學術產出-學位論文
文章檢視/開啟
書目匯出
-
題名 公務人員善用巨量資料分析所需知識技能之探討
Knowledge and skills for big data analytics apply by civil servants作者 李海莉
Lee, Hai Li貢獻者 蕭乃沂
Hsiao, Nai Yi
李海莉
Lee, Hai Li關鍵詞 巨量資料
大數據
知識技能
核心能力
Big Data
Knowledge and Skills
Core Competencies日期 2017 上傳時間 24-七月-2017 12:11:48 (UTC+8) 摘要 隨著巨量資料時代的來臨，不管公部門或私部門都期望透過巨量資料創造出新的價值，因此巨量資料分析者除了需要具備資料處理和分析能力外，也應該要擁有業務領域的專業知識，才能夠去理解資料背後的意義。雖然部分文獻在探討巨量資料分析人才時提出了巨量資料科學家並且提出公部門對於巨量資料分析人才的需求，但對於政府公務人員在運用巨量資料分析時應該具備怎樣的知識和技能，卻未進一步探討。因此，本研究以深度訪談法為資料蒐集方式，訪談資料科學家、巨量資料分析專家學者和有運用過巨量資料分析的政府單位人員，以了解巨量資料對於政府的價值、所面臨的困難與挑戰，以及在面對巨量資料分析時所需的知識和技能。 研究結果發現首先從巨量資料的價值來看，巨量資料擁有大量和即時的特性，以及兼具了文本分析來輔助傳統民意調查分析做為施政參考、推動政策，並期望能進行預測性分析，提升資料分析的效益。然而，政府在面對巨量資料分析時，可能會有法規面、行政面、資料品質面以及人員培訓方面的困難與挑戰。從所需的知識和技能來看，由於政府在面對巨量資料分析時政府業務單位會組成工作小組，包含政府資訊單位或是政府外部技術支援者和專家學者一同執行分析，因此對於政府業務單位所需的知識和技能中，比較著重在知識上的需求，對於技能方面則是以一般管理的技能為主，而政府資訊單位比較著重在電腦資訊和資料科學的技能。從實務面來看，創新和前瞻性思考、業務背景、溝通能力是業務單位已經具備的知識和技能；資訊素養、問題擬定、系統和平台操作和統計能力是業務單位已經具備還是有不足的知識和技能；而對巨量資料認知、系統定義的理解、系統化專案管理和資訊視覺化能力則是欠缺的知識和技能。 根據政府運用的情況、困難與挑戰以及所需的知識和技能來看，本研究認為政府業務單位首先要加強資訊素養才能夠進行問題擬定並且有效的與協辦單位和政府外部的協助者溝通；再者，部分政府資訊單位人員應拓展成擁有資料科學家的知識和技能或是修正公務人員考試制度和從外部招募符合資料科學家的素質的人才；此外，亦可從資料品質上加入第三方驗證機制以降低資料品質精確性疑慮。對於後續研究建議，本研究建議對於政府運用巨量資料分析的參與人員和隸屬機關範圍應該更細且增加分類探討，以及透過問卷調查的方式，使政府單位對於巨量資料知識和技能應然面和實然面能夠進一步進行驗證。
The importance of Big Data Analytics (BDA) has been emphasized for both private and public sectors. Particularly, public officials need different professional knowledge and skills to analyze the data to create new value. The investigation is conducted by in-depth interviews with data scientists, domain experts, and civil servants who have applied BDA in their professions. The research purposes include (1) understanding the value of BDA for government, (2) collecting and exploring difficulties and challenges of implementing BDA in government, and (3) providing knowledge and skills of BDA application for civil servants. The results indicate that properly adopting BDA can gain insights that lead to better decisions and predictions for uncertain events confronting government. While applying BDA, government should organize a cross-unit team composed of business units with domain knowledge as well as IT units with computing and data science skills. In addition, there are four aspects of challenges when applying BDA in government, including regulation, administration, data quality and personnel training. This study accordingly recommends that public officials in business units should enhance their computing and data literacy and a part of IT units personnel should be equipped with knowledge and skills of data scientists. The study also suggests relevant future studies that conduct comprehensive questionnaire surveys to identify and design BDA competencies for future civil servants in the age of big data.