第 2 週：資訊素養與判斷力

上一週，我們認識了數位世界的全貌。這一週，我們要處理一個更貼身的問題：在這個資訊量遠超我們處理能力的環境裡，我們要如何判斷一則訊息是真是假？這不只是生活技能，更是會計專業的核心——因為會計的本質，是為資本市場提供可信的資訊。在過去的案例中，有假訊息偽裝成財報、偽裝成主管的視訊、偽裝成政府公文時，「查證」這項能力，就成了專業人員最重要的防線。本週我們將學習一套全世界事實查核人員都在用的方法，並在課堂上實際練習。

2.1 從資訊社會到資訊超載

我們先從一個定義開始。教科書第 2 章對「資訊社會」的定義是：指一個社會中所有成員是否具備資訊處理和運用的能力，且該社會是否擁有足以讓這些能力充分發揮的資通訊科技環境[1]。

這個定義看起來簡單，但請注意它包含兩個條件：

第一個是「環境」——資通訊科技的基礎設施是否普及；

第二個是「能力」——社會成員是否具備資訊處理與運用的能力。這兩個條件必須同時成立，才稱得上是成熟的資訊社會。

環境面的進展：台灣的位置

先看第一個條件。在環境面，台灣（以及全球多數地區）在過去二十年有相當明顯的進展。

根據 DataReportal 在 2025 年 10 月公布的《Digital 2026 Global Overview Report》，全球上網普及率平均為 73.2%，相當於全球約 82.5 億人口中，有約 60.4 億人能夠使用網際網路[2]。區域之間的落差雖然仍存在，但整體覆蓋率已大幅提升：

資料來源：DataReportal《Digital 2026 Global Overview Report》[2]

在國家競爭力方面，瑞士洛桑管理學院（IMD）公布的《世界數位競爭力排行榜》2025 年結果，將 69 個經濟體列入評比（俄羅斯、烏克蘭未列入評比名單），第一名為瑞士，其後依序是美國、新加坡、香港、丹麥；臺灣排名第 10，中國大陸第 12，日本第 30[3]。另一項指標《網路整備度指標 2025》（Network Readiness Index 2025）的前五名則為美國、芬蘭、新加坡、丹麥、瑞典[3]。

這些數據說明了第一件事：在「環境」這個條件上，台灣的表現相當良好。

資訊超載 — 當資訊量超越處理能力

在討論「能力」之前，我們需要先理解這個環境帶來的一項新現象。教科書第 2 章將「資訊超載與電腦錯誤」列為電腦帶來的首要負面影響[1]。這是一個客觀的技術現象，可以從幾個角度理解。

第一，產出速度的量級變化。過去資訊的產出需要經過編輯、印刷、配送等流程，速度受限於實體媒介的物理條件。現在任何人、任何地點、任何時間都可以發布資訊，且發布成本趨近於零。這造成了資訊總量與個人處理能力之間的落差持續擴大。

第二，注意力是有限資源。心理學研究指出，人類的注意力資源是有限的。當同時面對大量資訊時，人無法對每一則資訊都進行完整分析。這是認知系統的設計特性，與個人的努力程度無關。

第三，捷思的運作。當資訊量遠超處理能力時，大腦會傾向採用捷思（heuristics，經驗法則）進行快速判斷。捷思在大多數日常情境中相當有效——它讓我們不必對每件事都從頭分析。但捷思也有一個特性：它依賴的是「容易想到」而非「經過驗證」。這個特性會在 2.2 節進一步說明。

理解資訊超載是一項客觀的環境變化後，我們便能思考對應的方法——而不是把問題歸因於個人的意志力。用方法因應環境，而非用責備因應環境，這是本週課程要建立的視角。

資訊的流通機制 — 推薦系統的排序依據

理解了資訊超載之後，下一個問題是：在這麼多資訊中，我們實際上「看到」的是哪一些？這就涉及內容推薦系統的運作方式。

社群平台與內容網站的營運，主要依賴廣告收入。廣告的計價基礎，與使用者的停留時間（time on site）及互動頻率（engagement）高度相關。也就是說，平台的核心營運指標，就是使用者願意在平台上停留多久、互動多少次。

