予算5000円未満で作成したMVがこちらです【official】OGA☆KEN「Rewrite the Future」【官方 MV】OGA☆KEN〈改寫未來〉

予算5000円未満で作成したMVがこちらです【official】OGA☆KEN「Rewrite the Future」

「僅花不到 5,000 日圓製作的音樂錄影帶，正式公開！」【官方 MV】OGA☆KEN〈改寫未來〉

Rewrite the Future ↓のリンクより各サブスクにて配信中です♪ https://www.tunecore.co.jp/artists?id... 夢を追いかけるすべての人へ贈る応援ソング。何度つまずいても、何度悔しい思いをしても、未来はまだ変えられる。この曲には、夢に向かって頑張る人、挫折を乗り越えようとしている人、もう一度立ち上がろうとしている人への想いを込めました。あなたの一歩が、未来を変える力になります。ぜひ最後まで聴いてください。 🎵歌詞🎵 軋む体育館　鳴り響くドリブル汗に滲んだ　夢の続き誰かに笑われた　あの日の言葉が胸の奥で　まだ燃えてる倒れてもいい　何度でも立てばいいその一歩が　未来を変える限界なんて　自分で決めるな心がまだ　叫んでるだろあきらめたら　そこで終わりだと誰かの声が　今も響くボロボロでも　前を向けるならそれが“強さ”なんだろうさこの瞬間に　すべてを懸けて走り続ける　理由がある勝ち負けじゃない　この想いだけは絶対に　消せないぶつかり合った　仲間の視線が言葉よりも　熱く伝う一人じゃないと　気づいた瞬間世界が少し　変わり出す悔しさも全部　力に変えて次のプレーへ　繋げていくもうダメだと　思ったその時本当の勝負が　始まるんだ何度でも　立ち上がればいいその背中に　未来がある震える手も　涙も全部進むための証だ限界なんて　越えていけるさ心がまだ　燃えてるなら最後の一秒　その先まで絶対に　あきらめない静まり返る　コートの中で鼓動だけが　響いているまだ終わってないあきらめたら　そこで終わりだとあの日の自分が　叫んでる傷だらけでも　立ち向かうんだここが“運命”だからこの一瞬に　すべてを懸けて走り抜けた　証になる未来の自分に　胸張れるように今を　生き抜け

完整歌詞中文翻譯

〈改寫未來〉

嘎吱作響的體育館裡，

運球的聲音不斷迴盪。

汗水浸透的，

是那尚未完成的夢想。

那一天，被人嘲笑時所聽見的話語，

直到現在，

仍在內心深處熊熊燃燒。

跌倒了也沒關係，

只要一次又一次重新站起來就好。

因為你跨出的那一步，

就能改變未來。

不要自己替自己設下極限，

你的內心，

不是還在不斷吶喊著嗎？

【第一段副歌：永不放棄】

「一旦放棄，比賽就到此結束。」

那個人的聲音，

至今仍在耳邊迴盪。

即使已經遍體鱗傷，

只要還能勇敢地面對前方，

那不就是所謂的「堅強」嗎？

就在這一刻，

賭上自己的一切！

因為我有一個，

必須繼續奔跑下去的理由。

這已經不只是輸贏的問題，

唯有心中的這份信念，

絕對不會消失！

【第二段：夥伴的力量】

曾經激烈交鋒的夥伴們，

彼此交換的眼神，

比任何言語，

都更加炙熱而有力量。

當我發現，

原來自己並不是孤單一人的那一刻，

整個世界，

也開始悄悄改變。

把所有的不甘心與懊悔，

全部轉化為前進的力量，

讓它延續到下一次的進攻。

當你覺得，

「已經不行了」的那一刻，

真正的勝負，才正要開始！

【第二段副歌：超越極限】

無論多少次，

只要願意重新站起來就好。

因為在你努力向前的背影裡，

就有著未來。

顫抖的雙手也好，

流下的眼淚也罷，

這一切，

都是你勇敢向前的證明。

所謂的極限，

一定能夠超越！

只要心中的火焰，

仍然持續燃燒。

直到最後一秒，

甚至超越最後一秒，

我都絕對不會放棄！

【第三段：尚未結束的戰鬥】

在一片寂靜的球場上，

只剩下自己的心跳聲，

不斷迴盪。

還沒有結束！

【最終副歌：改寫自己的命運】

「一旦放棄，比賽就到此結束。」

那一天的自己，

如今正在內心深處大聲吶喊！

即使滿身傷痕，

我也要勇敢迎戰。

因為這裡，

就是決定「命運」的地方！

就在這一瞬間，

賭上自己的一切！

讓自己奮力奔跑過的每一步，

都成為曾經全力以赴的證明。

為了有一天，

能夠挺起胸膛，

驕傲地面對未來的自己。

現在，就竭盡全力地活下去！

三、歌曲最重要的精神

這首〈Rewrite the Future〉有五句歌詞特別值得細細品味。

日文原文	中文翻譯
倒れてもいい　何度でも立てばいい	跌倒了也沒關係，只要一次又一次重新站起來就好。
その一歩が　未来を変える	你跨出的那一步，就能改變未來。
限界なんて　自分で決めるな	不要自己替自己設下極限。
もうダメだと　思ったその時　本当の勝負が　始まるんだ	當你覺得自己已經不行的那一刻，真正的勝負才正要開始。
未来の自分に　胸張れるように　今を　生き抜け	為了有一天能夠驕傲地面對未來的自己，現在就要竭盡全力地活下去。