參考文獻 Wye（2015）。攻克大數據，21世紀最性感工作—「資料科學家」的八種技能。2016年9月9日，取自：http://www.inside.com.tw/2015/03/27/8-skills-you-need-to-be-a-data-scientist。文及元（2014）。預測未來、創造商機的資料智慧。經理人，2017年5月27日取自：https://www.managertoday.com.tw/glossary/view/131。王彥喬（2017年3月6日）。「面對家暴只能被動挨打嗎？」公部門大挑戰大數據這樣防家暴。風傳媒，2017年6月25日，取自：http://www.storm.mg/article/230480。行政院人事行政總處（2016）。行政院所屬機關及地方機關公務人員學習地圖。行政院農業委員會（2017年1月5日）。產銷履歷–安全、永續、資訊公開之可追溯農產品。2017年6月27日，取自：http://www.coa.gov.tw/ws.php?id=2503971。吳千卉、吳宗霖（2015）。如何培育巨量資料科學家。科學研習，54(3)，10-18。吳濟安（2004）。臺北市的電子化民主經驗：以市長信箱與市民論壇檢視。中國行政評論，14(1)，59-80。呂建億（2015）。民意對政府輿情分析方法之信任研究─民意調查與網路輿情分析的比較。國立政治大學公共行政學系碩士學位論文，未出版。李政忠（2004）。網路調查所面臨的問題與解決建議。資訊社會研究，6，1-24。李書芬、吳秀英、徐睿、蔡文瑛、姜郁美（2016）。毒品防治議題巨量資料分析之規劃與推動歷程。政府機關資訊通報，343，1-6。李麗珍（2016年9月30日）。賀！北市府公務人員MOS Excel認證班全數通過證照考試，提升資訊專業技能。2017年5月5日，取自：http://doit.gov.taipei/ct.asp?xItem=228625074&ctNode=5582&mp=121001。沈建中（2004）。我國公務人員核心能力建構之研究。考銓季刊，39，69-97。沈建中（2009）。公務人員核心職能與培訓–論以核心能力為基礎的培訓模式與個案教學模式建構芻議。研習論壇，107，30-46。沈建中、顧尚潔（2012）。民意調查成果回顧與展望。研考雙月刊，36(6)，19-25。林文涵（2017）。網路輿情分析在公共政策的應用與影響。國立政治大學公共行政系碩士學位論文，未出版。林俊宏（譯）（2013）。大數據（第一版）（Viktor Mayer-Schönberger、Kennech Cukier 原著）。臺北市：遠見天下文化。林海清（2002）。公務員的能力經營與生涯發展。T&D飛訊，2，1-13。林淑馨（2010）。質性研究：理論與實務（初版）。台北市：巨流。施恬、吳宗禮（2015）。從各國政策探討海量資料對公部門之效益與挑戰。電腦稽核期刊，31，21-33。科技部（2016年1月20日）。「政府巨量資料應用研究計畫」建立跨部會資料共享和應用加值機新契機。2017年6月19日，取自：https://www.most.gov.tw/folksonomy/detail?subSite=main&article_uid=511b240e-2472-4184-a774-d113bee2ef6e&menu_id=9aa56881-8df0-4eb6-a5a7-32a2f72826ff&l=CH。科技部前瞻及應用科技司（2015年9月2日）。政府巨量資料應用研究。2017年6月19日，取至：https://www.most.gov.tw/pla/ch/detail?article_uid=a6a0ca03-bdcf-4e59-8d63-053cea767ee1&menu_id=89834a0f-8ff1-4f12-8a0d-ad98f4008cb4&content_type=P&view_mode=listView。高雄市政府公務人力發展中心（2012）。高雄市政府公務人員職能模型研究與建構。高雅玲（2013）。BIG DATA的跨域技術與人才。思潮ThinhWave，10，24-26。張寶芳（2014）。預測分析的迷思，人的行為是否真能用資料分析模型決定？。科學人雜誌，2017年4月8日，取自：http://sa.ylib.com/MagArticle.aspx?Unit=columns&id=2556。莊道明a（2012）。滾雪球抽樣。圖書館學與資訊科學大辭典，2017年7月4日，取自：http://terms.naer.edu.tw/detail/1678729/。莊道明b（2012）。資訊素養。國家教育研究院，2017年3月13日，取自：http://terms.naer.edu.tw/detail/1679154/。許敏溶（2017年2月22日）。巨量資料平台研究 助降低登革熱疫情。蘋果日報，2017年4月9日，取自：http://www.appledaily.com.tw/realtimenews/article/new/20170222/1061626/。陳玉貞（2013）。職能分析導入國家考試口試制度之探討。考選論壇季刊，3(4)，16-28。陳敦源、李仲彬、黃東益（2007）。應用資訊通訊科技可以改善“公眾接觸”嗎？台灣個案的分析。東吳政治學報，25(3)，51-92。陳敦源、潘競恆（2011）。政府就是「我們」：Web2.0時代民主治理的希望或幻夢？。研考雙月刊，35(4)，23-35。曾新穆、張勵德（2014）。結合資料與知識巨量資料的創新價值。工業技術與資訊月刊，269期，4-7。鈕文英（2013）。研究方法與論文寫作（二版）。臺北市：雙葉書廊。黃卓倫（2015年6月）。參加新加坡2015年巨量資料與分析創新峰會出國報告。