資料載入中.....
|
請使用永久網址來引用或連結此文件:
http://libir.tmu.edu.tw/handle/987654321/34189
|
| 題名: | 應用文獻自動化分群系統對於臨床藥學文獻資料檢索服務之探討 |
| 作者: | 夏景岳 |
| 貢獻者: | 醫學資訊研究所 |
| 日期: | 2010 |
| 上傳時間: | 2010-09-09 11:03:18 (UTC+8) |
| 摘要: | 隨著網路發達與資訊大量的產出，如何快速有效的在大量資訊中找到問題的解答已經是非常重要的議題。文獻分群技術日益進步的同時，本研究以科技接受模式(Technology acceptance model, TAM)為基礎，透過引介藥師使用自動分群搜尋引擎這項新科技，採用問卷分析的方法探討藥師在使用時的接受程度，進而了解影響藥師使用自動分群搜尋引擎之相關因素。
本研究針對北部地區執業藥師發出四百七十五份問卷，有效回收問卷一百六十三份，結果發現，藥師個人的電腦自我效能以及對於系統認知有用性兩個因素與使用意願有顯著正相關。藥師的年齡、學歷及使用電腦查詢文獻頻率差異與個人電腦自我效能有顯著相關，並直接或間接影響使用的意願。研究結果亦顯示藥師的認知易用性與使用自動化分群系統服務的意願並無顯著正相關。
Since the era of internet arrived, more and more information has been quickly generated, therefore, it’s been a critical issue in how to effectively find the desired content within a great amount of information on the internet. This study is based on Technology acceptance model (TAM) and introducing pharmacists to use automatic clustering search engines. Analyzing the related factors in what affect the pharmacists to use automatic clustering search engines by means of a questionnaire approach.
In this study we investigate pharmacists working in the northern region of Taiwan Island, and the number of valid questionnaires is 163. The study indicates that the Pharmacist’s computer self-efficacy and perceived usefulness have positive and significant influences on behavior intention. Pharmacist's age, education and the use of computer search literature frequency were significantly related to self-efficacy, and affect the use of will. No significant correlation has been found between pharmacist’s perceived ease of use and behavior intention of clustering system services. |
| 關聯: | 97頁 |
| 描述: | 標題 i
審定書 ii
上網授權書 iii
國科會授權書 iv
誌謝 v
目錄 vi
表目錄 viii
圖目錄 x
中文摘要 xi
英文摘要 xiii
第一章 緒論
1.1 研究背景與動機 1
1.2 研究目的 4
第二章 文獻探討與相關研究
2.1 資訊檢索(Information Retrieval) 7
2.2 特徵選取(Feature Selection) 9
2.2.1 詞性標示(Part of Speech Tagging) 9
2.2.2 專有名詞辨識(Named Entity Recognition, NER) 9
2.2.3 特徵選取(Feature Selection) 12
2.3 關聯法則(Association Rules) 13
2.4 群聚分析(Clustering Analysis) 14
2.4.1 文件相似度 15
2.4.2 分割式群集演算法 16
2.4.3 階層式群集演算法 17
2.5 科技接受模式理論(Technology Acceptance Model，TAM) 17
2.5.1 理性行動理論(TRA) 17
2.5.2 科技接受模型(TAM) 19
2.5.3 電腦自我效能(Computer self-efficacy) 20
2.6 使用自動分群技術網站 21
第三章 研究方法與步驟
3.1 研究架構 28
3.2 研究假設 30
3.3 研究變項與操作定義 31
3.4 問卷設計 31
3.5 研究範圍與對象 35
3.6 資料分析方法 36
第四章 資料分析與結果
4.1 樣本基本資料分析 38
4.1.1 問卷回收概況 38
4.1.2 基本資料之敘述統計分析 39
4.1.3 問卷構面之敘述統計分析 48
4.1.4 開放性問題之敘述統計分析 50
4.2 問卷信度與效度分析 52
4.3 單因子變異數分析. 53
4.4 相關分析. 75
4.5 路徑分析 77
4.6 假設驗證結果 80
第五章 結論與建議
5.1 研究結論 81
5.2 研究限制 86
5.3 後續研究建議 87
參考資料
中文文獻 89
英文文獻 90
電子資料 91
附錄
附錄一 「藥師對文獻自動化分群系統接受程度相關因素探討」之問卷 93
卜小蝶，陳思穎(民 96)。網路自動分群搜尋引擎之使用者評估研究。圖書資訊學研究 2(1)，55-80。
王曉璿、楊國賢、盧文偉(民95)。國小學生應用學習管理平台科技接受度探究。Tanet 2006。國立花蓮教育大學，Nov.1-3。
林重志(民95)。實習醫學生在醫學網路資源的資訊尋求及資料庫使用行為之研究。雲林科技大學資訊管理系碩士論文，未出版，雲林縣。
