以多關聯多層級社會網路模型探討政治權力變化觀察之研究

行政院國家科學委員會補助專題研究計畫成果報告

期末報告

以多關聯多層級社會網路模型探討政治權力變化觀察之研

究

計 畫 類 別 ： 個別型計畫 計 畫 編 號 ： NSC 101-2221-E-004-012- 執 行 期 間 ： 101 年 08 月 01 日至 102 年 10 月 31 日 執 行 單 位 ： 國立政治大學資訊科學系 計 畫 主 持 人 ： 劉吉軒 計畫參與人員： 碩士班研究生-兼任助理人員：林專耀 博士班研究生-兼任助理人員：甯格致 處 理 方 式 ： 1.公開資訊：本計畫可公開查詢 2.「本研究」是否已有嚴重損及公共利益之發現：否 3.「本報告」是否建議提供政府單位施政參考：否

中 華 民 國 103 年 01 月 27 日

中 文 摘 要 ： 在本研究中我們提出了一個以客觀實證資料為主體，進行社 會網路分析計算的研究成果，可供社會科學研究者用來探索 及分析政府官員升遷的相關議題。我們探討在官僚體系中， 以社會資產為影響升遷決策的主要因素，設計了一個多觀點 的社會網路分析模型，以關聯網路的結構試圖形塑出社會資 產的特性，並選用了一些量化方法，來輔助政府官員升遷的 預測及驗證。本研究的實驗成果是以真實的政府官員政治生 涯軌跡為比較基礎，在信度及效度上都提供了一定程度的實 用性。除了用於官員升遷的預測上，本研究所提出的多觀點 模型對於政治權力流轉的觀察與分析，也具有一定的應用價 值。 中文關鍵詞： 社會網路分析, 社會資產評估, 官僚制度升遷預測

英 文 摘 要 ： In this project report, we present research results in applying social network analysis to develop a data-driven computational approach for social scientists to perform investigative exploration on analyzing bureaucratic promotion. We consider social capital as primary determinants of promotion

decisions in bureaucratic hierarchy and propose a hybrid multiplex social network model for

representing relational and structural information among entities. The approach develops quantified assessment of social capital and provides objective evaluation of promotion decisions both in anterior prediction and posterior analysis. Experimental results with actual government officials＇ career data provide evidence to the effectiveness and the utility of social capital evaluation for bureaucratic promotion decisions. This work also has the practical value of providing objective scrutiny on political power transition for the benefit of public interest. 英文關鍵詞： social network analysis, social capital assessment,

行政院國家科學委員會補助專題研究計畫

□期中進度報告

■期末報告

以多關聯多層級社會網路模型探討政治權力變化觀察之研究

計畫類別：

■

個別型計畫 □整合型計畫

計畫編號：NSC 101－2221－E－004－012

執行期間： 101 年 08 月 01 日至 102 年 10 月 31 日

執行機構及系所：國立政治大學資訊科學系

計畫主持人：

劉吉軒

共同主持人：

計畫參與人員：林專耀、甯格致

本計畫除繳交成果報告外，另含下列出國報告，共 ___ 份：

□移地研究心得報告

□出席國際學術會議心得報告

□國際合作研究計畫國外研究報告

處理方式：除列管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

中 華 民 國

103

年 1 月 26 日

國科會補助專題研究計畫成果報告自評表

請就研究內容與原計畫相符程度、達成預期目標情況、研究成果之學術或應用價

值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）

、是否適

合在學術期刊發表或申請專利、主要發現或其他有關價值等，作一綜合評估。

1. 請就研究內容與原計畫相符程度、達成預期目標情況作一綜合評估

■

達成目標

□ 未達成目標（請說明，以 100 字為限）

□ 實驗失敗

□ 因故實驗中斷

□ 其他原因

說明：

2. 研究成果在學術期刊發表或申請專利等情形：

論文：■已發表 □未發表之文稿 ■撰寫中 □無 專利：□已獲得 □申請中 □無 技轉：□已技轉 □洽談中 □無

其他：（以 100 字為限）本計畫成果已經發表於 TAAI 2013 及 Social Informatics 2013， 目前正延伸撰寫為期刊論文。

3. 請依學術成就、技術創新、社會影響等方面，評估研究成果之學術或應用價

值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）（以

500 字為限）

在本研究中，我們透過社會資產與政府官員生態的連結，提出了一個結合社會網路分 析的政府官員升遷觀察平台，並以資料觀點切入，藉由資料本身在此模型中獲取的資訊， 分別以政府部門的差別、多觀點模型的選用情況、以及權重參數模型的調整等方面，進行 了多方深度的探討。實驗績效的評估結果也顯示我們提出的多觀點模型在自身的效度以及 從外在事實解釋的信度上，都顯示了良好的效能，且這也是一個以政治相關資料及例證觀 點切入進行分析、觀察及詮釋的學術貢獻。相較於近年大部分相關領域的貢獻多是著重在 研發新的演算法及自動化資訊擷取，我們的貢獻主要是在於發展一個整合了社會資產的多 觀點，並以社會網路分析方法為基礎，用以觀察來自不同類型問題領域資料的觀察平台。 這樣子的觀察探索工具能提供未來的使用者、研究者相當多樣性的功能，像是以例證、資 料角度切入的分析、觀察及結果詮釋，並透過關聯式網路的類別及量化彈性，亦能接受來 自問題資料領域的回饋及調整，對於不同領域的應用將會有更高的合適性及結果的可解釋 程度。而對於一般使用者而言，此客觀及多角度的觀察亦能喚起公眾對於不同領域的關 注，帶來良好的正面效益。

摘要

在本研究中我們提出了一個以客觀實證資料為主體，進行社會網路分析計 算的研究成果，可供社會科學研究者用來探索及分析政府官員升遷的相關議 題。我們探討在官僚體系中，以社會資產為影響升遷決策的主要因素，設計了 一個多觀點的社會網路分析模型，以關聯網路的結構試圖形塑出社會資產的特 性，並選用了一些量化方法，來輔助政府官員升遷的預測及驗證。本研究的實 驗成果是以真實的政府官員政治生涯軌跡為比較基礎，在信度及效度上都提供 了一定程度的實用性。除了用於官員升遷的預測上，本研究所提出的多觀點模 型對於政治權力流轉的觀察與分析，也具有一定的應用價值。 關鍵字: 社會網路分析, 社會資產評估, 官僚制度升遷預測

Abstract

In this project report, we present research results in applying social network analysis to develop a data-driven computational approach for social scientists to perform investigative exploration on analyzing bureaucratic promotion. We consider social capital as primary determinants of promotion decisions in bureaucratic hierarchy and propose a hybrid multiplex social network model for representing relational and structural information among entities. The approach develops quantified assessment of social capital and provides objective evaluation of promotion decisions both in anterior prediction and posterior analysis. Experimental results with actual government officials’ career data provide evidence to the effectiveness and the utility of social capital evaluation for bureaucratic promotion decisions. This work also has the practical value of providing objective scrutiny on political power transition for the benefit of public interest.

