以下為「AI公務應用知識管理與數據分析」e等公務園+測驗解答，共 20 題，供公務人員學習參考。
名目尺度（Nominal Scale）與順序尺度（Ordinal Scale）通常合稱為哪一類資料？
- 數值型資料 (Quantitative Data)
- 連續型資料 (Continuous Data)
- 計量尺度資料 (Metric Data)
- 類別型資料 (Categorical Data)
知識管理（Knowledge Management, KM）層級中，位於最底層、作為所有知識基礎的原材料是？
- 資料 (Data)
- 資訊 (Information)
- 知識 (Knowledge)
- 智慧 (Wisdom)
KM 知識層級架構，透過「學習 (Learning)」和「格式化 (Formatting)」後，將隱性知識 (Tacit Knowledge) 轉化為哪一類知識？
- 資料 (Data)
- 資訊 (Information)
- 知識 (Knowledge)
- 顯性知識 (Explicit Knowledge)
當 AI 系統在問答中未能提供預期答案或輸出品質不佳時，簡報建議使用者應採取的態度或行動是什麼？
- 盲目信任模型的輸出
- 以理性方式引導，協助其回到正確的方向
- 採用負面或消極的態度
- 立即更換一個更強大的 AI 模型
公務機關 AI 智能系統帶來的時間效益是，原本 3-5 個工作天的工作現在可以在多長時間內完成？
- 30 分鐘
- 3-5 小時
- 1 小時
- 1 個工作天
為什麼建議在將 Excel 檔案內容丟給 ChatGPT 前，先在記事本中輸入整理好？
- 因為 ChatGPT 無法直接上傳 Excel 檔案
- 只是個人習慣問題
- 直接上傳 Excel 檔案時，內容可能會出現亂碼
- 節省免費帳號的 token 使用量
在 AI 公務應用模式矩陣中，「公文/談參稿產生器」被歸類於哪一種層級與類別？
- 高層/前端
- 基層/後端
- 高層/後端
- 前端/基層
大型語言模型 (LLM) 中常見的「幻覺（Hallucinations）」現象指的是下列哪一種情況？
- 模型產生無法理解的亂碼
- 模型拒絕回應敏感問
- 模型說出聽起來有道理但實際上不是真的陳述
- 模型執行複雜計算時產生錯誤
NotebookLM 的核心特色，是將外部資料作為什麼基礎？
- 網路搜尋結果
- AI Studio 預設知識庫
- 程式碼執行器
- 來源（Sources）
Gamma 工具的主要功能是什麼？
- 使用 AI 根據單行提詞快速建立簡報或文件
- AI 數據分析與建模
- AI 語音摘要與轉錄
- AI 智能客服機器人
NotebookLM 透過整合哪些功能，有助於公務人員解決「效率低下，人工閱讀耗時冗長」的痛點？
- 僅靠網路搜尋
- 僅靠數據視覺化
- 自動摘要、對話問答與記事功能
- 僅靠 Excel 函式
以下哪一項不適合用來呈現數值型資料？
- 直方圖
- 圓餅圖
- 折線圖
- 散佈圖
構成「Prompt 萬用公式」中，AAA 所代表的核心元素意義是？
- 格式的要求
- 依據的資料或背景
- 扮演的角色或人設
- 產出的內容或目標
以下哪一項是 Google 公司提供的知名 GAI 聊天機器人？
- ChatGPT
- Claude
- Gemini
- Perplexity
ChatGPT for Excel 增益集提供的多個功能中，哪一個是專門用來生成或處理表格數據的功能名稱？
- AI.TABLE
- AI.ASK
- AI.TRANSLATE
- AI.FILL
數據清理（Data Cleaning）中的經典格言「Garbage In, Garbage Out」主要強調了什麼？
- 如果輸入的數據品質不佳，輸出的分析結果也將無法可信
- 模型無法處理大量的輸入數據
- 數據輸入的速度必須優於輸出的速度
- AI 幻覺是不可避免的結果
RAG 檢索增強生成技術 (Retrieval-Augmented Generation) 在 AI 知識管理系統中的主要目的是什麼？
- 負責模型的基礎訓練
- 從特定知識庫中檢索資訊，增強 LLM 回應的準確性和即時性
- 進行大規模的數據視覺化
- 自動執行公務流程 (RPA)
直方圖 (Histogram) 與 長條圖 (Bar Chart) 在視覺呈現上的主要區別是？
- 直方圖用於類別資料
- 長條圖用於連續資料
- 直方圖的長條間不能有間隔，長條圖的長條間應有間隔
- 直方圖主要用來檢視離群值
下列哪一項是 Notion 可以做到的？
- 只能做文字筆記
- 無法多人協作
- 不能插入圖片
- 建立專案管理系統
在 AI 數據分析的 Prompt 範例中，思維鍊 (Chain of Thought, CoT) 步驟的第一項任務是什麼？
- 資料轉換 (Data Transformation)
- 資料清理 (Data Cleaning: 處理缺失值及移除重複值)
- 探索性資料分析 (EDA)
- 變數相關性計算