隨著人工智能技術的快速發展，大語言模型ChatGPT已逐漸為大眾所熟知並開始廣泛使用。為了深入瞭解影響使用者對ChatGPT的接受度與使用意願的關鍵因素，本研究選擇以科技接受模型3 (Technology Acceptance Model 3, TAM3)為理論基礎，並進行適當的模型調整與擴充，以期提供一個系統性的研究框架。

首先，本研究採用問卷調查的方式，收集了 217 份有效樣本資料。問卷包含了人口統計變數、ChatGPT 相關使用經驗變數，以及經調整後的TAM3相關構面。

經過統計分析顯示，知覺有用性和知覺易用性確實是影響使用者接受 ChatGPT的兩大核心因素。主觀規範、工作相關性、輸出品質和結果可證明性、知覺易用性都會正向影響知覺有用性的感知。ChatGPT自我效能感知和易學性感知也會正向影響知覺易用性。另外值得注意的是，prompt 的使用會提高使用者對部分關鍵構面的評價分數。本研究共提出12個研究假設，其中編號1～10獲得統計學上的支持，編號11與12未獲得統計學上的支持：
1. 主觀規範對ChatGPT知覺有用性具有正向影響
2. 工作相關性對ChatGPT知覺有用性具有正向影響
3. 輸出品質對ChatGPT知覺有用性具有正向影響
4. 結果可證明性對ChatGPT知覺有用性具有正向影響
5. ChatGPT自我效能對ChatGPT知覺易用性具有正向影響
6. 客觀使用對ChatGPT知覺易用性具有正向影響
7. ChatGPT知覺有用性對行為意圖具有正向影響
8. ChatGPT知覺易用性對ChatGPT知覺有用性具有正向影響
9. ChatGPT知覺易用性對行為意圖具有正向影響
10. ChatGPT行為意圖對ChatGPT使用行為具有正向影響
11. AI焦慮對行為意圖具有負向影響
12. AI焦慮在行為意圖對使用行為的影響中具有干擾效果

本研究證實並擴充了 TAM 模型在解釋ChatGPT等新興 AI 語言模型的使用者接受度方面的適用性。本研究為ChatGPT的開發設計、使用推廣和應用領域擴展，提供了實證依據與具體指導框架。

This study delves into the intricacies of user experience and intention in utilizing Artificial Intelligence (AI) Chatbot, specifically focusing on ChatGPT, guided by the Technology Acceptance Model 3 (TAM3). It aims to unravel the factors that significantly influence users' perception and interaction with AI chatbots. Employing a mixed-method approach, the research integrates quantitative data from an extensive user survey with qualitative insights from user interviews. The survey targeted a diverse demographic, ensuring a comprehensive understanding of various user experiences. Results from the quantitative analysis highlighted key factors such as perceived ease of use, perceived usefulness, and social influence as primary determinants in the adoption and sustained usage of ChatGPT. Qualitatively, the study delved into user responses to specific ChatGPT prompts, unveiling patterns in user engagement and satisfaction. These findings were crucial in understanding the nuances of user interaction with AI chatbots. The study concludes by offering significant insights into effective integration strategies for AI chatbots in various sectors, emphasizing the importance of user-centric design and adaptability in enhancing user interaction and satisfaction. These conclusions are pivotal for developers and researchers in the field of AI and human-computer interaction, providing a roadmap for future advancements in AI chatbot technology.