四、這首歌的核心意涵

如果從教育與心理學的角度理解，這首歌所傳達的精神，與**心理韌性（Psychological Resilience）**有高度關聯。

它並不是要我們永遠不能失敗，也不是要求每個人都必須不斷成功。

而是強調：

真正的堅強，不是從來沒有跌倒，而是即使經歷挫折、失敗與不甘，仍然願意調整自己，再次站起來，繼續朝著目標前進。

此外，歌詞也呈現了夥伴支持、目標堅持、情緒轉化與自我信念等心理歷程。

這些內容非常適合作為高中職生涯規劃課程中，探討「面對挫折」「生涯韌性」及「自我成長」的引導素材。

整首歌最有力量的一句話，我認為是：

當你覺得自己已經不行的那一刻，真正的勝負，才正要開始！

因為它提醒我們：眼前的困難，不一定代表終點，也可能是成長與轉變的起點。

【感動】SLAMDUNK名シーンをAIで実写再現-最後は涙…

【感動】SLAMDUNK名シーンをAIで実写再現-最後は涙…

如果《灌籃高手》的經典場景，真的發生在現實世界……

那些令人難忘的經典名言，

那些讓人熱血沸騰的瞬間——

如果真的發生在現實世界，會是什麼模樣？

#AI #SLAMDUNK #灌籃高手 #fyp

這次的影片，運用 AI 技術，將《灌籃高手》（SLAM DUNK）中的經典名言與名場面，重新呈現為真人實拍風格。

體育館裡不斷迴盪的籃球聲、

球員們滿身汗水、奮力拚搏的神情，

以及那些曾經深深震撼我們內心的經典話語。

影片呈現的重點包括：

櫻木花道的覺醒與成長。
流川楓的激烈對決。
隊友之間深厚的羈絆。
一句句令人永生難忘的經典名言。

這不只是一部單純重現動畫場景的作品。

而是以「如果這些角色真的存在於現實世界」為核心概念，透過更真實的視覺表現，重新描繪《灌籃高手》的世界。

讓懷舊與感動在這裡交會。

誠摯邀請大家，一起體驗這個全新的《灌籃高手》世界！

吸引力法則的誤區：不是想要就能得到,而是相信才能得到 | 《秘密》

《秘密》（The Secret）／朗達·拜恩（Rhonda Byrne）斯托克代爾悖論（Stockdale Paradox）塞利格曼「習得性無助」與「掌控感」加布里埃萊·厄廷根「心理對照法（WOOP）」王陽明心學「吾性自足」你是否也曾試過天天許願、幻想美好未來，最後現實卻毫無變化？甚至越想得到，心裡越感到匱乏與焦慮（吸引力法則, 秘密, 朗達拜恩, 心理學, 王陽明, 龍場悟道, 潛意識, 翻身, 逆襲, 心態轉變, 天天讀書會, 致富心理學, 念頭的力量, 斯托克代爾悖論, 習得性無助, 自我實現預言, 改變命運, 許願靈驗, 好運吸引, 量子力學雙縫實驗, 心靈成長, 哲學思維, 轉運心法）？本集《天天讀書會》深入剖析全球暢銷巨著《秘密》（The Secret），為你揭開被大多數人忽略的關鍵真相：宇宙回應的，從來不是你的「許願」，而是你深層的「信念」与「身份認定」。我們將結合越南戰俘營的真實生存奇跡、心理學經典實驗（塞利格曼、厄廷根、羅森塔爾）、量子力學的雙縫實驗，以及王陽明「龍場悟道」的心學智慧，帶你一層層拆解：为什么天天做美夢的人反而最難成功？「我想要」與「我相信」在潛意識裡到底差在哪？如何運用 4 個可執行的科學方法，徹底重裝你的潛意識，讓好運與財富自動被你吸引！ 💡 4 個把「想要」變成「相信」的翻身方法讓美夢撞擊現實：運用心理對照（WOOP 法），想完美好願望後，立刻尋找阻礙並制定「如果……我就……」行動計畫。用小勝利餵養信念：身體只認真實證據。每天睡前記錄 3 件「我做到」或「被給予」的小事（感恩練習）。改一個字，換一個人：將「我不能做」改為「我不做」，從「外在約束」轉變為「身份宣言」。對結局堅定，對日期鬆手：學習斯托克代爾悖論，保持最終必勝的信念，但絕不跟任何短期日期綁定討價還價。 🔔 喜歡我們的影片嗎？歡迎【點讚、訂閱、開啟小鈴鐺】，並分享給身邊正處於困頓、想要改寫命運的朋友！ 💬 留言互動：你覺得自己潜意识裡一直相信的「我是誰」是什麼？歡迎在下方留言分享你的想法！ 00:00 戰俘營裡，最先倒下的是樂觀的人 02:15 歡迎來到天天讀書會：《秘密》與被跳過的「相信」 03:36 一直想，就真的能得到嗎？ 07:01 為什麼有些人就是得不到？ 09:09 「我想要」和「我相信」差在哪裡？ 11:49 現實憑什麼跟著改變？ 15:04 為什麼總在重演同一種倒楣？ 18:07 為什麼心裡沒底氣？ 20:50 你相信的到底是什麼？ 27:23 如何把「想要」變成「相信」？ 31:52 這本書的爭議 33:47 你終將成為你相信的那個人