Keywords: social network analysis, social capital assessment, bureaucratic

一、 前言 拜資訊科技及通訊科技所賜，大量的資料經由各式各樣的程序及流程 不斷地被產生及記錄著，而我們儘管擁有這些資料，卻往往無法輕易觸及 其中蘊含的資訊。我們的生活及工作往往淹沒在這些大量的資料中，而同 時我們的社交行為及習慣也在轉變中，這些軌跡也都以資料的方式，隨著 我們的各種活動運作而不斷地被蒐集及記錄著。倘若能夠將這些資料穿針 引線從中獲得資訊，那將會是駕馭資訊力量的一個敲門磚。然而，世界萬 物是一個複雜的系統，不論是自然的或是人造的，許多系統都是由二個以 上個體組成的群體，個體之間存在著相互影響的基本動力，而群體之間的 影響則會凝聚展現為一個更大的動力，甚至會浮現出有別於基本動力的特 性或功能。資訊科學對個體與群體關係的研究，從早期的圖論、分散式計 算、分散式人工智慧，到近期的多代理人系統、Web 2.0，都有持續的興趣 與進展。近幾年，隨著網路系統的蓬勃發展及個體/群體緊密互動的社會性 議題浮現(如流行性疾病、國際性犯罪組織、金融風暴等)，社會網路分析 (social network analysis)成為社會學、物理學、資訊科學等學科的共同關注 焦點，也為許多跨領域問題的研究與解決帶來新的面貌與機會。 對於一個由行為個體(actors)組成的群體，社會網路分析以網路的概 念，強調個體之間相互關聯串接而形成的網絡，在此網絡中，行為個體交 互影響與傳遞而展現其社會性。社會網路分析探究個體與群體間的相互社 會關係，包括個體在群體中的位置與角色、個體之間的關連與區塊組成、 群體結構特徵等不同面向的的剖析，對於角色、結構、功能等的掌握與理 解，提供了一系列的概念與方法的運用空間。而社會網絡結構可以是行為 的、社會的、政治的、經濟的關係組成，其描述的範圍寬廣而探究的能力 深入。因此，社會網路分析對於跨領域議題的展開，提供了相當有利的工 具，同時也對資訊科學領域提供了新的研究場域與新的挑戰。 隨著社會與 資訊技術的共同發展與相互影響，資訊科學的應用也快速延伸到許多社會 科學的領域，其中，社會學也面臨了各種新的資訊揭露與資訊取得行為的 衝擊，而產生了社會資訊學(social informatics)，以及政治資訊學(political informatics)的研究領域，其應用成果於美國近十年的總統選舉過程中、以 及反恐相關行動中得到了高度的關注，進而開始受到學界重視。社會資訊 學應用於政治領域的議題至少涵蓋兩個面向：(1)於政治目的的活動過程， 如競選、選舉、治理等，擬透過各種資訊與通訊技術的協助，而進行的相 關研究課題，如設計、發展、評估等；(2)以資訊科學的計算分析能力，結 合政治議題的電子化資料，進行各種政治行為的探討、發現與驗證。而政 治既是眾人之事，包括政治權力的探討與政治行為的進行，也就人們行為 彼此影響與傳遞而展現的社會性息息相關。因此，這些面向也都對社會網 路分析與探勘提供了絕佳的研究場域與新的挑戰。

然而要能發掘出社會網路中關聯是結構所蘊含的資訊，我們首先要考 量的是這個欲加探討的社會網路裡面的顯性資料及隱性資料是否充足且貼 近於我們要研究的問題，過去社會科學研究者多以實驗目標導向的方式來 蒐集資料，然而此方式能蒐集到的資料數量通常較少，且容易受限於研究 者主觀認定抑或客觀外在環境的限制，導致研究的資料較容易聚焦於區域 性議題。根據文獻的研討，我們認為社會資產(social capital)此領域中的各 種模型可協助我們以社會資產的角度輔助原本與問題域的相依的資料，試 著以一種資料整合的基礎，再加以探索資料自身蘊含的資訊，讓我們能夠 更深入了解社會網路的關係中各種動力的成因及結果，並發掘其中的特性。 在本研究中，我們提出了一個以資料自身資訊為主體，並以社會網路 分析計算方法為基礎的應用方法，並應用於政府官員升遷因素的探討及分 析上。藉由關聯式網路對於節點及連結量化的高度彈性，相當適合從大量 片段資料中進行分析及發掘資訊，並可應用當作一良好的資訊觀察平台。 我們的研究目標是試圖找出那些影響政府官員升遷的主要因素，而總結了 初步的研究成果之後，我們研擬出三種以社會資產觀點為基礎的升遷影響 情況，並應用這樣的方法於政府官員升遷的紀錄資料中，將重要的資訊轉 換為網路中不同的節點以及連結的型態，搭配合適的量化指標及權重機 制，提出一個複合了多種觀點的社會網路分析模型。基於關聯式網路的量 化分析，我們說明了在政府官員升遷的生態中，以真實的政府官員政治生 涯軌跡為比較基礎，在信度及效度上都提供了一定程度的實用性，而不光 是用於官員升遷的預測上，基於多種角度社會資產的多觀點模型對於政治 權力流轉的觀察與分析，亦能允許我們更客觀地觀察其中蘊含的資訊。 二、 研究目的 在過去社會網路分析較著重在靜態網路分析，與現實中的環境相比， 節點之間的連結關係、或是節點自身的型態都有可能會隨著時間，或是受 到來自不同來源的影響力影響而變化，近年對於社會網路分析的研究也有 部分逐漸在社會網路加上時間或其他資料資訊輔助，以更多元的角度進行 分析與檢視，也期望從中發掘更貼近於真實的資訊。然而社會網路中的節 點及連結，若考量加入時間的變化而不斷的改變，將會形成更複雜的關聯 式網路，該如何建立有效的分析流程及評估策略，即是本研究欲進行的一 個具有相當應用價值的研究議題。再者，倘若我們透過社會網路分析中的 連結預測方法，以龐大的政府官職資料庫資料為基礎，再佐以社會資產及 政治資產的決策輔助，建立起一個綜合多觀點資訊對政府官員官職繼任評 選的分析及探討平台，對於政治動力的諸多觀察面向而言，應是一個良好 的觀察基礎。

然而，為了達成多觀點的評估方式，使用社會資產試圖將一個個體乃 至一個群體的社會、政治屬性加以列舉及量化的過程，亦是一個充滿挑戰 及爭議的議題，此議題範疇中所涉及到的子議題除了多觀點量化模型的建 立以外，更包括了此多觀點模型是如何在評選的過程中影響最後結果的？ 以及這些影響結果的觀點，在不同單位的影響程度為何？是否會在不同的 單位中而有共同重視的觀點？以上的問題將會是本研究希望能透過社會網 路分析與連結預測理論的方式，將中華民國政府官職資料庫中的記錄以及 上司與下屬層級資料轉換成多層級網路，並透過兩個指標比較單一觀點與 多觀點的評選結果，以及探討各觀點在不同單位中的影響程度為何 三、 文獻探討 1. 政治權力觀察及社會資產、政治資產 本研究使用中華民國政府官職資料庫，是國立政治大學圖書館秉持數 位典藏精神為國內人文社會學科建置的學術資料庫，資料庫內涵括了中華 民國政府官員異動資料庫，紀錄歷年政府官員的職務異動與職等陞遷情 形。此資料庫的原始資料來源為政府公報中刊載總統發布之官員人事命 令，再由圖書館員以人工方式，將官員姓名、機關名稱、職等、職位、任 職/免職、時間等異動資訊，輸入於資料庫中，目前已經涵蓋民國元年至民 國一百零三年間的官員異動紀錄，共約八十五萬筆資料。此資料庫為目前 唯一、完整且權威的官員異動資料[6]。過去研究也曾利用此資料庫，使用 傳統社會網路方法分析並結合連結預測理論，進行相關議題的研究[1][2]。 然而在政府官職繼任評選上，似乎都只根據網路結構中的單一觀點，如利 用 Simrank 進行候選官員與歷任官員官職相似度計算[1]，以評估各候選官 員繼任的可能性，忽略了繼任因素是否受到像是候選官員與上司的共事時 間或本身在部門的資深程度所影響，另外可應可同時考慮的影響有像是候 選官員與上司的共事時間、本身在部門的資深程度以及本身歷任官職對於 繼任官職的適合程度等官職升遷影響因素[3][4]。 社會資產的概念最早是由 L.J. Hanifan 於 1916 年所提出的，社會資產 的觀察角度可以單就個體觀點來看，包含了像是一個人的社會地位、朋友 的數量、種族、性別、語言、年齡及健康狀態等等[8][11]；也可以群體的 觀點來看，包含了群體與群體間的分工、合作、相似程度及擁有的資源等， 後續有許多學者加以詮釋延伸，並定義出了多種衡量一個人的社會資產的 方法以及觀察的角度。社會資產模型，可協助我們以社會資產的角度量化 社會網路中節點的重要程度，將此概念應用於政治領域時，我們就可進一 步藉由個體或群體於政治領域中的相關資訊，來定義其於政治領域中的價 值，意即所謂的政治資產，倘若以個體來看，一個政府官員曾經擔任的職

