常見問題 FAQ

質性研究和量化研究的主要差異在於：(1) 研究目的：質性研究探索現象的深層意義和脈絡，量化研究驗證假設和建立因果關係；(2) 資料類型：質性研究蒐集文字、影像等非數值資料，量化研究蒐集可量化的數值資料；(3) 分析方法：質性研究使用主題分析、內容分析等詮釋性方法，量化研究使用統計分析；(4) 樣本規模：質性研究通常樣本較小但深入，量化研究需要較大樣本以確保統計效力；(5) 結果呈現：質性研究以敘述和引用呈現，量化研究以數據和圖表呈現。

選擇研究方法應考慮：(1) 研究問題性質：探索性問題適合質性研究，驗證性問題適合量化研究；(2) 研究目的：理解現象本質用質性，建立因果關係用量化；(3) 資源限制：評估時間、經費、受訪者可及性；(4) 研究者能力：考量統計分析或質性分析的專長；(5) 領域慣例：參考該領域常用的研究方法。若研究問題複雜，可考慮混合研究法，結合質性與量化方法的優勢。

混合研究法（Mixed Methods）結合質性與量化研究方法，以獲得更全面的研究結果。常見設計包括：(1) 解釋性序列設計：先進行量化研究，再用質性研究解釋結果；(2) 探索性序列設計：先進行質性研究探索現象，再用量化研究驗證；(3) 聚合式設計：同時進行質性與量化研究，整合分析結果。混合研究法能彌補單一方法的限制，提供更豐富的研究視角，但需要較多時間和資源，且研究者需具備兩種方法的專業知識。

有效搜尋學術文獻的策略包括：(1) 選擇適當資料庫：如 Google Scholar、Web of Science、Scopus、華藝線上圖書館等；(2) 使用關鍵字策略：結合主題詞、同義詞，使用布林邏輯（AND、OR、NOT）；(3) 設定篩選條件：限定年份（通常近 5-10 年）、語言、文獻類型；(4) 追蹤引用：從重要文獻的參考文獻和被引用文獻中找到更多相關研究；(5) 設定提醒：訂閱關鍵字或期刊的更新通知。建議使用文獻管理軟體（如 Zotero、EndNote）整理文獻。

文獻探討應包含：(1) 理論基礎：介紹研究相關的重要理論和概念；(2) 實證研究回顧：整理相關研究的發現，依主題或時間順序組織；(3) 研究方法回顧：說明該領域常用的研究方法和工具；(4) 批判性分析：評論既有研究的優缺點、一致性和矛盾之處；(5) 研究缺口：指出現有研究的不足，說明本研究的必要性和貢獻。文獻探討不是文獻摘要的堆疊，而應展現批判性思考和邏輯性的論述架構。

正確引用文獻的原則包括：(1) 直接引用：完整複製原文時使用引號，並標註頁碼；(2) 改寫引用：用自己的話重述他人觀點，仍需標註出處；(3) 統一格式：依照指定格式（APA、MLA、Chicago 等）一致引用；(4) 完整標註：每個引用都要在文中標註，並在參考文獻列表中完整列出；(5) 常識例外：公認的常識或事實不需引用。使用文獻管理軟體可確保引用格式正確。論文完成後建議使用查重系統（如 Turnitin）檢查相似度。

設計有效問卷的步驟包括：(1) 明確研究目的：確定要測量的構念和變數；(2) 參考既有量表：優先使用已驗證的量表，確保效度和信度；(3) 問題設計：問題應清晰、簡潔、中立，避免雙重問題和引導性問題；(4) 量表選擇：常用 Likert 五點或七點量表；(5) 問卷結構：依邏輯順序排列，從簡單到複雜，敏感問題放後面；(6) 預試：小規模測試問卷，修正問題；(7) 信效度檢驗：使用 Cronbach's α 檢驗信度，因素分析檢驗效度。

Likert 量表是最常用的態度測量工具，要求受訪者對陳述句表達同意程度。常見格式包括：(1) 五點量表：非常不同意(1)、不同意(2)、普通(3)、同意(4)、非常同意(5)；(2) 七點量表：增加「有點不同意」和「有點同意」選項，提供更細緻的區分。使用 Likert 量表時應注意：避免使用「不知道」或「無意見」選項（除非研究需要），確保陳述句清晰且只測量單一概念，適當使用反向題以避免反應心向偏誤。