一、 外文部分(依作者姓名開頭字母排列)
1. Ajzen, I. (1985). From intentions to actions: A theory of planned behavior., Action control: From cognition to behavior, pp. 11-39, Springer.
2. Ajzen, I. (1991). The theory of planned behavior., Organizational Behavior and Human Decision Processes, 50(2), 179-211.
3. Baharuddin, R. (2013). Usability Dimensions for Mobile Applications-A Review, Research Journal of Applied Sciences. Engineering and Technology, 5(6), pp. 2225-2231.
4. Bai, Y., Jones, A., Ndousse, K., … & Kaplan, J. (2022). Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback. arXiv, preprint arXiv:2204.058621
5. Braz, C., Seffah, A., & M'Raihi, D. (2007). Designing a Trade-Off Between Usability and Security A Metrics Based-Model. Human Computer Interaction, pp.114-126
6. Brown, T. B., Mann, B., Ryder, N., & Subbiah, M. (2020). Language Models are Few-Shot Learners. arXiv, preprint arXiv:2005.14165v4.
7. Compeau, D. R., & Higgins, C. A. (1995).Computer Self-Efficacy: Development of a Measure and Initial Test. MIS Quarterly, Vol. 19, No. 2 (Jun., 1995), pp. 189-211.
8. Constantine, L. L., & Lockwood, L. A. (1999). Software for use: a practical guide to the models and methods of usage-centered design. Addison-Wesley Professional, ISBN:9780321773722
9. Davis, F. D. (1986). A Technology Acceptance Model for Empirically Testing New End-User Information Systems: Theory and Results. Doctoral dissertation, Massachusetts Institute of Technology-Sloan School of Management.
10. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), pp. 319-340.
11. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35, pp. 982-1003.
12. DeLone, W. H., & McLean, E. R. (1992). Information systems success: The quest for the dependent variable. Information Systems Research, 3(1), 60-95.
13. DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean model of information systems success: A ten-year update. Journal of Management Information Systems, 19(4), 9-30.
14. DeLone, W. H., McLean, E. R. (1992). Information Systems Success: The Quest for the Dependent Variable, Information Systems Research, Vol. 3, No. 1, pp. 60-95.
15. Fishbein M., & Ajzen I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley. ISBN:9780201020892
16. Holzinger, A., Searle, G., Kleinberger, T., Seffah, A., & Javahery, H. (2008). Investigating Usability Metrics for the Design and Development of Applications for the Elderly. Lecture Notes in Computer Science, 5105, 98-105
17. Mou, & Xu. (2017). The media inequality: Comparing the initial human-human and human-AI social interactions. Computers in Human Behavior, VOL 72, pp. 432-440.
18. Nielsen, J. (1994). Usability Inspection Methods. New York, ISBN:0471018775, pp. 413-414.
19. Norman, D. (2013). The Design of Everyday Things. Basic Books, ISBN: 9780465050659, pp. 187-217.
20. Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C. L., Mishkin, P., Christiano, P., Leike, J., & Lowe, R. (2022). Training language models to follow instructions with human feedback. arXiv, preprint arXiv:2203.02155
21. Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1985). A Conceptual Model of Service Quality and Its Implications for Future Research, Journal of Marketing, Vol. 49, No. 4, pp. 41-50.
22. Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A Multiple-Item Scale for Measuring Consumer Perceptions of Service Quality. Journal of Retailing, 64, pp. 12-40.
23. Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I. (2018). Improving Language Understanding by Generative Pre-Training. OpenAI.
24. Radziwill, N., & Benton, M. C. (2017). Evaluating Quality of Chatbots and Intelligent Conversational Agents. arXiv, preprint arXiv:1704.04579
25. Schulman, J., Wolski, F., Dhariwal, P., Radford, A., & Klimov, O. (2017). Proximal Policy Optimization Algorithms. arXiv, preprint arXiv:1707.06347v2.
26. Shneiderman, B., & Plaisant, C. (2004). Designing the User Interface, Addison Wesley, ISBN:9780321197863
27. Shneiderman, B., Plaisant, C., Cohen, M., & Jacobs, S. (1992). Designing the User Interface: Strategies for Effective Human-Computer Interaction, Pearson, ISBN:9780321537355
28. Speicher, M. (2022). What is Usability? A Characterization based on ISO 9241-11 and ISO/IEC 25010. arXiv, preprint arXiv:1502.06792v2.
29. Speicher, M. (2022). What is Usability? A Characterization based on ISO 9241-11 and ISO/IEC 25010. arXiv, preprint arXiv:1502.06792v2.
30. Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing: Toward a Conceptual Model of Utilization. MIS Quarterly, 15(1), pp. 125-143.
31. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A, N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need, In Proceedings of the 31st International Conference on Neural Information Processing Systems (NIPS 2017)., arXiv, preprint arXiv:1706.03762v5
32. Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences, 39(2), pp. 273-315.
33. Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 46(2), pp. 186-204.
34. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), pp. 425-478.
35. Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), pp. 157-178.
36. Wang, Y. Y., & Wang, Y. S. (2019). Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior. Interactive Learning Environments, 2022, VOL. 30, NO. 4, pp. 619-634.
37. Ziegler, D. M., Stiennon, N., … & Irving, G. (2020). Fine-Tuning Language Models from Human Preferences. arXiv, preprint arXiv:1909.08593
 