務類型、職務位階、任期等資訊應納入考量;而以群體來看，於同部會中共 事的時間長短、共同異動或是共同背景、共同經歷等資訊也應加入考量， 此相對價值亦可藉由多種相關指標的設計來評估之，例如定義政治生涯活 躍程度之政治活動力指數、定義政治動員力(人脈及資源的掌握)之政治資產 指數、定義政治影響力之政治聲望指數以及定義政治歷練程度之政治經驗 指數等[22]。然而，個體或群體之間的顯性、隱性資料往往是難以量化及評 估的，我們用以傳遞訊息的語言或符號也往往僅是一種概括性質的描述工 具，具有一定的失真度，我們必須經由各種從資料出發的不同觀察角度， 配合各種觀察用的模型，藉以於複雜的大量資料中切換不同的視野， 以便 能發掘更多的資訊。 2. 社會網路分析 社會網路係源自於社會科學領域，本用以描述社會中之個人、群體或 組織等物件與其他同屬物件之間的關聯性，例如朋友、親人或是師生等； 也可用以描述不同物件之間的關聯性，例如政府單位之官員、公司之職員 或是商品及購買者等。而社會網路分析則是基於這樣子的關聯性所構成的 網路，以多種方法加以分析出局部或是整體的特性指標，藉由特性指標試 圖浮現出該網路所隱含的訊息，這些方法中較常見的有圖論方法、統計方 法、機器學習方法等。不同的方法以及不同的特性指標所分析得到的資訊 種類繁多，可依研究所要探討的目標進行對應之自訂或調整，藉由社會網 路分析所得到的資訊則例如群聚的強弱或數量、物件兩兩間比較之相似程 度或是找出關鍵的連結或是物件等。早期(1950~1980)社會網路相關的研究 議題大致上是以小世界模型(Small Worlds)的實證研究及小世界現象的探索 為主，例如著名的小世界實驗、六度分離關係以及其他各種領域及範圍之 探索實驗。中期(1980~1990)則是延伸早期的諸多觀察結果以及初步的模 型，應用到更廣泛的領域，例如以數學或物理模型描述社會網路的研究、 將社會網路模型應用到企業或市場甚至政策相關的流程等。然而現今 (1990~)社會網路分析則是將此領域劃分為三個層面，分別以社會結構 (Social Structure)、社會程序(Social Process)及心理學(Psychological)來分門 別類探討其相關之議題：社會結構(Social Structure) 層面：主要以網路結構 及其數學模型來定義出各種的網路結構，並探討網路中各物件之間的特性 指標以及基於網路結構之邏輯特性。例如物件之機器分群、機器分類或是 相似性之計算等。其中較著名的社會結構網路模型中又以 Barabási–Albert 所提出的模型因具有較完整之小世界網路特性(符合冪次法則、高群聚性之 非隨機、無尺度網路以及任兩節點的可及性)，近年較為被使用[12]。 社會網路分析現被應用於資訊科學、基因學、社會學或語言學等領域， 並有多種不同的應用樣貌，例如：社會網路視覺化（visualization）（Freire, Plaisant, Shneiderman, and Golbeck, 2010 ） [19] 、生態網路 （ Ecological

Network）（Montoya and Solé, 2010）[12]、基因體圖（Genomes）（Moutselos, Maglogiannis, and Chatziioannou, 2011）[14]、社群網站（Social Website） （Mislove, Viswanath, Gummadi, and Druschel, 2010；Kumar, Novak, and Tomkins, 2010）[8][21] 以及網際網路架構（Internet Architectures）（Albert, Jeong, and Barabasi, 1999）[20]，這些應用皆說明社會網路分析在目前研究 中是非常重要的理論。近年來各研究領域的專家像是政治學、社會學等領 域的學者，在充滿新知識的資訊時代與跨領域研究的崛起，許多學者在這 樣的衝擊下，逐漸產生結合各學科領域研究方法的思維，而社會網路分析 就是一個重要的研究方法。 實務上而言，社會網路分析的方法也依應用的程度而有較廣泛意義或 較狹隘意義的區別，諸多社會網路分析相關指標的特性亦同理。也就是說 對 於 一 社 會 網 路 分 析 任 務 ， 我 們 除 了 可 使 用 像 是 中 心 性 相 關 之 指 標 (degree、betweenness、closeness 或 eigenvector 等)、橋接性(bridge)或是群 聚性(clustering coefficient)來衡量基於網路結構的特性強度外，也可依據資 料本身的特性來定義基於不確定性的關係權重值、或是基於較上層概念意 義之關聯性，進而將各部分之指標或功能匯集為一個整體的系統流程，以 便於分析結果的產生及觀察。而其中時間單位(granularity of time)、時序概 念(temporal)亦是建構社會網路的觀察模型時必須要考量的重要量化因素 [16]。 3. 連結預測理論 連結預測（Link Prediction）理論是一個以社會網路分析理論為依據， 並針對網路中點與點之間尚未擁有連結關係的兩個點進行是否產生連結關 係的預測，所發展出來一個嶄新的研究議題。現今如搜尋引擎、音樂預測、 社群網站等網際網路中熱門的服務，皆是在連結預測理論應用下的設計。 社會網路分析主要以探究網路中節點與連接關係的性質，對網路整體結構 影響程度進行分析，有鑑於這樣子靜態的分析方式，連結預測理論認為社 會網路本身是動態的架構，網路會隨著時間的改變使得節點與節點彼此間 產生新的連結關係或是失去連結關係，而大部分的問題大多是以預測新的 連結關係為研究的重點[15][16]。而對於如何以某個時間點狀況下的網路， 去預測下一刻網路中的哪些節點與節點彼此間會有新的連結產生[9]，因此 節點與節點之間的相似度（similarity）成為了評估產生連結關係可能性的 依據[11][17]，又如何能夠精確地預測出正確的連結關係，成為連結預測理 論中主要注重的核心評估。以下將會依序對連結預測理論現有的方法以及 相關研究進行探討，並說明本研究所選用方法的考量與原因[9][10]。 而連結預測的諸多方法中，依照鄰近點（neighborhood）觀點的方法， 常 見 的 有 ： Common Neighbors 、 Jaccard’s Coefficient 、 Adamic/Adar 、

Preferential Attachment、SimRank 等；依照路徑（Path）觀點的方法有：Path、 Katz 等[15]。這些每一個連結預測理論方法設計概念，主要是在某個時間 點下的社會網路，針對網路中的任一對尚未有連結關係的兩個點 x 與 y，利 用連結預測器（link predictor）進行相似度的分數計算，並在所有對點的分 數計算完後，依照每對節點相似度的分數進行排序，而相似度分數越高代 表某一對的兩個點 x 與 y 產生新的連結關係可能性越高，因此以分數從高 到低降冪排序（decreasing order）的方式產生出預測清單[13]。 四、 研究方法 中華民國政府官職資料庫為本研究的主要資料來源，裡面蘊藏有極為 龐大的中華民國政府官職記錄資料。當內閣改組消息一出的時候，各政府 部門單位的官職繼任官員，都會成為新聞媒體與民眾積極討論的議題，而 媒體在改組之前，都會對各個官職繼任官員做出評選，發表可能繼任官員 的名單，本研究使用多面向模型進行政府官職之繼任官員評選，主要是希 望透過集結各種觀點之優點，以多觀點的方式達到集思廣益的效果，使得 評選結果能夠達到更好的成效。本研究將於此章，對所設計之政府官職繼 任官員評選系統之運作流程以及其詳細架構，依序進行完整的說明與探討。 1. 政府官職繼任官員評選 圖 1：多觀點多層級社會網路分析流程 圖1為系統的大致流程，首先是根據所設定之評選官職以及評選時間 點，擷取出屬於此時間點之官員的姓名、部門、職等、官職、命令日期以 及任免等重要欄位的資訊，透過資料前置處理並且在處理完成後，篩選出 符合所需要的官員資料與挑選出擁有繼任評選官職資格的候選官員，接著 網路模型（network model）擷取所需要的相關資料建置網路後，將三個網 路模型交由多面相模型（multiperspective model），最後再透過評選模型 （evaluation model），進行整合並排序後輸出評選清單。其中三個模型分 別為建置官員與官職關係網路的網路模型（network nodel）、使用多種觀 點為依據計算各個觀點分數的多面向模型（multiperspective model），以及 將 各 個 觀 點 分 數 做 整 合 並 排 名 後 ， 輸 出 評 選 人 選 清 單 的 評 選 模 型 （evaluation model），而詳細的系統架構圖(圖2)，其中各個模型的架構細 節與運作流程，將依序在後面各個章節中進行詳細的說明。

