human life and Toyota’s reputation; simultaneously, this crisis is not over yet. In 1945, this was a very exciting moment for all of Chinese people due to they defeated Japanese based on KMT government lead by Chairman Chiang. However, nobody would believe KMT was defeated by Chinese Communist Party in 1949, and retreated to Taiwan. This thesis based on papers study, and then we try to construct the crisis management elements. Therefore, we could get the relations between each elements from the analysis of 2 cases; Chinese Civil War, Northeast Part (1945. 8 to 1948. 11) and Toyota Crisis (2009 to 2010); moreover, we could propose some conclusions and suggestions for company which faces the crisis in the future. Conclusion 1: The executives will lack of sense of crisis after a tremendous success. Conclusion 2: There will be some signals before crisis happened Conclusion 3: The internal communication is the key step of crisis management. Conclusion 4: Whenever crisis happens, the crisis management should initiate immediately.

新聞事件可描述為「一個時間區間內、同一主題的相似新聞之集合」，而新聞大多僅是一完整事件的零碎片段，其內容也易受到媒體立場或撰寫角度不同有所差異；除此之外，龐大的新聞量亦使得想要瞭解事件全貌的困難度大增。因此，本研究將利用文字探勘技術群聚相關新聞為事件，以增進新聞所帶來的價值。 分類分群為文字探勘中很常見的步驟，亦是本研究將新聞群聚成事件所運用到的主要方法。最近鄰 (k-nearest neighbor, kNN)搜尋法可視為分類法中最常見的演算法之一，但由於kNN在分類上必須要每篇新聞兩兩比較並排序才得以選出最近鄰，這也產生了kNN在實作上的效能瓶頸。本研究提出了一個「建立距離參考基準點」的方法RTD-based kNN (Relative Text-Distance-based kNN)，透過在向量空間中建立一個基準點，讓所有文件利用與基準點的相對距離建立起遠近的關係，使得在選取前k個最近鄰之前，直接以相對關係篩選出較可能的候選文件，進而選出前k個最近鄰，透過相對距離的概念減少比較次數以改善效率。 本研究於Google News中抽取62個事件(共742篇新聞)，並依其分群結果作為測試與評估依據，以比較RTD-based kNN與kNN新聞事件分群時的績效。實驗結果呈現出RTD-based kNN的基準點以常用字字彙建立較佳，分群後的再合併則有助於改善結果，而在RTD-based kNN與kNN的F-measure並無顯著差距(α=0.05)的情況下，RTD-based kNN的運算時間低於kNN達28.13%。顯示RTD-based kNN能提供新聞事件分群時一個更好的方法。最後，本研究提供一些未來研究之方向。 / News Events can be described as "the aggregation of many similar news that describe the particular incident within a specific timeframe". Most of news article portraits only a part of a passage, and many of the content are bias because of different media standpoint or different viewpoint of reporters; in addition, the massive news source increases complexity of the incident. Therefore, this research paper employs Text Mining Technique to cluster similar news to a events that can value added a news contributed. Classification and Clustering technique is a frequently used in Text Mining, and K-nearest neighbor(kNN) is one of most common algorithms apply in classification. However, kNN requires massive comparison on each individual article, and it becomes the performance bottlenecks of kNN. This research proposed Relative Text-Distance-based kNN(RTD-based kNN), the core concept of this method is establish a Base, a distance reference point, through a Vector Space, all documents can create the distance relationship through the relative distance between itself and base. Through the concept of relative distance, it can decrease the number of comparison and improve the efficiency. This research chooses a sample of 62 events (with total of 742 news articles) from Google News for the test and evaluation. Under the condition of RTD-based kNN and kNN with a no significant difference in F-measure (α=0.05), RTD-based kNN out perform kNN in time decreased by 28.13%. This confirms RTD-based kNN is a better method in clustering news event. At last, this research provides some of the research aspect for the future.

隨著全球化與資訊科技之進步，大幅加快媒體傳播訊息之速度，使得與股票市場相關之新聞事件，無論在產量、產出頻率上，都較以往增加，進而對股票市場造成影響。現今投資者多已具備傳統的投資概念、觀察總體經濟之趨勢與指標、分析漲跌之圖表用以預測股票收盤價；除此之外，從大量新聞資料中，找出關鍵輔助投資之新聞事件更是需要培養的能力，而此正是投資者較為不熟悉的部分，故希望透過本文加以探討之。 　　本研究使用2009年自由時報電子報之財經新聞（共5767篇）為資料來源，以文件距離為基礎之kNN技術分群，並採用時間區間之概念，用以增進分群之時效性；而分群之結果，再透過類別詞庫分類為正向、持平及負向新聞事件，與股票市場之量化資料，包括成交量、收盤價及3日收盤價，一併輸入於倒傳遞類神經網路之預測模型。自台灣經濟新報中取得半導體類股之交易資訊，將其分成訓練及測試資料，各包含168個及83個交易日，經由網路之迭代學習過程建立預測模型，並與原預測模型進行比較。 　　由研究結果中，首先，類別詞庫可透過股票收盤價報酬率及篩選字詞出現頻率的方式建立，使投資者能透藉由分群與分類降低新聞文件的資訊量；其次，於倒傳遞類神經網路預測模型中加入分類後的新聞事件，依統計顯著性檢定，在顯著水準為95%及99%下，皆顯著改善隔日股票收盤價之預測方向正確性與準確率，換言之，於預測模型中加入新聞事件，有助於預測隔日收盤價。最後，本研究並指出一些未來研究方向。