這個結構本身是中性的——它是一種商業模式。但它帶來一個值得注意的結果：內容推薦系統的功能，是從海量內容中挑選出使用者可能感興趣者；而判斷「感興趣」的依據，來自過往的互動數據。研究與實務都顯示，能引發情緒反應的內容，通常能獲得較高的互動。

因此，推薦系統的最佳化目標，實際上是「互動程度」。這與「內容是否正確」是兩個不同的維度：

這裡要強調的是：這不是誰的過錯，而是系統設計目標與資訊正確性之間的差異。理解這一點，就能理解為什麼我們需要一套額外的查證方法——因為推薦系統本身不負責這件事。

使用行為的設計面

教科書第 2 章也將「電腦沉迷與網路成癮」列為電腦帶來的負面影響之一[1]。從產品設計的角度來看，現代數位產品確實運用了若干機制來提升使用者的使用頻率與時長：

• 無限捲動（infinite scroll）：移除「到底了」的自然停止點，使內容消費沒有明確終點。
• 推播通知（push notification）：主動將使用者帶回應用程式。
• 不定時回饋（variable reward）：回饋時機不固定，容易形成持續查看的習慣。

理解這些機制，有助於使用者有意識地使用這些工具——知道產品是如何被設計的，就能自行決定使用的節奏與界線。這與教科書提到的「操作環境」與「人體工學」其實指向同一件事：使用習慣是可以透過理解而調整的。

同溫層與回音室 — 個人化推薦的連帶效應

個人化推薦的運作方式是：根據使用者過往的點擊、停留、互動紀錄，推測其偏好，再推薦相似內容。長期下來，使用者接收到的資訊會逐漸集中於既有偏好的範圍內。這個現象被稱為同溫層（Filter Bubble，資訊濾泡）。它是一項連帶效應，不是刻意設計的結果，其特徵包括：

• 使用者不容易察覺自己接收的資訊已被篩選
• 因為推薦內容「符合自己的興趣」，使用體驗通常是正面的
• 但資訊的多樣性會逐漸降低

當一群人聚集在封閉的社群中，彼此的觀點反覆相互確認，會產生另一種認知效果，稱為回音室效應（Echo Chamber）：成員會感覺「大家都是這樣想的」。這裡需要區分兩件事：

理解同溫層與回音室，是 SIFT 四步法中「F（Find better coverage，尋找更佳報導）」的理論基礎：如果我們接收的資訊可能已被個人化篩選，那麼「主動尋找不同來源」就不只是額外的動作，而是必要的方法。

資訊失真的三種型態

並非所有不正確的資訊都基於同樣的原因。依動機與性質，學界將其分為三類[4]：

這個分類的教學價值在於：三者的差別是動機，而動機決定了對應的處理方式。

• 錯誤資訊 → 可透過教育與查證習慣的建立來改善
• 虛假資訊 → 需要來源查證與交叉比對
• 惡意資訊 → 特別需要「追溯原始脈絡」（即 SIFT 的 T 步驟），因為內容本身可能沒有明顯錯誤

精確的分類，能讓我們選擇正確的工具。這是資訊判斷力訓練的專業所在。

資訊的變現方式

理解資訊如何被轉換為收益，有助於判斷「某一則訊息為什麼會被製作出來」。這是一個實用的判斷線索。

第一種是內容農場的流量變現。運作結構是：製造吸引點擊的標題 → 獲得流量 → 以流量換取廣告收益。其特徵是以點擊數量為目標，因此標題的吸引力往往優先於內容的正確性。

第二種是股市不實題材炒作（Pump-and-Dump）。運作結構如下：

當一則訊息「對誰有利」變得清楚時，它就提供了一個判斷線索。理解訊息的產生背景，是查證的一部分。

技術基礎設施的雙向性

教科書第 2 章介紹了當代資訊社會的技術基礎[1]：

各產業透過異業合作，將智慧應用深入到各行各業。而這些技術有一項重要特性：它們本身是中性的——價值取決於使用方式。同一套技術，可以讓正確的資訊迅速傳遞到需要的人手上，也可以讓不實的資訊迅速擴散。