行政院主計總處，2017年5月20日，取自：https://www.dgbas.gov.tw/public/Data/5713102944JE5JF4Q.pdf。黃東益（2010年5月25日）。淺談政務官與事務官夥伴關係的建立。文官通訊電子報，2017年4月18日，取自：http://www.exam.gov.tw/cp.asp?xItem=11465&ctNode=906&mp=20。黃建邦（2014年7月30日）。現代職場基本能力–擁有巨量資料的思維。管理知識中心，2016年7月26日，取自：http://mymkc.com/articles/contents.aspx?ArticleID=21947。黃德潔（2017年2月23日）。政府資料巨量分析 創造運用造福全民。青年日報，2017年5月8日，取自：http://www.ydn.com.tw/News/220960。楊琬婷（2007）。政府資訊人員核心能力建構之初探。T&D飛訊，55，1-19。楊意菁（2008）。網路民意的公共意涵：公眾、公共領域與溝通審議。中華傳播學刊，14，115-167。葉瑜娟（2015年7月3日）。只有「大」還不夠！政府玩大數據做錯了什麼？。風傳媒，2017年3月11日，取自：http://www.storm.mg/article/55737。廖洲棚、陳敦源、蕭乃沂、廖興中（2014）。運用巨量資料實踐良善治理：網路民意導入政府決策分析之可行性研究。行政院研究發展考核委員會（編號：RDEC-MIS-102-003），未出版。翟本瑞（2005）。影響電子郵寄問卷回收率因素之研究。網路社會學通訊期刊，45。劉宗熹（2016）。公務機關巨量資料分析應用推動簡介。政府資訊通報，341，1-9。蔡淑芬（2015年2月13日）。巨量資料智慧應用促進會成軍。工商時報，2017年4月16日，取自：http://www.chinatimes.com/newspapers/20150213000369-260208。蔣麗君、蕭乃沂（2008）。政府資訊人力與資訊預算之研究：現況、挑戰與因應策略。行政院研究發展考核委員會（編號：09640D002503），未出版。鄭國強（2016）。大數據應用張善政：政府開眼界。2017年3月8日，取自：https://anntw.com/articles/20160120-8M2H。蕭乃沂、陳敦源、廖洲棚（2015）。政府應用巨量資料精進公共服務與政策分析之可行性研究。國家發展委員會（編號：NDC-MIS-103-003），未出版。謝久如（2015）。建構公務人員學習地圖之研究–以公務人員管理核心能力為例。人事月刊，363，41-51。謝邦昌、廖子涵（2015）。大數據應用的未來趨勢和挑戰。人事月刊，355，40-51。謝邦昌、鄭宇庭（2016）。大數據概論（初版）。臺北市：新陸。鍾慧貞、梁世英（譯）（2013）。Big Data 大數據的獲利模式：圖解·案例·策略·實戰（初版）（城田真琴原著）。臺北市：經濟新潮社出版。簡正鎰（2005）。進行質性訪談研究有關倫理議題之探討。輔導季刊，41(1)，47-57。羅濟威（2015年6月30日）。先進國家巨量數據政策分析-以英美日澳為例。科技政策觀點，2017年4月7日，取自：https://portal.stpi.narl.org.tw/index/article/10108;jsessionid=242FC112249BD554EFA78204C5FA39CC。譚磊（2013）。大數據挖掘：從巨量資料發現別人看不到的秘密（初版）。臺北市：上奇資訊。鐘嘉德、柴惠珍、高崎鈞、曹元良（2015）。我國大數據政策推動現況。國土及公共治理季刊，3(4)，77-84。Bernard Marr (2015). 6 incredible ways big data is used by the us government. Retrieved September 24, 2016, form http://www.smartdatacollective.com/bernardmarr/343582/6-incredible-ways-big-data-used-us-government.Cambria, E., Schuller, B., Xia, Y., & Havasi, C. (2013). New avenues in opinion mining and sentiment analysis. IEEE Intelligent Systems, 28(2), 15-21.Chen, C. P., & Zhang, C. Y. (2014). Data-intensive applications, challenges, techniques and technologies: A survey on Big Data. Information Sciences, 275, 314-347.Davenport, T. H., & Patil, D. J. (2012). Data scientist. Harvard business review, 90(5), 70-76Desouza, K. C. (2014). Realizing the promise of dig data: Implementing big data projects. Washington, DC: IBM Center for The Business of Government.Dhar, V. (2013). Data science and prediction. Communications of the ACM, 56(12), 64-73.