臺灣博碩士論文加值系統

資料視覺化是數據可視化的表現，透過圖像、圖形、圖表呈現資訊，經由視覺更好的傳遞資訊，讓閱讀者獲得資訊，協助作出決策。資料視覺化的實現可以借助便捷的工具與套件，如程式語言或商用視覺化軟體都能有效達成資料視覺化。
資料視覺化是一門嶄新且仍在發展的學問，為了知悉當前主流的資料視覺化技術與工具，本研究分析Coursera平台上現有資料視覺化課程，了解課程教學內容，接著分析Indeed,Monster,SimplyHired等求職網站對應資料視覺化的職缺，最終列出課程所教授的技能與職缺所開出的應徵條件，兩相比較後得出業界與學術界的差異，了解業界對資料視覺化的需求，並對現有的課程作出建議。

Data visualization is the performance of data visualization. Information is presented through images, graphs, and charts, and information is better transmitted through vision, allowing readers to obtain information and assist in decision-making. Data visualization can be achieved effectively with the help of convenient tools, such as Python,R or business intelligence tool. Data visualization is a new and developing science. In order to understand the current mainstream data visualization technologies and tools, this research analyzes the data visualization courses on the Coursera platform, and then analyzes Indeed, Monster, Simply Hired corresponds to the job vacancies for data visualization, and finally lists the skills taught in the courses and the application conditions for the job vacancies. After comparing the two, the difference between the industry and the academic world is obtained, and the industry’s needs for data visualization are understood. And make suggestions for existing courses.

目錄
摘要 I
Abstract II
目錄 III
圖目錄 V
表目錄 VI
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究範圍與限制 2
第四節 研究架構 3
第二章 文獻探討 4
第一節 資料視覺化 4
壹、資料視覺化設計規則 5
貳、資料視覺化方法 6
第二節 大規模開放線上課堂MOOC 7
壹、 Coursera 7
貳、 edX 8
參、 Udacity 8
第三節 系統性文獻分析 9
第四節 文字探勘 9
壹、文字探勘技術 10
貳、文字探勘步驟 10
第三章 研究方法 12
第一節 研究架構 12
第二節 資料收集與處理 13
壹、 Coursera資料收集 14
貳、 求職搜尋引擎Indeed、 Monster、 SimplyHired資料收集 15
參、資料處理 16
第三節 分析與比較 17
第四章 研究結果 19
第一節 研究資料 19
第二節 Coursera課程與學程結果分析 19
壹、課程難度與學程涵蓋難度 19
貳、課程主題與學程主題分類 20
參、課程與學程教授之資料視覺化種類 22
肆、課程與學程教學涵蓋內容 25
伍、課程與學程開課單位 26
陸、技能統計 27
第三節 求職引擎Indeed、 Monster、 SimplyHired職缺結果分析 35
第四節 資料視覺化的學術與應用技能之比較 39
第五章 結論 45
第一節 結論 45
第二節 研究建議 46
參考文獻 47

圖目錄
圖1、論文流程圖 4
圖2、文字探勘步驟 12
圖3、研究流程圖 14
圖4、資料收集流程 14
圖5、Coursera有關資料視覺化課程的搜尋結果 15
圖6、收集Coursera資料視覺化課程網頁內的特定欄位資訊 16
圖7、求職搜尋引擎Indeed、 Monster、 SimplyHired的資料視覺化職缺 17

表目錄
表1、三大MOOC平台比較 8
表2、研究架構與Python功能模組 12
表3、資料視覺化課程-按課程難度分類 20
表4、資料視覺化學程涵蓋難度 20
表5、資料視覺化課程-課程主題分類 20
表6、資料視覺化初級課程-課程主題分類與課程難度 21
表7、資料視覺化課程-學程主題分類 22
表8、資料視覺化課程-學程主題分類與學程難度 22
表9、資料視覺化課程-課程涵蓋資料視覺化種類 23
表10、資料視覺化課程-課程主題對照課程涵蓋資料視覺化種類 24
表11、資料視覺化課程-學程涵蓋資料視覺化種類 24
表12、資料視覺化課程-學程涵蓋資料視覺化種類 25
表13、資料視覺化課程-課程涵蓋內容 25
表14、資料視覺化課程-學程涵蓋內容 26
表15、以大學為單位進行資料視覺化課程與學程開設數量統計 26
表16、資料視覺化課程與學程開設數量統計 27
表17、資料視覺化課程-技能排名 27
表18、資料視覺化課程-各領域技能統計結果之加總排名 29
表19、資料視覺化課程-資料視覺化技能排名 30
表20、資料視覺化課程-視覺化技術/工具技能排名 31
表21、資料視覺化課程-設計技能技能排名 32
表22、資料視覺化課程-資料敘事技能排名 33
表23、資料視覺化課程-其他領域技能排名 34
表24、資料視覺化職缺-應徵條件排名 37
表25、資料視覺化職缺-應徵條件分類 37
表26、Coursera的技能排名對應求職網站應徵條件之排名 41
表27、求職網站的應徵條件排名對應Coursera的技能之排名 43