理解技術的中性，才能把關注點定位在「使用方式」與「判斷能力」上。這也解釋了為什麼本週課程的重點是「培養能力」，而不是「評價技術」。

從「數位落差」到「識讀落差」

教科書第 2 章介紹了「數位落差」的概念[1]。傳統的數位落差（digital divide）關注的是基礎條件的差距——即不同地區或群體之間「能否上網」的差異。教科書引用的數據顯示，這項落差雖然仍存在，但已逐步縮小。

值得注意的是：當上網普及率逐步提升、基礎設施的差距縮小之後，一項新的課題隨之出現：

資訊素養是數位環境成熟後的下一階段功課。這正是本週課程的定位——從「有沒有環境」進展到「有沒有能力」。

資料的生命週期

教科書第 2 章在討論「廢棄電腦與回收處理」時，引述了美國環境保護署（EPA）的估計：在美國售出的電腦中，約有四分之三被囤積而未妥善處理；這些設備最終可能進入掩埋場、焚化爐，或出口至亞洲[1]。教科書並介紹了幾個國際電子廢棄物處理體系的實例。

從資料治理的角度來看，電子設備的汰換涉及一個容易被忽略的環節：儲存媒體（硬碟、隨身碟、記憶卡）中，可能仍留有財務資料、客戶名單與個人身分資料。因此在會計與稽核實務中，報廢設備的資料銷毀需要有紀錄、有程序——這是內部控制的一部分。

儲存媒體的處置，是資料治理流程的一部分。這與第 1 週的「數位足跡」相互呼應——資料的留存不僅在雲端，也存在於實體設備之中。

案例：一則流傳兩百年的金融傳奇

接下來這個案例，用於示範「追溯（Trace）」這個步驟如何運作，呈現來源查證的方法與價值。

流傳的版本是這樣的：1815 年滑鐵盧戰役期間，內森·羅斯柴爾德（Nathan Rothschild）建立了專屬的通訊網絡，比英國官方更早得知威靈頓公爵獲勝的消息。他在倫敦證券交易所先大量拋售英國公債，引發價格下跌，再於低點大量買進，因而獲得巨額利潤。

這則敘述具備完整的故事要素——資訊優勢、市場操作、可觀報酬，因此長期被引用為「資訊即財富」的例證。

經溯源，這則敘述最早出現在 1846 年於巴黎出版的一本小冊子，作者署名「Satan」（真實身分為 Georges Dairnvaell）。新聞學者 Brian Cathcart 為羅斯柴爾德檔案館（The Rothschild Archive）年刊撰寫的研究，以及他在英國《獨立報》（The Independent）2015 年的調查報導，根據當時的公開紀錄進行查證[5][6]，結果如下：

為什麼這則敘述會被廣泛接受？因為它曾被收錄於多部重要參考著作之中，包括《大英百科全書》、《國家傳記辭典》，以及若干暢銷歷史傳記。當一個說法反覆出現在具權威性的來源中，讀者容易將其視為已確認的事實。

來源的權威性，不能取代對原始證據的查證。這正是 SIFT 中「T（Trace 追溯）」步驟的價值所在。

2.2 大腦的捷思與認知偏誤

請先思考這道題目，憑直覺回答，不需要計算：

多數人心中第一個浮現的答案是「100 元」。但正確答案是「50 元」——因為球棒是 1,050 元，球是 50 元，加起來正好 1,100 元，且球棒確實比球貴 1,000 元。

這道題的價值在哪裡？即使在知道正確答案之後，多數人仍然需要花費幾秒鐘重新計算，才能確認 50 元是對的。這說明了一件事：我們的大腦並非只有一種運作模式。它有兩套系統，而且預設使用的是比較省力的那一套。