從冰箱裡消失的食物，到讓Meta豪擲4,300億元的年輕人

從冰箱裡消失的食物，到讓Meta豪擲4,300億元的年輕人

Alexandr Wang：別人都在研究AI，他卻看見「AI吃什麼」

文／廖老師

2025年，全球科技界發生了一件令人難以置信的事情。

Facebook母公司Meta，宣布投入143億美元，取得人工智慧公司Scale AI約49%的股權。依當時匯率計算，金額約新臺幣4,257億元。

然而，比這筆天價投資更令人好奇的，是Scale AI的共同創辦人——Alexandr Wang（汪滔）。

當時，他只有28歲。

更令人意外的是，這位年輕人不但沒有完成麻省理工學院（MIT）的學業，甚至曾經為了找出誰偷拿冰箱裡的食物，意外發現人工智慧產業的一個重大問題。

一個冰箱裡的小問題，最後竟然與數千億元的科技投資扯上關係。

他究竟看見了什麼？

我認為，這才是他的故事最值得年輕人認識的地方。

一、從科學小鎮走出來的年輕人

1997年，Wang出生於美國新墨西哥州的洛斯阿拉莫斯。

這座小鎮以科學研究聞名，他的父母都是物理學家，曾在當地的洛斯阿拉莫斯國家實驗室工作。

在這樣的成長環境中，Wang從小就接觸數學、科學與電腦程式。

他不只是成績不錯而已，更曾投入數學、物理與程式設計競賽，逐漸培養出超越一般同齡學生的技術能力。

但他的學習經歷，有一個非常值得注意的地方。

他沒有把學習侷限在學校，也沒有認為一定要等到畢業，才能接觸真正的工作。

高中畢業後，他曾前往矽谷，在知識問答網站Quora工作，後來進入麻省理工學院學習人工智慧相關知識。

此外，他也曾在金融科技公司Addepar及量化交易公司Hudson River Trading累積技術經驗。

換句話說，當許多年輕人還在等待畢業、等待別人提供機會時，他已經開始主動接觸真實產業。

值得注意的是，他不是天生就知道未來要做什麼。

他在2026年的訪談中坦言，17歲到19歲那段時間，自己的想法不斷改變，一直在學習，也一直在尋找真正想投入的方向。

這讓我想到：

有些人是在等待確定方向後才行動；有些人卻是在不斷行動的過程中，逐漸找到方向。

Wang顯然比較接近後者。

二、冰箱裡消失的食物，竟然改變了他的命運

這是Wang人生中最有意思的一段經歷。

2016年前後，他在MIT就讀期間，共用冰箱裡的食物經常被室友拿走。

他想知道究竟是誰拿的。

如果是一般人，可能會在食物貼上名字、詢問室友，或者乾脆買一個小冰箱。

但Wang想到另一個方法：

能不能在冰箱裡裝攝影機，再利用人工智慧分析影像，找出拿走食物的人？

於是，他開始動手嘗試。

沒想到，真正做下去才發現，事情遠比想像中困難。

攝影機可以拍下影像，但電腦並不會自動理解影像裡發生了什麼事。

他必須先讓電腦學會辨識人物、物品及相關情境。

而要做到這件事情，需要大量且經過正確整理的資料。

結果呢？

因為資料不足，系統經常誤判，有時把正常情況當成異常，有時又漏掉真正需要辨識的情況。

最後，他沒有成功找出拿走食物的人。

但是，這次失敗卻讓他發現了一件更重要的事情。

原來人工智慧最大的困難之一，不只是電腦夠不夠厲害，而是有沒有足夠且可靠的資料，讓它真正學會判斷。

這個看似不起眼的發現，卻成為他日後創業的重要起點。

三、別人都在研究AI，他卻看見「AI吃什麼」

這是我認為Wang最過人之處。

2016年前後，人工智慧快速發展。

許多科技公司都投入大量人力與資金，希望開發更聰明的電腦系統。

大家關心的是：如何讓AI更厲害？

Wang卻注意到另外一個問題：

如果沒有正確的資料，再厲害的AI又能學到什麼？

舉例來說。

假設今天要開發自動駕駛汽車。

我們必須教電腦辨識什麼是行人、汽車、紅綠燈、車道與障礙物。

但電腦不會自己知道。

需要有人先將大量影像正確分類、標示，再讓電腦從中學習。

這項工作稱為「資料標註」。

問題是，這件事情既花時間，又耗費人力，而且還必須確保資料正確。

Wang逐漸發現，這不只是他的冰箱專案遇到的困難，而是許多人工智慧開發者共同面臨的問題。

換句話說：

原本只是自己遇到的麻煩，竟然可能是整個產業都需要解決的問題。

這讓他找到創業方向。

當其他公司努力開發AI時，他決定成立一家專門協助企業準備、整理、標註及檢驗資料的公司。

2016年，19歲的Wang與Lucy Guo共同創辦Scale AI。

他們沒有選擇直接和科技巨頭競爭誰的AI最聰明，而是替這些公司解決共同需要的基礎工作。

如果把人工智慧比喻成學生，那麼Scale AI所做的事情，就很像協助準備教材、題庫、標準答案與評量工作。

別人忙著培養最聰明的學生，他卻先去解決學生需要什麼教材才能學得好。

這就是他的商業眼光。

四、19歲創業，真正困難的不是寫程式

Wang決定從MIT辦休學，前往舊金山創業，並加入知名創業培育機構Y Combinator。

19歲創業，聽起來很令人羨慕。

但我們千萬不要忘記，他當時既沒有大型企業的資源，也沒有成熟的經營團隊。

一家新公司要生存，除了技術能力，還要想辦法找到客戶、招募人才、管理成本，並且讓別人相信自己的服務確實有價值。

他必須從原本專注技術的學生，轉變成需要處理各種經營問題的創業者。

而且，創業並不是只有一個人努力就夠了。

Scale AI的發展還仰賴共同創辦人、員工、投資者，以及大量從事資料處理工作的協作者。

從2016年成立，到2019年獲得重要資金支持，再到2024年估值達到138億美元，Scale AI逐漸成為國際科技產業的重要供應商。

2025年，Meta更投入143億美元取得近半股權。

這個歷程告訴我們：

想到一個好點子，和真正把它做成一家能長期經營的公司，是兩件完全不同的事情。

五、他的戰功：讓全球科技巨頭願意與他合作

Scale AI早期投入自動駕駛相關的影像資料處理，後來逐漸擴展到大型語言模型、企業應用、模型測試，以及政府與國防領域。

包括OpenAI、Microsoft、Meta等科技公司，都曾是Scale AI服務或合作的對象。

Scale AI也參與過協助改善AI回答品質的資料工作。

這代表Wang沒有只守著最初的自駕車市場，而是隨著人工智慧的發展，持續調整公司方向。

2025年，祖克柏延攬他加入Meta，領導新成立的超級智慧實驗室，擔任首席AI長。

到了2026年9月，Meta推出個人AI助理Muse，可以協助使用者處理購物、訂票及其他生活工作。根據路透社報導，Muse上線兩週下載量約280萬次，成為Wang加入Meta後的重要產品成果。

