Aesthetic noun的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

析論台灣高鐵站務人員職業能力衡鑑工具之發展－以參照單位分析法之應用

為了解決Aesthetic noun的問題，作者蘇于婷 這樣論述：

台灣高鐵自通車營運以來，擁有快速、安全、準點的高運輸效能，已成為西半部地區的主要交通運具之一，更拓展了台灣的大眾運輸版圖。而站務人員作為台灣高鐵第一線服務人員，除了負責月台進出管制和基本旅客服務之外，主要目標是將旅客快速且安全的從出發地送至目的地車站，在交通運輸上扮演重要的關鍵角色，於尖峰時段以及緊急事件時需協助應變各項問題與狀況排除，因此公司企業在人才招募與職前訓練上的規劃至關重要。隨著型態變遷各項產業逐漸重視職業能力之應用，企業也開始將職能作為招募新進人才與職前訓練之依據，期盼能提升公司專業形象與營運績效等。若是企業能針對車站站務人員制定相關職位之職業能力發展目錄，將有助於應試者先行檢視

自身能力是否與企業所需相匹配，更能藉以瞭解相對應之工作職責與工作任務，以提高求職者成功錄取之機率。本研究採取質量兼具之方式進行，以確保事實準確、客觀、全面。首先透過觀察法與訪談法等方式，並依據文獻內容建立研究之理論基礎以及瞭解站務人員的工作任務、工作職責與職業能力。接續，採用三角交叉檢視法與Aiken內容效度係數與同質性信度係數，檢視職業能力各構面項目。最後利用參照單位分析法，檢驗各項職業能力項目之順序等級差異，並進行權重計算與排序。本研究之結論將可提供企業用於年度績效考核與外部求職招聘之參考依據，建構選人、育人、用人、留人的企業人才管理模型，以提升站務人員之職業專業性。

情緒狀態對解決頓悟問題的影響並以自動化臉部情緒辨識系統輔助檢測

為了解決Aesthetic noun的問題，作者黃薾萱 這樣論述：

本研究主要探討情緒狀態對解決頓悟性問題表現的影響，以及頓悟發生時的生理反應，包含臉部肌肉動作、肢體反應與聲音。頓悟是指原本百思不得其解的問題，在無預警之下，問題解決者忽然消除思考框架，想通解決方法的獨特經驗（Bowden & Jung-Beeman, 2003; Gick & Lockhart, 1995; Schooler, Fallshore, & Fiore, 1995），心理學家將頓悟視為是一種特別的創意思考。著名的頓悟事件如Köhler（1925）實驗的黑猩猩自製工具，以及阿基米德在泡澡時想通體積的計算方法，開心地大喊著「Eureka！」，如此美好、又富含創造力的

經驗，該如何將其引發以及受到什麼因素影響，過往已有不少學者投入當中進行研究，其中「情緒」被認為是一項影響頓悟發生的重要因素，但研究至今無法有明白一致的結果。舉例來說，Baas, De Dreu,及 Nijstad (2008）回顧相關研究，指出正向情緒使個人在既有的知識架構中激發更豐富的關聯通路，因此在解決困難問題時能更具認知彈性與原創力，能利用捷思路徑有效率地跳脫框架；而 Forgas (2007)、Orita 及 Hattori (2019) 均發現負向情緒有助於深入、精細且持久地處理問題，因此有助於解決頓悟性問題。總之正向與負向情緒可能促使個人使用不同的認知機制與注意力廣度解決問

題，然而也有學者提出情緒覺醒程度的影響，並以動機理論進行解釋。不同難度的作業表現受到不同的激動程度的影響，簡單問題需要的最適激動程度較高，困難問題所需的最適激動程度較低（Yerkes & Dodson, 1908）。蔡秉勳等人（2013）便採用價性與覺性度進行五組情緒操弄（高度正向、中度正向、中度、中度負向、高度負向），發現中度正向組的情緒最有助於頓悟問題解決，然而僅有少數研究將覺醒度納入考量，因此本實驗認為覺醒度亦為影響情緒的重要因素應延續此議題，因此本研究採用蔡秉勳等人（2013）的結果作為研究假設，除此之外，該研究建議未來能以生理測量的方式來驗證情緒對解決頓悟性問題的影響，因此本研究使用

FEAT 自動化臉部情緒分析系統（Wu, & Lin, 2018）增加情緒操弄檢測的客觀性。本研究於公開的線上社群平台招募 51 位受試者，採用受試者內實驗設計，每一位受試者以隨機順序經歷所有五種情緒操弄。以自傳式回憶法（Baker & Guttfreund, 1993）與國際圖片系統（IAPS，Lang, Bradley, & Cuthbert, 2005）進行五種情緒操弄，分別為高度正向、中度正向、正負向共存、中度負向、高度負向。受試者於情緒操弄後採用 SAM 小矮人自評量表（Self-Assessment Manikins Scale，Lang, 1980）進行情緒自評，並進行全程錄

影，再將受試者的影片輸入 FEAT 自動化臉部情緒分析系統進行分析，以了解情緒狀態對解決頓悟性問題（Lin et al., 2012）的影響。以 SAM 小矮人自評量表檢測情緒操弄發現，五組情緒操弄大多成功，然而五種情緒狀態的頓悟問題表現（包含解題得分、速度、得分與速度加權）並無差異。因此將 10 題頓悟問題進行分析，發現每道題目的答對率相差懸殊。此外也發現在所有自變項(情緒操弄、頓悟答對率、性別、科系、產出與複製思維量表的子因素:重構、個人經驗、社會規範）中，唯有答對率能顯著預測解決頓悟性問題的表現。接著從所有受試者表情影片中篩選出十九段解題前一刻受試者臉部表情有變化的影片進行分析，有一組專

家以 FACS 進行編碼（Ekman & Friesen, 1978）與 FEAT 自動化臉部情緒分析系統（Wu, & Lin, 2018）辨識情緒類別與臉部活動單位（action units）。專家辨識發現頓悟問題解題前一刻的表情包括開心、驚訝、厭惡、專心與困惑五種類別，有些影片出現肢體反應，如脖子緊縮、身體微微向後傾，以及發出「啊！」、「喔！」、「哦~」、「呵呵」的聲音。本研究針對研究結果，提出情緒操弄刺激物、實驗設計、實驗程序方面的反省與建議，並針對 FEAT 系統應用在教育領域之設計方向提出建議，例如可增進瞬時微表情的分析功能，持續收集增加學業情緒(羞恥、焦慮、無助、無聊等等) (Pe

krun, 2002)或解題情緒表情動態資料的數量，以改善六大基本情緒之外教育情境常見情緒之自動辨識精準度。