臺灣博碩士論文加值系統

本研究運用數位新聞典藏概念，基於新聞在典藏當時含於期間的有價值觀念可能被忽略，需隨著時間經過才會被認知；或者具發展潛力的產業策略在形成的當時可能少數人提及，而被藏在當時的數位典藏中，過了一段時間才被人發現及重視。本研究所提出的「發覺隱藏企業策略之機會探索模型」目的在於其他人未發覺之前，提早認知此有價值的觀念及隱藏的策略。
本研究以大台北地區甜甜圈專賣店為個案。首先，調查確定大台北地區購買甜甜圈人數已有一定程度的擴散，表示甜甜圈產業已跨越部分「鴻溝」。另外，根據數位新聞典藏得知，在2005年9-10月時已有報導關於甜甜圈專賣店倒閉的新聞，對於能成功繼續開分店的專賣店而言，表示已跨越部分「鴻溝」；接著，利用本研究二個模型，一為「傳統KeyGraph分析模型」能得到每個時期的擴散情境圖；二為「發覺隱藏企業策略之機會探索模型」透過行動及原則的企業策略編碼，將新聞編成結構化文件，以機會探索概念下視覺化工具─KeyGraph─呈現每時期的策略編碼圖形。
最後實驗結果發現，從模型一中能長期觀察新聞報導中情境變化，了解每個時期情境的轉換及擴散現象的變化，得到完整的擴散情境圖。模型二中不僅能了解每時期市場上企業策略變化，更能提早找到成功甜甜圈專賣店的隱藏企業策略。
本研究主要貢獻為提供企業一個方法，讓企業決策者得以從新聞數位典藏中的過往資料，及早發覺可適用於企業現今階段產品的企業策略(先前已經被提出，卻被忽視，目前隱藏於典藏中)，讓產品得以跨越存在不同基本價值的多群顧客間之鴻溝。

The KeyGraph was a tool for automated indexing. However, it was well known for his fruitful works on chance discovery. KeyGraph has shown his power of drawing scenarios, and usefulness for visualizing the relations of events/states/components in the target environment. Usually, researchers focused on using KeyGraph to discover chances in the future while we focused on using KeyGraph to discover hidden business strategies in the past. Experiences have shown that decision makers may ignore the value a potential business strategy is bringing at the time of the strategy was created. The ignorance largely resulted from the wrong timing of the strategy created. It is means that we can expect the value of the strategy will be obtained after a couple of days. i.e., value of the strategies was hidden in digital news archives.
Hence, we proposed a way of discovering business strategies from digital news archives and a coding approach of translating keywords in news into actions and principles of business strategies. A piece of news were transferred into a structured document, composing of coded actions and principles of business strategies, with the coding approach; and the structured documents were generated a series of KeyGraph diagrams, the hidden strategies will be covered accordingly, with the proposed way. The results of a case study of Donuts franchises shown that the proposed way and coding approach performed as expected.

目錄
目錄 I
圖目錄 IV
表目錄 VII
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 2
第二章 文獻探討 4
第一節 數位新聞典藏 4
第二節 文件探勘 6
第三節 企業策略 9
一、傳統的企業策略 9
二、藍海策略 10
第四節 機會探索 11
第五節 產品擴散模型 12
一、產品擴散程序 12
二、技術採用生命週期模型 13
三、擴散動態模型 15
第三章 研究方法 17
第一節 數位新聞典藏概念 17
第二節 KeyGraph介紹 18
一、KeyGraph步驟 18
二、KeyGraph演算法 19
第三節 研究模型 22
一、傳統KeyGraph分析模型 23
二、發覺隱藏企業策略之機會探索模型 25
第四章 個案研究 29
第一節 大台北地區甜甜甜專賣店市場調查 29
第二節 研究模型：以甜甜圈專賣店為個案 34
一、傳統KeyGraph分析模型 34
二、發覺隱藏企業策略之機會探索模型 38
第五章 實驗結果與分析 49
第一節 模型一：每時期的擴散情境圖形 51
一、KeyGraph圖形分析 51
二、小結 60
第二節 模型二：全部甜甜圈專賣店 61
一、KeyGraph策略圖形分析 61
二、小結 75
第三節 模型二：成功甜甜圈專賣店 76
一、KeyGraph策略圖形分析 76
二、小結 89
第四節 模型二：其他甜甜圈專賣店 90
一、KeyGraph策略圖形分析 90
二、小結 100
第五節 模型一與模型二實驗結果之比較 101
第六章 結論與建議 103
第一節 研究結論 103
第二節 研究建議 108
參考文獻 110