從協助其他公司訓練AI，到帶領大型科技公司的人工智慧團隊，這是他職涯上的重大轉變。

但這也不代表他的人生已經沒有挑戰。

產品能否長期受到使用者信賴、企業能否持續創新，仍然需要時間檢驗。

六、他值得年輕人學習的，絕對不是「輟學」

同學們，讀到這裡，老師特別想提醒大家一件事。

千萬不要因為Wang沒有完成MIT學業，就認為讀書沒有用。

他之所以敢在19歲離開學校，是因為他已經具備相當扎實的數學、程式設計與技術能力，也有實際產業經驗。

他不是因為不願意學習才離開學校，而是把學習延伸到另一個更大的現場。

這兩件事情，差別非常大。

廖老師認為，他最值得學習的地方有四個。

第一，遇到問題，不要只有抱怨。

食物被拿走，他沒有只停留在不滿，而是嘗試提出解決方法。

第二，失敗之後，不要只想著放棄。

冰箱辨識系統沒有成功，他卻從失敗中發現更大的問題。

第三，不要只追逐熱門，而要練習看見需求。

當所有人都在關注AI有多厲害，他卻注意到AI背後不可缺少的資料工作。

第四，不要只累積證書，更要累積真正能解決問題的能力。

真正讓別人願意把機會交給你的，不只是學歷或頭銜，而是你的專業、判斷與執行能力。

不過，他的成功也有值得反思的一面。

Scale AI曾面臨資料工作者待遇與勞動條件的質疑，相關議題提醒我們：企業除了創造價值，也必須重視工作者的權益。

值得學習一個人的長處，不代表必須認同他的所有決定。

七、廖老師想告訴同學們

Alexandr Wang的故事，最讓我印象深刻的，不是他19歲創業，也不是28歲就讓Meta願意投入數千億元。

而是當他的冰箱辨識系統失敗時，他沒有只把這件事情看成一次失敗。

他反而進一步發現：

原來我遇到的問題，可能也是很多人共同面臨的困難。

同學們，未來不論你選擇升學、就業，還是自己創業，老師都希望你能養成一種習慣。

遇到問題，不要馬上說自己不行。

做得不好，不要立刻認為自己沒有能力。

更不要因為一次失敗，就否定所有努力。

試著多問自己幾個問題：

為什麼會發生這件事？

我是不是還有什麼地方沒有弄清楚？

有沒有更好的處理方式？

其他人是不是也面臨同樣的困難？

因為有時候，真正改變人生的機會，不一定來自別人提供的答案。

而是你從一個別人早已習以為常的問題裡，發現了值得自己努力的方向。

記住：

能力，讓我們有機會解決問題；而看見問題的能力，往往決定了我們能創造多大的價值。

打破「標準答案」與「學歷至上」的迷思

重視「問題解決能力」重於「死記硬背」

從「技術操作者」升級為「關鍵問題解決者」

高職學生在校期間學習大量扎實的實務技能（如程式設計、電子電路、數據處理）。Wang 的成功並非只因他會寫程式，而是因為他發現了當時業界最痛苦的死角——「數據缺乏精確標註」。他用技術解決了整個產業的痛點。我們可以鼓勵高職學生，在練就一身技藝的同時，更要培養發現問題、定義問題的視野。

重視「基礎工程與數據品質」的工匠精神

在演算法看似無所不能的背後，最底層的基礎工作是數據整理與清潔。這與技職教育一貫強調的「實務導向」與「工匠精神」不謀而合。高職各科系（不論是資訊科、電機科或資理科）在培訓學生時，應讓學生明白：任何龐大先進的系統，都建立在底層最嚴謹、最精準的細節之上。

跨領域實踐與敢於突破的勇氣

Wang 結合了物理家庭帶給他的嚴謹邏輯，以及對商業市場的敏銳洞察，在19歲毅然踏出舒適圈。技職學生的優勢在於實作能力強，若能結合跨領域的商業思維與國際視野，未來在AI浪潮下將極具競爭力。

Alexandr Wang 的例子狠狠地打破了「非得拿到名校學位才能成功」的迷思。我們的教育應該更多鼓勵學生去探索、去動手實作，容許他們在體制外找到自己的熱情所在。

這是廖老師認為，Alexandr Wang最值得年輕人學習的地方。

與大家分享

AI 的智慧變便宜以後，最缺的是什麼？｜Alexandr Wang（Meta）

AI 的智慧變便宜以後，最缺的是什麼？｜Alexandr Wang（Meta）

00:00 開場：AI 的智慧變便宜以後，最缺的是什麼 01:04 Alexandr Wang（Meta）：YC 創業學校 2026 01:59 Wang：第一個點子太早了 02:52 Wang：訓練模型的三樣東西，Scale AI 的起點 04:50 Wang：在共識之前的信念 06:23 Wang：卡住的不是模型，是擴散 07:24 Wang：大衛與歌利亞，小團隊的機會 09:11 Wang：智慧變多以後，稀缺的是願景 11:50 Meta 的處境：Llama 4 之後 12:48 核對「便宜八倍」與資本支出 13:42 對談之後：Muse 系列產品 14:50 Wang：給十八歲自己的建議 15:34 篤定與倖存者偏差：這對一般人的意思大家好，我是 Jim，這裡是 AI Notebook。這一集是一個新系列，演講訪談系列的第一集，主角是 Alexandr Wang。他十九歲創辦 Scale AI，現在在 Meta 帶領超級智慧實驗室。今年夏天，他回到 YC 的創業學校，對著台下一群十八到二十歲的年輕人，說了一句很大的話。他說，現在可能是一個文明只會遇到一次的機會。這一集只問一個問題，這句話是真的嗎？如果是真的，機會到底在哪裡，跟我們一般人又有什麼關係？我先把答案放在前面。他的意思是，AI 的智慧，正在變成按一下就拿得到的東西。