題目：電子會議系統中衝突管理協調機制之研究

中 華 大 學 碩 士 論 文

題目：電子會議系統中衝突管理協調機制之研究

A Study of Conflict Management and Coordination Facilitation in Electronic Meeting System

系 所 別：資訊管理學系碩士班 學號姓名： M09010007 蔡宗霖

指導教授：羅 家 駿 博 士

中華民國 九十三 年 一 月

摘要

在本研究中，我們提出了一種新型態之電子會議輔助機制，這個機制包含了 四項主要元件：Sentence opener、Feature extraction、Status Analyst 與 Agenda

Facilitator。

我們利用模糊德菲法從專家中取得參考意圖向量，並利用隱藏式馬可夫模型 對會議過程中之意圖向量的變化趨勢進行分析與預測，並與衝突管理理論相結 合，採用短期探究法的方式對與會者發動過程干預，以之引導並輔助會議的進行。

實驗結果顯示，大多數的受測者在使用本群體輔助系統後，對本系統所提供 的輔助機制感到滿意，也認同透過衝突管理概念進行過程干預，能夠提升會議效 果，並且大多也同意本系統能透過分析出來的衝突行為意圖之趨勢，可以加速與 會者間達成一致的決議，並提高全體決策品質。

關鍵詞：會議輔助、群體支援系統、衝突管理、模糊理論、隱藏式馬可夫模型

Abstract

In this thesis, a facilitation mechanism electronic meeting system（EMS） is developed. There proposed mechanism includes four major components, intention trend tool, feature extraction component, status analyzer and agenda facilitator.

By using Fuzzy Delphi algorithm, an intention vector formed from the meeting participator’s conversation is produced. After that, a hidden Markov model (HMM) is applied to examine and predict whether there are conflict situations during meeting. If conflicts are found, system will try to guide participants.

Experimental results have revealed that the proposed system has performed reasonably well. Most students were satisfied with the proposed electronic meeting facilitation mechanism. By using analysis of conflict behavior, the system was aware of tester’s conflict situation. Most students agreed that the proposed system could help the meeting to reach an agreement quickly by using conflict behavior trend analysis.

Keyword: Meeting Facilitator、group support system、conflict management、fuzzy

theory、hidden Markov model (HMM)

致謝

本論文得以順利完成，首先我要感謝我的指導教授羅家駿博士，在我攻讀碩 士學位的這兩年，無論是在專業學術研究或是個人的生活與感情各方面，都受到 老師的辛勤指導與照顧，使學生受益匪淺。同時，也非常感謝口試委員葉修文教 授及王素華教授，在口試期間不辭辛勞撥冗指導，提供了許多的寶貴意見與指 證，使本論文更臻完備。

在撰寫論文的這段期間，承蒙企業資源規劃驗室所有成員的協助與鼓勵，特 別要感謝的是惠美學姊給予我論文忠懇的建議與協助，同學百川、育生適時與我 討論並給予意見，同時我也要謝謝學妹玓玲、賀琳及秀如所給予的協助，否則論 文恐難如期完成。最後，我要感謝我的父母親，是我在研究所求學期間精神與物 質上的最大支柱，讓我得以全力衝刺。在此，謹將此論文獻給我最親愛的家人，

