蕭以姍dcard的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

YouTube環境下，年輕世代電視新聞工作者之工作動機與對新聞工作的看法

為了解決蕭以姍dcard的問題，作者簡佳玲 這樣論述：

觀察當今的社會與媒體環境，社群媒體的興起，似乎帶領出一個新的世代，而 YouTube 的出現，可以說是強化人們展演的特質，相較於過去，當今年輕世代的電視新聞工作者可能更重視在鏡頭前的展演或追求成名等。本研究透過深度訪談法，訪談 12 位年輕世代電視新聞工作者，試圖了解在 YouTube 環境底下，他們選擇從事電視新聞工作的動機與原因，以及他們是如何看待新聞工作。在工作動機的部分，選擇以激保健因子來做探討，透過訪談了解年輕世代電視新聞工作者工作上的激勵因子與保健因子會如何展現。在看待新聞工作的部分，是以傳統新聞專業的角度，分成客觀報導事實、監督政府與媒體多元性等三個構面來探討。研究發現，年輕世

代新聞工作者工作動機的轉變，大多會與社群媒體、液態化、媒體組織以及自身的選擇等有關。其中，年輕世代電視新聞工作者的工作動機與過去的差別不大，而追求知名度可能成為一種新的工作動機。整體而言，他們對於傳統新聞專業的理解較於簡單。此外，新聞要好看成為他們看待新聞專業的標準之一，其中，酸的特質也漸漸對他們帶來影響。

兒童文本合適年段判定模型開發與自動分級系統建置

為了解決蕭以姍dcard的問題，作者紀承瑋 這樣論述：

閱讀教育的課程近年來是各國強調的重點之一，藉由閱讀教育激發兒童對閱讀的興趣與習慣，進而培養兒童閱讀理解以及口語表達等閱讀相關能力，使兒童奠定應有的能力以面對未來社會的競爭。然而各年段兒童所適合閱讀的文本不盡相同，在課堂或家中，須由教師或家長協助判定兒童適讀的文本，其判定結果可能會因為教師或家長的主觀想法或閱讀能力的高低而有所不同，若造成適讀誤判，可能導致兒童抗拒閱讀或難以理解文本的內容等問題。因此，本研究擬採用Google的深度學習與人工智慧科研專案團隊Google Brain於2018年提出的自然語言處理模型Google BERT，進行兒童文本合適年段判定模型的開發，進而建置兒童文本自動分

級系統，以提供教師、家長或專家學者能夠更即時且準確的對兒童文本進行合適年段的判定。本研究採用中部某縣市所建置之閱讀線上認證系統（以下簡稱認證系統）的認證書籍中挑選三個年段（低年段、中年段、高年段）作為本研究的主要研究樣本，透過撰寫網路爬蟲蒐集書籍的年段類別與簡介內容做為樣本資料，將樣本資料的70%用於兒童文本合適年段判定模型的開發，使用Google BERT的微調方法，找出兒童文本合適年段判定模型的最佳參數，以進行模型訓練；剩餘30%用於驗證模型判定的年段與認證系統歸類的年段的一致性表現，並對其計算準確率及F1分數，以驗證模型的準確率與穩定性之成效。本研究開發之兒童文本合適年段判定模型判定的年

段與認證系統歸類的年段一致性之準確率為0.9818以及F1分數為0.9665。故本研究進而建置兒童文本自動分級系統，供使用者輸入兒童文本簡介內容進行兒童文本合適年段分析功能，系統會自動回饋各年段判定的機率值與適讀年段判定給使用者，以完成兒童文本自動分級系統之建置。