當智慧不再稀少，最缺的，就變成知道要往哪裡走的人。這句話，我覺得有一半站得住，另一半要打折。因為說這句話的人，正好在全世界花最多錢追趕 AI 的公司之一，負責這整件事。我們分三步走。先看他年輕的時候，怎麼看見別人沒看見的東西。再看他說的機會，到底長什麼樣子。最後把他的身分放回來，看看這句話要打幾折。先從 2016 年，一個十九歲的大學生開始。 📎 資料來源 • Alexandr Wang: "This is a Once-in-a-Civilization Opportunity"（YC Startup School 2026, Garry Tan 對談） • Alexandr Wang: “This is a Once-in-a-Civili... • YC 官方逐字稿：Alexandr Wang — Building a Frontier Lab https://www.ycrootaccess.com/p/alexan... • Y Combinator：Scale AI 公司頁（S16, Jared Friedman） https://www.ycombinator.com/companies... • NYT：Meta Invests $14.3 Billion in Scale AI to Kick-Start Superintelligence Lab（2025-06-13） https://www.nytimes.com/2025/06/12/te... • CNBC：Scale AI promotes Droege to CEO as founder Wang heads for Meta（2025-06-12） https://www.cnbc.com/2025/06/12/scale... • Meta：Personal Superintelligence（Mark Zuckerberg） https://www.meta.com/superintelligence/ • Meta AI Blog：Introducing Muse Spark（2026-04-08） https://ai.meta.com/blog/introducing-... • Meta Newsroom：Introducing Muse Spark https://about.fb.com/news/2026/04/int... • Bloomberg Tech 2026：Meta AI Chief Wang on Winning the Race in AI（2026-06-05） • Meta AI Chief Wang on Winning the Race in AI • Meta for Developers：Build with Muse Spark（Muse Spark 1.1 定價） https://dev.meta.ai/resources/blog/bu... • Claude API 定價（含舊版 Opus） https://claude.com/pricing • CNBC：Meta Q1 2026 earnings（資本支出指引、裁員） https://www.cnbc.com/2026/04/29/meta-... • CNBC：Meta Q2 2026 earnings（資本支出 1300–1450 億美元） https://www.cnbc.com/2026/07/29/meta-... • Meta for Developers：Meet Muse Spark 1.2 and Muse Code（2026-08-05） https://dev.meta.ai/resources/blog/bu... • Meta AI Research：Introducing Muse Glimmer（2026-08-10） https://research.meta.ai/blog/introdu... • Axios：Meta debuts Muse, its long-planned personal AI agent（2026-09-08） https://www.axios.com/2026/09/08/meta... • TechCrunch：Everything new coming to Meta's AI agent Muse（2026-09-23） https://techcrunch.com/2026/09/23/eve... • 404 Media：Meta Tests Muse AI Agent Calls That Are Actually Made By Humans in a Call Center（2026-09-22） https://www.404media.co/meta-tests-mu... • GeekWire：Amazon blocks Meta's Muse AI assistant（2026-09-21） https://www.geekwire.com/2026/amazon-... • Le et al., Building High-level Features Using Large Scale Unsupervised Learning（Google, 2012） https://arxiv.org/abs/1112.6209

