第七章 結論
7.2 後續研究
本研究僅針對「知識加值績效量化評估系統(KVAS)」之社群績效 資料及「知識管理系統(KMS)」之滿意度調查資料，而社群績效資料只 針對九個社群作探討，以及知識案例樣本數有限，無法完全呈現社群 績效值及效益。本研究未來可進行更大規模之取樣分析，因此本研究 未來之後續研究方向為以下點：
一、ġ全公司之專業與共同知識社群
本研究建議未來可針對「知識加值績效量化評估系統(KVAS)」
之社群績效資料，可將社群範圍擴大為全公司之知識社群，取樣更 多知識案例作為研究，將案例工程顧問公司之社群績效完全呈現。
二、ġ資料探勘技術
本研究因研究樣本資料屬性限制，只採用決策樹、群集演算 法、關聯規則、類神經網路、貝氏機率分類五項技術，建議未來研 究可針對資料探勘技術其中時間序列、時間群集、羅吉斯迴歸、線 性迴歸作為研究方法，可探勘出更多規則與態樣，提出更具意義之 策略。
三、ġ社群績效與滿意度資料
本研究僅針對九個知識社群績效資料與九社群滿意度資料作 對應比較，未來可針對整體知識社群績效資料與滿意度資料作對 應，更可顯示出公司知識群績效與滿意度之關係呈現。
參考文獻
1. 張佩倫，「知識管理系統效益評估與提升策略之研究—以工程顧問公 司為例」，碩士論文，中華大學營建管理研究所，新竹，2006。
2. 謝侑霖，「工程顧問業知識管理效益資料探勘個案研究」，碩士論文，
中華大學營建管理研究所，新竹，2007。
3. 姚宣合，「知識加值模式應用於工程顧問公司知識社群績效評估之研 究」，碩士論文，中華大學營建管理研究所，新竹，2008。
4. Jhon B. Miller, “Case Studies In Infrastructure Delivery” , Massachusetts Institute of Technology Cambridge, USA, 2002.
5. 勤業管理顧問公司著，許史金譯，「知識管理推行實務」，商周出 版，台北，2001。
6. 勤業管理顧問公司著，劉京偉譯，「知識管理的第一本書」，商周 出版，台北，2000。
7. 蔡宜靜，「資料包絡分析法應用於評估工程顧問公司知識管理績效 之研究」，碩士論文，中華大學理研究所，新竹，2004。
8. 蔡采芳，「顧問業知識管理系統架構之研究」，碩士論文，大葉大 學資訊管理研究所，彰化，2003。
9. David B. Harris. “Creating a Knowledge Centric Information Technology Environment[Online]” ,Available ： http://www.techined.com/ckc.htm , 1996.
10. Polanyi, M., “The Tacit Dimension” , M.E. Sharp Inc., New York, 1958.
11. Nonaka, I. & Hirotaka, T., “The Knowledge-Creating Company” ,
12. 洪儒瑤，「台灣企業知識管理應用現況及其模式之研究」，碩士論 文，國立台北大學企業管理研究所，台北，2000。
13. 陳永隆、莊宜昌，「知識價值鏈」，中國生產力中心，台北，2005。
14. 杜拉克等著，張文玉譯，「知識管理－哈佛商業評論」，天下文化出 版，台北，2000。
15. 邱淑華，「工程顧問工作性質，機制與績效」，碩士論文，國立成功 大學土木工程學系，台南，2002。
16. Marquardt, M. J. “Building the Learning organization: A system approach to quantum improvement and grobal success” , London:
McGraw-Hill, 1996.
17. 劉佩琪，「組織應用工作社群運作知識管理之研究―以組織知識社 群為例」，碩士論文，開南管理學院企業管理研究所，桃園，2003。
18. 林利國、潘南飛、吳嘉文，「營建知識管理分享平台之研擬」，電子 計算機於土木水利工程應用研討會與論壇，台北，2003。
19. 汪允文，「知識管理應用於營建業－使企業入口網站之研究」，碩士 論文，南華大學資訊管理學（所），嘉義，2002。
20. 尤克強，知識管理與創新，天下文化出版，台北，2001
21. Barrett, M., Cappleman, S., Shoib, G., and Walsham, G. “Learning in Knowledge Communities: managing Technology and Context” , European Management Journal, pp.1-11, 2004.
22. Davis, S., & Botkin, J., “The coming of knowledge-based business” , Harvard Business Review. Boston: Iss.5, pp. 165-171, 1994.
23. 陳 永 隆 , 知 識 管 理 導 入 實 例 -- Part I~VI, http://www.nii.org.tw/cnt/ECNews/ColumnAuthor.htm, 2001年5月~7
月.
