題庫總數:40 | ||
是非題:0 | ||
選擇題:35 (A:9、B:7、C:5、D:14) | ||
多選題:5 | ||
roddayeye整理 | ||
Q | 巨量資料分析提供學習上的建議模式是什麼? | |
v | 一種規格,一人適用 | |
一種規格,全體適用 | ||
多種規格,一人適用 | ||
Q | 個人化教學在適性化呈現上,系統會根據每位學員現在具備的哪些特質,篩選適合的教材內容給學習者? | |
v | 現在具備的知識 | |
v | 需求目標 | |
同儕進度 | ||
v | 學習偏好 | |
Q | 網路輿情的屬性包括哪些? | |
發生與延續時間 | ||
被引述的利害關係人 | ||
關鍵詞 | ||
v | 以上皆是 | |
Q | 以下哪一種為半結構化資料? | |
戶政單位的居民資料 | ||
v | 報稅網站中的XML資料 | |
警察局收到的報案電話紀錄 | ||
市政網站的滑鼠點擊紀錄 | ||
Q | 巨量資料分析在數位課程上的效益不包括哪項? | |
從學習歷程知道課程的安排效果 | ||
v | 專注於總結性評量的測驗結果 | |
了解如何改善教學的順序、內容量與教學策略 | ||
分析個別學員的學習狀況,依據學員的個別需求調整教學方式 | ||
Q | 巨量資料的資料類型為下列何者? | |
結構化 | ||
半結構化 | ||
非結構化 | ||
v | 以上皆是 | |
Q | 巨量資料資料的應用方式中用於用以預測績效的應用模式為何? | |
以建議為基礎的應用模式 | ||
v | 以預測為基礎的應用模式 | |
以歸因為基礎的應用模式 | ||
以發現異常為基礎的應用模式 | ||
Q | 在遊樂園中精準算出每項遊樂設施的排隊人潮,以通知顧客可能需要排隊的時間的技術為何? | |
v | 物聯網與巨量資料分析 | |
物聯網與心理學 | ||
GPS與無線網路 | ||
管理學與地圖學 | ||
Q | 下列何者非巨量資料直接產生之原因? | |
行動運算 | ||
v | 個人電腦 | |
雲端運算 | ||
物聯網 | ||
Q | 關聯規則的實務應用包括哪些? | |
分析行為 | ||
發掘詐欺行為 | ||
流失客戶分析 | ||
v | 以上皆是 | |
Q | 巨量資料資料的應用方式中用於與之前或類似績效作比較的應用模式為何? | |
以發現異常為基礎的應用模式 | ||
v | 以基準為基礎的應用模式 | |
以建議為基礎的應用模式 | ||
以歸因為基礎的應用模式 | ||
Q | 工業4.0將原本B2C的製造模式轉變為何者? | |
v | C2B | |
B2B | ||
C2C | ||
以上皆非 | ||
Q | 網路輿論的主體不包括哪項? | |
網路公民 | ||
受關注議題 | ||
v | 政令宣導 | |
媒介 | ||
Q | 集群分析的模式包括哪些? | |
系統集群法 | ||
逐步集群法 | ||
逐步分解法 | ||
v | 以上皆是 | |
Q | 以下對巨量資料的描述何者正確? | |
資料的類型一致 | ||
資料的數量明確 | ||
資料來源單純 | ||
v | 不適合用關聯式資料庫來定義 | |
Q | 巨量資料資料的應用方式中用於衡量使用者行為及偏好,以提出建議的應用模式為何? | |
v | 以建議為基礎的應用模式 | |
以預測為基礎的應用模式 | ||
以發現異常為基礎的應用模式 | ||
以基準為基礎的應用模式 | ||
Q | 個人化教學中適性化導覽的特性為何? | |
v | 依據目前已知知識架構,提供適合的學習流程及內容 | |
進行大量測驗 | ||
進行大量閱讀 | ||
進行精熟學習 | ||
Q | 工業4.0的世代勞動力大量被機器人所取代,人才需求轉為何者? | |
機電硬體與軟體的研發與設計 | ||
品管控制 | ||
產品整合行銷 | ||
v | 以上皆是 | |
Q | 工業4.0的核心概念為何? | |
以機器代替人工進行製造的工作 | ||
開始使用電器進行製造的工作,開始大量生產 | ||
自動化系統部分取代人力進行製造的工作 | ||
v | 智能機器人完全取代人力進行製造的工作,出現工廠智能化 | |
Q | 個人化教學包括兩種技術為何? | |
測驗與回饋 | ||
閱讀與測驗 | ||
v | 適性化呈現與適性化導覽 | |
推薦與口碑 | ||
Q | 下列針對巨量資料的說明何者有誤? | |
v | 巨量資料的資料來源皆為主動產生且有規律的資料 | |
物聯網加速巨量資料的發展 | ||
巨量資料分析技術來自於統計學 | ||
巨量資料不適合使用關聯式資料庫 | ||