以及所有幫助過我的師長與朋友，願與大家來分享這份難得的喜悅。

蔡宗霖謹誌於 中華大學企業資源規劃實驗室 中華民國九十三年一月廿八日

目錄

摘要 ...I ABSTRACT ... II

致謝 ... III 目錄 ...IV 表目錄 ... VII 圖目錄 ...IX

第一章 緒論 ... 1

1.1 研究動機與目的 ... 1

1.2 章節概述 ... 2

第二章 文獻探討 ... 5

2.1 群體支援系統 ... 5

2.1.1 電子會議系統的種類...8

2.1.2 最適於群體支援系統的方式...10

2.1.3 傳統輔助型群體支援架構之建構困難點... 11

2.2 衝突管理理論 ... 14

2.2.1 衝突狀況下的行為意圖...15

2.2.2 衝突解決技巧...17

2.3 趨勢型態分類辨識（PATTERN CLASSIFICATION） ... 21

2.4 文獻探討總結 ... 26

第三章 系統規劃與設計 ... 27

3.1 系統架構 ... 28

3.2 SENTENCE OPENER... 29

3.3 FEATURE EXTRACTION過程 ... 32

3.4 STATUS ANALYST ... 35

3.4.1 群體狀態分析...36

3.4.2 群體意圖狀態趨勢辨識...38

3.4.3 群體意圖狀態趨勢分析...44

3.5 AGENDA FACILITATOR ... 48

3.6 研究方法總結 ... 51

第四章 實驗設計與評估 ... 52

4.1 系統描述 ... 52

4.1.1 系統規格...53

4.1.2 系統設定...53

4.1.2.1 Sentence opener 之堅持度與合作度 ...54

4.1.2.2 訓練 HMM Model ...62

4.2 研究架構與研究假說 ... 65

4.2.1 研究架構一...66

4.2.2 研究架構二...68

4.3 實驗操作 ... 71

4.3.1 實驗對象...73

4.3.2 實驗設定...74

4.3.3 問卷設計...76

4.4 實驗結果 ... 81

4.4.1 統計結果（會議後問卷）...81

4.4.2 統計結果（TAM 問卷）...88

4.4.3 信度分析...99

4.4.4 效度分析...102

4.5 研究發現 ... 105

第五章 結論與未來研究 ... 107

5.1 研究結論 ... 107

5.2 研究限制 ... 109

5.3 未來研究方向 ... 110

參考文獻 ...111

附錄一 模糊德爾菲專家問卷 ... 116

附錄二 輸出機率矩陣初始機率分佈 ... 121

附錄三 CM 與 SO 會議記錄... 123 附錄三 SPSS 統計報表... 126

表目錄

表 2-1：電子會議型態的比較表………9

表 2-2：衝突管理技巧………19

表 3-1：Sentence opener 內容範例………30

表 3-2：無效會議特徵………31

表 3-3：群體狀態的強度範圍………37

表 3-4：群體意圖狀態趨勢分析規則………46

表 3-5：會議議程輔助法則………50

表 4-1：模糊德菲問卷篩選結果………60

表 4-2：篩選後 Sentence opener………52

表 4-3：會議各階段希望狀態………75

表 4-4：會議後問卷結構………78

表 4-5：TAM 問卷結構………78

表 4-6：變數操作化彙整表（會議後問卷）………79

表 4-7：變數操作化彙整表（TAM 問卷）………79

表 4-8：敘述統計………81

表 4-9：多變量檢定………84

表 4-10：受試者間效應項的檢定 (單變量檢定) ………84

表 4-11：多重比較（Scheffe 法）………85

表 4-12：問卷分析結果表(Likert scale；李克特 5 點評量表) ………88

表 4-13：模式摘要（複回歸分析一）………94

表 4-14：變異數分析(b)（複回歸分析一）………94

表 4-15：係數(a)（複回歸分析一）………95

表 4-16：模式摘要（複回歸分析二）………95

表 4-17：變異數分析(b)（複回歸分析二）………95

表 4-18：係數(a)（複回歸分析二）………96

表 4-19：模式摘要（複回歸分析三）………96

表 4-20：變異數分析(b)（複回歸分析三）………96

表 4-21：係數(a)（複回歸分析三）………97

表 4-22：會議後問卷量表信度（一般會議）………101

表 4-23：會議後問卷量表信度（SO 會議）………101

表 4-24：會議後問卷量表信度（CM 會議）………101

表 4-25：TAM 量表信度………101

表 4-26：會議後問卷（因素分析適合性）………102

表 4-27：會議後問卷因素分析………103

表 4-28：TAM 問卷（因素分析適合性）………104

表 4-29：TAM 問卷因素分析………104

圖目錄

圖 1-1：研究流程圖………4

圖 2-1：文字化過程的資訊萃取程序………11

圖 2-2：衝突行為的構面模式………16

圖 2-3：衝突緊張連續體………18

圖 2-4：HMM Larning 過程示意圖………23

圖 3-1：系統架構圖………25

圖 3-2：個人長期衝突處理意圖偏好預測公式………34

圖 3-3：群體堅持度與群體合作度計算公式………36

圖 3-4：群體狀態與強度示意圖………37

圖 3-5：包含時間軸之衝突行為構面模式………38

圖 3-6：狀態趨勢類型………40

圖 3-7：群體當前狀態趨勢範例………40

圖 3-8：應然與實然之差距表象系統圖………48

圖 4-1：模糊德菲法過程………55

圖 4-2：最保守認知與最樂觀認知之三角模糊數………58

圖 4-3：HMM 狀態轉換圖………63

圖 4-4：輸出機率矩陣初始機率分佈圖………64

圖 4-5：研究架構一………67

圖 4-6：研究架構二………70

圖 4-7：SO 會議與 CM 會議系統畫面………72

圖 4-8：SO 會議與 CM 會議系統操作步驟………72

圖 4-9：SO 會議與 CM 會議系統操作結果………73

圖 4-10：一般會議系統畫面………73

圖 4-11 研究架構之徑路分析圖………97

第一章 緒論

1.1 研究動機與目的

目前群體支援的工具已經廣泛使用在我們日常生活環境中，舉凡 MSN、ICQ 或 IRC (Internet Relay Chat)等工具，甚至網路上盛行的網頁聊天室，我們常常會 需要利用到這些工具進行訊息的交換或資訊交流。所謂會議，其目的當然在於透 過訊息的溝通以達成共識為目標，但是現在的這類 EMS（Electronic Meeting

System）領域技術大部分仍停留在提供溝通平台上。這類系統有二項缺點：（一）

由於發言上沒有限制，因此經常造成發言內容偏離主題，這種結果造成會議無法 在議程內完成決策，讓會議越顯冗長。（二）會議缺乏情勢控制的輔助機制，不 是某些與會者吝於發言（缺乏參與），就是圍繞在參與者間的言語爭執上打轉，

經常無法達成共識。

一般來說，群體支援技術的相關研究主要包含了群體通訊 (Communication) 與協調 (Coordination)等兩部分，以近年來國內外的相關研究來看，大多數的研 究重點仍放在通訊技術的發展上，對於群體協調機制的發展卻相當稀少。但由於 近年來整合概念日益興起，連帶著使得協調合作的重要性水漲船高，蓋因只要牽 涉到整合，自然就會產生協調、協商與協同的議題，這時就是群體協調系統的切 入點，時至今日，群體協調機制已經成為許多研究發展議題的核心之一。

的實證研究。Fjermestad 等人的研究中指出，現今群體支援系統的研究重心，已 逐漸由群體支援系統的技術轉移至會議過程、與群體的產能之上（Fjermestad and

Hiltz, 1998）。而 Dennis（2001）與 Huang（1997）等人更是透過重新彙整分析

（Meta-analysis）過去的研究文獻，證實群體支援系統對會議生產力、成員參與 度的平等性、及決策品質上，確實有顯著的影響效果。

而在通訊與溝通領域一直相當受到重視的衝突管理（Conflict Management）

理論正是一個適合的應用方向。由於社會心理學上的許多實地(鄉野調查)研究已 經證實一虛擬團隊（使用電子會議工具）在處理衝突行為時將預期會遇上與面對 面會談(face-to-face Meeting)時相似的五大pattern (Thomas and Kilmann, 1974;

Rahim, 1983,1992)，且證實虛擬團隊中的內部衝突管理對於該虛擬團隊是否能夠 成功，具有至關緊要的重要性(Montoya-Weiss et al, 2001)，因此本論文的目的在 於將衝突管理中的行為構面模式導入以「協調輔助」為主的群體支援技術中，其 目的在於利用群體討論時產生的行為意圖向量，分析群體當前所屬的狀態與其變 化的趨勢，我們可以藉由這些資訊進行衝突管理與會議輔助，使會議能夠進行的 更為順暢。

1.2 章節概述

本研究為針對開放性領域與非特定支援任務類型的群體支援會議系統

（Group Support Meeting System）進行即時群體狀態監控、導引等群體輔助

（Group facilitation）程序來達到「會而有議、議而有決、決而行之」的目的。

在運作的過程中，使用者透過特別設計的對話輔助工具來進行會議，從而獲取使 用者隱含的真正行為意圖與個人衝突處理偏好，並且能夠針對會議當前群體狀態 進行衝突解決或是衝突產生程序，避免惡性（dysfunctional）衝突讓彼此信任感 下降因而阻礙組織任務的完成或是激起良性（functional）衝突刺激觀念與意見的 討論讓組織活化。

本論文的主要章節可分為：文獻探討、研究方法、實驗設計與評估、結論與 未來發展，其各章節內容概述如下：

第二章 文獻探討

彙整與本論文研究方法相關的文獻，整理並闡述其提出方法，

同時指出本論文使用的研究方法。

第三章 研究方法

本章節主要的目的為描述本論文的研究方法。介紹本研究用進 行意圖分析的工具－「Sentence openers」，並描述進行衝突分析的 依據－「Thomas 衝突行為構面模式」、隱藏式馬可夫模型（Hidden Markov Model）和指數平滑法(exponential smoothing)的功能及其作

業方式，最後，對此研究方法作一個總結。

第四章 實驗設計與評估

在此章節中，首先，描述用以發展該 Group facilitatior 系統的 技術和設備，並說明其系統架構及操作流程；接著，定義實驗中的 實驗樣本、環境因素及實驗假說，並說明各受測者的系統操作方 式；敘述在利用統計假說檢定來評估實驗結果後，其得到的相關數 據及驗證實驗假說結果；彙整檢定結果資料，並敘述其發現的事 實，最後對實驗設計和結果作一個總結。

第五章 結論與未來研究發展

描述本研究經過實際建置 Group facilitatior 系統且透過實驗設 計所得到的最後結果，同時提出本研究在未來可改進或進一步發展 的研究方向。

本研究之研究步驟與流程如圖 1-1 所示：

確定研究主題 文獻探討 行為意圖向量訂 實驗系統建置 系統實驗資料收 實驗資料分析 結論與建議

圖 1-1：研究流程圖

第二章 文獻探討

本章提出與本研究相關的文獻，將分別依群體支援系統、衝突管理理論、隱 藏式馬可夫模型等呈現。

2.1 群體支援系統

在組織內，大多數複雜的決策是由一群人所制定的，當組織裡決策制定的複 雜程度增加時，會議及群體工作的需求也會隨著增加；此種會議的準備及它們的 處理可能是一項複雜的過程，因此，相當合適以電腦化的方式來加以支援這些複 雜的決策程序，這種以電腦輔助群體制定決策的系統，稱作群體決策支援系統