24. 江俊謀，「公共工程執行績效評估制度與考評指標之研究」，碩士論 文，台灣工業技術學院營建工程技術研究所，1997。
25. 許士軍，「走向創新時代的組織績效評估—績效評估」，天下文化，
台北，p.3，2000。
26. 吳嘉文，「營建知識管理績效評估模式之研究」，碩士論文，台北科 技大學土木與防災研究所，台北，2003。
27. Drucker, P. F. “Peter Drucker on the profession of management” . Harvard Business School Press , 1998.
28. 龔奕如，「知識管理績效衡量與導入模式之研究」，碩士論文，交通 大學科技管理研究所，新竹，2002。
29. 張金輝，「承包商執行專案工程績效評估之研究」，碩士論文，台灣 科技大學，台北，2002。
30. 劉常勇、李曉彤、李書政，「知識管理策略對知識管理績效之影響」， 中華管理評論國際學報，Vol. 5, No. 5,，香港，111-119頁,Dec 2002.
31. Kaplan, R. S., and Norton, D. P., “The Balanced Scorecard-Measures that Drive Performance” , Harvard Business Review, Vol.70, No.1, pp71-79 , 1992.
32. Bontis, N.,”Assessing Knowledge Assets: A Review of the Models Used to Measure Intellectual Capital” ,International Journal of Management Review, P.41-60, 2001.
33. 李祥豪，「企業知識管理策略與其績效評估企業知識管理策略與其 績效評估」，碩士論文，臺灣大學資訊管理研究所，台北，2002。
34. 曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯著，「資料探勘」，旗標
出版，台北，2005。
35. 陳生祥，「運用資料探勘技術建構企業財務危機預警模式-結合財務 與非財務資料」，碩士論文，中原大學資訊管理學系，桃園，2007。
36. 藍中賢，「結合模糊集合理論與貝氏分類法之資料探勘技術－應用 於健保局醫療費用審查作業」，碩士論文，元智大學資訊管理研究 所，中壢，1999。
37. Berry, M., and Linoff, G., “Data Mining Techniques for Marketing, Sales and Customer Support” , John Wiley and Sons, New York, 1997.
38. Frawley, W. J., G. P. Shapiro and C. J. Matheus, “Knowledge discovery in databases: an overview” , Knowledge Discovery in Database, AAAI Press/The MIT Press, Menlo Park, CA, pp.1-30, 1991.
39. Groupe, F. H. and M. M. Owrang, “Data base mining discovery new knowledge and cooperative advatage” , Information System Management, Vol. 12, No. 4, pp. 26-31, 1995.
40. Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P., “The KDD Process for Extracting Useful Knowledge from Volumes of Data” , Communications of the ACM, Vol. 39, No. 1, pp. 27-34, 1996.
41. Cabena, P., Hadjinian, P. O., Stadler, R., Verhees, J., and Zanasi, A.,
“Discovering Data Mining from Concept to Implementation” , Prentice Hall, 1997.
42. Han, J., and Kamber, M., “Data mining: concepts and techniques” , 2001.
43. Shaw M. J., Subramaniam C. and Tan G. W., “Knowledge management and data mining for marketing” , Decision Support Systems, Vol. 31,
No. 1, pp. 127-137 , 2001.
44. 陳麗君，「應用資料探勘技術於信用卡黃金級客戶之顧客關係管 理」，碩士論文，元智大學工業工程與管理學系，2002。
45. CDMS-Newsletter , NO. 7,PP. 1-32,2003.
46. 樓玉玲，「以資料發掘分析政大通識課程」，碩士論文，國立政治大 學資訊管理研究所，台北，1997。
47. Cabena, P., Hadjinian, P. O., Stadler, R., Verhees, J., and Zanasi, A.,
“Discovering Data Mining from Concept to Implementation” , Prentice Hall, 1997.
48. 陳慶逸、余繁，「應用於資料探勘之演化式群聚分析技術」，真理大 學，智慧型知識經濟暨第二屆演化式計算應用研討會論文，台北：
淡水，2004。
49. Brachman, R.J., Khabaza, T., Kloesgen, W., Piatetsky-Shapiro, G. and Simoudis, E., “Mining Business Databases” , Communication of the ACM, 39, 11, pp.42-48, 1996.
50. 「資料採礦方法技術及企業應用培訓專班」，上課講義，中華資料 採礦協會及台灣微軟，2006。
51. 謝邦昌，「資料探勘與商業智慧－SQL Server 2005」，鼎茂圖書，台 北，1995。
52. Shang-Jyh Yiin, “SQL Server 2005 Data Mining Reference” , XBOOK MARKETING Co., Ltd. , 2006
53. 尹相志，「SQL Server 2005 Data Mining資料採礦與Office 2007資料 採礦增益集」，悅知文化，台北，2007。
54. Agrawal R., Imieliki T., and Swami A., “Mining Association Rules
Between Sets of Items in Large Databases” , Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, Vol. 22, No. 2, pp. 207-216, 1993.
