國立中山大學110學年度第1學期政治與資訊課程大綱

國立中山大學 110學年度第1學期課程教學大綱

National Sun Yat-sen University 110Academic year1st Semester Course syllabus

中文名稱
Course name(Chinese)

政治與資訊

課號
Course Code

IPS553

英文名稱
Course name(English)

POLITICS AND INFORMATION

課程類別
Type of the course

講授類

必選修
Required/Selected

選修

系所
Dept./faculty

政治學研究所碩士班

授課教師
Instructor

廖達琪

學分
Credit

因應嚴重特殊傳染性肺炎(武漢肺炎)，倘若後續需實施遠距授課，授課方式調整如下：

同步遠距【透過網路直播技術，同時進行線上教學，得採Microsoft Teams、Adobe connect等軟體進行】
同步遠距含錄影【透過網路直播技術，同時進行線上教學並同時錄影，課程內容可擇日再重播，得採Microsoft Teams、Adobe connect等軟體進行】
非同步遠距【課堂錄影或錄製數位教材放置網路供學生可非同時進行線上學習，得採EverCam、PPT簡報錄影、錄音方式進行】
實作類課程，經評估無法採遠距課程教學，後續復課後密集補課

★遠距教學軟體操作說明連結

因應嚴重特殊傳染性肺炎(武漢肺炎)，倘若後續需實施遠距授課，評分方式調整如下：

1.課前文獻整理：15%
2.課堂發言討論及每週作業：20%
3.期中報告(以立委之政見、臉書、法案及立院發言之文本分析為主)：30%
4.期末報告(以高雄市議會議事系統資料為基礎，並結合議員政見、媒體報導、臉書資料及議會提案發言做分析報告)：30%
5.期末報告(將高雄市議會未建置之議事資料建構為問題或議題導向之資料架構)：5%