二、 中文部分(依作者姓名筆劃排列)
1. 王文革（2019）。人工智能关我什么事。北京时代华文书局。ISBN：9787569931983。
2. 王喜文（2023）。一本书读懂ChatGPT、AIGC和元宇宙。电子工业。ISBN：9787121453571。
3. 王紫敬、王世杰（2023）。AI 偏向科普性报告：围绕算法、算力、数据。证券研究报告。东吴证券。
4. 兰红云 （2017）。自然语言处理技术入门与实战。电子工业。ISBN‏：‎9787121327636。
5. 龙志勇、黄雯（2023）。大模型时代：ChatGPT开启通用人工智能浪潮。中译。ISBN：9787500173953。
6. 刘琼（2023）。ChatGPT：AI革命。华龄。ISBN：9787516924747。
7. 成生辉（2023）。ChatGPT：智能对话开创新时代。中信。ISBN：9787521755985。
8. 吳家駒（2018）。應用資訊模型於介面設計之方法以跨平台介面為例。國立清華大學工業工程與工程管理學系所碩士論文。新竹市。
9. 李玫珍（2022）。保健食品網路購物之研究-科技接受模式的觀點。國立雲林科技大學工業工程與管理系碩士論文。雲林縣。
10. 李连德（2016）。一本书读懂人工智能（图解版）。人民邮电。ISBN：9787115424037。
11. 李垣錡（2022），以科技接受模式及服務便利性為基礎探討消費者對全家便利商店APP使用接受度。亞洲大學經營管理學系碩士在職專班碩士論文。台中市。
12. 杜雨、张孜铭（2023）。AIGC：智能创作时代。中译。ISBN：9787500173458。
13. 辛素敏（2016）。企業金融客戶使用網路銀行之影響因素探討-以第三代科技接受模型（TAM3）驗證。東海大學高階經營管理碩士在職專班碩士論文。台中市。
14. 里德·霍夫曼（Reid Hoffman）、GPT-4 （2023）。GPT时代人类再腾飞。湛庐文化。译：芦义。ISBN：9787573907028。
15. 周靖芸（2022）。以科技接受模式探討電子鼻之使用意願。醒吾科技大學行銷與流通管理系所碩士論文。新北市。
16. 林隆儀（2019）。論文寫作要領。五南圖書。ISBN：9786263175150。
17. 林懷媗（2022）。以整合性科技接受模式探討大學生使用人工智慧教育產品之研究。淡江大學教育科技學系碩士論文。新北市。
18. 邱守燦（2023）。應用自然語言處理與自監督式學習進行假新聞檢測。國立雲林科技大學工業工程管理系碩士論文。雲林縣。
19. 陈根（2023）。ChatGPT：读懂人工智能新纪元。电子工业。ISBN：9787121451942。
20. 侯玓妤（2014）。以科技接受模型3探討網路購物意願。大葉大學管理學院碩士在職專班碩士論文。彰化縣。
21. 姚蕾，方博云（2023），AIGC深度报告：新一轮内容生产力革命的起点。证券研究报告。国海证券。
22. 柳永青（2012）。友善的人機介面。科學發展期刊。472期，pp. 6-13
23. 洪嘉骏（2023）。AIGC 全方位解析与投资展望。证券研究报告。兴业证券。
24. 胡子陵（2019）。厲害了!碩士論文撰寫與問卷調查統計分析 : 108小時實戰 。五南圖書。ISBN：9786263432499。
25. 徐意眞（2023）。影響消費者LINE貼圖購買行為因素之研究 -TAM科技接受模型的應用。崑山科技大學企業管理研究所碩士論文。台南市。
26. 翁明正（2010）。以科技接受模式3探討網路大學系統使用意向之研究。嘉南藥理科技大學醫療資訊管理研究所碩士論文。台南市。
27. 張秀妃（2014）。跨世代對科技接受模式3之影響—以智慧型手機為例。大葉大學管理學院碩士在職專班碩士論文。彰化縣。
28. 張景淳（2017）。宗教情境下科技接受模式之實證研究－以某宗教基金會為例。國防大學資訊管理學系碩士論文。桃園市。
29. 曹力丹（2014）。LED戶外大型電子看板之消費者接受模型:以計劃行為理論與科技接受模式探討。國立勤益科技大學企業管理系碩士論文。台中市。
30. 莊懿妃、蔡義清、俞洪亮（2018）。商管研究資料分析：SPSS的應用。華泰文化。ISBN：9789869603157。
31. 許卉婷（2022）。以科技接受模式與資訊系統成功模式探討消費者對於網路銀行接受度之研究。中國文化大學國際貿易學系碩士論文。台北市。
32. 郭裕元（2013）。以科技接受模式探討影響消費者使用智慧電動車意圖之要素。國立成功大學工學院工程管理碩士在職專班碩士論文。台南市。
33. 陳俊瑋（2023）。影響企業員工跨域數位學習成效之研究。國立臺灣師範大學科技應用與人力資源發展學系博士論文。台北市。