2. 資料前置處理 要了解官職間職等的高低，就必須要取得官職間從屬關係資料，首先 要探討各個單位間從屬關係，本研究利用各政府單位網站上的組織架構 圖，取得各個政府單位間的從屬關係，而其中又有官職的從屬關係圖可以 參考。以下將列舉原能會單位說明，圖 3 為原能會單位的網站擷取重新繪 製而成的組織架構圖。總統府的組織系統圖的最頂端為主任委員，由主任 秘書輔佐主任委員來處理原能會內的事務。故原能會內單位從綜合計畫處 到政風處為原能會中的主要的單位，而核能研究所、放射性物料管理局、 輻射偵測中心則為原能會中的附屬機關。 本研究選擇民國 77 到 100 年間行政院、原能會、經濟部與財政部的異 動資料，並沿用文獻[1]中職等的制訂方式，以事務官的最高職等 14 職等為 基準，繼續針對每個位於事務官上層之政務官的官職，依照其官職高低， 以高一層就將職等加 1，操作職等的方式補齊政務官職等的資訊。14 職等 以下的職位歸類為事務官，而 15 職等以上的職位則歸類為政務官。並接著 建立每一個政府官員之職務名稱、職等、部門、起訖期間資訊。 圖 3：原能會組織架構圖 而在官職職等方面，因目前現行的公務人員制度規範下，唯有事務官 （如處長、所長等）在規定下是具有職等的，而事務官職等根據現行規定 最高職等是 14 職等，而大多位於事務官上層的政務官並沒有職等的相關規 定，因此在本研究中，為了可以區別出政務官與事務官之官職的高低，將 會沿用過去研究中職等的制訂方式，以事務官的最高職等 14 職等為基準， 繼續針對每個位於事務官上層之政務官的官職，依照其官職高低，以高一

層就將職等加 1，操作職等的方式補齊政務官職等的資訊[1][5]，其中直轄 市首長及副首長分別為 16 與 15 職等，部長及秘書長為 16 職等，副部長為 15 職等，各院會院長與副院長分別為 18 與 17 職等，總統為 19 職等。在 補齊相關政務官職等後，建立事務官與政務官相對應之職等如表 1，並且經 過這樣的統整後，能將 14 職等以下的職位歸類為事務官，而 15 職等以上 的職位則歸類為政務官，在每個官職都有職等的狀況下，系統便可以現行 公務人員制度規範，以職等作為進行選擇候選官員的篩選條件。 表 1：政務官及事務官官職職等對應表 官職 分類 操作職等 總統 政務官 19 各院會院長 政務官 18 各院會副院長 政務官 17 直轄市首長、部長 政務官 16 直轄市副首長、副部長、主任委員 政務官 15 政務次長、常務次長、副主任委員、秘書長 事務官 14 主任秘書、處長、所長、署長、司長、中心主任 事務官 13 副主任秘書、副處長、副所長、副署長、副司長、副中心主任 事務官 12 政府官職繼任在候選官員人選上，必須是要擁有資格的官員才能進行 空缺官職的繼任。有鑑於此，本研究就應當遵循這樣的規範，所以會根據 評選官職的職等以及評選時間點，進行符合繼任資格之官員判定，進而建 立出候選官員清單（candidate list），以便接下來後面模型的運作。根據在 一般政府機關中人事異動的狀況上，發現每一次職位調動的過程中，幾乎 沒有出現一次跨越目前官職職等與繼任官職職等差 3 等以上的情形，例如 當進行人事調動時，若某官員原先的官職職等為 12 職等，則調動後的職 位職等通常不會出現一次即調動至 15 職等以上的情形，因此系統便可以 在預期時間點的時候，篩選出目前官職職等低於評選官職職等 1 等或 2 等 的官員，當做繼任評選官職的候選官員人選，最後建立出候選官員清單。 3. 以社會網路分析為基礎之多面向評選模型 本研究中負責建置網路的網路模型（network model），主要是根據中華 民國政府官職資料庫中的官職與官員的異動紀錄，進行三個網路建置程

序，透過輸入所設定的評選官職以及評選時間點到系統後，網路模型便可 依據這兩項設定值不同，從中華民國政府官職資料庫中擷取出三個建置網 路程序 Subordinate-and-Superior Multilevel Weighted Network Producing、 Candidate-and-Position Multilevel Network Producing 與 Official-and-Position Weighted Network Producing 所需要有關的異動記錄資料，根據在評選時間 點年限範圍之內的異動記錄，依序進行資料前置處理，篩選出現任官職職 等低於繼任官職職等 1 等或是 2 等擁有繼任資格的候選官員與評選時間點 前擔任過繼任官職之歷任官員，當作官員類型的節點，以及這些候選官員 歷任過的官職以及在評選時間點前擔任過繼任官職之歷任官員所經歷過的 官職作為官職節點，其中官職與官職之間以及官員與官職之間，會因為政 府官員異動資料庫中的異動記錄產生連結的關係，而官員與官員之間的關 係，因為在中華民國政府官職資料庫中並沒有相關的紀錄，所以不會有官 員與官員產生連結關係的狀況發生。 本研究分別透過三個程序分別建立出三個網路，對於網路結構的探討 上 ， 事 實 上 除 了 Subordinate-and-Superior Multilevel Weighted Network Producing 為一個擁有單一類型節點以及單一無強弱之區別連結關係的 1-mode 網路外，而 Candidate-and-Position Multilevel Weighted Network 與 Official-and-Position Weighted Network 在節點的部分都擁有官員與官職兩 種類型的節點，而連結關係分別存兩種以及三種的關係，兩個網路皆為 2- mode 網路。在建置完三個網路之後，便可透過多面向模型進行多種觀點的 評估計算分數。總體來說除了 Subordinate-and-Superior Multilevel Weighted Network Producing 程序建立上司與下屬節點皆為官員類型的 1-mode 網路 外，另外兩個程序所建置出來的兩種網路都是屬於官職節點以及官員節點 所共同建構而成的 2-mode 網路。而本階段重點為建置官員與官職關係網路 的網路模型（network model）、並接續使用多種觀點為依據計算各個觀點分 數的多面向模型，以及將各個觀點分數做整合並排名後，輸出評估繼任的 人選清單。 1) 網路模型

i. Subordinate-and-Superior Multilevel Weighted Network

Subordinate-and-Superior Multilevel Weighted Network Producing 程序，所建置的第一個網路為 Subordinate-and-Superior Multilevel Weighted Network，從圖 4 知，這個網路主要是由候選 官員與上司官員的節點以及下屬官員和上司官員產生從屬關係， 屬於有向性連結；而候選官員與上司共事時間的關係則是以具權 重的有向性（directed weighted edge）連結組成。

官職同階級的主管官職、經濟部部長與行政院院長官員類型的節 點，以及連結關係為行政院院長吳 O 義到經濟部部長施 O 祥、經 濟部部長施 O 祥到工業局局長杜 O 軍與其他同階級主管，以及工 業局局長杜 O 軍與同階級主管到經濟部候選官員所構成四個層級 的從屬關係，與候選官員與上司共事時間的關係，1 種類型節點與 2 種 連 結 關 係 所 構 成 的 1-mode 多 層 級 權 重 網 路 （ multilevel weighted network）。候選人資歷於同部會中階級越高，權重越重。

圖 4：Subordinate-and-Superior Multilevel Weighted Network ii. Candidate-and-Position Multilevel Weighted Network

Candidate-and-Position Multilevel Weighted Network Producing 程序，所建置的第二個網路為 Candidate-and-Position Multilevel Weighted Network，從下面的圖 5 可以觀察出來，網路中主要是由 官員與官職兩種類型的節點組成，而連結的部分則以有向性具權 重的官員與官職關係以及有向性無權重的的官職與官職關係兩種 組成。 網路中，在節點的部分擁有黑色文字的財政部候選官員、紅 色文字的各個候選官員之歷任官職與藍色文字的繼任官職財政部 部長，官員與官職兩種類型的節點，而在連結關係的部分，存在 官職與官職同種節點類型之間為根據職等高低產生四個層級的從 屬關係，與候選官員與其經歷官職之間工作天數的關係，2 種類型 節點與 2 種連結關係構成的 2-mode 多層級權重網路（multilevel weighted network）。 候選人的資歷與出缺官職之歷任官員符合經歷的官職經歷越 長，則權重越重。

圖 5：Candidate-and-Position Multilevel Weighted Network iii. Official-and-Position Weighted Network