（Turban, 1999）。根據 Huber（1984）的定義，GDSS 是由一組的軟體、硬體、

語言單元及程序所組成，且它能夠支援所有參加決策相關會議的群體人員；而另 一個較為明確的定義為：一個群體決策支援系統的架構包括了使用者介面(User

Interface)、群體支援系統(Group Support System)、模式庫(Model Base)、資料庫 (Database)等四個基本元件(Foulds., 1997, Alvarenga et al. 1995, Sprague and Carlson 1982, 梁定澎，1995)，以提供資料、演算方法、操作介面及整合的功能。

而「群體支援系統」一詞的使用是起源於 Huber（1984）對決策支援系統概 念的擴大定義而來。所謂決策支援系統是指群體決策環境下的個人決策行為。早 期學者的研究亦多著重於支援面對面的群體決策會議而有群體決策支援系統的 發展。在 DeSanctis 與 Gallupe（1987）的研究中，更擴大群體決策支援系統在會

議活動所扮演的角色功能，包括運用各種科技來支援專案計畫、腦力激盪、溝通 協調、問題解決、及創見任務等的系統。也因此將僅支援「決策訂定」功能的字 眼移除，而更廣泛的稱之為「群體支援系統」。DeSantics 與 Gallupe（1987）對 群體支援系統所作定義為：群體支援系統為整合通訊、電腦科技、與決策模式的 資訊系統，藉著降低群體成員間的溝通障礙、提供結構化的分析模式及工具、以 及有系統的指引群體討論的議程，而增進群體任務的效率和效能。Dennis 等人

（1988）的定義則是：群體支援系統是以資訊科技為基礎的環境，以支援各種時 間、地點與任務組合的群體會議之進行。其中資訊科技環境的定義包含各式不同 的軟硬體、程序、模式、以及協調功能等的組合。而 Nunamaker 等人（1991）

將運用資訊科技以增加群體會議生產力的系統稱為電子會議系統（Electronic

Meeting System）。

現今群體決策支援系統的發展，在某種程度上受限於決策制定部分的瓶頸，

因為 DSS 研究進行上的兩個主要假設就是：1.人們喜歡使用電腦（Davis, 1989）， 2.電腦的使用會增進決策的品質（Sharda et al.,1988）；事實上，經過統計得知，

勉強使用 DSS 卻是改進決策品質的主要障礙之一（Lu et al.,2001）。

以人類下決策和電腦下決策相比，各有許多限制；人類下決策常常會牽涉到 直覺、偏好等問題，對事情的決斷通常都不能以比較客觀的角度來處理，相對之 下，就顯現出以電腦（或說公式與演算法）來輔助決策制定的好處，至少，在處 理速度和面對線性問題時的精準度上，電腦輔助決策佔有極大的優勢。但是電腦

也不是萬能，若想由電腦來進行決策輔助，首先就必須把可能問題或條件格式 化、結構化，但這正是最為困難之處，再來就是資訊不完全的問題，理論上來說，

我們不可能蒐集到所有下決策所需的相關資料，更進一步來說，我們不可能將所 有相關資訊都建構至模式中，但如果資訊不完整，就會造成公式與演算法上的必 然錯誤。

Jones 等人（Jones and Brown, 2001）利用心理學上的發現來建構決策支援模 型，發現在系統提出模式建議（Model advice）時，使用者不一定會全盤接受；

決策支援系統一般常採取的回饋行動有兩項：忽略與繼續提出建議，在很多情況 下，使用者選擇忽略模式建議並非系統決策錯誤，而是因為使用者的目標所致。

舉例來說，會計人員會因為避稅行為而故意忽略系統所提的最佳解；除此之外，

人們經常會由許多不合理的方式來操作決策系統的建議，例如：在獲得相同的決 策資訊下，人們經常會下不同的決策；又或是常由系統的建議值（Output）來修 改原來的輸入資訊（Input），以取得他想要的結果。

相較於群體決策支援系統的發展瓶頸，群體支援系統的技術與研究在歐美國 家已是相當成熟與完整，也累積相當多的實證研究。Fjermestad 等人在研究中指 出，截至 1998 年，有近 200 篇關於群體支援系統的實證研究，正式發表於 230 多種學術期刊或研討會上；對群體支援系統的研究重心，逐漸由群體支援系統的 技術轉移至會議過程、與群體的產能（Fjermestad and Hiltz, 1998）。雖然，這些 實證研究的結論並不是很一致，但 Dennis 等人（2001）提出以適合度及專屬性

的研究架構（Fit-Approriation Model, FAM），重新彙整分析（Meta-analysis）過 去的研究文獻，發現群體支援系統對會議效率的影響仍可取得一致性有效的結 論。Huang 等人（1997）經由彙總分析後的整體結果也認為群體支援系統的使用 在提昇會議生產力、成員參與度的平等性、及決策品質上，確實有顯著的影響效 果。

鑑於決策制定上的困難，本研究選擇已經證實，對會議效率及決策品質上有 顯著提昇效果的群體支援系統形式，嘗試發展出一種會議協同輔助機制架構，使 得協同合作的理論功能與價值得以實現。

2.1.1 電子會議系統的種類

鑑於群體支援系統已經被證實對會議效率及決策品質上有顯著提昇效果，故 本研究嘗試發展出一種會議輔助機制架構，以電子會議系統（electronic meeting

system, EMS）的形式來實現。

現有電子會議型態，主要以語音、視訊與文字三類為大宗，對於電子會議而 言，各有優缺點；以視聽效果而言，利用 Web Can 達成的視訊會議能夠最接近 實際開會的狀況，不但可以聽到與會者的聲音，也可以觀察到與會者肢體語言上 的表達，不過相對之下，這種方法需要最高的網路頻寬，否則無法順暢的進行；

至於語音會議，也是發展相當成熟的一種技術，雖然與會者無法看到彼此，但是 能透過聲音波動的起伏，察覺字面意義以外的資訊，所需使用頻寬略低於視訊會 議，但仍需寬頻不為功；最後一種是文字類的 NetMeeting 系統，像是近年來流

行的 ICQ 或是 MSN，都是典型的文字傳送型電子會議軟體；文字傳送型電子會 議軟體主要是傳送文字型訊號，間或插入一些專用的訊息碼，實際使用的頻寬最 低，不過由於文字表達上的困難，在會議過程中，常有事倍功半的情況。下表 2-1 為三種主要電子會議型態的比較：

表 2-1：電子會議型態的比較表

傳達資訊 所需技術 所需頻寬 建置成本

視訊會議 肢體語言、聲音 串流技術 高 高

語音 聲音 VoIP 中 中

文字 文字 SMS 低 低

對於各種群體互動的方式與過程，Steiner（1972）以過程損失(Process Losses) 與過程獲益 (Process Gains)來界定說明。所謂群體互動過程中的損失是指群體互 動時不利於或阻礙成員意見表達的因素，如每次只能一人發言而導致創意的流 失、等不到發言權、害怕他人的批評而不敢表達意見、過多資訊的提供、及協調 不佳等現象都將對會議結果造成負面效果；另一方面，群體活動又具有學習、整 合、更多資訊獲得、及激勵個人表現等有利於活動結果與會議生產力的正面效 果，亦稱之為過程獲得。

Huber（1984）根據 Steiner(1972)所提出的群體互動中產生的過程損失(Process Losses)與過程獲益(Process Gains)，認為群體活動的效能是群體活動中潛在本質 效能減掉群體過程的損失，再加上群體過程的獲益。並認為群體支援系統是藉由 增加獲得降低損失而增加群體的效能。