附錄一 社群績效規則編號對照表
社群績效規則編號對照表，如附表1.1～附表 1.6 所示。
附表1.1 社群績效規則編號對照表
編號 解釋（社群績效資料）
D1 決策樹第一條規則
D2 決策樹第二條規則
D3 決策樹第三條規則
D4 決策樹第四條規則
D5 決策樹第五條規則
D6 決策樹第六條規則
D7 決策樹第七條規則
D8 決策樹第八條規則
D9 決策樹第九條規則
D10 決策樹第十條規則
D11 決策樹第十一條規則
D12 決策樹第十二條規則
D13 決策樹第十三條規則
D14 決策樹第十四條規則
D15 決策樹第十五條規則
D16 決策樹第十六條規則
D17 決策樹第十七條規則
D18 決策樹第十八條規則
ANN1 類神經網路第一條規則
ANN2 類神經網路第二條規則
ANN3 類神經網路第三條規則
ANN4 類神經網路第四條規則
ANN5 類神經網路第五條規則
ANN6 類神經網路第六條規則
B1 貝氏機率分類第一種特性
B2 貝氏機率分類第二種特性
B3 貝氏機率分類第三種特性
B4 貝氏機率分類第四種特性
B5 貝氏機率分類第五種特性
B6 貝氏機率分類第六種特性
附表1.2 社群績效規則編號對照表（續）
編號 解釋（社群績效資料）
C1 群集演算法第一類群集
C2 群集演算法第二類群集
C3 群集演算法第三類群集
C4 群集演算法第四類群集
A1 關聯規則第一條規則
A2 關聯規則第二條規則
A3 關聯規則第三條規則
A4 關聯規則第四條規則
A5 關聯規則第五條規則
A6 關聯規則第六條規則
A7 關聯規則第七條規則
A8 關聯規則第八條規則
A9 關聯規則第九條規則
A10 關聯規則第十條規則
A11 關聯規則第十一條規則
A12 關聯規則第十二條規則
A13 關聯規則第十三條規則
A14 關聯規則第十四條規則
A15 關聯規則第十五條規則
A16 關聯規則第十六條規則
A17 關聯規則第十七條規則
附表1.3 社群績效滿意度規則編號對照表
編號 解釋（社群績效資料）
CQ1-D25 決策樹探勘問題一第二十五條規則 CQ1-D26 決策樹探勘問題一第二十六條規則 CQ2-D27 決策樹探勘問題二第二十七條規則 CQ2-D28 決策樹探勘問題二第二十八條規則 CQ3-D29 決策樹探勘問題三第二十九條規則
CQ3-D30 決策樹探勘問題三第三十條規則
附表1.4 社群滿意度規則編號對照表
編號 解釋（社群滿意度資料）
CQ1-D1 決策樹探勘問題一第一條規則
CQ1-D2 決策樹探勘問題一第二條規則
CQ2-D3 決策樹探勘問題二第三條規則
CQ2-D4 決策樹探勘問題二第四條規則
CQ3-D5 決策樹探勘問題三第五條規則
CQ3-D6 決策樹探勘問題三第六條規則
CQ4-D7 決策樹探勘問題四第七條規則
CQ4-D8 決策樹探勘問題四第八條規則
CQ5-D9 決策樹探勘問題五第九條規則
CQ5-D10 決策樹探勘問題五第十條規則
CA1 關聯規則第一條規則
CA2 關聯規則第二條規則
CA3 關聯規則第三條規則
CA4 關聯規則第四條規則
CA5 關聯規則第五條規則
CA6 關聯規則第六條規則
CA7 關聯規則第七條規則
CA8 關聯規則第八條規則
CA9 關聯規則第九條規則
CA10 關聯規則第十條規則
CA11 關聯規則第十一條規則
CA12 關聯規則第十二條規則
CA13 關聯規則第十三條規則
CA14 關聯規則第十四條規則
CA15 關聯規則第十五條規則
CA16 關聯規則第十六條規則
附表1.5 知識管理系統滿意度規則編號對照表
編號 解釋（系統滿意度資料）
KQ1-D11 決策樹探勘問題一第十一條規則
KQ1-D12 決策樹探勘問題一第十二條規則
KQ2-D13 決策樹探勘問題二第十三條規則
KQ2-D14 決策樹探勘問題二第十四條規則