這個架構，由諾貝爾經濟學獎得主 Daniel Kahneman 在《快思慢想》（Thinking, Fast and Slow, 2011）中提出[7]，是理解資訊判讀的重要基礎。

雙系統思維（System 1 vs. System 2）

這裡有兩個關鍵特性。第一，系統一是預設模式。日常生活中的絕大多數判斷，都由系統一處理。這是大腦的效率設計——如果每件事都要動用系統二，能量消耗將難以負荷。

第二，系統二需要刻意啟動。它的能力較強，但不會自動上場。它的啟動需要一個明確的動作，例如察覺到「這件事好像不太對」、意識到「我需要確認一下」，或決定「先不要急著反應」。

三種常見的認知偏誤

系統一在處理資訊時，會運用若干效率機制。這些機制在多數情況下有效，但在特定情境下會產生可預期的偏差。以下三種與資訊判讀的關聯最為直接。

不過在介紹之前，先釐清一個常見的討論。很多人以為「假訊息是長輩才會信的，我們是數位原住民，不會被騙」。

實證研究確實發現一個現象：美國學者 Guess、Nagler 與 Tucker 發表於《Science Advances》的研究顯示，65 歲以上的使用者分享假新聞連結的比率，約為 29 歲以下族群的 7 倍——即使在控制了黨派立場、意識形態與教育程度之後，這項差異依然存在[16]。

但這個數字的原因值得說明，而且學界目前仍在討論。該研究提出的解釋是：年長者的數位媒體識讀訓練機會較少，使用數位媒體的習慣也不同[16]。

另一條常被討論的線索是重複曝光效應（同一則訊息看過多次就覺得可信）。不過這條線索的證據並不一致：

也就是說，「重複曝光對年長者影響更大」目前是一項仍有爭議的推測，尚未形成一致結論。而 Brashier 與 Schacter 另外指出一個較一致的發現：年長者較容易忘記資訊的來源——這使得事實查核的更正容易淡忘，但原始錯誤訊息因為「讀起來熟悉」而留存[17]。

因此，目前證據支持的是：造成差異的是偏誤機制的運作條件（例如來源記憶、既有習慣），而不是「年紀大所以判斷力差」。

一、確認偏誤（Confirmation Bias）

定義：人們傾向於接收「符合自身既有期待」的資訊，並對「與既有想法不一致」的資訊採取較嚴格的檢視標準。

這項偏誤的特點是運作時不易察覺。使用者通常感覺自己在進行客觀判斷，但實際上判斷標準已因既有立場而有所不同。

會計工作的對應情境：假設你是公司會計人員，系統跳出一筆異常分錄——

同一筆分錄、相同金額、相同的異常幅度——唯一的差別是你對簽核者的既有印象。而這個印象，決定了你會多花五分鐘追查，還是直接核准。

這正是內部控制設計的核心考量：舞弊最容易存在於「我們比較不想懷疑」的地方。這也是為什麼審計準則要求會計師保持職業懷疑——不是因為假設人性本惡，而是因為人的判斷天生會有偏差。

二、可得性捷思（Availability Heuristic）

定義：一件事情的畫面越鮮明、越容易聯想，人們就越容易高估它發生的機率。

運作機制是：系統一判斷「某件事有多常見」時，運用的線索是「我多容易想到它」。而「容易想到」與「實際頻率」未必一致——媒體報導量、畫面震撼度都會影響「容易想到」的程度。

會計工作的對應情境：假設公司本月的異常損失有兩筆——

舞弊常見的操作方式之一，是用不顯眼的方式、在較長時間內逐步進行。這也是為什麼查核不能只看「有沒有大筆異常」，而必須搭配趨勢分析與抽樣——因為注意力天生容易被「顯眼」的事物吸引。