Official-and-Position Weighted Network Producing 程序，所建 置的第三個網路為 Official-and-Position Weighted Network，從下面 圖 6 可以觀察出來，此網路包含的節點有官員、官職兩種類型； 而連結的型態則分別有官員與官職間無權重有向性連結關係、官 職與官職間具權重有向性連結關係、以及官職與官員之間無權重 有向性連結關係所組成。 在節點的部分擁有黑色文字的財政部候選官員、紫色圈框住 之橘色文字為評選時間點前繼任官職之歷任官員、紅色文字的各 個官員之歷任官職與藍色文字的繼任官職國庫署署長，官員與官 職兩種類型的節點，而在連結關係的部分，存在官職與官職同種 節點類型之間為某官職對於繼任國庫署署長五個適合程度之分的 關係、候選官員與候選官員之經歷官職的關係，以及候選官員之 經歷官職被繼任官職之歷任官員擔任的關係，2 種類型節點與 3 種連結關係所構成的 2-mode 權重網路（Weighted Network）。

候選人的資歷與出缺官職之歷任官員的資料符合度越高，則 權重越重。

圖 6：Official-and-Position Weighted Network 2) 多面向評選模型 各政府部門單位的官職繼任官員，在內閣改組的事件發生時(尤其 發生於政黨輪替之時)，都會成為新聞媒體與民眾積極討論的議題，而 媒體在改組之前，都會對各個官職繼任官員做出評選，發表可能繼任 官員的名單，媒體之間都會對各自評選清單的精確程度進行比較，這 樣的比較也突顯政府官職繼任評選議題的重要性[4]。多面向模型進行 政府官職之繼任官員評選，主要是希望透過集結各種觀點之優點，以 多觀點的方式達到集思廣益的效果，使得評選結果能夠達到更好的成 效。系統會依據所設定的評選官職以及評選時間點進行一連串的運 作，首先系統會先依據評選官職以及評選時間點，擷取出屬於此時間 點之官員的姓名、部門、職等、官職、命令日期以及任免等重要欄位 的資訊，透過資料前置處理並且在處理完成後，篩選出符合所需要的 官員資料與挑選出擁有繼任評選官職資格的候選官員，接著網路模型 （network model）擷取所需要的相關資料建置網路後，將資料交由多 面向模型（multiperspective model）後，根據 Subordinate-and-Superior Multilevel Weighted Network 評估候選官員與上司共事時間長短的共事 分數（common working score）、依據 Candidate-and-Position Multilevel Weighted Network 評估候選官員對於繼任官職年資程度的年資分數

（seniority score），以及透過 Official-and-Position Weighted Network 評 估繼任官職對於候選官員所經歷的官職之繼任適合度的官職相配分數 （suitability score）三種觀點分數的計算。 i. 共事時間加權 此觀點分數主要的想法是認為一位上司在決定某繼任官職之 繼任官員時，會基於工作上的溝通或是工作默契或其他考量等因 素，希望接下來繼任的下屬官員能夠是曾經與上司本人在某一個 相同單位共同工作過，且共同工作的時間也是有相當的長度，符 合這樣條件下的下屬官員就比較能夠得到上司的信任，而此上司 若對繼任官職人選的決定權影響力也很強的時候，則這位候選官 員會因為獲得上司的賞識以及強大的決定權獲得提拔成功繼任此 官職。 但是，對於繼任官職人選的決定權影響力，是位於上位的上 司擁有較強的影響力，還是該直屬上司擁有較強的影響力，答案 並沒有一定的定論。因此，多面向模型將根據上述的觀點以及影 響力的考量將共事分數（common working score）進行兩種公式的 設計，透過後續的實驗，將兩種公式透過評選精確度的評估進行 驗證，評選精確度高的公式則代表在繼任官職人選決定權影響力 較符合此公式的想法。 第一個公式在決定權影響力的考量下，將設計成位於較高位 的上司擁有較高的繼任官職人選決定權影響力，計算公式如圖 7 所示， 第二個公式在決定權影響力的考量下，將設計成直屬上司擁 有較高的繼任官職人選決定權影響力，計算公式如圖 8 所示， 其中 c 為某候選官員、B 為上司官員之集合、d(b,c)為某上司 官員 b 與某候選官員 c 兩人從屬層級的距離，而 cwt(c,b)為某候選 官員 c 與某上司官員 b 兩人的共事天數。 ii. 年資加權 此觀點主要的精神是認為在決定繼任官職人選時，若以年資 (圖 7) (圖 8)

層面而論，會基於候選官員在經歷官職工作的時間長短因素，認 為工作時間較長的候選官員年資程度較高，而經歷官職對於繼任 官職來說屬於較為高階的官職，則此經歷官職的工作時間也較有 參考性，因而在繼任官職年資層面的評估下，此候選官員能得到 較高的信賴，獲得提攜成功繼任此官職，多面向模型將透過這樣 的觀點計算年資分數（Seniority Score），圖 9 為計算公式， 其中 p 為繼任官職，d(i,p)為官職 i 與繼任官職 p 官職層級的距離、 c 為某候選官員、i 為候選官員 c 擔任的官職，而 wt(c,i)為某候選 官員 c 在官職 i 下的工作天數 。 iii. 官職相配程度加權 此觀點主要的精神是認為在決定繼任官職人選時，若以年資 層面而論，會基於候選官員在經歷官職工作的時間長短因素，認 為工作時間較長的候選官員年資程度較高，而經歷官職對於繼任 官職來說屬於較為高階的官職，則此經歷官職的工作時間也較有 參考性，因而在繼任官職年資層面的評估下，此候選官員能得到 較高的信賴，獲得提攜成功繼任此官職，多面向模型將透過這樣 的觀點計算年資分數（Seniority Score），圖 10 為計算公式， 其中 p 為繼任官職，d(i,p)為官職 i 與繼任官職 p 官職層級的距離、 c 為某候選官員、i 為候選官員 c 擔任的官職，而 wt(c,i)為某候選 官員 c 在官職 i 下的工作天數 。 4. 實驗資料 本研究所使用的實驗資料，主要是取自於政府官員人事異動資料庫 中，擷取出的資料為民國 77 年 1 月 1 日至民國 100 年 12 月 31 日的異動資 料，共有 300,812 筆異動紀錄，包含 188,836 個官員和 84,722 個官職。起初 欲觀察的對象為簡任官員，故參考組織法挑選中央政府職等為 11 職等以上 的官職，除了官職外也選定特定部門，中央政府挑選總統府、行政院、教 育部、交通部、財政部、內政部、法務部、國防部、經濟部和原能會。但 是在觀測資料後，發現部分資料錯誤及資料缺失，這樣子的狀況將會影響 後續實驗結果。 為了保證實驗的正確性，必須以人工對每一筆資料進行正確性檢查與 (圖 9) (圖 10)

資料補正，除了行政院、原能會、經濟部與財政部四個中央政府單位，在 職位及日期資料上較其他單位完整，也因為研究時間上的考量，故使用行 政院、原能會、經濟部、財政部四個單位，當做最後的實驗資料進行實驗。 每一筆異動資料均包含以下欄位－姓名、部門、職等、官職、命令日期、 任免（上任或免職），最後經過資料補足以及錯誤修正後，根據民國 77 年 1 月 1 日到民國 100 年 12 月 31 日，四個單位的異動記錄、官員數量、官職 數量資料、每個官職平均發生繼任次數以及資料的實驗用途建立表 2，其中 行政院 26 筆的部分只取用 13 任行政院院長的異動資料，用途僅在實驗時 建立 Subordinate-and-Superior Multilevel Weighted Network 時所需要上司與 下屬關係的資料，而其他三個部門的資料用途除了建立上司與下屬關係資 料外，並也同時為實驗分析的資料，總計異動記錄共有 4,360 筆、官員 1,226 人、官職 338 個以及每個官職平均發生 7 次繼任。 表 2：政務官及事務官官職職等對應表 異動記錄（筆） 官員（人） 官職（個） 繼任次數/官職 用途 行政院 26 13 1 13 建立上司下 屬關係 原能會 720 176 36 10 進行實驗分 析與建立上 司下屬關係 在評選官職實驗範圍的部分，將依照現行的公務人員制度規範，將評 選的官職區分為事務官及政務官二大部份，在事務官官職的選定範圍為 13 職等到 14 職等，而政務官官職的選定 15 職等到 16 職等（請參考表 3.1 政 務官及事務官官職職等對應表），並分別選定特定官職以進行評選實驗與相 關分析。不論是政務官或是事務官，在特定官職的篩選條件部分，首先從 中華民國政府官職資料庫中，觀察其中異動紀錄為較多且較齊全的官職， 再從中選擇職等較高且為主管級官職作為評選官職實驗的選擇，經過這樣 的篩選確定評選官職實驗的範圍。 5. 結果標準化及評選方法 為了避免最後的評選分數被本來就比較大的觀點分數所支配，在多面 向模型完成計算出每個候選官員上述三個觀點之分數，便會將三個觀點的 分數進行標準化（standardization）的處理。由於三個分數並沒有固定的最 大數值，故將這三個分數分別除以清單中每個分數之最大值後，三個都會 變成一個 0 到 1 之間的分數。例如下圖 3.11 清單中所有的共事分數最大值 為 1000，從候選官員清單中的候選官員乙的共事分數為 800，經過標準化