課程大綱 Course syllabus

第一週Introduction(線上視訊：meet.google.com/hbk-jjtm-pwh)
 授課教師：廖達琪教授、黃三益教授、劉正山教授、陳至潔教授、黃韋豪教授
 Activities:
1. 課群介紹：課群概念、架構、關係鏈結，以及對學生的期待。
2. 課程介紹：課程設計、課程目標、課程要求、課程進行方式。
3. 導論：政治與資訊的聯結
 References:
1. 姜新立、張錦隆主編，2010。《政治與資訊的交鋒》，台北：揚智。第一章。(圖B2 312.07 8753 2010)
2. 張錦隆、孫以清主編，2006。《政治與資訊的對話》，台北：揚智。第一篇。
3. 廖達琪，2007，〈政治學與資訊科技的整合〉，李炳南主編《邁向科際整合的政治學研究》，台北：揚智。第七章。
4. 梁定澎主編，2014。《電子商務與網路社會新境界》，高雄：中山大學電子商務研究中心。
5. 梁定澎主編，2016。《電子商務與網路社會新境界》，高雄：中山大學電子商務研究中心。
6. 梁定澎主編，2017。《電子商務與網路社會新境界2018》，高雄：中山大學電子商務研究中心。
7. 梁定澎主編，2018。《智慧電子商務研究I》，高雄：中山大學電子商務研究中心。
8. 梁定澎主編，2019。《智慧電子商務研究II》，高雄：中山大學電子商務研究中心。
9. 梁定澎主編，2020。《智慧電子商務研究III》，高雄：中山大學電子商務研究中心。
Information in Political Science & Big Data Analyses (線上視訊：meet.google.com/hbk-jjtm-pwh)
 授課教師：廖達琪教授
 Activities:
1. Please revisit the meaning of information
2. Please explore the meaning and the utility of big-data analyses.
3. Please learn how to use Rfacebook to assist political analyses.
 References:
1. Downs, Anthony. 1957. An Economic Theory of Democracy. Part III.
2. Catalinac, Amy, 2016. “From Pork to Policy: The Rise of Programmatic Campaigning in Japanese Election.” Journal of Politics 78(1): 1–18.
3. Ernst, Nicole, Sven Engesser, Florin Buchel, Sina Blassnig and Frank Esser. 2017. “Extreme Parties and Populism: an Analysis of Facebook and Twitter across Six Countries.” Informmation, Communication & Society 20(9): 1347-1364.
4. 廖達琪、李清水，2018/12，〈大數據與政治學研究〉，梁定澎主編《人文社會大數據研究》，高雄：國立中山大學電子商務研究中心，頁124-175。
5. Daniel Davies、廖達琪、彭鈺紜、楊雅汝，2019/12，〈誰最使用民粹主義的語言？2018年六都市長候選人臉書內容的比較分析〉，梁定澎主編《智慧電子商務研究. II》，高雄：國立中山大學電子商務研究中心，頁270-289。
6. 廖達琪、林駿棋、劉岱宜、楊雅汝，2020/12，〈社群媒體是邊陲政黨的選舉動員利器？--台灣2020國會大選五政黨「臉書」使用之比較〉，梁定澎主編，《智慧電子商務研究III》，高雄：中山大學電子商務中心，頁332-353。
第三週 Python語言自學方案與資料分析技巧介紹
 授課教師：蔡芸琤助理教授（親自授課）、廖達琪教授
 Activities:
1. 介紹Python軟體、自學方案與資料分析之基本技巧。
2. 分配預計探討分析的資料。
3. 透過Python進入資料科學的領域Pandas套件語法基礎介紹。
4. 透過 Python Matplotlib套件對資料進行視覺化探索與整理。
 References:
1. DataCamp Data Science for EveryonePython：https://learn.datacamp.com/courses/data-science-for-everyone
2. 範例程式與學生作業https://docs.google.com/spreadsheets/d/1fEHEpNn6-PiJGMPsmkg1Zif09Uwq4XVAuPpsIR3Jk-s/edit#gid=0
3. 使用Tidy Data進行探索式分析練習https://github.com/webartifex/tidy-data
第四週基礎Python語法自學
 授課教師：蔡芸琤助理教授（網路授課）、廖達琪教授
 Activities:
1. 使用QSearch所提供的立委臉書粉專之Tidy Data，針對數值資料進行探索式分析。
2. 由廖達琪老師協助學生定義問題，理解資料原始意涵，建立對數值資料集的分析流程。
 References:
1. DataCamp Data Science for EveryonePython：https://learn.datacamp.com/courses/data-science-for-everyone
2. 範例程式與學生作業https://docs.google.com/spreadsheets/d/1fEHEpNn6-PiJGMPsmkg1Zif09Uwq4XVAuPpsIR3Jk-s/edit#gid=0
第五週基礎Python語法自學
 授課教師：蔡芸琤助理教授（網路授課）、廖達琪教授
 Activities:
1. 使用QSearch所提供的立委臉書粉專之Tidy Data，針對數值資料進行探索式分析。
2. 由廖達琪老師協助學生定義問題，理解資料原始意涵，建立對數值資料集的分析流程。
3. 將數值化分析結果，撰寫相關論述文章，刊登於Medium上。
 References:
1. DataCamp Data Science for EveryonePython：https://learn.datacamp.com/courses/data-science-for-everyone
2. 範例程式與學生作業https://docs.google.com/spreadsheets/d/1fEHEpNn6-PiJGMPsmkg1Zif09Uwq4XVAuPpsIR3Jk-s/edit#gid=0
3. Medium相關資料分析文章，從經濟數據中學習資料分析https://pecutsai.medium.com/%E5%BE%9E%E7%B6%93%E6%BF%9F%E6%95%B8%E6%93%9A%E4%B8%AD%E5%AD%B8%E7%BF%92%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90-200e27b9023d
第六週使用Python進行臉書粉專之文字探勘與分析
 授課教師：蔡芸琤助理教授（親自授課）、廖達琪教授
 Activities:
1. 使用QSearch所提供的立委臉書粉專之Tidy Data，針對文字資料進行文字探勘。