因為疾病空間模式通常會與環境中的危險因子有很強烈的關聯性，因此流行病學家與社會大眾都對疾病的空間模式感到興趣。舉例來說，空間群聚就是一項非常受到重視的疾病空間模式，在眾多的空間群聚檢定方法種，Kulldorff和 Nagarwalla在1995年提出的空間掃描統計量是相當受到廣泛應用的方法，雖然這個統計方法可以檢定初空間資料的異質性，但是卻沒有辦法區隔這些異質性是來自於整體空間資料的相關性或是局部的空間群聚。在本篇論文中，我們將分別提出計次型的統計方法與貝氏統計方法兩種類型的空間群聚檢定方法來處理這樣的問題，其中計次型的統計方法為一兩階段的統計方法，首先採用EM演算法來估計空間自相關，並根據估計的結果與掃描窗格在偵測空間群聚；另一方面，貝氏方法則考慮加入群聚的中心位置及半徑作為事前的機率分布，進而透過MCMC的方法來計算出後驗分布的結果。除此之外，北卡羅來納的嬰兒猝死症和台灣老年人口癌症死亡資料將被用來示範與評價不同群聚檢定方法的差異與效果。

資訊擷取是從自然語言文本中辨識出特定的主題或事件的描述，進而萃取出相關主題或事件元素中的對應資訊，再將其擷取之結果彙整至資料庫中，便能將自然語言文件轉換成結構化的核心資訊。然而資訊擷取技術的結果會有錯誤情況發生，若單只依靠人工檢查及更正錯誤的方式進行，將會是耗費大量人力及時間的工作。 在本研究論文中，我們提出字串圖形結構與字串特徵值兩種錯誤資料偵測方法。前者是透過圖形結構比對各資料內字元及字元間關聯，接著由公式計算出每筆資料的比對分數，藉由分數高低可判斷是否為錯誤資料；後者則是利用字串特徵值，來描述字串外表特徵，再透過SVM和C4.5機器學習分類方法歸納出決策樹，進而分類正確與錯誤二元資料。而此兩種偵測方法的差異在於前者隱含了圖學理論之節點位置與鄰點概念，直接比對原始字串內容；後者則是將原始字串轉換成特徵數值，進行分類等動作。 在實驗方面，我們以「總統府人事任免公報」之資訊擷取成果資料庫作為測試資料。實驗結果顯示，本研究所提出的錯誤偵測方法可以有效偵測出不合格的值組，不但能節省驗證資料所花費的成本，甚至可確保高資料品質的資訊擷取成果產出，促使資訊擷取技術更廣泛的實際應用。 / Given a targeted subject and a text collection, information extraction techniques provide the capability to populate a database in which each record entry is a subject instance documented in the text collection. However, even with the state-of-the-art IE techniques, IE task results are expected to contain errors. Manual error detection and correction are labor intensive and time consuming. This validation cost remains a major obstacle to actual deployment of practical IE applications with high validity requirement. In this paper, we propose string graph structure and string feature-based methods. The former takes advantage of graph structure to compare characters and the relation between characters. Next step, we count the corresponding score via formula, and then the scores are takes to estimate the data correctness. The latter uses string features to describe a certain characteristics of each string, after that decision tree is generated by the C4.5 and SVM machine learning algorithms. And then classify the data is valid or not. These two detection methods have the ability to describe the feature of data and verify the correctness further. The difference between these two methods is that, we deal with string of row data directly in the previous method. Besides, it indicates the concept of node position and neighbor node in graphic theory. By contrast, the row string was transformed into feature value, and then be classified in the latter method. In our experiments, we use IE task results of government personnel directives as test data. We conducted experiments to verify that effective detection of IE invalid values can be achieved by using the string graph structure and string feature-based methods. The contribution of our work is to reduce validation cost and enhance the quality of IE results, even provide both analytical and empirical evidences for supporting the effective enhancement of IE results usability as well.

空間群聚分析應用於流行病學已行之有年，但國內這方面的研究仍較缺乏，尤其在找出哪些地區有較高疾病發生率的群聚偵測。本文針對台灣鄉鎮市資料的特性，提出一套合適的群聚檢測方法，這個方法使用兩階段的電腦模擬，實證上更容易使用；這個方法除了可找出最大顯著群聚外，也能夠偵測出多個群聚的分佈。本文使用電腦模擬比較本文的方法與目前使用較為廣泛的方法(包括Kulldorff(1995)的spatial scan statistic和Tango(2005)的flexible scan statistic)，以型一誤差、型二誤差及錯誤率三種標準衡量方法的優劣。最後套用台灣癌症死亡率與健保就診次數資料，探討台灣癌症空間群聚與就診情形的變化。 / Spatial cluster analyses have applied in epidemiology for many years. In this topic there still are few researches in Taiwan, especially in detecting the areas which have higher disease intensity. In this paper, we proposed a new cluster detection method which is aimed at Taiwan counties’ data. This method which uses two-stage computer simulation procedures is useful in practice. This method can find the most likely cluster. Besides, it can find multiple clusters. We use computer simulations to compare our method with others (Kulldorff’s spatial scan statistic& Tango’s flexible scan statistic). Type-I error, Type-II error and error rate are criterions of measurement. At last, we use Taiwan cancer mortality data and all the people health insurance data to discuss Taiwan cancer spatial clusters and the change of diagnoses.