年度
114內容
本年度計劃旨在開發一套名為「伴擬面試」的 AI 驅動模擬面試平台。計劃核心在於解決求職面試中的「焦慮影響表現」與「評分主觀缺乏標準」兩大痛點。
-
計劃內容：
-
系統架構： 以前後端分離架構開發，前端採用 React Native 建構跨平台 App (Android/iOS)，後端以 Python (Flask) 整合深度學習模型。
-
核心技術 (MIPEM & AQSS)： 獨創「自適應選題系統 (AQSS)」與「多維度面試能力評分模型 (MIPEM)」。整合了 BERT、CNN+GAN、SimCSE 等先進 AI 技術，並結合 7 大類資料集（含政府開放資料與自行蒐集的語音/影像數據）進行模型訓練。
-
功能實作： 系統具備職缺搜尋（整合台北市科技業登記、台灣就業通、1111）、模擬面試錄製、即時焦慮偵測、動態題型調整，以及包含 S.T.A.R 分析的詳細回饋報告。
-
-
年度成果：
-
競賽殊榮： 榮獲 InnoServe 大專校院資訊應用服務創新競賽【Open Data 創新應用組】第一名 及 【資訊應用組】第三名。
-
系統驗證： 完成 14 種系統組合驗證，證實本研究提出之「MIPEM + AQSS」組合為面試評分之最佳架構 (H13)，能有效降低使用者焦慮 (p<0.05) 且不影響評分鑑別度。
-
產學價值： 成功將學術理論轉化為實務應用，模型效能（如微笑偵測）超越 2024 年相關文獻之最佳水準。
-
成果
1.本系統首創「焦慮調適機制」(AQSS)，突破傳統隨機出題限制，利用語音特徵（如基頻、振幅）建立迴歸模型預測焦慮分數（R²達0.7618），能即時動態調整題目難度以降低使用者焦慮，經實證顯著有效（p<0.05）2.開發業界領先的「多維度面試能力評分模型」(MIPEM)，結合中文BERT模型與S.T.A.R.原則評估表達能力，並運用SimCSE與反應時間加權評估應變能力（相關係數達0.97），更導入結合角度感知機制的CNN+GAN技術進行表情偵測，微笑判別F1分數達0.95，優於2024年文獻最佳方法
3.深度整合Open Data與競賽殊榮，系統串接政府就業通、1111人力銀行等7大資料集，解決資訊不對稱問題，並以此完整度與創新技術榮獲InnoServe大專校院資訊應用服務創新競賽「Open Data創新應用組第一名」及「資訊應用組第三名」，證明系統兼具學術深度與實務應用價值
亮點
1.競賽榮譽 KPI：本計劃在最具指標性的 InnoServe 大專校院資訊應用服務創新競賽中表現亮眼，榮獲「Open Data 創新應用組」第一名以及「資訊應用組」第三名，成功達成年度競賽獲獎目標。100%2.AI 模型效能 KPI：系統核心演算法表現優異，其中表情管理模型的眼神直視準確率達 98.40% 、微笑判別 F1 Score 達 0.95 ；語音焦慮偵測模型 R² 達 0.76 ；應變能力模型 RMSE 僅 0.0456 且與人工評分相關係數達 0.97 ；表達能力評分之 QWK 指標亦大於 0.60 ，各項技術指標皆超越預期並達實用標準。100%
3.系統開發 KPI：成功整合包含政府開放資料與自行蒐集之語音影像等共 7 大資料集 ，完成支援 Android 與 iOS 雙平台之 App 開發 。100%
4.效果驗證KPI:經實驗證實自適應選題系統能顯著降低使用者焦慮 (p<0.05) ，且多維度評分模型具備顯著區分高低分組之鑑別力 (p<0.05) 。100%