三、光環效應與權威偏誤

定義：當一則資訊冠上權威標籤（名校教授、企業高層、知名機構），人們傾向降低查驗的意願。

這裡需要區分兩件不同的事：

判斷的實用原則是：一個真正的專業人士，通常會說明其推論依據與資料來源。而只強調頭銜、不提供可查證依據的陳述，值得進一步確認。

捷思的雙面性與偏誤的交互作用

這裡需要補充一個重要的理解：捷思在多數情況下運作良好，它不是需要被消滅的缺陷。

那麼，捷思在什麼條件下會產生偏差？

第三項條件特別值得注意。在一般的學習情境中，判斷錯誤通常會很快得到回饋（例如算錯數學題，對答案就知道）。但在資訊判讀的情境中，這個回饋機制往往是缺乏的：

缺乏回饋，是資訊判斷能力難以自然累積的原因。這也說明了為什麼需要刻意學習一套方法，而不是單靠經驗累積。

三種偏誤的交互作用

三種偏誤並非各自獨立，而是會相互強化。以股市不實題材為例：

偏誤的組合效果，大於各自單獨作用的總和。

這對「警覺」的啟示

這一點對學習態度有實際意義：

因此，本週課程強調的是方法，而不只是態度：

SIFT 四步法之所以被廣泛採用，正是因為它是一套方法——不論當下的情緒、立場或疲勞程度如何，都可以照著執行。

2.3 生成式 AI 時代的資訊真偽挑戰

我們先建立一個對大型語言模型（LLM，即 ChatGPT 這類工具）的正確認知。常見的理解是「ChatGPT 是一個超級百科全書，裡面存著全世界的知識，你問它，它就去查」。但實際上，LLM 的核心運作方式是機率型的文字生成——它根據訓練時接觸過的大量文字，計算「在某個語境之後，下一個字最可能是什麼」，然後逐字生成。

AI 幻覺（Hallucination）

當模型缺乏足夠資料、或提問帶有引導性時，它不會自動表示「我不知道」——它可能生成一段結構完整、語氣自信的內容，其中包含不存在的人名、法規條號、數據，或文獻與案例。

實際案例：在美國曾發生律師使用 AI 工具準備書狀的案例，其引用的法院判例經法官查證後，發現並不存在。該律師與其事務所後續受到法院制裁。

在會計領域的應用上，可遵循以下原則：

深度偽造技術（Deepfake）與合成媒體

過去在驗證身分或授權時，「親自通話」或「視訊見面」被視為較強的確認方式——因為當時認為聲音與影像難以偽造。這個前提在生成式 AI 出現後發生了變化：當影像與聲音都可以被合成，「見面即真實」的驗證邏輯需要重新設計。

驗證機制的設計原則

這些原則屬於內部控制的基本要求，並非新創——但生成式 AI 的出現讓它們的重要性更為明確。

五項原則中，「獨立性」是最直接對應深偽風險的一項：

獨立性來自「資訊在事件發生前就已存在」，而不是來自「當下的技術有多逼真」。這個原則也解釋了為什麼審計實務要求外部函證——會計師直接發函給銀行，而不是透過受查公司轉交，因為由受查公司提供的文件不具獨立性。

案例：香港 Arup 案

在進入這個案例之前，請先設想一個情境：

這不是模擬題，而是 2024 年 1 月真實發生在香港的一起案件。以下為事件經過：

這起案例的核心，不在於技術本身，而在於一個內控環節被技術突破：當「主管授權」這個步驟可以被技術複製時，內控流程需要設計成不依賴單一感官確認的機制。

假圖辨識實作 — 五角大廈事件

事件背景：2023 年 5 月 22 日，社群平台 X（當時名為 Twitter）出現一張影像，畫面為美國國防部五角大廈附近出現大量濃煙，看起來像是發生爆炸。該影像經若干具認證標記的帳號轉發。

五處視覺特徵（請搭配下圖解說）：

三招通用檢查點

補充說明：社群平台的認證標記（藍勾勾）在現行制度下可付費取得，其意義與「官方認證」不同。因此，判斷時宜以內容本身與來源查證為依據。

AI 工具在會計領域的應用場景

理解了技術特性之後，可以進一步看它在會計領域的實際應用，這有助於建立「工具與查證並用」的工作方式。

關於「機密界線」這一項，與第 1 週的數位足跡、本節前面的資料治理相互呼應：

使用 AI 工具的效率提升，不改變會計專業對資訊正確性與保密性的基本要求。本週建立的是使用原則；第 4 週「AI 基礎與倫理」會進一步處理 AI 幻覺與偏見的成因，以及智慧財產權與專業倫理準則。