後共事分數為 0.8。最後將經過標準化後的候選官員清單傳送給評選模型

（evaluation model），經過進行評選模型中的兩項處理程序之後，輸出最後

的評選清單（evaluation list）。

在多面向模型完成工作後，接下來評選模型將會對多面向模型所傳送 過來的候選官員清單進行 Weighted Accumulation Process 以及 Ranking Process 兩項工作，首先經過多面相模型分別根據各種觀點計算分數，分別 為基於工作上的溝通或是工作默契等考量，希望接下來繼任的候選官員能 夠是曾經與上司本人在某一個相同單位共同工作過，且共同工作的時間也 是有相當的長度，以這樣觀點所得到的共事分數、以候選官員本身的年資 層面的觀點所計算出來的年資分數、以及以候選官員本身所擔任過的官職 是否適合擔任評選官職觀點的官職相配分數。接下來評選模型的工作，就 是將候選官員清單中，每個候選官員這三個觀點的分數，依據連結預測理 論的方法評估兩個節點會不會產生連結關係，是依據兩個節點的相似度分 數，因此進行評選模型中 Weighted Accumulation Process，而 Weighted

Accumulation Process 在分數計算是根據下面公式（圖 11），完成後便能算 出每個候選官員對於該評選官職的所得到的相似度分數，其中相似度分數 的概念在本研究為候選官員的評選分數。 其中 Cc 為共事分數權重之參數、Cp 為年資分數權重之參數、Cs 為官 職相配分數權重之參數。完成分數的計算後，Rank Process 將會把候選官員 清單中，所有候選官員的評選分數，以分數從高到低降冪排序（Decreasing Order），若是遇到同分的狀況時基於公平原則，採用高爾夫球競賽同分同 名排名規則，排序完成後便會輸出最後的評選清單，圖 12 為將共事分數權 重 Cc設成 2、年資分數權重 Cp設成 1、官職相配分數權重 Cp設成 1 時，評 選模型運作的流程示意圖，從下圖中可以得知最後系統評選的繼任官員為 乙。 本研究所提出的多面向模型進行政府官職之繼任官員評選，主要是希 望透過集結各種觀點之優點，以多觀點的方式達到集思廣益的效果，使得 評選結果能夠達到更好的成效。因此為了驗證整個系統模型的所達到的評 選成果，也就是驗證系統對某 p 官職在評選時間點 t 的時候進行繼任官員 評 選 之 結果 ，而 驗證 方式 則是分 成 精確度 （ precision）評估與區別度 （distinguishability）評估。 (圖 11)

圖 12：評選模型運作流程示意圖 精確度（precision）評估方式是在評選模型輸出官職繼任官員之評選清 單（evaluation list）後，透過中華民國政府官職資料庫中該評選官職 p 在評 選時間點 t 實際接替人選，擷取此人選在評選清單（evaluation list）中的名 次，進而使用以下公式進行精確度的計算，其中 t 為評選時間點、p 為評選 之官職、|C|為評選清單總人數，以及 e（p,t）為在 t 時間點時，正確繼任 p 官職之官員在評選清單中排名之誤差。同分同名的排名方式，優點是可以 展現出排名上的合理性與公平性，但是這樣的排名方式在精確度的計算上 也隱含了一個問題，舉例一個極端的例子來說，若是有一個評選清單中所 有候選官員的評選分數都相同的話，那每個人的排名都會是第一名，而在 這樣的情況下，只要正確繼任官員有在評選清單內，雖然精確度是 1 很高， 但是這樣子的評選清單對評選上是沒有任何幫助和意義，而為了觀察出評 選清單是否是有幫助和意義，因此使用區別度進行評估。 (圖 13)

區別度（Distinguishability）評估方式則是在評選模型輸出官職繼任官 員之評選清單後，透過擷取評選清單中候選官員人數以及獨特的評選分數 的數量，根據以下公式計算區別度： 其中 C 為評選清單中候選官員之集合，以及 uniq（S）為收集評選清單 內獨特的評選分數之集合。 五、 實驗結果與分析 1. 各部門單位空降狀況分析 若是該繼任官職並非由該官職所屬部門之候選官員繼任，則代表此官 職在此次的繼任上產生空降繼任狀況，由於部分單位屬於中央政府管轄， 故在繼任官員的選定上幾乎是由非所屬部門單位的中央政府專員繼任，導 致這些單位在空降率統計上是沒有意義的，故後續空降統計將排除各部門 綜計處、秘書處、會計室、人事室、人事處、技術處與政風處屬於中央管 轄的單位，透過空降狀況的統計數據結果，分析各部門部會所屬之單位主 管與部會首長官職在繼任官員的選定上空降程度的狀況。 觀察原能會各單位以及整體的空降狀況，就部會所屬之次級單位主管 官職的單位而言，可以發現除了輻防處有五成六偏高的空降率，其餘單位 的空降率都偏低，就部會首長官職而言，主任委員在七次的出缺上，僅有 一次是由原能會單位的官員繼任，就整體而言原能會有三成五空降繼任的 狀況。觀察經濟部各單位以及整體的空降狀況，就部會所屬之次級單位主 管官職的單位而言，可以發現國際合作處、國際貿易局、水利署以及礦業 司四個單位有五成以上偏高的空降率，其餘單位的空降率都偏低，就部會 首長官職而言，部長在十一次的繼任上，擁有七次空降繼任的狀況，就整 體而言經濟部有三成五空降繼任的狀況。觀察財政部各單位以及整體的空 降狀況，就部會所屬之次級單位主管官職的單位而言，可以發現臺北區支 付處與財稅人員訓練所兩個單位有完全空降繼任的狀況，而臺灣省南區國 稅局與關政司有五成以上偏高的空降率，其餘單位的空降率都偏低，就部 會首長官職而言，部長在十一次的繼任上，擁有九次空降繼任的狀況，就 整體而言財政部有三成的空降狀況。 總結而言，經由原能會、經濟部以及財政部三個部門單位的觀察，可 以發現三個部門單位，就部會所屬之次級單位主管官職的單位而言，僅有 財政部有完全空降繼任的狀況發生，而其餘部分單位有五成以上空降繼任 (圖 14)

的狀況，就部會首長官職空降繼任狀況而言，以原能會八成六最高，財政 部八成二次之，經濟部六成二最低，而整體空降繼任的狀況上，以財政部 三成的空降率最低，而原能會與經濟部有三成五的空降率。綜觀三個部門 單位，根據部會首長官職在29次繼任中產生22次空降繼任數據，部會所屬 之次級單位主管官職在210次繼任中產生56次空降繼任，計算空降率並繪製 出圖15，從圖中空降率的數據上，可以發現部會所屬之次級單位主管官職 較不容易接受非本單位的官員進行繼任，而各部會首長官職在繼任人選上 大多來自別的部門的官員，並非直觀上任命自己單位的官員繼任。 圖15：三部門單位各類官職空降繼任統計 2. 上司對官職繼任人選決定權影響力分析 透過公式（圖9）以及公式（圖10）的設計，產生重視高階上司或重 視直屬上司的共事時間兩種考量，透過這兩種考量在官職繼任人選的決定 權影響力進行評選實驗，使用評選實驗後所產生的各單位平均精確度數據 結果，分析高階上司與直屬上司對各部門單位官職繼任人選決定權的影響 力，若是在重視候選官員與高階上司的共事時間下，能獲得較高的評選精 確度，則代表高階上司對官職繼任人選決定權的影響力較大，反之，則是 直屬上司對官職繼任人選決定權的影響力較大，由於兩種計算方式下所得 到的區別度的數據結果都相同，因而下面的數據只會列出精確度，最後由 於研究時間考量，此部份實驗，僅考量候選官員與行政院院長及部會首長 兩個層級上司之間的共事時間。 觀察原能會各單位官職以及整體在重視高階上司或重視直屬上司時 的精確度，就各單位官職而言，能發現輻射偵測中心主任與核管處處長， 在重視候選官員與高階上司的共事時間之下，評選精確度較重視直屬上司