Ĕanna Kelly. (2016) UK government plans ethics council to guide big data researchers. Retrieved October 11, 2016, form http://www.sciencebusiness.net/news/79758/UK-government-plans-ethics-council-to-guide-big-data-researchers.Executive Office of the President (2016, May). The federal big data research and development strategic plan. Retreved September 24, 2016, form https://www.whitehouse.gov/sites/default/files/microsites/ostp/NSTC/bigdatardstrategicplan-nitrd_final-051916.pdf.Fan, W., & Bifet, A. (2013). Mining big data: current status, and forecast to the future. ACM sIGKDD Explorations Newsletter, 14(2), 1-5.Government Statistical Service (2017). Data Scientist. Retrieved June 27, 2017, form https://gss.civilservice.gov.uk/careers/joining-us/data-scientist/.John Manzoni (2017, February). Big data in government: the challenges and opportunities. Retreved May 27, 2017, form https://www.gov.uk/government/speeches/big-data-in-government-the-challenges-and-opportunities.Josh Helms (2015). Five Examples of How Federal Agencies Use Big Data. Retreved September 24, 2016, form http://www.businessofgovernment.org/blog/business-government/five-examples-how-federal-agencies-use-big-data.Juan, L., Xueguang, Z., & Bin, C. (2013). Research on Analysis and Monitoring of Internet Public Opinion. In Proceedings of the 2012 International Conference of Modern Computer Science and Applications (pp. 449-453). Springer Berlin Heidelberg.McAfee, A., Brynjolfsson, E., Davenport, T. H., Patil, D. J., & Barton, D. (2012). Big data. The management revolution. Harvard Bus Rev, 90(10), 61-67.Ramanathan, S., Sarulatha, N. (2013), Big Data: A marketers perspective of emerging marketing approach. International Journal of Management Research and Review, 3(5), 2872-2880.Shearer, C. (2000) The CRISP-DM Model: The New Blueprint for Data Mining. Journal of Data Warehousing, 5(4), 13-22.Zhang, Y., & Zhang, Y. (2013, May). The Study on the Governmental Tactics of Persuasion of Network Public Sentiment. In 2013 International Conference on Public Management (ICPM -2013). Atlantis Press. 描述 碩士
國立政治大學
公共行政學系
103256004資料來源 http://thesis.lib.nccu.edu.tw/record/#G1032560041 資料類型 thesis dc.contributor.advisor 蕭乃沂 zh_TW dc.contributor.advisor Hsiao, Nai Yi en_US dc.contributor.author (作者) 李海莉 zh_TW dc.contributor.author (作者) Lee, Hai Li en_US dc.creator (作者) 李海莉 zh_TW dc.creator (作者) Lee, Hai Li en_US dc.date (日期) 2017 en_US dc.date.accessioned 24-七月-2017 12:11:48 (UTC+8) - dc.date.available 24-七月-2017 12:11:48 (UTC+8) - dc.date.issued (上傳時間) 24-七月-2017 12:11:48 (UTC+8) - dc.identifier (其他 識別碼) G1032560041 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/111365 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 公共行政學系 zh_TW dc.description (描述) 103256004 zh_TW dc.description.abstract (摘要) 隨著巨量資料時代的來臨，不管公部門或私部門都期望透過巨量資料創造出新的價值，因此巨量資料分析者除了需要具備資料處理和分析能力外，也應該要擁有業務領域的專業知識，才能夠去理解資料背後的意義。