對會計專業作業流程的影響

憑證核驗的挑戰

本節前面提到的深偽技術，主要影響的是「人的身分確認」。但生成式 AI 對會計工作的另一項影響，是憑證本身。

會計的核心工作是依據憑證做判斷。過去辨識假發票，可以看紙質、看印刷、看印章的細節——但這些物理特徵在數位檔案裡完全不存在。而 AI 可以生成高度擬真的：發票、銀行水單、授權公文。

實務上：書面核對需搭配獨立來源的確認。這與下一節要學的橫向閱讀、以及審計實務的外部函證，是同樣的邏輯。

內部控制設計的調整

內部人舞弊方面：因熟悉流程、具備人際信任基礎，內部人舞弊向來是內控設計的重點項目。這也回應了 2.2 節提到的確認偏誤——舞弊常存在於「較不會被懷疑」的環節。

2.4 專業查證思維與數位工具箱

請先設想一個情境：你收到一個連結，點進去是一個看起來相當專業的網站，內容提到一個投資機會。你的第一個反應是什麼？

多數人的作法是留在這個頁面，往下滑——看排版是否精美、看「關於我們」寫得是否認真、看有沒有客戶見證、看是否使用專業術語。看完之後判斷「做得滿精緻的，應該是可信的」。

這個方法在事實查核領域稱為「縱向閱讀」（Vertical Reading）——你停留在同一個頁面內，向下深入。專業查證人員的作法則相反，稱為「橫向閱讀」（Lateral Reading）：不要往下滑，立刻另外開啟分頁，去查詢「這個來源是什麼？獨立媒體怎麼說它？」

也就是說：不是問「這個網站看起來可不可信」，而是問「別人怎麼說這個網站」。

橫向閱讀的實證依據

這套方法有實證研究支持。Wineburg 與 McGrew（2019）在《Teachers College Record》發表的研究中，比較了三組受試者[10]：

這項結果的意義是：判斷的準確度，與「讀得多不多」關係不大，而與「有沒有跳出去查」關係較大。

為什麼縱向閱讀效率較低？有一個實務上的原因：專業的網站製作成本相當低。詐騙網站或內容農場的排版與文案，可能比政府機關網站更精美。因此，「用外觀判斷可信度」是一項效率較低的方法。

SIFT 四步法

SIFT 由數位素養研究者 Mike Caulfield 於 2019 年提出[11]，已被廣泛採用於圖書館、大學與新聞編輯室的資訊素養訓練。它的優點是步驟明確、可在一分鐘內完成。

