STEM Talent Data in the AI Era -Chip innovation, talent development and policy priorities in Chinese Taipei

國立政治大學傳播學院林日璇特聘教授於APEC STEM論壇分享臺灣半導體育才政策 倡議以長期資料追蹤培育成效

串聯教育、研發與產業需求,讓人才政策成果具體可衡量

人工智慧加速產業轉型,如何培養半導體與IC設計人才,並掌握人才培育的實際成果,成為各經濟體共同關注的課題。國立政治大學傳播學院特聘教授林日璇參與「APEC STEM Symposium 2026」,以「AI時代的STEM人才資料」為題,分享臺灣推動晶片創新與人才培育的政策布局,並提出連結教育歷程、能力表現及就業發展的資料蒐集架構,作為評估政策成效的重要依據。

在簡報中梳理臺灣從教育、產業、研發到基礎設施的人才培育布局,結合晶片與AI推動產業創新,並強化人才培育環境。這筆經費涵蓋研發及基礎設施等整體布局,評估時應區分各項投入用途,避免將方案總額全數視為人才培訓經費。

針對如何衡量政策成果,林日璇提出,除了記錄開課數量與參與人數,更應持續追蹤學生是否完成培訓、取得哪些能力,以及畢業後能否進入相關產業並發揮所學。簡報建議於結訓或畢業時建立資料,並在後續6個月、12個月及24個月追蹤就業情形,包括首次就業所需時間、工作與所學的相關程度、留任狀況、職務發展及技能運用情形,以掌握培育成果能否延續至職場。

面對AI逐漸融入晶片設計與研發流程,人才評估也需要更貼近實際工作。簡報提出,可透過任務實作,觀察學習者提出問題、應用領域知識及驗證AI產出結果的能力,同時蒐集工作任務因AI而改變的情形,協助課程隨產業需求調整。評估亦應納入工具、算力、導師指導與專題實作機會,了解不同學習者取得資源的差異。

此外,林日璇提出探索個人AI代理作為補充資料來源的可能性。在自願參與、由參與者確認摘要內容及採取彙整分析的前提下,可從學習困難、學習目標與職涯支持需求中,尋找改善教學與輔導的線索。相關資訊仍須搭配問卷及實作評量進行驗證,並留意參與者差異造成的偏誤。

在國際合作方面,簡報建議APEC各經濟體共同研議人才能力與就業轉銜指標,透過小規模試辦,逐步連結學習與就業資料,並分享評估方法及執行經驗。藉由建立可持續追蹤的證據,讓半導體人才政策的投入與成果形成更清楚的連結,也為後續教育資源配置及產業人才布局提供依據。

Leave a Comment