雖然部分文獻在探討巨量資料分析人才時提出了巨量資料科學家並且提出公部門對於巨量資料分析人才的需求，但對於政府公務人員在運用巨量資料分析時應該具備怎樣的知識和技能，卻未進一步探討。因此，本研究以深度訪談法為資料蒐集方式，訪談資料科學家、巨量資料分析專家學者和有運用過巨量資料分析的政府單位人員，以了解巨量資料對於政府的價值、所面臨的困難與挑戰，以及在面對巨量資料分析時所需的知識和技能。 研究結果發現首先從巨量資料的價值來看，巨量資料擁有大量和即時的特性，以及兼具了文本分析來輔助傳統民意調查分析做為施政參考、推動政策，並期望能進行預測性分析，提升資料分析的效益。然而，政府在面對巨量資料分析時，可能會有法規面、行政面、資料品質面以及人員培訓方面的困難與挑戰。從所需的知識和技能來看，由於政府在面對巨量資料分析時政府業務單位會組成工作小組，包含政府資訊單位或是政府外部技術支援者和專家學者一同執行分析，因此對於政府業務單位所需的知識和技能中，比較著重在知識上的需求，對於技能方面則是以一般管理的技能為主，而政府資訊單位比較著重在電腦資訊和資料科學的技能。從實務面來看，創新和前瞻性思考、業務背景、溝通能力是業務單位已經具備的知識和技能；資訊素養、問題擬定、系統和平台操作和統計能力是業務單位已經具備還是有不足的知識和技能；而對巨量資料認知、系統定義的理解、系統化專案管理和資訊視覺化能力則是欠缺的知識和技能。 根據政府運用的情況、困難與挑戰以及所需的知識和技能來看，本研究認為政府業務單位首先要加強資訊素養才能夠進行問題擬定並且有效的與協辦單位和政府外部的協助者溝通；再者，部分政府資訊單位人員應拓展成擁有資料科學家的知識和技能或是修正公務人員考試制度和從外部招募符合資料科學家的素質的人才；此外，亦可從資料品質上加入第三方驗證機制以降低資料品質精確性疑慮。對於後續研究建議，本研究建議對於政府運用巨量資料分析的參與人員和隸屬機關範圍應該更細且增加分類探討，以及透過問卷調查的方式，使政府單位對於巨量資料知識和技能應然面和實然面能夠進一步進行驗證。 zh_TW dc.description.abstract (摘要) The importance of Big Data Analytics (BDA) has been emphasized for both private and public sectors. Particularly, public officials need different professional knowledge and skills to analyze the data to create new value. The investigation is conducted by in-depth interviews with data scientists, domain experts, and civil servants who have applied BDA in their professions. The research purposes include (1) understanding the value of BDA for government, (2) collecting and exploring difficulties and challenges of implementing BDA in government, and (3) providing knowledge and skills of BDA application for civil servants. The results indicate that properly adopting BDA can gain insights that lead to better decisions and predictions for uncertain events confronting government. While applying BDA, government should organize a cross-unit team composed of business units with domain knowledge as well as IT units with computing and data science skills. In addition, there are four aspects of challenges when applying BDA in government, including regulation, administration, data quality and personnel training. This study accordingly recommends that public officials in business units should enhance their computing and data literacy and a part of IT units personnel should be equipped with knowledge and skills of data scientists. The study also suggests relevant future studies that conduct comprehensive questionnaire surveys to identify and design BDA competencies for future civil servants in the age of big data. en_US dc.description.tableofcontents 第一章 緒論 1第一節 研究背景 1第二節 研究動機與目的 2第三節 研究問題 6第四節 解釋名詞 6第五節 研究範圍與研究流程 10第二章 文獻檢閱與探討 13第一節 巨量資料（Big Data） 14第二節 組織運用巨量資料分析的經驗 