時來得高，相反地放射性物料管理局局長則是在重視直屬上司之下，得到 比較高的評選精確度，其餘單位評選精確度則是維持不變，而原能會整體 平均的評選精確度在重視高階上司的共事時間之下獲得稍高的結果。觀察 經濟部各單位官職以及整體在重視高階上司或重視直屬上司時的精確度， 就各單位官職而言，可以發現中小企業處處長、國際貿易局局長、國際合 作處處長、工業局局長、智慧財產局局長、總務司司長與常務次長，在重 視候選官員與高階上司的共事時間之下，評選精確度較重視直屬上司時來 得高，相反地中央地質調查所所長、中央標準局局長、加工出口區管理處 處長與投資審議委員會執行秘書則是在重視直屬上司之下，得到比較高的 評選精確度，其餘單位評選精確度則是維持不變，而經濟部整體平均的評 選精確度在重視高階上司的共事時間之下獲得稍高的結果。觀察財政部各 單位官職以及整體在重視高階上司或重視直屬上司時的精確度，就各單位 官職而言，可以發現人事處處長、國庫署署長、總務司司長、臺北市國稅 局局長、臺灣省中區國稅局局長、臺灣省北區國稅局局長、金融局局長與 常務次長，在重視候選官員與高階上司的共事時間之下，評選精確度較重 視直屬上司時來得高，而賦稅署署長則在重視直屬上司之下，得到比較高 的評選精確度，其餘單位評選精確度則是維持不變，就財政部整體平均的 評選精確度在重視高階上司的共事時間之下獲得稍高的結果。 經過原能會、經濟部以及財政部三個部門單位的觀察，可以發現三個 部門單位，除了經濟部在重視候選官員與直屬上司共事時間之下，四個單 位官職得到直屬上司對官職繼任人選決定權的影響力較大的結果外，原能 會與財政部皆只有一個單位官職有此狀況，大致上三個部門有多個單位在 重視高階上司對官職繼任人選時精確度表現稍高，就整體平均而言，原能 會、經濟部以及財政部三個部門皆呈現在重視高階上司時精確度稍大的結 果，因此後面的實驗在共事分數的計算上將會採用公式（圖9），也由於兩 者在精確度沒有顯著性的差別下，無法確認兩者對決定人選的影響力。 3. 各部門單一觀點與多觀點繼任評選結果分析 利用多面向模型進行政府官職之繼任官員評選，主要是希望透過集結 各種觀點之優點，以多觀點的方式達到集思廣益的效果，使得評選結果能 夠達到更好的成效。透過政府官職繼任官員評選系統按照本研究設定之評 選官職實驗範圍，使用評選模型進行歷任繼任官員評選，並將各部門考量 三個觀點分數下的評選結果與考量各項單一觀點分數下的評選結果，利用 精確度與區別度的數據結果進行比較與分析探討。 透過表3可以得到三個部門在各種評估觀點分數下的精確度，其中原 能會在只以年資分數進行評選時，得到0.58的評選精確度，以共事分數進 行評選時，得到0.69的評選精確度，以官職相配分數進行評選時，得到0.77

的評選精確度；經濟部在只以年資分數進行評選時，得到0.74的評選精確 度，以共事分數進行評選時，得到0.75的評選精確度，以官職相配分數進 行評選時，得到0.81的評選精確度；財政部在只以年資分數進行評選時， 得到0.69的評選精確度，以共事分數進行評選時，得到0.71的評選精確度， 以官職相配分數進行評選時，得到0.79的評選精確度。而三個部門在以多 觀點方式同時考量三個觀點分數時，原能會得到0.71的評選精確度，經濟 部得到0.78的評選精確度，財政部得到0.74的評選精確度。 表 3： 各部門評估觀點精確度比較表 評估觀點 原能會 經濟部 財政部 共事分數＋年資分數＋官職相配分數 0.71 0.78 0.74 共事分數 0.69 0.75 0.71 年資分數 0.58 0.74 0.69 官職相配分數 0.77 0.81 0.79 觀察三個部門在各種評估觀點分數下的區別度，其中原能會在只以年 資分數進行評選時，得到0.81的評選區別度，以共事分數進行評選時，得 到0.44的評選區別度，以官職相配分數進行評選時，得到0.30的評選區別 度；經濟部在只以年資分數進行評選時，得到0.87的評選區別度，以共事 分數進行評選時，得到0.71的評選區別度，以官職相配分數進行評選時， 得到0.14的評選區別度；財政部在只以年資分數進行評選時，得到0.84的評 選區別度，以共事分數進行評選時，得到0.49的評選區別度，以官職相配 分數進行評選時，得到0.21的評選區別度。而三個部門在以多觀點方式同 時考量三個觀點分數時，原能會得到0.82的評選區別度，經濟部得到0.89 的評選區別度，財政部得到0.87的評選區別度。 表 4： 各部門評估觀點區別度比較表 評估觀點 原能會 經濟部 財政部 共事分數＋年資分數＋官職相配分數 0.82 0.89 0.87 共事分數 0.44 0.71 0.49 年資分數 0.81 0.87 0.84 官職相配分數 0.30 0.14 0.21 在四種評估觀點的評選成效上，透過觀察表3以及表4可以發現單以共 事分數或年資分數單一觀點進行評選實驗時，所得到的精確度以及區別度 都不如以多觀點同時考慮三個分數的方式來得高，這樣的數據結果可以得 知多觀點的評選方式比單以共事分數或年資分數單一觀點進行評選來得有

效率。其中以年資分數進行評選時，區別度的表現僅些許低於以多觀點的 評選方式，由此可知年資分數在評選的鑑別度是相當有效的。以官職相配 分數單一觀點進行評選時，區別度表現卻遠不如多觀點的方式，故從區別 度來說，單以官職相配分數觀點進行評估時，同分同名的候選官員很多導 致評選鑑別度相當低，在繼任官職評選上是相當沒有效率的。透過上面分 析，可以驗證以多觀點的方式進行評選比單一觀點的方式有效率。 4. 不同參數之評選模型於各部門探討 以多觀點的方式進行繼任官員的選定時，每個部門單位偏重的分數觀 點為何，又各部門單位中是否存在共同重視的觀點，將透過評選模型中觀 點參數權重的設定，對各部門單位產生各種評選結果，並利用精確度的數 據結果進行比較與分析探討上述問題，而由於每種權重設定下所得到的區 別度的數據結果都相同，因而下面的數據只會列出精確度。。 本研究在權重參數的設計上，由於每個觀點的最大值為1而最小值為 0，為了避免最終的評選分數產生無法觀察出某個觀點的重要性，以及被單 一評選分數觀點所主宰的狀況，故將權重參數的調整範圍設定在2~5之間。 另外，在權重參數的調整上，由於要觀察出哪一個觀點是被重視的，因此 每一次的調整只針對一項觀點，例如欲觀察共事分數的重要性，權重參數 將會設定成共事分數權重為2~5之間，而年資分數與官職相配分數權重都固 定設為1。由於每一次參數調整上，其他兩項觀點都會固定設成1，故本研 究在數據的呈現上，僅說明欲觀察觀點分數權重的數值，如共事分數權重 =2，代表共事分數權重為2、年資分數權重為1與官職相配分數權重為1。 在不同權重參數的調整下，可以看到三個部門所得到的評選精確度數 據，其中原始分數權重代表的是共事分數權重為1、年資分數權重為1與官 職相配分數權重為1，對每項觀點的重視程度都一樣，而三個部門在權重參 數的調整上，分別針對共事分數權重、年資分數權重以及官職相配權重， 給予2、3、4與5總共四種權重的設定，故包括原始權重在內，表5總共擁有 13種權重參數所對應的精確度。 表 5：各部門評選模型權重參數精確度比較表 權重參數 原能會 經濟部 財政部 原始分數權重 0.71 0.78 0.74 共事分數權重=2 0.69 0.77 0.73 共事分數權重=3 0.67 0.76 0.72 共事分數權重=4 0.66 0.74 0.71 共事分數權重=5 0.65 0.73 0.70 年資分數權重=2 0.70 0.77 0.73