2. 由廖達琪老師協助學生定義問題，理解資料原始意涵，建立對文字資料集的分析流程。
 References:
1. 以jieba與gensim探索文本主題https://medium.com/pyladies-taiwan/%E4%BB%A5-jieba-%E8%88%87-gensim-%E6%8E%A2%E7%B4%A2%E6%96%87%E6%9C%AC%E4%B8%BB%E9%A1%8C-%E4%BA%94%E6%9C%88%E5%A4%A9%E4%BA%BA%E7%94%9F%E7%84%A1%E9%99%90%E5%85%AC%E5%8F%B8%E6%AD%8C%E8%A9%9E%E5%88%86%E6%9E%90-i-cd2147b89083
2. 範例程式與學生作業https://docs.google.com/spreadsheets/d/1fEHEpNn6-PiJGMPsmkg1Zif09Uwq4XVAuPpsIR3Jk-s/edit#gid=0
第七週文字探勘實作與期中報告預備
 授課教師：蔡芸琤助理教授(網路授課)、廖達琪教授
 Activities:
1. 專題報告分組討論。
2. 分析流程制定。
 References:
1. 簡單易用的中英文斷詞和詞性標註http://blog.pulipuli.info/2019/01/python-jieba-word-segmentation-and-part.html
2. 範例程式與學生作業https://docs.google.com/spreadsheets/d/1fEHEpNn6-PiJGMPsmkg1Zif09Uwq4XVAuPpsIR3Jk-s/edit#gid=0
第八週期中報告實作
 授課教師：蔡芸琤助理教授(網路授課)
 Activities:
1. 專題報告分組討論。
2. 將數值與文字資料之分析結果，整合撰寫相關論述文章，刊登於Medium上。
 References:
1. 簡單易用的中英文斷詞和詞性標註http://blog.pulipuli.info/2019/01/python-jieba-word-segmentation-and-part.html
2. 以jieba與gensim探索文本主題https://medium.com/pyladies-taiwan/%E4%BB%A5-jieba-%E8%88%87-gensim-%E6%8E%A2%E7%B4%A2%E6%96%87%E6%9C%AC%E4%B8%BB%E9%A1%8C-%E4%BA%94%E6%9C%88%E5%A4%A9%E4%BA%BA%E7%94%9F%E7%84%A1%E9%99%90%E5%85%AC%E5%8F%B8%E6%AD%8C%E8%A9%9E%E5%88%86%E6%9E%90-i-cd2147b89083
3. 範例程式與學生作業https://docs.google.com/spreadsheets/d/1fEHEpNn6-PiJGMPsmkg1Zif09Uwq4XVAuPpsIR3Jk-s/edit#gid=0
4. Medium相關資料分析文章，從經濟數據中學習資料分析https://pecutsai.medium.com/%E5%BE%9E%E7%B6%93%E6%BF%9F%E6%95%B8%E6%93%9A%E4%B8%AD%E5%AD%B8%E7%BF%92%E8%B3%87%E6%96%99%E5%88%86%E6%9E%90-200e27b9023d
第九週期中考 --在家繼續完成研究案例之數值及文字探勘資料整合分析文章，寫成期中報告。
第十週 ICT as a tool in Political Analysis – Example Discussion (I) 及期中報告繳交
 授課教師：廖達琪教授
 Activities:
1. Carefully read the assigned paper.
2. Please pay attention to how the text mining methods are used in each paper.
 References:
1. Catalinac, Amy, 2017. “Positioning under Alternative Electoral Systems: Evidence from Japanese Candidate Election Manifestos.” APSR 112(1): 31-48.
2. Hopkins, Daniel J., and Gary King, 2010. “A Method of Automated Nonparametric Content Analysis for Social Science.” AJPS 54(1): 229-247.
3. Junque’de Fortuny, et al., 2012. “Media Coverage in Times of Political Crisis: A Text Mining Approach.” Expert Systems with Applications 39(14): 11616-11622.
4. ◎Lucas, CN, et al. 2015. “Computer-Assisted Text Analysis for Comparative Politics.” Political Analysis 23(2): 254-277.
5. ◎Grimmer, J., & Stewart, B. M. 2013. Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, mps028. https://doi.org/10.1093/pan/mps028
6. Barber’a, Pablo (et al.). 2019. “Who Leads? Who Follows? Measuring Issue Attention and Agenda Setting by Legislators and the Mass Public Using Social Media Data.” American Political Science Review 113(4): 883–901. doi:10.1017/S0003055419000352
7. Bustikova, Lenka (et al.). 2020. “Predicting Partisan Responsiveness: A Probabilistic Text Mining Time-Series Approach.” Political Analysis 28: 47-64. DOI: 10.1017/pan.2019.18
第十一週政治資訊結合對業界的重要性(高雄市議會訪視)
 授課教師：廖達琪教授、莊澤生主任
 Activities:
1. 議事運作簡介
2. Carefully read the assigned paper.
3. Please pay attention to how the text mining methods are used in each paper.
 References:
1. Demiros, Iason, et al., 2008. “Media Monitoring by Means of Speech and Language Indexing for Political Analysis.” Journal of Information Technology & Politics 5(1): 133-146.