在有限時間內完成任務，用「甘特圖」排程，握有時間管控力

在有限時間內完成任務，用「甘特圖」排程，握有時間管控力

甘特圖（Gantt Chart）是執行專案最為廣泛使用的時間管理工具之一，擁有簡單繪製、清楚呈現的溝通特點。主要用來呈現一個任務的執行進度，時間是最重要的控制因素，目的是讓每項任務必須以最有效率的方式運用時間，以降低專案執行的變動性。

甘特圖所呈現的意義是，「我要完成這件事情需要多少時間」，換言之，甘特圖就是時程表。在坐標的顯示意義上，橫軸代表時間，縱軸表示工作項目，線條長短代表這個工作事項在何時進行以及所需要的時間天數。

可以。您這張圖本質上就是把「專題製作的工作流程」放在左邊，把「時間」放在上方，再用橫條標示每一項工作的預定執行期間。

以下我直接用一個高中職學生專題製作，12 週完成的例子示範。假設學生要做的專題是「智慧澆灌系統」。

一、先讓學生理解：甘特圖不是「畫漂亮的進度表」

甘特圖主要回答三件事：

要做什麼？什麼時候做？做到什麼程度？

因此，一份學生專題的甘特圖至少要有：

欄位	意義
工作項目	專題要完成哪些工作
時間	哪幾週進行
負責人	誰負責
預定成果	做完後要交出什麼
實際進度	是否如期完成

您提供的圖片其實還多了 Who、How、Data，那是比較完整的專案管理版本。

二、我會建議學生這樣做

假設一學期有 16 週可以真正做專題，先不要叫學生直接畫格子。

第一步：把專題拆成工作

例如：

主題發想
確定研究／製作問題
蒐集資料
設定專題目標
規劃製作方法
準備材料
實際製作
測試
修正
成果整理
報告撰寫
簡報製作
模擬發表
正式發表

這一步其實是最重要的。

因為學生常常會寫：

第 1～15 週：製作專題
第 16 週：報告

這就失去甘特圖的意義。

老師真正要訓練的是學生：

把一件大工作，拆解成一連串可以執行、可以檢核的小工作。

三、接著才排「哪一週做什麼」

例如：

工作項目	1	2	3	4	5	6	7	8	9	10	11	12
主題發想	■	■
資料蒐集		■	■
問題界定			■	■
專題設計				■	■
材料準備					■	■
實際製作						■	■	■
測試修正								■	■
結果分析									■	■
書面報告										■	■
成果發表												■

學生看到這個就會比較容易理解。

四、最好再加「每個階段要交什麼」

這一點對高中職學生尤其重要。

不要只寫：

第 5～8 週：「製作」

而應該要求：

階段	預定成果
主題發想	提出至少 3 個題目
主題確認	完成題目與問題說明
資料蒐集	至少找到 5～10 筆可靠資料
專題設計	完成流程圖／設計草圖
原型製作	完成第一版作品
測試	至少完成 3 次測試
修正	列出問題與改善方式
成果整理	完成數據、照片與說明
報告	完成書面專題報告
發表	PPT＋口頭報告