群體支援系統影響群體獲益與群體損失的機制，主要經由匿名性、平行溝 通、群體記憶、協調功能、以及媒體效果等五個特性（Dennis and Gallupe, 1993；

Nunamaker, 1991）。匿名性是指與會者可以不具名的表達自己的偏好、發表意見 與投票等；平行溝通指在群體支援系統的支援環境下，參與者可同時進行發言與 交換意見；群體記憶為群體對歷史資料的記錄，可供對未來群體決策或執行任務 時作為決策參考的資訊，在群體支援系統下經由資料庫、模式庫與知識庫的環境 以支援群體記憶的達成（Hoffer and Valacich, 1993）。協調功能為一動態性的支 援，管理群體、任務、技術三者互動的過程，以增加群體任務結果的效率與效能

（Bostrom, 1993）；媒體效果指群體支援系統的媒體表達，如媒體速度、去個人 化 (Depersonalization)、媒體豐富性(Media Richness)、及資訊視野(View Size)等。

2.1.2 最適於群體支援系統的方式

若以視聽效果或傳輸資訊量而言，自然以視訊會議與語音會議較為優秀，但 是若以會議效率及決策品質上而言，卻不盡然；蓋因這兩種方式皆無法避免匿名 性的問題，且在媒體效果上，對於媒體速度（速度慢、所需頻寬大）與去個人化 都及不理想（以視訊會議而言，由於能透過 Web Can 直接看到與會者，其去個 人化程度可以說是降到最低），造成較高的過程損失。相反的，文字會議型態雖 然會產生平行溝通上的困難，但是對於匿名性與媒體效果等特性而言，卻能避免 的過程損失。

除此之外，為了實現群體支援系統的群體記憶與協調功能，必須對群體歷史

資料加以記錄與分析，再配合資料庫、模式庫與知識庫以支援群體記憶的達成與 動態性的支援、管理，此時，對於視訊與語音類型的資料而言，在分析上就相當 困難了；一般來說，想直接利用這些多媒體資料來進行資訊內容分析（不論是語 音分析、語意分析、圖形分析與意向分析）都有準確性與分析效率上的難處，因 此大多數的分析方式都是以「給定特徵值」的方式來取代「直接多媒體資料分 析」，而特徵值又是以文字型態紀錄與呈現，由此可知，若想實現群體支援系統

的群體記憶與協調功能，最終仍需透過「文字化」的過程，見下圖 2-1。

圖 2-1：文字化過程的資訊萃取程序

因此，對於需要計錄分析群體記憶與協調管理的群體支援系統而言，文字傳 送型電子會議軟體是最純粹、最有效率的會議方式；但這並非否定視訊和語音型 會議結合群體支援系統的可能性，而是將這些資訊萃取程序（語音分析、語意分 析、圖形分析與意向分析）視為額外的系統元件，當這些資訊萃取技術發展成熟 後，自然可以輕易地與文字型系統結合，達成更佳的效果。

2.1.3 傳統輔助型群體支援架構之建構困難點

由上述討論可知，文字傳送型電子會議對群體支援系統而言，是最純粹、最 影音資料

音訊資料

資訊萃取程序（語音 分析、語意分析、圖 形分析與意向分析）

文字資料

文字型態

特徵值 資料庫

有效率的方式，其主要理由是在於資料前置處理上的困難，然而，除去這個理由，

群體支援系統在分析群體記憶與協調管理上，首先遇到的問題就是資料分析方 法。由於電子會議討論的內容（文字型態資訊）是由與會者以口語化方式輸入，

想要分析此種類型的資料，自然會牽涉到自然語言處理的相關領域；再者，由於 電子會議討論的問題領域是呈現開放性的，這將導致泛用性群體支援架構難以開 發。

所謂自然語言處理過程，是以語言表面結構為線索，結合特定的語言使用環 境和背景知識，確定各種語言單位的語義功能，最終建立起符合語言使用環境 的、確定的意義結構的過程；因此，「建立意義結構」是自然語言處理的核心，

句法知識是處理過程所依賴的線索；在特定語言使用環境和背景知識的參照下，

確定語言單位的恰當的語義功能是自然語言處理的關鍵。

透過分析中文問句的類型，一些研究者認為自然語言分析除了關鍵詞部分之 外，仍有其他可以作為分辨語句間差異性的部分，舉例而言:「怎麼招開會議？」、

「為什麼要招開會議？」、「招開會議的方法有哪些？」，如果只觀察關鍵字，可 能會得到「招開」、「會議」都為以上三句的關鍵字，並無法清楚的分辨出其間差 異；基於這個理由，他們利用自然語言分析將問句解析出：意圖區段(Intention

Segment)和關鍵詞串(Keyword String) 兩個部分（李坤霖，1999；賴育昇，2001）。 在大部分的情況下，關鍵詞有助於分析出有用的資料，但是在關鍵詞符合的 情況下，往往分析出來的文件中仍含有大量錯誤資訊，而其主要原因在於關鍵詞

沒有辦法傳達自然語言中的意圖部分；關鍵詞部分代表構成一個自然語句的關鍵 詞，這關鍵詞部分有可能為一個詞或是數個詞所構成的集合；而所謂意圖部分則 是指：「一個自然語句中某些組成分子的組合，在不包含問句中其他輔助或功能 性子句的情況下，仍可表達該問句最直接的表層意義。」，因此，若想建立完整 的自然語言處理分析架構，則必須由「關鍵字比對」與「意圖比對」這兩個部分 的比對結果輔以適當的權重結合而成。

若是單以關鍵字比對而言，只需建置一個與決策 Domain 相關的資料庫即 可，但若牽涉到意圖比對，其複雜度就大為提昇，其中，最基礎的語意（意圖）

比對方法就屬「詞意比對法」；傳統語意學認為構成語意的最小單位為詞，但是 目前語意學的趨向是把詞看成是許多「語意成分」(semantic features)的組合（謝 國平，1996），因此，若想分析一自然語句，則必須建置一詞意比對知識庫。

然而，由於電子會議產生的資訊內容是屬於開放領域，若產生的資訊詞彙或詞意 架構未收錄於於相對應的資料庫或知識庫中，就會產生嚴重的「未知詞」問題；

對於中文和大多數亞洲語言的電腦處理而言，就算有已知詞（已存於資料庫中，

被定義為關鍵字的詞句），都還有斷詞（word segmentation）分析上的問題，更 別提因為未知詞而產生的瓶頸，因此，由於開放性詞意比對知識庫在開發上的先 天限制，致使這種電子會議系統在語意分析的實作上非常困難，這也是大部分群 體支援系統相關研究在實作階段多偏重於「在固定狹小的知識領域中提供專家模 式來輔助會議進行」，而非建構出一種泛（通）用性群體支援輔助架構的主要原

因之一。

2.2 衝突管理理論

衝突的定義很多，Thomas(1992)把衝突定義為「衝突是一種過程，始於甲方 認為已受到或即將受到乙方的負面影響，而且這樣的影響正是甲方所關注的」。 傳統的衝突想法分為三種觀點（View），分為傳統的觀點、人類關係觀點和 互動觀點，簡述如下：

（1） 傳統的觀點來看：即假設所有的衝突都是不好的，所謂的衝突是 與大部分 的負面字眼一致，因此所謂的衝突管理目標就是消滅 衝突，這種觀點主要流行在 1930s~1940s 之間。