效度（Validity）和信度（Reliability）是問卷品質的兩個核心指標：(1) 信度：指測量的一致性和穩定性，常用 Cronbach's α 係數檢驗，α > 0.7 表示可接受，α > 0.8 表示良好。提升信度的方法包括增加題目數量、清晰的問題設計、適當的預試；(2) 效度：指測量的正確性，包含內容效度（題目涵蓋構念的完整性）、建構效度（因素分析驗證）、效標效度（與其他測量工具的相關性）。高信度是高效度的必要但非充分條件。

常用的統計分析方法包括：(1) 描述性統計：平均數、標準差、次數分配，用於描述樣本特性；(2) t 檢定：比較兩組平均數差異；(3) 變異數分析（ANOVA）：比較三組以上平均數差異；(4) 相關分析：檢驗兩變數間的關聯性（Pearson 或 Spearman 相關）；(5) 迴歸分析：預測依變數，建立變數間的因果關係；(6) 因素分析：簡化變數結構，驗證量表建構效度；(7) 結構方程模型（SEM）：同時檢驗多個變數間的複雜關係。選擇方法應依據研究問題和資料特性。

選擇統計檢定方法應考慮：(1) 資料類型：連續變數、類別變數或順序變數；(2) 研究設計：獨立樣本或相依樣本；(3) 組別數量：兩組用 t 檢定，三組以上用 ANOVA；(4) 資料分配：常態分配用參數檢定，非常態用無母數檢定；(5) 研究目的：比較差異、檢驗相關或預測關係。例如：比較兩組獨立樣本的平均數用獨立樣本 t 檢定；檢驗多個變數間的關係用迴歸分析；非常態資料的兩組比較用 Mann-Whitney U 檢定。

p 值（p-value）表示在虛無假設為真的情況下，觀察到目前結果（或更極端結果）的機率。解讀原則：(1) 顯著水準：通常設定 α = 0.05，若 p < 0.05 表示達統計顯著，拒絕虛無假設；(2) p 值越小：表示結果越不可能是隨機產生，證據越強；(3) 統計顯著 ≠ 實務重要：還需考慮效果量（effect size）；(4) 避免 p-hacking：不應反覆測試直到達顯著；(5) 信賴區間：搭配 95% 信賴區間提供更完整的資訊。近年學界強調報告完整統計資訊，而非僅依賴 p 值。

AI 可以在多個階段協助論文撰寫：(1) 文獻搜尋：使用 AI 工具快速篩選相關文獻；(2) 文獻整理：AI 可協助摘要文獻重點，建立文獻矩陣；(3) 寫作協助：改善句子流暢度、修正文法錯誤、調整語氣；(4) 資料分析：協助解釋統計結果、生成圖表；(5) 翻譯潤稿：中英文互譯、學術用語優化。但應注意：AI 生成內容需要人工審查和修改，不可直接抄襲 AI 產出，應確保內容的準確性和原創性，並遵守學校的學術倫理規範。

使用 AI 協助論文撰寫本身不違反學術倫理，關鍵在於如何使用：(1) 合理使用：將 AI 作為輔助工具，協助改善寫作品質、整理資料，而非替代思考；(2) 禁止行為：不可讓 AI 代寫整篇論文、不可抄襲 AI 生成內容、不可用 AI 偽造研究資料；(3) 透明揭露：部分期刊要求揭露 AI 使用情況；(4) 保持原創性：核心論點、研究設計、資料分析和結論應由研究者獨立完成；(5) 遵守規範：確認學校和期刊對 AI 使用的具體規定。建議將 AI 視為「智慧助手」而非「代筆者」。

推薦的 AI 論文協助工具包括：(1) 文獻管理：Zotero（搭配 AI 插件）、Semantic Scholar（AI 文獻推薦）；(2) 寫作協助：Grammarly（文法檢查）、QuillBot（改寫潤飾）、DeepL（翻譯）；(3) 文獻閱讀：ChatPDF、Elicit（AI 文獻摘要）；(4) 資料分析：ChatGPT（協助解釋統計結果）、Julius AI（資料視覺化）；(5) 引用檢查：Turnitin（查重）、Copyscape（抄襲檢測）。使用時應注意資料隱私，避免上傳敏感研究資料到公開 AI 平台。