參考文獻
中文文獻
1.尹其言、楊建民（2010）。應用文件分群與文字探勘技術於機器學習領域趨 勢分析以SSCI資料庫為例。長榮大學學報，第十四卷，第二期。
2.蘇有、劉仁筑（2019）。網路資料視覺化研究。2019中華印刷科技年報，Pg.215-234
3.朱佩慧（2019）。 以文字探勘與書目分析法探討資料探勘技術的發展與應用。德霖學報第 32 期。Pg.1-23
4.許凱富（2019）。大數據分析於行銷策略的應用－以高爾夫練習場為案例。東吳大學企業管理學系。
5.李元智（2017）。應用網路爬蟲技術於氣象站降雨量預測分析。華梵大學資訊管理學系。
6.胡世忠（2013）。雲端時代的殺手級應用：Big Data海量資料分析。天下雜誌
7.黃譯葦（2017）。基於MOOC課程講義之自動構建知識地圖。清華大學電資工程學系
8.許維珏（2016）。資料視覺化於人格特質調節下對於認知負荷與易用性關係之研究。雲林科技大學資訊管理學系。
9.張凱閔（2014）。台灣人力銀行的競爭動態研究－以104與1111人力銀行為例。政治大學商業管理學系。
10.唐俊昌（2013）。專業網絡中個人檔案與人脈形成之關連性–以LinkedIn為例。交通大學資訊學院。
11.黃玉君（2012）。人力銀行網站易用性研究－以104人力銀行為例。 世新大學傳播學系。
12.黃郁雯（2014）。 資訊科技融入中小學數學科教學之系統性文獻分析：2000年至2012年。臺灣師範大學教育學系。
13.范庭堅（2018）。自動化數據分析及視覺化系統應用發展之研究。大同大學資訊經營學系。
 
英文文獻
14.Ekaterina Olshannikova & Aleksandr Ometov & Yevgeni Koucheryavy & Thomas Olsson（2015）.”Visualizing Big Data with augmented and virtual reality: challenges and research agenda”, Journal of Big Data volume 2, Article number: 22,Page2
15.SAS（2012）."Data visualization: Making Big Data Approachable and Valuable”, SAS White Paper.Pg.1-4
16.Rohit Morea & R H Goudar（2017）.”DataViz Model: A Novel Approach towards Big Data Analytics and Visualization “.I.J. Engineering and Manufacturing.
17.Madan Babu Ghale（2019）.”College data visualization on the web browser”, INDIVIDUAL ASSIGNMENT TECHNOLOGY PARK MALAYSIA CT098-3-2-RMCT
18.GREGORY M. NIELSON & GEORGES-PIERRE BONNEAU（2003）. “DATA VISUALIZATION_THE STATE OF THE ART”, 4 th Dagstuhl Seminar on Scientific Visualization
19.Jane Webster & Richard T. Watson（2012）.”Analyzing the Past to Prepare for the Future: Writing a Literature Review”.MIS Quarterly Vol. 26
20.Barbara A. Kitchenham（2004）.”Procedures for Performing Systematic Reviews”
.Keele University Technical Report TR/SE-0401 ISSN:1353-7776
21.Helen Aveyard（2008）.”Doing a Literature Review in Health and Social Care A Practical Guide”, McGraw-Hill Open University Press.
22.David Tranfield & David Denyer & Palminder Smart（2003）.“Towards a Methodology for Developing Evidence-Informed Management Knowledge by Means of Systematic Review”, British Journal of Management. Vol. 14. 207-222
23.Cen Zuo（2018）.“Defense of Computer Network Viruses Based on Data Mining Technology”, International Journal of Network Security Vol.20
24.Ronen Feldman & James Sanger（2007）.“The TextMining Handbook”, Cambridge University Press.
25.Lewis Chou（2019）.”9 Data visualization Tools That You Cannot Miss in 2019", Retrieved:2020/01/05https://towardsdatascience.com/9-data-visualization-tools-that-you-cannot-miss-in-2019-3ff23222a927
26.Coursera（2012）.Retrieved:2020/06/05https://about.coursera.org/
27.edX（2012）.Retrieved:2020/06/05https://www.edx.org/about-us
28.Udacity（2012）. Retrieved:2020/06/05https://www.udacity.com/us
29.Ajit Singh（2019）.Text Mining and Challenges. 2019 5th International Conference on Advanced Computing & Communication Systems
30.Nida Turegun（2018）. Text Mining in Financial Information, School of Applied Sciences, Ozyegin University, Nişantepe Mah. Orman Sok, 34794 Istanbul, Turkey.
31.Muzammil Khan & Sarwar Shah Khan（2011）.” Data and Information Visualization Methods, and Interactive Mechanisms: A Survey”，International Journal of Computer Applications 34（1）:1-14
32.Ajibade Samuel-Soma & Fele Taiwo & Adedara O,G（2016）.” A Systematic Review of Data Visualization Methods”, 4th SSCS International Conference, FPA, Nigeria