2. Atteveldt, Wouter van, et al., 2008. “Good News or Bad News? Conducting Sentiment Analysis on Dutch Text to Distinguish Between Positive and Negative Relations.” Journal of Information Technology & Politics 5(1): 73-94.
3. Lin, Yu-Ru, Drew Margolin, and David Lazer, 2015. “Uncovering Social Semantics from Textual Traces: A Theory Driven Approach and Evidence from Public Statements of US Members of Congress.” Journal of the Association for Information Science and Technology 67: 2072-2089.
4. 王貿，2020，〈公務人員關注議題之文字探勘：以PTT公職板為例〉，《調查研究：方法與應用》，45：119-154。
5. Fréchet, Nadjim, Justin Savoie, and Yannick Dufresne. 2019. “Analysis of Text-Analysis Syllabi: Building a Text-Analysis Syllabus Using Scaling.” PS: Political Science & Politics, 1-6. doi:10.1017/S1049096519001732
第十二週議事資料簡介及PDF資料擷取
 授課教師：莊澤生主任、廖達琪教授
 Activities:
1. 地方立法機關會議資料特性與資料產製過程
2. 高雄市議會議事資訊系統簡介與議事資料運用
3. 議事錄資料擷取與PDFMiner實作
 References:
1. 高雄市議會議事資訊整合查詢系統 http://cissearch.kcc.gov.tw/
2. 高雄市議會官網 http://www.kcc.gov.tw/
3. Python PDF Parser https://github.com/pdfminer/pdfminer.six
第十三週Named Entity Recognition及議事資料NER擷取
 授課教師：莊澤生主任、廖達琪教授
 Activities:
1. 中文自然語言處理與文本探勘工具簡介
2. 專有名詞辨識（Named Entity Recognition, NER）與領域關鍵詞的角色
3. 議事資料NER擷取與CKIP Tagger實作
 References:
1. 高雄市議會議事資訊整合查詢系統http://cissearch.kcc.gov.tw/
2. 中研院專有名詞辨識專案 https://ckip.iis.sinica.edu.tw/project/ner/
3. 中研院中文斷詞暨實體辨識系統 https://github.com/ckiplab/ckiptagger
4. Named Entity Recognition: Applications and Use Cases https://towardsdatascience.com/named-entity-recognition-applications-and-use-cases-acdbf57d595e
第十四週中文分詞工具簡介與議事、臉書資料斷詞
 授課教師：莊澤生主任、廖達琪教授
 Activities:
1. 中文分詞簡介
2. Jieba與CKIP Tagger介紹
3. 議事、新聞文本與臉書資料的語意結構差異
4. 議事、新聞與臉書資料斷詞實作
 References:
1. 高雄市議會議事資訊整合查詢系統http://cissearch.kcc.gov.tw/
2. 结巴中文分词 https://github.com/fxsjy/jieba
3. 中研院中文斷詞暨實體辨識系統 https://github.com/ckiplab/ckiptagger
第十五週 Topic Model與議事主題類別產製
 授課教師：莊澤生主任、廖達琪教授
 Activities:
1. LDA與Topic Model
2. 議事文本的語意結構及主題分類
3. 議事資料的主題類別擷取與產製
4. Category Extracting from Topic Model實作
 References:
1. 高雄市議會議事資訊整合查詢系統http://cissearch.kcc.gov.tw/
2. Topic Modeling with LSA, PLSA, LDA & lda2Vec https://medium.com/nanonets/topic-modeling-with-lsa-psla-lda-and-lda2vec-555ff65b0b05
3. Topic Modeling with Gensim (Python) https://www.machinelearningplus.com/nlp/topic-modeling-gensim-python/
4. Discovering and Classifying In-app Message Intent at Airbnb https://medium.com/airbnb-engineering/discovering-and-classifying-in-app-message-intent-at-airbnb-6a55f5400a0c
第十六週詞向量與二元分類
 授課教師：莊澤生主任、廖達琪教授
 Activities:
1. Word Embedding in NLP
2. 議事、新聞文本與臉書資料的詞向量表達
3. 詞向量與議員問政行為探討
4. RNN與LSTM簡介
5. Binary Classification實作
 References:
1. Gensim Word2Vec https://radimrehurek.com/gensim/models/word2vec.html
2. Keras: The Python Deep Learning library https://keras.io/
3. How Recurrent Neural Networks and Long Short-Term Memory Work https://brohrer.github.io/how_rnns_lstm_work.html
第十七週基於深度學習的議事文本分類與議員問政行為探討
 授課教師：莊澤生主任、廖達琪教授
 Activities:
1. Multiclass Classification實作
2. 以深度學習文本分析，比對政見、議事資料與網路、社群行為，進行議員議事活動之分析與關聯探討
3. 小組或個人期末報告—以深度學習的文本處理進行議員問政行為剖析
 References:
1. 高雄市議會議事資訊整合查詢系統http://cissearch.kcc.gov.tw/
2. 基於Kears的Reuters新聞分類 https://codertw.com/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80/463216/
3. François Chollet，譯者：葉欣睿，2019 《Deep learning 深度學習必讀：Keras 大神帶你用 Python 實作》，旗標。