圖目錄
圖2-1 Rogers對採用者的分類圖 13
圖2-2 技術採用生命週期模型─「鴻溝」 14
圖3-1 KeyGraph圖形 19
圖3-2 第一階段KeyGraph圖形 21
圖3-3 最終KeyGraph圖形 21
圖3-4 傳統KeyGraph分析模型 23
圖3-5 發覺隱藏企業策略之機會探索模型 25
圖4-1 大台北地區購買甜甜圈比例的圓餅圖 30
圖4-2 大台北地區購買甜甜圈人數長條圖 32
圖4-3 大台北地區購買甜甜圈累積人數圖 33
圖4-4 傳統KeyGraph分析模型 34
圖4-5 發覺隱藏企業策略之機會探索模型 38
圖5-1 第一個時期KeyGraph情境圖 51
圖5-2 第二個時期KeyGraph情境圖 52
圖5-3 第三個時期KeyGraph情境圖 53
圖5-4 第四個時期KeyGraph情境圖 54
圖5-5 第五個時期KeyGraph情境圖 55
圖5-6 第六個時期KeyGraph情境圖 56
圖5-7 第七個時期KeyGraph情境圖 57
圖5-8 第八個時期KeyGraph情境圖 58
圖5-9 第九個時期KeyGraph情境圖 59
圖5-10 第一個時期全部KeyGraph策略圖 61
圖5-11 第二個時期全部KeyGraph策略圖 63
圖5-12 第三個時期全部KeyGraph策略圖 64
圖5-13 第四個時期全部KeyGraph策略圖 65
圖5-14 第五個時期全部KeyGraph策略圖 66
圖5-15 第六個時期全部KeyGraph策略圖 68
圖5-16 第七個時期全部KeyGraph策略圖 69
圖5-17 第八個時期全部KeyGraph策略圖 71
圖5-18 第九個時期全部KeyGraph策略圖 73
圖5-19 第十個時期全部KeyGraph策略圖 74
圖5-20 第一個時期成功KeyGraph策略圖 76
圖5-21 第二個時期成功KeyGraph策略圖 77
圖5-22 第三個時期成功KeyGraph策略圖 78
圖5-23 第四個時期成功KeyGraph策略圖 79
圖5-24 第五個時期成功KeyGraph策略圖 80
圖5-25 第六個時期成功KeyGraph策略圖 82
圖5-26 第七個時期成功KeyGraph策略圖 83
圖5-27 第八個時期成功KeyGraph策略圖 85
圖5-28 第九個時期成功KeyGraph策略圖 86
圖5-29 第十個時期成功KeyGraph策略圖 87
圖5-30 第一個時期其他KeyGraph策略圖 90
圖5-31 第二個時期其他KeyGraph策略圖 91
圖5-32 第三個時期其他KeyGraph策略圖 92
圖5-33 第四個時期其他KeyGraph策略圖 93
圖5-34 第五個時期其他KeyGraph策略圖 94
圖5-35 第六個時期其他KeyGraph策略圖 95
圖5-36 第七個時期其他KeyGraph策略圖 96
圖5-37 第八個時期其他KeyGraph策略圖 97
圖5-38 第九個時期其他KeyGraph策略圖 98
圖5-39 第十個時期其他KeyGraph策略圖 99