S — Stop（停下來）

I — Investigate the source（調查來源）

重點是：這個步驟不要在原網站內進行，要跳出去查詢——這就是橫向閱讀。

F — Find better coverage（尋找更佳報導）

T — Trace claims to original context（追溯原始脈絡）

這一步的價值在於：可辨識出「內容為真，但脫離原情境」的情形（即 2.1 節介紹的「惡意資訊」）。

數位查證工具

圖片反向搜尋

功能是顯示圖片的最早出現時間與位置，可辨識「舊照片搭配新標題」的手法——這是常見的資訊錯置方式。

事實查核組織

實用建議：可將這兩個網站加入書籤。當遇到親友轉傳的可疑訊息時，回傳查核報告的連結，通常比直接爭辯更有效。

網域識別

檢查技巧：從網址結尾往前看。先看最後一段（.tw、.com、.cc），再看主要網域名稱。有些網址會將相似字串放在中間，快速掃視時不易察覺。

會計專業的官方管道原則

這一段是本週課程與會計專業最直接的連結。

上市櫃公司的重大訊息（財報、重大合約、高層人事變動、併購案等），依法須在這些平台公告。因此，當聽到一則關於某上市公司的重大消息時，判斷方式很明確：

這正是會計思維的特點：不依賴感官判斷，而依賴制度與可查證的來源。

審計實務的對應：外部函證

查證場域：電子商務與資料治理

前面的方法與工具是通用的。以下說明它們在實務場域的應用。

教科書第 2 章介紹了電子商務依交易雙方區分的五種型態[1]：

這些型態與查證能力的關聯如下：

教科書也介紹了智慧城市的六大指標[1]：智慧經濟（smart economy）、智慧治理（smart governance）、智慧環境（smart environment）、智慧居民（smart people）、智慧交通（smart mobility）、智慧生活（smart living）。其中「智慧治理」的核心，即為資料治理——城市的運作建立在資料的正確性與權限管理之上。

數位化程度越高的社會，對資訊正確性的依賴也越高。

2.5 實戰演練：假新聞偵探

本節為課堂活動，以學生實作與討論為主。以下為活動規則與四個案例的完整說明。

活動概述與規則

作答選項說明（重要）

四個案例共用作答選項。其中案例四的性質與其他三題不同——它的數據本身沒有造假，問題出在呈現方式，因此需要第三個選項：

案例一：圖文錯置型社群快訊（模擬教學案例）

情境：X（Twitter）上出現一則貼文，發布者具認證標記。內容為「突發：ASML 荷蘭廠發生特大火災，產線全面停擺」，並附上一張濃煙沖天的空拍照片。

請注意這則貼文的三個特徵：發布者帶有認證標記、內容涉及知名企業的重大事故、附有視覺衝擊強烈的照片。先不要急著判斷真假，先問自己：這三個特徵，各自應該用 SIFT 的哪一步來查？

案例二：AI 生成人物與假專家背書

情境：一張財經雜誌封面，人物標示為「高盛前總裁 Dr. Clarissa Wood（虛構人物）」，標題為「獨家專訪：保證年化收益 38.5% 的投資組合」。

這一題的破綻有三個層次，而且需要的工具各不相同。請先看第一層：這張照片本身有沒有問題？特別注意人物的飾品、眼鏡與背景文字。

案例三：偽造政府機關公文

情境：一份政府機關公文（含機關名稱、印記、發文字號），內容為「為防範洗錢，請民眾於本平台核驗網銀身分，以維護帳戶安全」，並附上一個網址連結。

這一題的破綻不只一個。請在時限內盡量找出：這份公文有幾個地方不對？提示：先看網址，再看用字，最後想一個問題——政府機關會需要你的網銀密碼嗎？

案例四：比例刻意扭曲之財報趨勢圖

情境：一份上市公司財報簡報中的一頁，圖表標題為「本公司淨利潤成長趨勢」，折線呈現近乎垂直上升。

這一題請各位會計系的同學特別注意。先看那條線，再看 Y 軸——這張圖的數字有沒有造假？如果沒有，那問題在哪裡？

活動總結

四個案例的手法不同，但辨識方法都指向同一件事：離開原頁面、尋找原始來源、核對可驗證的資料。這就是 SIFT 的核心精神。

最後補充一點。如果剛才有人用 AI 工具查到答案，為什麼不算數？原因有兩個：第一，本活動要練的是「怎麼查」，而不是「查到什麼」——直接把問題丟給 AI，等於跳過了整個練習過程。第二，AI 工具同樣可能出錯（如 2.3 節說明的幻覺現象），而且它不會告訴你判斷的依據。在專業工作裡，能說明依據的結論，才有採信的價值。

2.6 總結與會計專業思維建立

先說明一個可能與直覺不同的觀點：會計的核心不只是記帳。記帳是技術與工具；而會計專業服務的核心價值是「信任（Trust）」。

職業懷疑心（Professional Skepticism）

依國際審計準則 ISA 200 的定義[13]：

這句話裡有一項重要的平衡：既不假定管理當局是欺瞞的，也不假定他們是毫無疑問誠實的。

與 SIFT 的對應關係

兩個案例的啟示

一、美聯社社群帳號遭駭事件（2013/04/23）

訊息即使只存在約 3 分鐘，仍足以在市場上造成可觀的價格影響。這說明了資訊正確性與金融市場運作之間的直接關聯。

二、維基百科「比喬林衝突」虛構條目（2007-2013）

形式的完整（字數充足、附有註腳、排版規範）與內容的正確，是兩件需要分別確認的事。這也呼應了 2.1 節羅斯柴爾德案例的啟示：來源的權威性，不能取代對原始證據的查證。