課程目標 Objectives

本課程目的在於導引學生對資訊與政治聯結相關研究的了解，及培養利用資訊技術做研究之興趣。其目標可分為短期與長期之目標：短期而言，本課程培養修課學生運用現成資訊分析軟體抓取資料，並且撰寫成研究短文。長期而言，則希望可以對立法院的法案資料有系統性的整理，未來預期可以建置以「議題」為導向的資料庫，一方面希望建置一個對於使用者友善的資料庫，讓民眾可以透過議題的關鍵字快速的查詢相關法案與會議記錄，另一方面則促進政府資料的開放度以及透明度，強化民主的課則機制。

授課方式 Teaching methods

1.討論為主，講授為輔。
2.每週根據課程主題，分配相關文獻給修課同學，每位同學就所讀文獻做成PPT檔案，內容包含重點摘錄、問題，或評論；於課前1小時將PPT檔案以4張為一單元列印後，繳交至「社4025」研究室。
3.期中報告繳交學期研究計畫初步規劃，內容包含研究動機與目的、文獻回顧、初步研究規劃；字數在3000字左右。同學可自選主題，如有問題，則參酌老師建議來決定。
4.期末考分成參部分，一部分為期中研究計畫的完整提出；一部分為口頭報告。完整的研究計畫，除了研究動機、目的、文獻回顧、研究設計宜更精緻，含研究步驟、方法，資料蒐集、遇到困難之處理，及預期成果等，並有一些初步研究成果的呈現。全文並以powerpoint做成口頭報告版，在期末時一併繳交。計畫長度不拘，重點是有否新觀念的提出，及對資訊與政治相關文獻的探討，有系統的整理和應用，尤希望能有適切運用資訊技術來分析的研究設計。第參部分則為團體報告，視修課人數而分配，一樣分書面及口頭兩部分；但在比重上，口頭報告的powerpoint呈現方式，及口語表達能力是評分重點。