Q | 網路輿情分析主要進行什麼分析? | |
聲量分析與次數分析 | ||
v | 聲量分析與情緒分析 | |
次數分析與情緒分析 | ||
音量分析與次數分析 | ||
Q | 隨著巨量資料技術的發展,教師可以從哪些方面檢視學習者的學習成效? | |
v | 測驗分數 | |
v | 學習行為 | |
v | 作品 | |
v | 報告 | |
Q | 應用決策樹可能遇到哪些問題? | |
拆分點的規則毫無用途 | ||
不易發現變數間的相互規則 | ||
決策樹修剪錯誤 | ||
v | 以上皆是 | |
Q | 個人化學習的特點為何? | |
v | 動態提供學習建議與指引 | |
v | 提供全體一致的學習建議與指引 | |
每次學習都須從基礎到深入 | ||
Q | 物聯網是由哪些元件組成? | |
感測器 | ||
網路 | ||
附有感應標籤的物品 | ||
v | 以上皆是 | |
Q | 工業3.0的核心概念為何? | |
以機器代替人工進行製造的工作 | ||
開始使用電器進行製造的工作,開始大量生產 | ||
v | 自動化系統部分取代人力進行製造的工作 | |
智能機器人完全取代人力進行製造的工作,出現工廠智能化 | ||
Q | 巨量資料資料生態系統包括以下哪些實體? | |
資料裝置(Data Device) | ||
資料獲取者(Data Collector) | ||
資料彙整者(Data Aggregator) | ||
v | 以上皆是 | |
Q | 工業1.0的核心概念為何? | |
v | 以機器代替人工進行製造的工作 | |
開始使用電器進行製造的工作,開始大量生產 | ||
自動化系統部分取代人力進行製造的工作 | ||
智能機器人完全取代人力進行製造的工作,出現工廠智能化 | ||
Q | 以下哪一種為結構化資料? | |
v | 戶政單位的居民資料 | |
報稅網站中的XML資料 | ||
警察局收到的報案電話紀錄 | ||
市政網站的滑鼠點擊紀錄 | ||
Q | 巨量資料資料的應用方式中用於尋找超過正常值的活動的應用模式為何? | |
以基準為基礎的應用模式 | ||
以建議為基礎的應用模式 | ||
以預測為基礎的應用模 式 | ||
v | 以發現異常為基礎的應用模式 | |
Q | 巨量資料對學習成效的考量面向以及回饋機制的意義為何? | |
根據作業及考試給予分數、等第或排名 | ||
v | 蒐集學生讀教科書、講義的學習歷程 | |
v | 回饋學習資訊給編纂教科書與講義的相關單位及教師 | |
v | 瞭解學生讀過的內容,並分析其長期記憶內容 | |
Q | 以下哪一種為準結構化資料? | |
戶政單位的居民資料 | ||
報稅網站中的XML資料 | ||
警察局收到的報案電話紀錄 | ||
v | 市政網站的滑鼠點擊紀錄 | |
Q | 以下哪一種為非結構化資料? | |
戶政單位的居民資料 | ||
報稅網站中的XML資料 | ||
v | 警察局收到的報案電話紀錄 | |
市政網站的滑鼠點擊紀錄 | ||
Q | 工業2.0的核心概念為何? | |
以機器代替人工進行製造的工作 | ||
v | 開始使用電器進行製造的工作,開始大量生產 | |
自動化系統部分取代人力進行製造的工作 | ||
智能機器人完全取代人力進行製造的工作,出現工廠智能化 | ||
Q | 下列有關巨量資料(Big Data)的敘述,何者錯誤? | |
v | 巨量資料有一套一體適用的SOP通則 | |
近年來巨量資料快速發展的原因取決於資料量急速成長、儲存設備成本下降、軟體技術進化和雲端環境成熟等種種客觀條件 | ||
巨量資料讓資料分析從過去的洞悉歷史進化到預測未來,開創從所未見的商業模式 | ||
隨著物聯網的興起,物聯網的資料將是巨量資料分析的對象之一 | ||
Q | NoSQL的特性為何? | |
快速 | ||
低成本 | ||
高延伸性 | ||
v | 以上皆是 | |
Q | 巨量資料具有的特性包括? | |
v | 資料量(Volume) | |
v | 資料傳輸速度(Velocity) | |
v | 資料多樣性(Variety) | |
視野(View) | ||
Q | 巨量資料資料的應用方式中用於了解特定事件發生的原因的應用模式為何? | |
以建議為基礎的應用模式 | ||
以預測為基礎的應用模式 | ||
v | 以歸因為基礎的應用模 | |
以發現異常為基礎的應用模式式 | ||
Q | 2015年行政院推出臺灣版的「生產力4.0計畫」包括哪個領域? | |
動力機械 | ||
食品 | ||
農業 | ||
v | 以上皆是 |
文章標籤
全站熱搜
留言列表