20第三節 巨量資料分析的困難與挑戰 27第四節 公務人員核心能力 33第五節 小結 39第三章 研究設計 43第一節 研究架構 43第二節 研究方法與研究對象 45第三節 訪談提綱 50第四節 研究倫理與資料分析品質 58第四章 巨量資料分析實務與運用 61第一節 巨量資料對政府的價值 61第二節 目前政府單位所面臨的困難與挑戰 71第三節 巨量資料分析者所需要的知識與技能 89第四節 政府單位人員善用巨量資料分析具備知識與技能的情形 120第五節 小結 128第五章 結論 133第一節 政府運用巨量資料分析的情形 133第二節 政府單位人員在巨量資料分析知識和技能應然和實然面 137第三節 實務建議 141第四節 研究限制與後續研究建議 144參考文獻 147附錄一 各類受訪者訪談提綱 154 zh_TW dc.format.extent 1398070 bytes - dc.format.mimetype application/pdf - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G1032560041 en_US dc.subject (關鍵詞) 巨量資料 zh_TW dc.subject (關鍵詞) 大數據 zh_TW dc.subject (關鍵詞) 知識技能 zh_TW dc.subject (關鍵詞) 核心能力 zh_TW dc.subject (關鍵詞) Big Data en_US dc.subject (關鍵詞) Knowledge and Skills en_US dc.subject (關鍵詞) Core Competencies en_US dc.title (題名) 公務人員善用巨量資料分析所需知識技能之探討 zh_TW dc.title (題名) Knowledge and skills for big data analytics apply by civil servants en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) Wye（2015）。攻克大數據，21世紀最性感工作—「資料科學家」的八種技能。2016年9月9日，取自：http://www.inside.com.tw/2015/03/27/8-skills-you-need-to-be-a-data-scientist。文及元（2014）。預測未來、創造商機的資料智慧。經理人，2017年5月27日取自：https://www.managertoday.com.tw/glossary/view/131。王彥喬（2017年3月6日）。「面對家暴只能被動挨打嗎？」公部門大挑戰大數據這樣防家暴。風傳媒，2017年6月25日，取自：http://www.storm.mg/article/230480。行政院人事行政總處（2016）。行政院所屬機關及地方機關公務人員學習地圖。行政院農業委員會（2017年1月5日）。產銷履歷–安全、永續、資訊公開之可追溯農產品。2017年6月27日，取自：http://www.coa.gov.tw/ws.php?id=2503971。吳千卉、吳宗霖（2015）。如何培育巨量資料科學家。科學研習，54(3)，10-18。吳濟安（2004）。臺北市的電子化民主經驗：以市長信箱與市民論壇檢視。中國行政評論，14(1)，59-80。呂建億（2015）。民意對政府輿情分析方法之信任研究─民意調查與網路輿情分析的比較。國立政治大學公共行政學系碩士學位論文，未出版。李政忠（2004）。網路調查所面臨的問題與解決建議。資訊社會研究，6，1-24。李書芬、吳秀英、徐睿、蔡文瑛、姜郁美（2016）。毒品防治議題巨量資料分析之規劃與推動歷程。政府機關資訊通報，343，1-6。李麗珍（2016年9月30日）。賀！北市府公務人員MOS Excel認證班全數通過證照考試，提升資訊專業技能。2017年5月5日，取自：http://doit.gov.taipei/ct.asp?xItem=228625074&ctNode=5582&mp=121001。沈建中（2004）。我國公務人員核心能力建構之研究。考銓季刊，39，69-97。沈建中（2009）。公務人員核心職能與培訓–論以核心能力為基礎的培訓模式與個案教學模式建構芻議。研習論壇，107，30-46。沈建中、顧尚潔（2012）。民意調查成果回顧與展望。研考雙月刊，36(6)，19-25。林文涵（2017）。網路輿情分析在公共政策的應用與影響。國立政治大學公共行政系碩士學位論文，未出版。林俊宏（譯）（2013）。大數據（第一版）（Viktor Mayer-Schönberger、Kennech Cukier 原著）。臺北市：遠見天下文化。林海清（2002）。公務員的能力經營與生涯發展。T&D飛訊，2，1-13。林淑馨（2010）。質性研究：理論與實務（初版）。台北市：巨流。施恬、吳宗禮（2015）。從各國政策探討海量資料對公部門之效益與挑戰。電腦稽核期刊，31，21-33。科技部（2016年1月20日）。「政府巨量資料應用研究計畫」建立跨部會資料共享和應用加值機新契機。2017年6月19日，取自：https://www.most.gov.tw/folksonomy/detail?subSite=main&article_uid=511b240e-2472-4184-a774-d113bee2ef6e&menu_id=9aa56881-8df0-4eb6-a5a7-32a2f72826ff&l=CH。科技部前瞻及應用科技司（2015年9月2日）。政府巨量資料應用研究。2017年6月19日，取至：https://www.most.gov.tw/pla/ch/detail?article_uid=a6a0ca03-bdcf-4e59-8d63-053cea767ee1&menu_id=89834a0f-8ff1-4f12-8a0d-ad98f4008cb4&content_type=P&view_mode=listView。高雄市政府公務人力發展中心（2012）。高雄市政府公務人員職能模型研究與建構。