APA 格式（第 7 版）的基本規範包括：(1) 文內引用：作者姓氏與年份，如「(Smith, 2020)」或「Smith (2020) 指出...」；兩位作者用「&」連接；三位以上用「et al.」；(2) 參考文獻：依作者姓氏字母順序排列，格式為「作者 (年份). 文章標題. 期刊名稱, 卷期, 頁碼. DOI」；(3) 標題層級：使用五層標題，第一層置中粗體，第二層靠左粗體；(4) 頁面設定：雙行間距、Times New Roman 12 級字、1 吋邊界；(5) 圖表：圖在下方標註，表在上方標註。

論文圖表呈現的原則包括：(1) 編號與標題：圖表依出現順序編號（圖 1、表 1），標題應簡潔明確；(2) 位置：圖標題在圖下方，表標題在表上方；首次提及後盡快呈現；(3) 內容：圖表應能獨立理解，包含必要的說明和單位；(4) 格式：使用清晰的字體和顏色，避免 3D 效果；統計圖表應標註誤差線或信賴區間；(5) 引用：文內應明確提及圖表（如「如圖 1 所示」）；(6) 來源：若引用他人圖表，需註明出處並取得授權。圖表應輔助而非重複文字內容。

論文口試準備要點包括：(1) 簡報製作：15-20 分鐘簡報，涵蓋研究動機、方法、結果和貢獻；使用清晰的視覺化圖表；(2) 熟悉內容：能流暢說明研究的每個部分，預期委員可能的提問；(3) 準備問答：整理可能的問題（如研究限制、方法選擇、結果解釋）並準備回答；(4) 模擬演練：與同學或指導教授進行模擬口試；(5) 心態調整：保持謙虛和開放的態度，將委員意見視為改進機會；(6) 後續修改：記錄委員意見，確實修改論文。口試是學習機會，不是考試。

SBIR（小型企業創新研發計畫）針對技術與產品研發，全年隨送隨審；SIIR（服務業創新研發計畫）針對服務模式創新與數位轉型，每年約 2-4 月收件。做硬體、技術開發選 SBIR；做服務、商業模式創新選 SIIR。兩者資格與額度詳見站內各方案申請指南，也可以用補助額度試算工具比對自己符合哪個。

差距很大。以 SBIR 為例，個別申請 Phase 1 上限 150 萬元，但依政府公告的兩千多件核定案統計，實際核定中位數約 80 萬元、半數落在 60 到 130 萬元之間。編列經費時貼近同類案件的實際水準，比直接衝上限更有說服力。站內「補助核定金額統計」頁可免費查各方案與各產業的實際數字。

最常見的三類：一、經費編列與計畫規模不合理（過度高估）；二、創新點講不清楚，看不出與現有方案的差異；三、市場分析空泛，沒有量化數據佐證。計畫書每一章的審查重點不同，站內工作台在撰寫時會逐章顯示評審檢核項，並自動對照真實核定金額基準。

不建議直接送件。AI 依你提供的訪談資料生成初稿，資料不足的地方會標【待補】而不是編造數字——這些待補處必須換成真實資料，全文也應該自行核對後才送件。站內有公開的生成範例頁，可以先看實際輸出品質再決定使用方式。

本站 AI 功能會將輸入內容傳送給第三方 AI 服務處理，其中 Google Gemini 走免費方案時，內容可能被 Google 用於改進其產品。因此請勿在訪談欄位填入營業秘密或未公開的專利內容——用不涉及機密的方式描述技術重點，一樣能生成可用的草稿。完整說明見隱私權政策。

單次包涵蓋一份計畫書的全部章節生成、AI 潤稿與 Word/PDF 匯出，效期 30 天，適合今年只申請一件的人；終身版不限份數、不限時間，另含無限 AI 論文解讀、學術助手與補助案資料庫完整搜尋。寫到第三份就幾乎打平。目前價格與份數換算表見方案價格頁。