年資分數權重=3 0.68 0.76 0.72 年資分數權重=4 0.63 0.75 0.70 年資分數權重=5 0.62 0.74 0.69 官職相配分數權重=2 0.73 0.79 0.75 官職相配分數權重=3 0.74 0.80 0.76 官職相配分數權重=4 0.75 0.80 0.77 官職相配分數權重=5 0.76 0.81 0.77 5. 多觀點模型權重影響程度探討 從圖16中可以發現，當共事分數權重或是年資分數權重變大時，除了 精確度逐漸減少外，還比原始分數權重的精確度低，而在圖4.4中可以觀察 到，當官職相配分數權重變大時，精確度都獲得些許的提升。經過上述數 據的分析後，可以得知原能會、經濟部以及財政部三個部門，在官職繼任 人選的評選上，重視的是候選官員的官職相配分數的觀點。 圖 16：共事分數權重調整與對應精確度

圖 17：年資分數權重調整與對應精確度 圖 18：官職相配分數權重調整與對應精確度 6. 各部門單位官職之繼任成因分析 根據原能會、經濟部與財政部各部門單位官職在三項觀點分數上的數 據表現，觀察每一個官職在哪些分數上有顯著的表現，分析每一個職等官 職成功繼任的原因，依據以上考量並透過本研究設定之評選官職實驗範圍 將官職以13、14以及15與16職等分別進行數據統計，其中15+16職等的官職 為原能會、經濟部與財政部之部會首長官職，故一同併入統計。

表 6：三部門 13 職等官職繼任成因次數統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 繼任次數 原能會 10 0 8 2 1 0 2 3 26 經濟部 9 2 17 2 2 1 3 3 39 財政部 26 0 12 4 10 1 1 9 63 總計 45 2 37 8 13 2 6 15 128 表 7：三部門 13 職等官職繼任成因比例統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 原能會 38% 0% 31% 8% 4% 0% 8% 12% 經濟部 23% 5% 44% 5% 5% 3% 8% 8% 財政部 41% 0% 19% 6% 16% 2% 2% 14% 總計 35% 2% 29% 6% 10% 2% 5% 12% 根據表6中與表7中總計13職等官職的統計數據，計算各項觀點所佔比 例可以觀察到，共事分數占35%最高的比例，而官職相配分數占29%的比 例，無法從三項分數辨識出成功繼任原因的官員占12%，共事分數與官職 相配分數占10%的比例，共事分數與年資分數的部分占6%，三項分數顯著 的部分占5%，年資分數占2%，以及年資分數與官職相配分數占2%，共事 分數以35%的比例表現最高，由此得知共事分數大致上為13職等官職繼任 成功的主因，而官職相配分數以29%為第二主因。 表8中可以觀察出各部門14職等官職在八種顯著狀況以次數方式統計 的數據，其中原能會在2次繼任中，有1次在共事分數以及1次在三項觀點分 數上有顯著性的表現；經濟部在6次繼任中，有1次在共事分數與年資分數、 2次在共事分數與官職相配分數，以及3次在三項觀點分數上有顯著性的表 現；財政部在13次繼任中，有1次在共事分數、4次在共事分數與年資分數、 1次在共事分數與官職相配分數以及7次在三項觀點分數上有顯著性的表 現。 表 8：三部門 14 職等官職繼任成因次數統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 繼任次數 原能會 1 0 0 0 0 0 1 0 2 經濟部 0 0 0 1 2 0 3 0 6 財政部 1 0 0 4 1 0 7 0 13 總計 2 0 0 5 3 0 11 0 21

表 9：三部門 14 職等官職繼任成因比例統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 原能會 50% 0% 0% 0% 0% 0% 50% 0% 經濟部 0% 0% 0% 17% 33% 0% 50% 0% 財政部 8% 0% 0% 31% 8% 0% 54% 0% 總計 10% 0% 0% 24% 14% 0% 52% 0% 根據表8中與表9中總計14職等官職的統計數據，計算各項觀點所佔比 例可以觀察到，三項分數顯著的部分占52%最高的比例，共事分數與年資 分數的部分占24%，共事分數與官職相配分數的部分占14%的比例，而共事 分數占10%，其中三項分數顯著以52%的比例表現最高，由此得知三項分數 顯著大致上為14職等官職繼任成功主因而共事分數與年資分數以24%為第 二主因。 表10中可以觀察出各部門15與16職等官職在八種顯著狀況以次數方式 統計的數據，其中原能會在1次繼任中，有1次在共事分數與官職相配分數 上有顯著性的表現；經濟部在4次繼任中，有4次在三項觀點分數上有顯著 性的表現；財政部在2次繼任中，有1次在共事分數與年資分數以及1次在三 項觀點分數上有顯著性的表現。 表 10：三部門 15 與 16 職等官職繼任成因次數統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 繼任次數 原能會 0 0 0 0 1 0 0 0 1 經濟部 0 0 0 0 0 0 4 0 4 財政部 0 0 0 1 0 0 1 0 2 總計 0 0 0 1 1 0 5 0 7 表 11：三部門 15 與 16 職等官職繼任成因比例統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 原能會 0% 0% 0% 0% 100% 0% 0% 0% 經濟部 0% 0% 0% 0% 0% 0% 100% 0% 財政部 0% 0% 0% 50% 0% 0% 50% 0% 總計 0% 0% 0% 14% 14% 0% 72% 0%

根據表10中與表11中總計15與16職等官職的統計數據，計算各項觀點所佔 比例可以觀察到，三項分數顯著的部分占72%最高的比例，共事分數與年資分 數的部分占14%，共事分數與官職相配分數占14%的比例，其中三項分數顯著以 72%的比例表現最高，由此得知三項分數顯著大致上為15與16職等官職，也就 是部會首長官職繼任成功主因。 從表11中可以觀察出各職等官職在八種顯著狀況以次數方式統計的數據， 其中13職等官職在128次繼任中，有45次在共事分數、2次在年資分數、37次在 官職相配分數、8次在共事分數與年資分數、13次在共事分數與官職相配分數、 2次在年資分數與官職相配分數以及6次在三項觀點分數上有顯著性的表現，另 外有15次在三項分數上皆沒有顯著性的表現，故無法從三項觀點辨識繼任成功 的原因；14職等官職在21次繼任中，有2次在共事分數、5次在共事分數與年資 分數、3次在共事分數與官職相配分數以及11次在三項觀點分數上有顯著性的表 現；15與16職等官職在7次繼任中，有1次在共事分數與年資分數、1次在共事分 數與官職相配分數以及5次在三項觀點分數上有顯著性的表現。 表 11：各職等官職繼任成因次數統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 繼任次數 13 45 2 37 8 13 2 6 15 128 14 2 0 0 5 3 0 11 0 21 15 與 16 0 0 0 1 1 0 5 0 7 總計 47 2 37 14 17 2 22 15 156 表 12：各職等官職繼任成因比例統計表 官職 共 年 官 共＋年 共＋官 年＋官 全 無 13 35% 2% 29% 6% 10% 2% 5% 12% 14 10% 0% 0% 24% 14% 0% 52% 0% 15 與 16 0% 0% 0% 14% 14% 0% 71% 0% 總計 30% 1% 24% 9% 11% 1% 14% 10% 最後，根據表11中與表12中總計所有職等官職的統計數據，計算各項觀點 所佔比例可以觀察到，共事分數占30%最高的比例，而官職相配分數占24%的比 例，三項分數顯著的部分占14%，共事分數與官職相配分數占11%的比例， 無 法從三項分數辨識出成功繼任原因的官員占10%，共事分數與年資分數的部分 占9%，年資分數占1%，以及年資分數與官職相配分數占1%，共事分數以30% 的比例表現最高，由此得知共事分數大致上為三部門所有職等官職繼任成功的 主因，而官職相配分數以24%為第二主因。