高雅玲（2013）。BIG DATA的跨域技術與人才。思潮ThinhWave，10，24-26。張寶芳（2014）。預測分析的迷思，人的行為是否真能用資料分析模型決定？。科學人雜誌，2017年4月8日，取自：http://sa.ylib.com/MagArticle.aspx?Unit=columns&id=2556。莊道明a（2012）。滾雪球抽樣。圖書館學與資訊科學大辭典，2017年7月4日，取自：http://terms.naer.edu.tw/detail/1678729/。莊道明b（2012）。資訊素養。國家教育研究院，2017年3月13日，取自：http://terms.naer.edu.tw/detail/1679154/。許敏溶（2017年2月22日）。巨量資料平台研究 助降低登革熱疫情。蘋果日報，2017年4月9日，取自：http://www.appledaily.com.tw/realtimenews/article/new/20170222/1061626/。陳玉貞（2013）。職能分析導入國家考試口試制度之探討。考選論壇季刊，3(4)，16-28。陳敦源、李仲彬、黃東益（2007）。應用資訊通訊科技可以改善“公眾接觸”嗎？台灣個案的分析。東吳政治學報，25(3)，51-92。陳敦源、潘競恆（2011）。政府就是「我們」：Web2.0時代民主治理的希望或幻夢？。研考雙月刊，35(4)，23-35。曾新穆、張勵德（2014）。結合資料與知識巨量資料的創新價值。工業技術與資訊月刊，269期，4-7。鈕文英（2013）。研究方法與論文寫作（二版）。臺北市：雙葉書廊。黃卓倫（2015年6月）。參加新加坡2015年巨量資料與分析創新峰會出國報告。行政院主計總處，2017年5月20日，取自：https://www.dgbas.gov.tw/public/Data/5713102944JE5JF4Q.pdf。黃東益（2010年5月25日）。淺談政務官與事務官夥伴關係的建立。文官通訊電子報，2017年4月18日，取自：http://www.exam.gov.tw/cp.asp?xItem=11465&ctNode=906&mp=20。黃建邦（2014年7月30日）。現代職場基本能力–擁有巨量資料的思維。管理知識中心，2016年7月26日，取自：http://mymkc.com/articles/contents.aspx?ArticleID=21947。黃德潔（2017年2月23日）。政府資料巨量分析 創造運用造福全民。青年日報，2017年5月8日，取自：http://www.ydn.com.tw/News/220960。楊琬婷（2007）。政府資訊人員核心能力建構之初探。T&D飛訊，55，1-19。楊意菁（2008）。網路民意的公共意涵：公眾、公共領域與溝通審議。中華傳播學刊，14，115-167。葉瑜娟（2015年7月3日）。只有「大」還不夠！政府玩大數據做錯了什麼？。風傳媒，2017年3月11日，取自：http://www.storm.mg/article/55737。廖洲棚、陳敦源、蕭乃沂、廖興中（2014）。運用巨量資料實踐良善治理：網路民意導入政府決策分析之可行性研究。行政院研究發展考核委員會（編號：RDEC-MIS-102-003），未出版。翟本瑞（2005）。影響電子郵寄問卷回收率因素之研究。網路社會學通訊期刊，45。劉宗熹（2016）。公務機關巨量資料分析應用推動簡介。政府資訊通報，341，1-9。蔡淑芬（2015年2月13日）。巨量資料智慧應用促進會成軍。工商時報，2017年4月16日，取自：http://www.chinatimes.com/newspapers/20150213000369-260208。蔣麗君、蕭乃沂（2008）。政府資訊人力與資訊預算之研究：現況、挑戰與因應策略。行政院研究發展考核委員會（編號：09640D002503），未出版。鄭國強（2016）。大數據應用張善政：政府開眼界。2017年3月8日，取自：https://anntw.com/articles/20160120-8M2H。蕭乃沂、陳敦源、廖洲棚（2015）。政府應用巨量資料精進公共服務與政策分析之可行性研究。國家發展委員會（編號：NDC-MIS-103-003），未出版。謝久如（2015）。建構公務人員學習地圖之研究–以公務人員管理核心能力為例。人事月刊，363，41-51。謝邦昌、廖子涵（2015）。大數據應用的未來趨勢和挑戰。人事月刊，355，40-51。謝邦昌、鄭宇庭（2016）。大數據概論（初版）。臺北市：新陸。鍾慧貞、梁世英（譯）（2013）。Big Data 大數據的獲利模式：圖解·案例·策略·實戰（初版）（城田真琴原著）。臺北市：經濟新潮社出版。簡正鎰（2005）。進行質性訪談研究有關倫理議題之探討。輔導季刊，41(1)，47-57。羅濟威（2015年6月30日）。先進國家巨量數據政策分析-以英美日澳為例。科技政策觀點，2017年4月7日，取自：https://portal.stpi.narl.org.tw/index/article/10108;jsessionid=242FC112249BD554EFA78204C5FA39CC。譚磊（2013）。大數據挖掘：從巨量資料發現別人看不到的秘密（初版）。臺北市：上奇資訊。鐘嘉德、柴惠珍、高崎鈞、曹元良（2015）。我國大數據政策推動現況。國土及公共治理季刊，3(4)，77-84。Bernard Marr (2015). 