評分方式﹝評分標準及比例﹞Evaluation (Criteria and ratio)等第制單科成績對照表 letter grading reference

參考書/教科書/閱讀文獻 Reference book/ textbook/ documents
〔請遵守智慧財產權觀念，不可非法影印。教師所提供之教材供學生本人自修學習使用,不得散播及做為商業用途〕
No copies for intellectual property rights. Textbooks provided by the instructor used only for self-study, can not broadcast or commercial use

詳請參見「課程大綱」

彈性暨自主學習規劃 Alternative learning periods

本門課程是否有規劃實施學生彈性或自主學習內容（每1學分2小時）

Is any alternative learning periods planned for this course (with each credit corresponding to two hours of activity)?

否：教師需於「每週課程內容及預計進度」填寫18週課程進度（每1學分18小時之正課內容）。
No：The instructor will include an 18-week course plan in the weekly scheduled progress (each credit corresponds to 18 hours of instruction)

是：教師需於「每週課程內容及預計進度」填寫16週課程內容（每1學分16小時之正課內容），並於下列欄位填寫每1學分2小時學生彈性或自主學習內容。
Yes：The instructor will include a 16-week course plan in the weekly scheduled progress (each credit corresponds to 16 hours of instruction);the details of the planned alternative learning periods are provided below (each credit corresponds to two hours of activity).

學生彈性或自主學習活動 Alternative learning periods	勾選或填寫規劃內容 Place a check in the appropriate box or provide details	時數 Number of hours
學生分組實作及討論 Group work and discussion
參與課程相關作業、作品、實驗 Participation in course-related assignments, work, or experiments
參與校內外活動（研習營、工作坊、參訪）或競賽 Participation in on- or off-campus activities (e.g., seminars, workshops, and visits) or competitions
課外閱讀 Extracurricular reading
線上數位教材學習 Learning with online digital learning materials
其他（請填寫規劃內容） Other (please provide details)

每週課程內容及預計進度 Weekly scheduled progress

週次	日期	授課內容及主題
Week	Date	Content and topic
1	2021/09/19~2021/09/25
2	2021/09/26~2021/10/02	Information in Political Science & Big Data Analyses(線上視訊：meet.google.com/hbk-jjtm-pwh)
3	2021/10/03~2021/10/09	Python語言自學方案與資料分析技巧介紹
4	2021/10/10~2021/10/16	基礎Python語法自學
5	2021/10/17~2021/10/23	基礎Python語法自學
6	2021/10/24~2021/10/30	使用Python進行臉書粉專之文字探勘與分析
7	2021/10/31~2021/11/06	文字探勘實作與期中報告預備
8	2021/11/07~2021/11/13	期中報告實作
9	2021/11/14~2021/11/20	期中考 --在家繼續完成研究案例之數值及文字探勘資料整合分析文章，寫成期中報告
10	2021/11/21~2021/11/27	ICT as a tool in Political Analysis – Example Discussion (I) 及期中報告繳交
11	2021/11/28~2021/12/04	政治資訊結合對業界的重要性(高雄市議會訪視)
12	2021/12/05~2021/12/11	議事資料簡介及PDF資料擷取
13	2021/12/12~2021/12/18	Named Entity Recognition及議事資料NER擷取
14	2021/12/19~2021/12/25	中文分詞工具簡介與議事、臉書資料斷詞
15	2021/12/26~2022/01/01	Topic Model與議事主題類別產製
16	2022/01/02~2022/01/08	詞向量與二元分類
17	2022/01/09~2022/01/15	基於深度學習的議事文本分類與議員問政行為探討
18	2022/01/16~2022/01/22	期末成果展示與討論