表目錄
表3-1 本研究方法與傳統機會探索之比較表 18
表4-1 大台北地區購買甜甜圈人數調查表 29

參考文獻
中文部份
1.司徒達賢，2001，策略管理新論，智勝文化事業有限公司。
2.孫正宜，2001，聯合報系資訊中心的新聞資料庫在過去、現在、未來這三個階段所扮演的角色，台北：聯合知識庫。
3.孫正宜，2004，「新聞專卷的數位化與加值應用—以台灣棒球報紙新聞數位典藏為例」，淡江大學資訊與圖書館學系碩士班碩士論文，頁26。
4.陳正平譯，傑佛瑞．墨爾(Geoffrey A. Moore)著，1999，龍捲風暴：矽谷的高科技行銷策略，臉譜文化出版。
5.陳正平譯，傑佛瑞．墨爾(Geoffrey A. Moore)著，2000，跨越鴻溝：新興高科技公司如何飆上高速公路，臉譜文化出版。
6.黃秀媛譯，金偉燦(W. Chan Kim)、莫伯尼(Renée Mauborgne)著，2005，藍海策略--開創無人競爭的全新市場，天下遠見。
中文網頁
1.邱瓊平，2005/09/06，台式甜甜圈盛況不再　專家：別盲目跟隨流行加盟！，http://www.ettoday.com/2005/09/06/327-1840875.htm。

2.陳靜宜，2005/09/02，台式甜甜圈退燒 兩個月收掉30家，http://www.news98.com.tw/dispbbs.asp?boardID=14&RootID=1008459&ID=1008459。
3.黃祖綺、王鴻年，2005/09/02，又是一窩蜂惹的禍！台式甜甜圈退燒 2月內倒店30家，http://www.ettoday.com/2005/09/02/1138-1839358.htm。
英文部份
1.Agrawal, R. and R. Srikant, 1994. Fast Algorithms for Mining Association Rules, Proc. 20th Int’l Conf. on Very Large Data Bases (VLDB’94), Santiago, Chile, pp. 487-499.
2.Ansoff H.I., 1965. Corporate Strategy, McGraw-Hill.
3.Chandler, A.D., 1962. Strategy and Structure: Chapters in the history of American Industrial Enterprise, Cambridge, Massachusetts: The M.I.T Press. Cambridge, Mass.
4.Chen, M. S., J. Han, and P. S. Yu, 1996. Data mining: An Overview from a Database Perspective, in IEEE Transactions on Knowledge and Data Engineering, No. 6, Vol. 8.
5.Henderson, J. C., and N. Venkatraman, 1993. Strategic alignment: leveraging information technology for transforming organizations, IBM Systems Journal, No. 1, Vol. 32, pp. 4-16.
6.Hofer, C.W., and D. Cshendel, 1978. Strategic Formulation: Analytical. Concepts, N.Y.: West Publishing, St. Paul, Minesota Company.
7.Larsen, B., and C. Aone, 1999. Fast and Effective Text Mining Using Linear-time Document Clustering, Proceedings of the 5th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.16-22.
8.Mintzberg, H., 1978. Patterns in Strategy Formation, Management Science, No. 9, Vol. 24, pp. 934-948.
9.Ohsawa, Y., 1999. Get Timely Files from Visualized Structure of Your Working History, Proceedings of the 3rd Knowledge-Based Intelligent Engineering Systems & Allied Technologies, pp. 546-549.
10.Ohsawa, Y., 2003a. Modelling the Process of Chance Discovery, in Chance Discovery, Y. Ohsawa and P. McBurney (eds.), Springer Verlag, pp. 1-15.
11.Ohsawa, Y., 2003b. KeyGraph: Visualized Structure Among Event Clusters, in Chance Discovery, Springer Verlag, pp. 262-275.
12.Ohsawa, Y., N. E. Benson, and M. Yachida, 1998. Keygraph: Automatic Indexing by Co-occurrence Graph Based on Building Construction Metaphor, in Proceedings of the Advances in Digital Libraries Conference, pp. 12-18.
13.Ohsawa, Y., K. Horie, T. Yamaguchi, and T. Sakakibara, 2004a. Condensation and Picture Annotations of Scenario Map for Consensus in Scenario Mining, KES 2004, LNAI 3214, pp.831-838.
14.Ohsawa, Y., H. Tamura, and Y. Washida, 2004b. Emerging Scenarios by Using DDM: A Case Study for Japanese Comic Marketing, KES 2004, LNAI 3214, pp. 847–854.
15.Rao, R., J. O. Pedersen, M. A. Hearst, J. D. Mackinlay, S. K. Card, L. Masinter, P. Halvorsen, and G. G. Robertson, 1995. Rich Interaction in the Digital Library, Communications of the ACM, No. 4, Vol. 38, pp. 29-39.
16.Rogers, E. M., 1983. Diffusion of Innovations, Third Edition, New York: The Free Press.