（2） 人類關係觀點來看：它主要的爭論在於”衝突是所有群體或組織 中的一種自然存在”，因此是無可避免的，由於衝突無法避免，

所以這個階段的衝突管理目標是將衝突的存在合理化，這種觀點 主要流行在 1940s~1970s 之間。

（3） 就互動觀點來看，主要是相信衝突不僅僅是群體中的一種正面力 量，更是使得群體產生效能的必須存在，換句話說，某些衝突的 產生對於群體的活化反而有很大的幫助。

由互動觀點可以得知，衝突並非全是好的也非全是壞的，依其類型可分為功 能性衝突（functional conflict，又稱做良性衝突）與不正常衝突（dysfunctional conflict，又稱惡性衝突）而定，功能性衝突可以支持團體目標並增進團體績效，

而不正常衝突則會阻礙團體績效，範圍包含任何可能會阻礙團體目標達成或效能 降低的互動行為；至於功能性衝突與不正常衝突的分辨法，可以從任務類型而定。

衝突分為三種類型:任務、關係以及程序衝突；研究顯示關係衝突都是惡性 的，因為人與人之間的摩擦與敵意會自然的存在於關係衝突中，它增加了人身衝 突，使得彼此信任感下降，因而阻礙組織任務的完成，相較之下，低度程序衝突 和低－中度任務衝突則是良性的，以低度程序衝突而言，因為它具有建設性，但 假使增高衝突程度也會變成功能性衝突，至於低－中度任務衝突，則是因為能夠 刺激群體觀念與意見的討論，所以反而是有益的。

2.2.1 衝突狀況下的行為意圖

近年來，國內外有關衝突管理的相關研究數量極為龐大，但是大部分仍然以 心理學的角度來進行研究，大體而言，主要的研究焦點集中於衝突過程、衝突的 原因和衝突結果之上，但是「衝突解決」領域反而在通訊與溝通領域受到相當的 重視。在許多衝突文獻中都普遍同意個體在衝突情況下會使用五種不同行為意圖 狀態或型態(Thomas and Kilmann, 1974; Rahim, 1983,1992)，其中包括競爭

（Competition）、避開（Avoidance）、合作（Collaboration）通融（Accommodation）

和妥協（Compromising）。這裡所指的「意圖」就是以特定方式決定行動，此干 預到當事人的思想、情緒與當事人公開的行為。由理性工具的思考、規範的思考 和情緒所產生動機力量的結合，會影響到當事人的意圖。

都不算是行為，但是可以用來解釋可觀察行為模式的意圖或目標。Thomas（1992）

認為行為和意圖是不同的，因此有必要加以區分：

（1） 意圖和行為之間有差距，因此行為並非總是成功完成個人的意圖。

（2） 在衝突中當事人必須推論其他人的意圖，才能知道如何對別人的行為加以 反應。因此，在衝突的重要事件中，對其他人意圖的判斷非常重要。

（3） 衝突研究人員常常使用不確定行為的測量來建構意圖。

Thomas 修正 Robert Blake 與 Janes Mouton 的衝突矩陣（Conflict grid），將這 上述 5 種行為意圖狀態以堅持度（assertiveness）與合作度（cooperativeness）兩 個構面加以劃分，稱之為衝突行為構面模式，圖表示如下圖 2-2：

圖 2-2：衝突行為的構面模式

（資料來源：Thomas, 1995）

競爭：表示當事人對於自己的知識充滿信心，贏得勝利是唯一的目的。

合作：表示當事人有很高的堅持度，但同時也了解到解決問題得先有合作的態度。

通融：有時議題不是那麼重要，或是對問題了解不多，甚至意識到會有報復行動，

尊重對立的一方，並且做對方希望的事。

衝突的反應

競爭 合作

避開 通融

低度合作 高度合作

高度堅持

低度堅持

妥協

避開：表示需要更多時間蒐集資訊，或僅是單純的沒有意願去面對這個問題。

妥協：當衝突雙方都必須放棄某些事務而共享利益時形成；沒有明顯的輸家或贏 家，因為彼此願意定量分配衝突事件的利益結果，並接受不能完全滿足雙 方的解決方案。承認部分特定觀點而達成的協議。

意圖提供衝突雙方一般性的指導原則，並界定出雙方的目的。然而人們的意 圖並非一成不變的，衝突期間，因為概念的再形成或對對方行為的情緒性反應，

可能使得意圖改變。不過研究顯示，人們對於衝突處理的方式在根本上是固定的

（Sternberg and Soriano 1984 ,Baron 1989 ,Volkema and Bergmann 1995）。尤其個 人在 5 種衝突行為意圖中，有特定的偏好，這些偏好往往相當一致，可以加以預 測；當面臨衝突情境時，有些人不計成本一定要贏，有些人則尋求最佳解決方案，

有些人要逃避，有些人樂於助人，也有人會彼此妥協、互相讓步。

2.2.2 衝突解決技巧

在意圖形成之後，衝突過程中的事件裡的下一個事件就是明顯的行為(overt

behavior)。這裡行為指涉由當事人所完成的陳述或其他可觀察到的行為。某種程 度上，當事人的行為是合理的，這些行為是被詮釋為一致的試圖要執行當事人的 意圖。不過，一旦他們被執行後，這些行為就具有刺激的性質，它是跟當事人的 意圖分離，產生可以獲得或無法獲得這些意圖的結果。行為是一種交互作用的動 態過程，例如：你要求我，我以爭論回應；你威脅我，我反威脅你等等。圖 2-4

假設在連續體較上端者幾乎都是惡性衝突，良性衝突則多侷限於連續體的下端。

圖 2-3：衝突緊張連續體

（摘自：Robbins, Organizational Behavior, 2001）

若衝突是惡性的，如何才能降低這衝突呢？或反之，如果衝突頻率太低，需 要增加衝突時，怎麼辦？此時就需要衝突管理的技巧了。表 2-2 列舉主要的解決 與刺激技巧，以便管理群體的衝突水準，在理想的狀況下，個人的意圖應該能變 為可比較的行為。

Annihilatory Conflict

No conflict

Overt efforts to destroy the other party Aggressive physical attacks

Threats and ultimatums Assertive verbal attacks

Overt questioning or challenging of others Minor disagreements or misunderstandings

表 2-2：衝突管理技巧 解決衝突的技巧

問題解決 衝突雙方面對面會談以確定問題，並經由公開的討論解決之。

高階目標 建立一個若沒有衝突雙方合作將無法達成的共同目標。

擴充資源 當衝突起因於資源稀少時，那麼擴充資源將可達致雙贏的局面。

退避 對衝突退縮或壓抑。

緩和 降低差異的重要性，而強調衝突雙方間共同利益。

妥協 衝突雙方皆放棄部分有價之物。

權威式命令 管理者以強制的方式來解決衝突，並與雙方溝通。

改變人類變數 運用行為改變技巧，改變參與者的行為態度。

改變結構變數 藉由工作重設計，改變衝突雙方的互動型態。

激發衝突的技巧

傳達 運用模糊或威脅的訊息提高衝突水準。

引進外人 加入背景、價值觀、態度或管理風格不同的成員。

組織重整 改變現有結構以瓦解現狀。

詢問第三者 安排別的意見，故意與團體內多數人的意見對立。

（摘自：Robbins, Organizational Behavior, 2001)