課業討論時間 Office hours

時段1 Time period 1:
時間 Time：星期二16:00-18:00
地點 Office/Laboratory：SS4025
時段2 Time period 2：
時間 Time：星期三16:00-18:00
地點 Office/Laboratory：SS4025

系所學生專業能力/全校學生基本素養與核心能力 basic disciplines and core capabilitics of the dcpartment and the university

系所學生專業能力/全校學生基本素養與核心能力
basic disciplines and core capabilities of the department and the university

課堂活動與評量方式
Class activities and evaluation

本課程欲培養之能力與素養 This course enables students to achieve.

紙筆考試或測驗 Test.

課堂討論︵含個案討論︶ Group discussion (case analysis).

個人書面報告、作業、作品、實驗 Indivisual paper report/ assignment/ work or experiment.

群組書面報告、作業、作品、實驗 Group paper report/ assignment/ work or experiment.

個人口頭報告 Indivisual oral presentation.

群組口頭報告 Group oral presentation.

課程規劃之校外參訪及實習 Off-campus visit and intership.

證照/檢定 License.

參與課程規劃之校內外活動及競賽 Participate in off-campus/ on-campus activities and competitions.

課外閱讀 Outside reading.

※系所學生專業能力 Basic disciplines and core capabilities of the department

1. 瞭解政治學基本議題與研究方法 1. To understand basic topics and research methodology in political science.

2.瞭解政治學主要領域的核心概念 2. To understand core concepts in major fields of political science.

3.參與跨領域學術活動的能力 3. The ability to participate in interdisciplinary activities.

4.獨立文獻整理及反思的能力 4. The ability to classify and organize literature and documents and to reflect on them.

5.參與研究計畫的能力 5. The ability to participate in research project.

6.理論思考的反省能力 6. The ability to understand and reflect on theories.

8.熟稔外語閱讀及寫作 8. Enhance the aility and skill of foreign language, in reading and writing.

9.增進外語表達與理解能力 9. Improve the ability of expressing and understanding foreign language.

※全校學生基本素養與核心能力 Basic disciplines and core capabilities of the university

1.表達與溝通能力。 1. Articulation and communication skills

2.探究與批判思考能力。 2. Inquisitive and critical thinking abilities

3.終身學習能力。 3. Lifelong learning

4.倫理與社會責任。 4. Ethnics and social responsibility

5.美感品味。 5. Aesthetic appreciation

6.創造力。 6. Creativity

7.全球視野。 7. Global perspective

8.合作與領導能力。 8. Team work and leadership

9.山海胸襟與自然情懷。 9. Broad-mindedness and the embrace of nature　

本課程與SDGs相關項目：The course relates to SDGs items:


	SDG1-消除貧窮(No Poverty)
	SDG2-消除飢餓 (Zero Hunger)
	SDG3-良好健康與福祉(Good Health and Well-being)
	SDG4-教育品質(Quality Education)
	SDG5-性別平等(Gender Equality)
	SDG6-乾淨水源與公共衛生(Clean Water and Sanitation)
	SDG7-可負擔乾淨能源(Affordable and Clean Energy)
	SDG8-優質工作與經濟成長(Decent Work and Economic Growth)
	SDG9-工業、創新和基礎建設(Industry,Innovation and Infrastructure)
	SDG10-減少不平等(Reduced Inequalities)
	SDG11-永續城市(Sustainable Cities and Communities)
	SDG12-責任消費與生產(Responsible Consumption and Production)
	SDG13-氣候行動(Climate Action)
	SDG14-海洋生態(Life Below Water)
	SDG15-陸域生態(Life on Land)
	SDG16-和平、正義和穩健的制度(Peace,Justice And Strong Institutions)
	SDG17-促進目標實現的全球夥伴關係(Partnership for the Goals)
	本課程和SDGS無關

本課程校外實習資訊: This course is relevant to internship:

本課程無註記包含校外實習