這樣甘特圖才從：

「時間表」

變成：

「專題管理工具」。

五、如果是分組專題，再多加一欄「負責人」

例如 4 人一組：

工作	時間	主責	協作者	成果
資料蒐集	第2–3週	小明	全組	文獻資料
電路設計	第4–5週	小華	小傑	電路圖
程式撰寫	第5–7週	小傑	小華	程式初版
外觀製作	第6–8週	小美	小明	作品外殼
測試修正	第8–10週	全組	全組	測試紀錄
報告製作	第10–11週	小明	全組	書面報告
簡報發表	第11–12週	全組	全組	PPT＋口頭報告

這樣就可以避免一個非常典型的學生問題：

「老師，我們都有做啊。」

老師就可以問：

「你負責的是哪一項？預定第幾週完成？成果在哪裡？」

六、我更建議您教學生做「預定＋實際」兩條

這正是您上面那張圖片「實線、虛線對照」真正有價值的地方。

例如：

實線＝原訂進度

虛線＝實際進度

假設：

原訂第 5～7 週完成作品。
結果做到第 9 週才完成。

就可以呈現：

作品製作

第5週  第6週  第7週  第8週  第9週
━━━━━━━               原訂

━━━━━━━━━━━━━━━━━━     實際

學生馬上就能看到：

落後兩週。

這時候老師才有辦法帶入真正的專題管理：

為什麼落後？
哪個環節出了問題？
是否低估工作量？
是否材料沒有準時取得？
是否組員分工出了問題？
接下來如何追回進度？

因此，我認為您圖片上的標題：

「實線、虛線對照，看出真實執行狀況」

非常適合拿來教學生。

七、如果是我幫您設計「雄工學生專題甘特圖」，我會做成這種格式

○○科專題製作進度甘特圖

專題名稱：＿＿＿＿＿＿＿＿＿＿

組員：＿＿＿＿＿＿＿＿＿＿

指導老師：＿＿＿＿＿＿＿＿＿＿

工作項目	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	主責	預定成果
主題發想
問題確認
資料蒐集
方案設計
材料準備
實際製作
測試紀錄
問題修正
成果分析
報告撰寫
簡報製作
模擬發表
正式發表

甘特圖不是告訴老師「我會做專題」，而是把「我要做什麼、何時完成、誰負責、做到哪裡」全部攤開來看。

題能力，不只是把作品做出來；而是能把一個大任務拆解、排序、分工、執行、檢核與修正。

這其實跟您生涯規劃課強調的「做中學」非常接近：甘特圖本身就是專案管理的實習。

如果您要實際拿給學生使用，我可以下一步直接替您製作一份 「高中職學生專題製作甘特圖 Excel 範本」，包含 16 週、組員分工、預定／實際進度、落後提醒與完成率，讓學生直接填寫。

所謂敏感，不過是長期被區別對待

所謂敏感，不過是長期被區別對待

《博碩士論文第二章「文獻探討」學習講義》

博碩士論文第二章「文獻探討」學習講義

這份專為指導博士班研究生撰寫博士論文第二章「文獻探討（Literature Review）」所設計的 《博碩士論文第二章「文獻探討」學習講義》，文獻資料，並包含詳細的學術論證模型、七層結構地圖、概念矩陣實作、14 項常見錯誤避雷指南、第七版 APA 格式標準以及品質自我檢核表。

以下為本講義的精華核心架構與重點摘要：

🎓 博碩士論文第二章「文獻探討」學習講義（精華導覽）

模組一：核心定位、本質與 5 大迷思破解

1.1 文獻探討的學術定位與多重功能

文獻探討既是一個動態探究的「過程」，也是論文最終呈顯的學術「成果」。其核心精神在於「站在巨人的肩膀上」，將自身研究精確定位於既有學術脈絡之中。文獻探討具有提供理論資訊（模型與變項關係）、方法資訊（研究設計與量表）及資料分析資訊（成果對話基準）的三重功能；同時能達到防止重複研究、梳理歷史與當代脈絡、操作化界定專有名詞、指出現有研究缺口（Research Gap）與推行研究假說等多重實質目的。

1.2 「文獻探討」與「文件分析」之本質辨析

學術界常混淆這兩個專有名詞：「文獻探討（Literature Review）」是所有研究典範（量化、質性、混合研究）開展前的實質前導基礎，目的在於「知己知彼」；而**「文件分析（Document Analysis）」則是一種特定的質性研究「資料收集與分析方法」（與訪談、觀察並列），指對公文、日誌、檔案進行內容解析。

1.3 破解學術界常見的 5 大「文獻探討」迷思

迷思一：量化研究不需要寫？ 舊約聖經《傳道書》云：「太陽底下沒有新鮮事。」任何量化模型皆需奠基於前人理論，各種研究典範一律需要文獻探討。
迷思二：研究方法包含「文獻探討法」？ 學術界實際上不存在「文獻探討法」，在摘要寫出「透過文獻探討法發現……」屬名詞誤用。
迷思三：透過文獻探討回答待答問題？ 文獻探討無法直接回答手頭上的待答問題，若能回答則該研究便失去進行實徵調查之必要性。
迷思四：文獻探討等同「理論探討」？ 第二章必須同時包含「理論內容說明」與「借用該理論進行之近年實徵研究對話」，兩者不能劃上等號。
迷思五：僅就國內碩博士論文討論？ 未經雙盲審查的學位論文品質參差不齊，應擴大檢索至 TSSCI、SSCI、大英圖書館 EThOS 資料庫等權威學術期刊與國際典藏。