本週在課程地圖中的位置

本週建立的能力會在後續課程持續使用：SIFT 四步法可用於所有週次的資料查找與確認；橫向閱讀可用於產業案例研究與文獻查證；法定揭露管道的概念會在成本效益分析（第 12 週）與數位時代的會計專業（第 13 週）中再次出現；資料治理概念會延伸至資料庫與大數據（第 14 週）。

下一週預告：下一週（第 3 週）為教師節放假。再下一次上課為第 4 週，主題為「AI 基礎與倫理」，內容包括生成式 AI 原理、提示詞工程基本概念、AI 幻覺與偏見（延伸本週 2.3 節），以及智慧財產權與專業倫理。

本週核心命題回顧

答案會更新，工具會演進，資訊生成技術會持續精進。但一套嚴謹的查證方法，可以長期使用——這就是專業能力可持續的基礎。

2.7 本週重點提煉與自我評量

重點提煉

自我評量

2.8 Excel 實習課 — 資料輸入與格式設定

每週除了兩堂正課，本課程還有實習課——兩班分開，各由一位助教帶領，以 Excel 實作為主軸。上週認識了工作環境，本週要開始建立資料的品質基礎。

實習目標

• 了解資料類型的分類：文字、數字、日期、貨幣，以及各自適用的場合
• 學會正確的資料輸入技巧，避免常見的輸入錯誤
• 掌握儲存格格式設定：數字格式、貨幣符號、小數位數、日期格式

實習內容

助教會示範資料輸入與格式設定，並帶領同學完成以下練習：

1. 建立資料表：新增工作表，建立一個會計科目表，包含「日期」、「摘要」、「科目」、「金額」、「備註」五個欄位。
2. 資料類型輸入：練習輸入文字（摘要）、數字（金額）、日期（交易日期）三種不同類型的資料，並觀察 Excel 如何自動辨識與對齊。
3. 格式設定：將「金額」欄設定為貨幣格式（新臺幣、千分位、小數二位）；將「日期」欄設定為統一的日期格式。
4. 資料清理：找出並修正常見的輸入問題——數字被存成文字（儲存格左上角綠色三角）、日期格式不一致、多餘的空格。
5. 檔案管理：將檔案儲存為「Week02_練習_學號姓名.xlsx」，上傳至 iClass 作業區。

2.9 課後任務與下週預告

課後任務：SIFT 查證實戰練習

本週我們學會了 SIFT 四步法。請你找一則本週在社群媒體或通訊軟體上看到的可疑訊息（財經、科技或生活類皆可），實際運用四個步驟查證，並記錄過程：

1. S — Stop：你第一時間的情緒反應是什麼？
2. I — Investigate：發布來源是誰？網域為何？過往公信力如何？
3. F — Find better coverage：你找到哪些獨立來源？它們怎麼說？
4. T — Trace：原始出處在哪裡？是否被去脈絡化？

最後寫下你的判斷：✅ 真實 ／ ❌ 虛假 ／ ⚠️ 視覺誤導（數據未造假但呈現方式造成誤解）／ 🤔 無法確認，並說明理由。

下週預告

第 3 週為教師節放假。第 4 週我們將進入「AI 基礎與倫理」——從「辨識他人製作的資訊」進到「自己使用 AI 時的專業界線」，探討生成式科技的智慧財產權與專業倫理準則。

本週學到的 SIFT 四步法與橫向閱讀，會在後續每一週的資料查找與案例研究中持續使用；而「法定揭露管道」的概念，也會在後面討論成本效益分析（第 12 週）與數位時代的會計專業（第 13 週）時再次出現。