接著討論時間範圍，主要區分成短期和長期二種時間範圍。短期探究法專注 於處理直接衝突情境。因此，衝突周遭情況是被接受為已知的，同時，目標就是 要獲得最有可能的結果，最有益的可能結果。這種探究法通常採用權變理論的形 式，短期探究法具有一種非常實用的意味。至於長期探究法則是一種要超越目前 情境限制的探究法，在此，情境變項被視為多變的，目標變成這些變項的修正，

以增加機會減少限制。因為它處理條件的變動，長期探究法傾向於透過結構干預 來制定；長期探究法多少更具有理想或洞見的意味。

在衝突管理理論中，若主要當事人顯然無法很好掌握衝突時，或者他們相信

將無法掌握衝突時，則必須進行「過程干預」。過程干預主要是企圖改善特定衝 突過程中主要當事人的努力，以便使得衝突管理可以更能滿足效能判準。我們常 用「第三者的角色」來進行之，這種第三者主要可分成三種角色：經理人員、組 織顧問或調解人。這三種角色分別說明如下：

（1） 經理人：在組織中的衝突管理，經理人員是關鍵的第三者，因為其具有正 式的權威和對效能負責任。

（2） 顧問：顧問與經理人員的差別主要分兩方面，首先是時間問題，Lewicki 等人(Lewicki and Sheppard, 1985)認為經理人員可能較喜歡調解，但是時 間壓力關切決策的影響可能迫使其放棄這麼做；其次是技能層次問題，為 了使干預更專門化，必須尋求組織內外的顧問。

（3） 調解人：這種第三者的角色具有更正式、專門化。在勞資關資中，調解人 的一般目標通常就是要保護更大系統不要因為罷工和靜坐而瓦解。

2.3 趨勢型態分類辨識（Pattern classification）

時間數列的模式辨認在近年來受到廣泛的注意，因為根據時間數列所產生的 走勢型態可以作為判斷事件發生與預測未來的基礎，如對股票過去數月間的股價 走勢做出辨識或辨識各國的匯率等等，但是在實際的應用上，卻常常遭遇到相當 的困難；由於生活中的實際資料往往都是非線性的，如已知被廣泛地應用在物理 學、工程學、地震學及生態學等方面都是非線性時間數列，所以要如何辨識出時 間數列的模式是相當值得探討的問題。

在群體會議的過程中，會議群體狀態的變化過程也可視為一種隨著時間而變 化的非線性時間序列，其依憑為每一個與會者的意圖與行為，如果我們能夠將會 議群體狀態的變化過程進行趨勢辨識，那麼對於會議的導引輔助、衝突協調必能 有相當正面的幫助。

傳統的趨勢辨識方法為檢定法，但是統計方法必須在滿足某些限定條件下才 能對對應模式有良好的能力，最主要的癥結在於：統計方法的假設檢定對所有可 能的對立假設並不滿足一致性(De Gooijer and Kumar, 1992)。基於這點，可以考 慮自由模式的辨識方法，例如類神經網路，但類神經網路以迭代方式更新鍵結值 與閥值，計算量大，相當耗費電腦資源，此外，類神經網路的解有無限多組，無 法得知哪一組的解為最佳解，這些對於必須即時監控的會議狀態來說，都是不利 的因素。

隱藏式馬可夫模型

在本研究中為了做狀態趨勢類型的辨識，採用了隱藏式馬可夫模型（Hidden

Markov Model , HMM）。隱藏式馬可夫模型對一連串的取樣資料（sampling data）

是一種極具威力的分析方法，它不但可以有效率的替取樣資料建立參數式的模型

（parametric model），並且可以對隨著時間而改變的資料序列作 pattern

segmentation 與 pattern classification 的分析。HMM 常使用在聲紋的比對、序列 的 Alignment 甚至 Gene finding 等的論文中，在本研究裡，我們必須對一段期間 內所累積出來的群體行為與意圖觀測值序列做趨勢比對，這個比對方式非常符合

HMM 方法本身的特性：因為即使某群觀測值序列為相同類型的變化趨勢，相互 間仍然可能有極高的變異性存在，而 HMM 這種相似（Likelihood）機率比對法 不但可靠性高，而且所需的時間複雜度也低。

相對於隱藏式馬可夫模型而言，馬可夫鏈又被稱為可見的馬可夫模型

（observable Markov model），因為處理過程中的輸出結果為在時間 t 的狀態的集 合（也就是S 的集合）_t ，其中每個狀態（S ）對應到一 observavle event _t X ，換_i 句話說，observable event 序列 X 與馬可夫鏈狀態序列S =S₁,S₂,...,S_n，存在著一 對一（one-to-one）的關係；隱藏式馬可夫模型就是此種模型的延伸，也就是：

處理過程中的輸出結果並不會固定為任一狀態，而輸出的結果則是決定於機率密 度函數（probability density function，pdf）也就是說，輸入一觀測狀態，其輸出 結果並不會唯一；這意味著 observation 序列與狀態序列間不再存有 one-to-one

的關係，每一個狀態代表的意義不是可以直接決定的，因此稱之為"隱藏式"馬可 夫模型。

HMM 完整的格式包含兩個定值的參數 N 與 M（N 代表總共狀態的個數，而 M 代表 observation alphabet 的大小）、observation alphabet O、以及三個機率的集 合（metric）：A、B、及π，為了方便表示，我們使用下列的表示法：

Φ=(A，B，π)

HMM 應用在 pattern claasification 時的計算過程，必須先經過學習階段，下 圖 2-4 為學習過程的例子：

圖 2-4：HMM Larning 過程示意圖

如上圖所示，設共有 N 類資料群，每一群的訓練用資料（Test sample）可產 生出一組 Model 參數Φ ，其中 k 是指第 k 組訓練參數。而在辨識的過程中，我_k 們將 observation sequence X =(X₁,X₂,X₃,...,X_T)代入每一個 Model Φ 求_k

)

| (X _k

P Φ 之機率值，而P(X|Φ 計算出的機率值最高者，我們將_k) Class 1 Test sample

Class 2 Test sample

Class N Test sample

Model training Class 1 Model

Φ

Class N Model Φ_N

) ,..., , ,

(X₁ X₂ X₃ X_T

X = 視之為與該 Model 為同一類，由上述過程即可完成 pattern claasification 的計算。

在應用在實際環境上之前，HMM 需要解決下列三個經典問題：

1. Evaluation Problem：給予一個模型Φ及一個 observation sequence )

,..., , ,

(X₁ X₂ X₃ X_T

X = ，那麼該如何求P(X |Φ)？也就是說此 Model 產生這個 observation 的機率為何？

2. Decoding Problem： 給 予 一 個 模 型 Φ 及 一 個 observation sequence )

,..., , ,

(X₁ X₂ X₃ X_T

X = ， 那 麼 該 如 何 求 一 個 最 接 近 的 狀 態 序 列 )

,..., , ,

(S₁ S₂ S₃ S_T

S= 能夠產生此一 observation？

3. Learning Problem：給予一個模型Φ及一組 observation，我們該如何 調整 Model 的參數Φˆ 使得 join probability(likelihood)

∏

X

X

P( | ) 最

大？

當 HMM 應用在本研究中，做 Pattern 辨識時，必須解決第 1、3 個問題；解 決第一個問題必須使用 Forward Algorithm，其過程如下所示：

Step 1：Initialization ) ( )

( ₁

1 i

π

α

Step 2：induction

j i a b_j X_t t T j N

N

i

ij t

t  ≤ ≤ ≤ ≤



 



=

∑

= − () ( ) 2 ; 1

) (

1

α

α

Step 3：Termination

∑

=

= Φ ^N

i T i X

P

1

) ( )

|

(

α

α

(i )

π

) ( _j

i X

b 為一個 hidden Markov model。

第三個問題也就是 Model 的 Learning 則是使用 Baum-Welch 演算法（又稱為 backword-forward algorithm），其演算法如下所示：

Step 1：initialization: Choose an initail estimate Φ.