6 incredible ways big data is used by the us government. Retrieved September 24, 2016, form http://www.smartdatacollective.com/bernardmarr/343582/6-incredible-ways-big-data-used-us-government.Cambria, E., Schuller, B., Xia, Y., & Havasi, C. (2013). New avenues in opinion mining and sentiment analysis. IEEE Intelligent Systems, 28(2), 15-21.Chen, C. P., & Zhang, C. Y. (2014). Data-intensive applications, challenges, techniques and technologies: A survey on Big Data. Information Sciences, 275, 314-347.Davenport, T. H., & Patil, D. J. (2012). Data scientist. Harvard business review, 90(5), 70-76Desouza, K. C. (2014). Realizing the promise of dig data: Implementing big data projects. Washington, DC: IBM Center for The Business of Government.Dhar, V. (2013). Data science and prediction. Communications of the ACM, 56(12), 64-73.Ĕanna Kelly. (2016) UK government plans ethics council to guide big data researchers. Retrieved October 11, 2016, form http://www.sciencebusiness.net/news/79758/UK-government-plans-ethics-council-to-guide-big-data-researchers.Executive Office of the President (2016, May). The federal big data research and development strategic plan. Retreved September 24, 2016, form https://www.whitehouse.gov/sites/default/files/microsites/ostp/NSTC/bigdatardstrategicplan-nitrd_final-051916.pdf.Fan, W., & Bifet, A. (2013). Mining big data: current status, and forecast to the future. ACM sIGKDD Explorations Newsletter, 14(2), 1-5.Government Statistical Service (2017). Data Scientist. Retrieved June 27, 2017, form https://gss.civilservice.gov.uk/careers/joining-us/data-scientist/.John Manzoni (2017, February). Big data in government: the challenges and opportunities. Retreved May 27, 2017, form https://www.gov.uk/government/speeches/big-data-in-government-the-challenges-and-opportunities.Josh Helms (2015). Five Examples of How Federal Agencies Use Big Data. Retreved September 24, 2016, form http://www.businessofgovernment.org/blog/business-government/five-examples-how-federal-agencies-use-big-data.Juan, L., Xueguang, Z., & Bin, C. (2013). Research on Analysis and Monitoring of Internet Public Opinion. In Proceedings of the 2012 International Conference of Modern Computer Science and Applications (pp. 449-453). Springer Berlin Heidelberg.McAfee, A., Brynjolfsson, E., Davenport, T. H., Patil, D. J., & Barton, D. (2012). Big data. The management revolution. Harvard Bus Rev, 90(10), 61-67.Ramanathan, S., Sarulatha, N. (2013), Big Data: A marketers perspective of emerging marketing approach. International Journal of Management Research and Review, 3(5), 2872-2880.Shearer, C. (2000) The CRISP-DM Model: The New Blueprint for Data Mining. Journal of Data Warehousing, 5(4), 13-22.Zhang, Y., & Zhang, Y. (2013, May). The Study on the Governmental Tactics of Persuasion of Network Public Sentiment. In 2013 International Conference on Public Management (ICPM -2013). Atlantis Press. zh_TW