模組二：架構設計與博士論文「七層結構」地圖

2.1 文獻組織的三大思維架構與比喻

漏鬥法（Funneling）：結構應從廣角的背景（漏鬥頂端）出發，逐步縮小焦點至核心變項與特定脈絡，最後收脈推導出假說。
織布比喻（Weaving Analogy）：研究主題是固定於織布機上的「經線」，引用的各家文獻則是穿梭其中的彩色「緯線」，交織出鮮明的論證布匹。
Kamler & Thomson 的「主辦晚宴」比喻：將文獻探討想像為自辦學術晚宴，研究者身為主人，必須主導餐桌話題，引導賓客圍繞你的主題交流對話，而非任由賓客各自發言。

2.2 博士論文第一節的「七層結構」地圖

博士論文單一變項（如「教師心理韌性」）應拒絕單薄骨架，建構嚴密的七層結構：

第一層（概念源起與演變）：追溯發展的歷史背景與演進脈絡。
第二層（概念界定與理論比較矩陣）：橫向對比特質觀、能力觀、歷程觀、結果觀與生態觀之異同。
第三層（建立構面選擇的「證據鏈」）：比較不同測量模型之特色與限制，證明本研究採取的構面是最佳解。
第四層（漏鬥式脈絡收斂）：說明為何必須收斂至特定領域之特殊脈絡（如高職教師情緒勞務）。
第五層（相關實徵研究整合）：歸納近年實徵數據，呈現變項間正相關、負相關或不顯著之分歧。
第六層（爭議、限制與缺口）：明確指出現有文獻之未解答問題（Research Gap）。
第七層（小結與銜接）：確立研究者自身的學術立場，導向後續研究設計。

模組三：實作七步驟、矩陣工具與 CARS 學術論證模型

3.1 系統化實作七步驟與矩陣工具

問題寫成一句話
系統化檢索（布林邏輯與滾雪球法）
篩選與精讀（原典與權威期刊優先）
填寫文獻矩陣（靈魂欄位：「與我研究的關係」）
轉向概念矩陣（Concept Matrix，橫軸概念縱軸文獻，空白處即研究缺口）
組織批判論證（綜合與批判） $\rightarrow$ 7. 自我檢核（Boote & Beile 五大面向）。

3.2 John Swales 的 CARS 模型（建立研究空間）

語步一：建立領域（Establishing a territory）：說明主題重要性與既有學術累積。
語步二：找出空隙（Establishing a niche）：指出現有文獻之矛盾、限制或未解答問題。
語步三：占據空隙（Occupying the niche）：說明本研究如何透過具體設計填補該空白。

3.3 建構學術論證的五大核心要素

完整學術論證包含：宣稱（Claim，核心主張）、理由（Reason，邏輯推論）、證據（Evidence，實徵數據）、論據（Warrant，普遍原理）及承認與回應（Acknowledgment & Response，預測反對意見並給予解答）。

模組四：14 項撰寫陷阱、初學者雷區與寫作紀律

4.1 撰寫文獻探討常犯的 14 項錯誤

包含未配合研究目的、同質文獻重複引用、段落缺乏主題句、連貫性不足（少於三行）、圖表擴充篇幅無解說、教科書式介紹、僅呈現未討論（文獻堆積）、政府文件照單全收、直接與間接引用混淆、錯別字、標點符號不當、不精簡、引用過多未出版學位論文，以及忽略外文與機構引用細節。

4.2 初學者五大雷區（The 5 Minefields）

畢恆達教授特別提醒：家具型錄式寫作（逐段作者開頭剪貼）、偏揀性引用（舒適圈認謬）、轉引不查原典（二手引用）、失去自我聲音（看不見研究者判斷）以及與後續章節脫節。

4.3 生成式 AI 時代的寫作紀律

Walters & Wilder (2023) 研究證實 ChatGPT 存在大量虛構不存在文獻之現象。所有 AI 提供之書目務必回到權威資料庫親查原典，且 AI 無法替代研究者自身的綜合與批判思考。

模組五：第七版 APA 格式（APA 7th）規範

三人以上作者：首次引用即統一寫為第一作者加上「等人」（西文加 et al.）。
直接引用：40 字內加引號標頁碼；40 字以上獨立縮排兩個中文字。
表格與圖片：採用三線表（不畫縱向直線），表序與粗體表標題統一置於表格/圖片上方靠左。
「0」的省略原則：數值理論上不可能大於 1 時（如 p, r, α），小數點前的「0」必須省略；可能大於 1 時（如 M, SD, t, F）則保留。
統計符號斜體：非希臘字母之統計代碼（如 M, SD, p, t, F, r）一律斜體；希臘字母（如 α, β, χ²）與運算符號（=, >）保持正體。