Step 2：E-step:Compute auxiliary function

Step 3：M-step:Compute

Step 4：Iteration: Set Φ=

其中式 2.1 與 2.2 為：

∑∑

∑

= =

= _T = t

N

k t T

t ij

k i

j i a

1 1

1

) , (

) , ( ˆ

γ γ

式 1

∑∑

∑ ∑

=

=

=

t i

t o X

t i

t

j

j i

j i k

b

1

) , (

) , ( )

ˆ (

γ γ

式 2

其中：

∑

= − _N k

T t t j ij t t

k j X b a j i

i

1 1

) (

) ( ) ( ) ) (

, (

α β

γ α

其中

α

β

N i T

t j

X b a

i

N

j

t j ij

t

 = − ≤ ≤



 



= 

= +

∑ ^{( ) ( ) 1 ,..., 1 1}

)

(

1

1

β

β

而 auxiliary function Q(Φ,Φˆ)則定義如下：

2.4 文獻探討總結

綜合以上所述，我們得到下列結論，並嘗試在研究方法中提出相應的解決之 道：

(1) 近代群體支援研究焦點已從通訊技術轉移至會議過程與群體的產能 之上，然而針對會議即時進行協調輔助的研究卻相當稀少，本研究 的目的就是提出一種可以針對會議狀態進行協調輔助的機制。

(2) 由於開放性領域輔助機制的開發困難，故現今的群體支援系統大多 只能針對封閉性領域問題進行支援，造成其在泛用性與實用性上的 價值不高，因此本研究欲提出一種泛用型輔助機制，讓群體協調機 制本身能獨立於單一領域知識之外。

(3) 衝突管理理論是群體協調的重要一環，本研究欲採用衝突管理的概 念來達成即時輔助效果。

(4) 利用合理的方式將群體狀態進行蒐集與衡量，並從其變化的趨勢進 行預測與干預。

ˆ ) , ( ˆ )

, ( ˆ)

,

( Q_a a_i Q_b b_j

Q Φ Φ = i Φ + j Φ

∑∑∑

=

Φ ⁻

i j t

j t

t i

a a k

X P

j s i s X a P

Qi logˆ ( )

)

| (

)

| , ,

) ( ,ˆ

( ¹

第三章 系統規劃與設計

本章將描述關於本研究的研究相關細節，以分章節之方式，一一陳述達成研 究目的的數個理論與機制，其中包含有意圖分析工具之設計理論、衝突分析之理 論根據、系統實際建構之方法以及系統反饋的呈現方式。

首先，在 3.1 節中介紹本研究之系統架構與其中的主要原件；3.2 節針對系 統架構中的意圖分析工具－「Sentence opener」之設計理論做詳細說明與定義；

3.3 節說明如何利用模糊德菲法所取得的 Sentence opener 溝通意圖指標與 Thomas 衝突行為構面模式的配合，來做「feature extraction」；3.4 節針對系統架 構中的主要原件之二－「Status Analyst」做詳細說明與定義；3.5 節針對系統架 構中的主要原件之三－「Agenda Facilitator」做詳細說明與定義，並說明如何進 行群體協調處理；在 3.6 節則為本節作結。

3.1 系統架構

本研究所提出之 Group Facilitator，其系統架構主要分成四大系統元件－

「Sentence opener」、「Feature extraction」「Status Analyst」與「Agenda Facilitator」， 下圖所示：

圖 3-1：系統架構圖

我們針對系統四部分做一個簡單介紹：（1）Sentence opener，這是一種對話 輔助工具，它的主要功能是從使用者溝通訊息中獲取群體記憶與溝通意圖指標，

作為後續群體狀態分析與協同合作輔助機制之用。（2）Feature extraction，這個 元件的主要工作是從 Sentence opener 取得的對話資訊中，萃取出有利於後續分析 的關鍵參數，提供群體狀態的後續分析之用。（3）Status Analyst，透過 Dialog

Repository（實體是一個 Data Base，除了儲存對話之外，也儲存著從上述兩個元 件所取得的分析資料），把從 Sentence opener 所取得的使用者溝通意圖指標，透 過 HMM 進行群體意圖狀態趨勢辨識並與 Rule Base 中的 Rule 逐一比對，分析未

Server Browser

Sentence opener

Feature extraction

Dialog Repository

Status Analyst

Agenda Facilitator

Rule Base

來可能的預期狀態。（4） Agenda Facilitator，透過 Status Analyst 的分析結果，

依循衝突管理的概念與群體狀態的趨勢，配合會議目前所處議程階段之希望狀態 來進行回饋，以協助會議順利進行，提高會議執行效率與效能。

3.2 Sentence opener

由 2.1.3 節的文獻探討可知，對文字傳送型群體支援系統而言，系統在分析 群體記憶與協調管理上，首先遇到的問題就是資料分析方法；由於電子會議討論 的內容（文字型態資訊）是由與會者以口語化方式輸入，想要分析此種類型的資 料，自然會牽涉到自然語言處理的相關領域；然而自然語言處理過程的核心－「建 立語義結構」有著開放性詞意比對知識庫在開發上的先天限制，致使開放性問題 領域的電子會議系統在語意分析的實作部分非常困難，這也是大部分群體支援系 統相關研究在實作階段多偏重於「在固定狹小的知識領域中提供專家模式來輔助 會議進行」，而非建構出一種泛（通）用性群體支援輔助架構的主要原因之一。

本研究為了簡化文字型電子會議中使用者對話意圖區段的萃取過程，我們使 用了一種新型態的對話輔助工具－Sentence opener。所謂的 Sentence opener，就 如同字面意思上所指，是「一段語句的開啟者」，以文字型電子會議而言，就是 文字對話的句首，舉例來說：

你可以解釋為何 ＋ 覺得這個方案不可行?我覺得沒有問題啊?••••••

（Sentence opener） （對話內容）

由於 Sentence opener 可以直觀的反映出許多使用者意圖，所以能夠提供一種 自然的方式，在不必了解完整的溝通行為過程的前提下，就能判斷出可能的會話 表達意圖；以上面的句子為例，Sentence opener「你可以解釋為何」表現出一種

「詢問」和「反對」的意念，就算不分析後半段的對話內容，也能輕易判斷出可 能的意圖類型。我們在研究中，參考 Soller（2000）等人所定義對話輔助工具分 類，包括要求(Request)、通知(Inform)、激勵(Motivate)、討論(Discuss)、維護 (Maintenance)、作業(Task)、調停(Mediate)、致意(Acknowledge)、對話顯示 (Dialog Display)與議程(Agenda)等類型，如 表 3-1 所示。

表 3-1：Sentence opener 內容範例 Subskill Sentence opener

要求 你認為如何；你可以解釋(嗎)；你認為呢；…

通知 我認為；請詳細說明；我肯定的認為；請證明；相同的；…

激勵 你說到重點了；非常好；沒錯；…

討論 但是； 我同意，因為； 我不同意，因為；…

維護 很抱歉；沒關係；可以請你…(嗎)；我了解你在說什 麼；…

作業 準備好了嗎？做個總結吧；讓我告訴你；再見；…

調停 我們來問問 (其他人)