李祐陞(民95)。生醫文獻自動化分群系統與評估。國立台灣大學醫學工程學研究所碩士論文，未出版，台北市。
吳文雄(民 91)。電腦技能學習者過去的績效、目標認同、電腦自我效能及電腦績效因果關係之驗證－社會認知理論與目標設定理論的整合。師大管理學報科學教育類，47(1)，39-54。
吳明隆(民 98)。SPSS操作與應用：問卷統計分析實務。台北市：五南圖書公司。
邱皓政(民 89)。量化研究與統計分析---SPSS 中文視窗版資料分析範例解析。台北市：五南圖書公司。
陳志偉(民96)。生醫詞彙辨識：利用隱藏式馬可夫模型。國立台灣大學醫學工程學研究所碩士論文，未出版，台北市。
陳品守，林紋正(民98)。中文健康資訊搜尋結果自動分群。JCMIT2009。國際醫學資訊研討會論文集。
陳順宇(民87)。多變量分析(2版)。台北市：華泰書局。
陳琬茹(民96)。影響醫師使用「可攜式電子病歷」意願之相關因素研究。臺北醫學大學醫務管理學研究所碩士論文，未出版，台北市。
覃業明(民90)。科技接受模型之實證研究－以國內醫療網站為例。國立成功大學資訊管理研究所碩士論文，未出版，台南市。
廖宜岑(民95)。醫療資訊入口網站使用意願之研究。中國醫藥大學醫務管理學研究所碩士論文，未出版，台中市。
Compeau, D. R., & Higgins, C. A. (1995). Computer Self-Efficacy: Development of a Measure and Initial Test. MIS Quarterly, 19(2), 189-211.
D. D. Lewis & W. B. Croft (1989). Term Clustering of Syntactic Phrases. In Proceedings of the Thirteenth Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 385-404.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35, 982-1003.
D. Randall Wilson, & Tony R. Martinez. (1997). Improved Heterogeneous Distance Functions. Journal of Artificial Intelligence Research, 6,1-34.
Hanisch, D., Fluck, J., Mevissen, H. & Zimmer,R. (2003). Playing biology’s name game: Identifying protein names in scientific text. Pac. Symp. Biocomput 8,403–14.
Hirschman L., Morgan AA., & Yeh AS. (2002). Rutabaga by any other name: extracting biological names. J Biomed Inform.,35(4),247-59.
Fishbein, M., & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Reading, MA: Addison-Wesley.
Fukuda K., Tamura A., Tsunoda T., & Takagi T. (1998). Toward information extraction: identifying protein names from biological papers. Pac Symp Biocomput. ,707-18.
J. B. MacQueen,Some Methods for classification and Analysis of Multivariate observations. Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability", Berkeley, University of California Press, 1967, 1:281-297.
Liaw, S. S. (2002). Understanding user perceptions of World-wide Web environments, Journal of Computer Assisted learning, 18(2), 139-150.
Plouffe, C. R., Hulland, J.S., & Vandenbosch, M. (2001). Research report: Richness versus parsimony in modeling technology adoption decisions: Understanding merchant adoption of a smart card-based payment system. Information System Research 2001,12, 208-222.
Ramayah, T. & Aafaqi, B. ( 2004). Role of Self-Efficacy in e-Library usage among Students of a Public University in Malaysia. Malaysian Journal of Library & Information Science, Vol. 9(1),39-57.
Richard J. Holden & Ben-Tzion Karsh (2010). The Technology Acceptance Model: Its past and its future in health care. Journal of Biomedical Informatics,43(1),159-172.
Venkatesh, V., & Davis, F. D.( 2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science; 46(2), 186-204.
Witold Pedrycz. Knowledge-Based Clustering: From Data to Information Granules 2005; Jan:6-9,17. |
| 顯示於類別: | [醫學資訊研究所] 博碩士論文
|
在TMUIR中所有的資料項目都受到原著作權保護.
|