致意 好的；是：否；謝謝；…

（資料來源：Soller et al., 2000）

限制住 Sentence opener 的選擇性是有意義的，據調查，一般經理人平均花費 在開會的時間高達三成到八成，可是在花費這麼多時間成本的同時，發現並未因 此而提昇多少生產力，這其中最關鍵的因素在於開會時的議事效率太差（陳天

亮 ，民 83）；Smart 在 1974 年發表的研究中指出，有 75﹪的主管認為他們經常 參加無效會議，而造成無效會議困擾的的特徵，比例如下表 3-2 所示：

表 3-2：無效會議特徵 偏離主

題

準備不足 有效性受質 疑

缺乏聽眾 參與者的言語之爭 冗長 缺乏參與 83 ﹪ 77 ﹪ 74 ﹪ 68 ﹪ 62 ﹪ 60 ﹪ 51 ﹪

由於一般會議上的發言並沒有一定的規範，因此經常造成發言內容偏離主 題，這種結果造成會議無法在議程內完成決策，讓會議越顯冗長，這個現象在電 子會議上更為嚴重，由於發言上沒有限制，經常會使會議變質成為閒聊；相較之 下，這些受限的 Sentence opener 能夠有效的提醒使用者在討論過程中應注意的事 項，並引導對話與決策程序的進行，提高群體決策品質與效率。

Sentence openers 的使用對 Client 端的使用者來說，可以減輕使用者以鍵盤 輸入的負擔，並提醒使用者在討論過程中應注意的事項，引導對話與決策程序的 進行；對 Server 端來說，能夠透過群體支援系統(GSS)的對話溝通取得使用者溝 通意圖指標，並作為後續群體狀態分析，進行衝突管理的依據。

Thomas（1995）認為衝突的產生應該同時具有堅持度（assertiveness）與合 作度（cooperativeness）兩個構面，而非僅由合作和衝突單一構面所形成，這種 現象可以由圖 2-2 表示之，因此，我們利用堅持度與合作度這兩個參數來作為使 用者溝通意圖的指標，而每一個 Sentence opener 都有一組相對應的堅持度與合作 度參數值，表示如下：

為了讓以讓堅持度與合作度的變化在衝突行為構面模式當中有直接比較的 基準，我們將「低」視為負向，「高」視為正向，並為了利於計算將 a 與 c 的範 圍限定於-1 到 1 之間。由於每個人對 Sentence opener 中溝通意圖指標 SO（a , c）

之認知不同，因此對於溝通意圖指標之建立，需要更詳細的分析討論。

3.3 Feature extraction 過程

經由模糊德菲法過程可以獲得各組參考用 Sentence opener 溝通意圖指標：

SO（a , c）；由此溝通意圖指標，我們就可以由其中的堅持度與合作度的程度來 判斷「個人」處理意圖，而累計群體堅持度與合作度變化趨向，更可作為判斷「群 體」狀態的參考，因此在這個元件中，主要透過先前 Sentence opener 對話輔助工 具的輸入對話，進行關鍵參數的蒐集萃取。

之所以說「參考」，是因為「溝通意圖」並非與「行為」畫上等號，由文獻 探討（2.2.3 節）中可知，行為並無法完全表達實際的意圖，因此我們也不能將 意圖做為實際行為的歸因，但由於意圖可以提供互動行為上的一般性的指導原 則，因此在衡量群體意圖狀態上，仍是很有效的衡量因子。

SO（a , c）

a＝堅持度（assertiveness），且

^a

{ ^X

^X

}

c＝合作度（cooperativeness），且

^c

{ ^Y

^Y

}

在 Sentence opener 對話輔助工具的輸入中，我們可獲得的資訊包括：使用者

ID、Sentence opener 與對話內容（指除去 Sentence opener 的部分）。由這些資訊，

我們可以萃取出個人當前狀態、個人長期偏好、個人參與度與群體參與度等多項 屬性，說明如下：

（1）個人當前狀態（ap , cp）：

利用使用者當下輸入的 Sentence opener 取得對應的堅持度與合作度的值 後，由於是用於表示「個人」於「當前」的意圖，我們用 SO（ap , cp）來表示 之，其中 ap 指個人當前堅持度，而 cp 則為個人當前合作度。

（2）個人長期偏好(AP , CP)：

研究顯示，人們對於衝突處理的方式在根本上是固定的（Sternberg and

Soriano 1984 ;Baron,1989;Volkema and Bergmann,1995），尤其個人在 5 種衝突行 為意圖中（包括競爭、合作、容納、避免與妥協），會有特定的偏好，這些偏好 往往相當一致，可以加以推論，我們將之定義為（AP , CP）；本研究利用「指數 平滑法」作為個人長期衝突處理意圖偏好的推論公式，依據時間的變化，平滑的 處理使用者的每一次的偏好演變；平滑處理的目的是希望即使使用者在會議過程 中稍微改變衝突處理意圖，系統能以漸進學習(incremental learning)的方式推論出 使用者之當時狀態，以判斷使用者潛在的衝突處理偏好。公式參考下圖 3-2：

利用指數平滑法來計算個人長期偏好的理由有下面幾點：

<i>

取代正規化過程

被定義於-1 與 1 之間，則 AP 與 CP 值也必定在-1 與 1 之間。如此，可 以讓堅持度與合作度的變化在衝突行為構面模式當中有直接比較的基 準，也不需要再去進行正規化的轉換動作。

<ii>

可隱含時間變化因素

<iii>

平順穩定的演變與較佳的容錯能力

表示其改變是漸進而平順的，即使在當某些使用者個人短期意圖突然改 變時，個人長期偏好意圖指標(AP , CP)並不會急劇的改變，這使得系統 有較佳的容錯能力。

圖 3-2：個人長期衝突處理意圖偏好預測公式

（3）個人參與度：

(

)

t t t

AP

ap

AP

( )

t t t

CP

cp

CP

AP

CP

1

AP

1

CP

ap

t

cp

t

α 為平滑指數（0＜α＜1），代表近期行為意圖影響類別長期意圖偏好 的預測比重。

β 為平滑指數（0＜β＜1），代表近期行為意圖影響類別長期意圖偏好 的預測比重。

在起始狀態下（t = 1），

AP

= ap

CP

= cp

經由 Sentence opener，我們可以紀錄每個使用者的發言累積次數並計算群 體發言次數的平均值，這兩個參數可以用來判斷每個使用者的討論狀況和與會者 的參與程度。

（4）群體參與度：

透過（3）的紀錄，計算群體發言次數的標準差，可以用來判斷群體當前的 討論狀況（發言的離散程度）做為群體參與度的衡量指標。

在這個階段，我們利用模糊德菲法所建立的 Sentence opener 的溝通意圖指標 配合 Thomas 衝突行為構面模式，分析出使用者自 Sentence opener 的使用中所欲 表達的意圖特徵，最後再與其它萃取出的使用者參數同時存入 Dialog Repository 中，提供下面兩個元件在後續分析時取用。

3.4 Status Analyst

所謂狀態分析，在本研究中是透過 Dialog Repository，把從 Sentence opener 所取得的使用者溝通訊息與意圖指標，藉由其中所帶有的堅持度和合作度，來判 斷個人處理衝突的意圖，並由所有人的處理衝突意圖，來辨析群體當前狀態與意 圖變化趨勢，以分析目前會議的狀態。

狀態分析包括四個部分：（1）群體狀態分析（2）群體意圖狀態趨勢類型辨