34. 陳姿樺（2021）。商務旅店導入人工智慧模式、體驗價值與住宿意願關係之研究。正修科技大學經營管理研究所碩士論文。高雄市。
35. 陳美樺（2016）。以TAM （科技接受模式） 探討國小教師及國小高年級學童使用即時通訊軟體之研究。南華大學資訊管理學系碩士論文。嘉義縣。
36. 陳根（Kevin Chen）（2023）。瘋ChatGPT : 顛覆未來，OpenAI翻轉人工智慧新紀元 。博碩文化。ISBN：9786263334106。
37. 陳詩婷（2022）。以延伸型整合性科技接受模式探討老年人使用智慧型手機之行為意圖的影響。亞洲大學健康產業管理學系碩士論文。台中市。
38. 陳薇竹（2014）。消費者使用動機對沉浸經驗與持續使用意圖影響之研究－以Line行動社群軟體為例。中國科技大學企業管理研究所碩士論文。台北市。
39. 曾一中（2015）。以TAM 3為基礎探討臺中市國民小學教師運用資訊科技融入教學之意願與影響因子。大葉大學資訊管理學系碩士論文。彰化縣。
40. 曾俞盷（2022）。以科技接受模式及知覺風險探討消費者行動支付使用意圖之研究。國立屏東科技大學資訊管理系所碩士論文。屏東縣。
41. 童國倫、潘奕萍（2010）。EndNote & RefWorks論文與文獻寫作管理。五南圖書。ISBN：9789571161785。
42. 黃善恩（2023）。以延伸整合型科技接受模式探討物聯網之智慧家電產品的使用意願研究。南臺科技大學資訊管理系碩士論文。台南市。
43. 楊家晟（2021）。影響理財行為關鍵因素之研究-科技接受模型（TAM）的應用。崑山科技大學企業管理研究所碩士論文。台南市。
44. 廖書萱（2016）。以品牌延伸觀點探討使用者對行動支付的採用意圖。國立臺灣大學資訊管理學研究所碩士論文。台北市。
45. 維圖歐索（Virtuoso）（2023）。都問AI吧！ChatGPT上手的第一本書。商業周刊。ISBN：9786263185814。
46. 劉昌佑（2012）。個人創新和知覺樂趣性對智慧型手機使用者的態度和行為意圖之影響-科技接受模型及認知評價理論之應用。國立屏東商業技術學院國際企業所碩士論文。屏東縣。
47. 劉秉鈞（2016）。人工智慧於模擬人類對話系統設計。逢甲大學自動控制工程學系碩士班。台中市。
48. 蔡佳修（2020）。響應式網站介面設計應用創作–朝陽新聞台。朝陽科技大學視覺傳達設計系碩士論文。台中市。
49. 蔡金倉（2018）。以整合性科技接受模式探討軍中消費者網購行為。元智大學管理學院博士班博士論文。桃園市。
50. 蔡金倉（2018）。以整合性科技接受模式-探討軍中消費者網購行為。元智大學管理學院博士論文。桃園市。
51. 賴宜弘，黃芬芬，楊雪華 （2015）。科技接受模式中文版量表之編製與相關研究。亞東學報。35期 (201512) ，pp. 201-221。
52. 鍾艾莉（2015）。應用科技接受模式2（TAM2）探討影響小琉球遊客租用電動機車之因素。國立屏東科技大學科技管理研究所碩士論文。屏東縣。
53. 顏千鳳（2022）。以科技接受模式探討 COVID-19 疫情下民眾對金融科技產品的使用意願–App 行動支付為例。國立高雄大學國際高階經營管理碩士在職專班(IEMBA)碩士論文。高雄市。
54. 羅康銘（2020）。人工智慧科技法律議題與規範研究—以人工智慧醫療為核心。國立高雄科技大學科技法律研究所碩士論文。高雄市。
 
三、 網路部分
1. 【预训练语言模型】GPT: Improving Language Understanding by Generative Pre-Training （https://blog.csdn.net/qq_36426650/article/details/112223691)
2. AI in action: where is the smart money going ? （https://www.dbresearch.com/PROD/RPS_EN-PROD/AI_in_action%3A_where_is_the_smart_money__going%3F/RPS_EN_DOC_VIEW.calias?rwnode=PROD0000000000464258&ProdCollection=PROD0000000000528291)
3. AIGC为何爆发？数据、算法、算力共振 （https://www.icspec.com/news/article-details/2161437)
4. Chat GPT-4? GPT Versions and Their Differences: How They Have Changed the AI Market and Their Future Implications （https://medium.com/@siva.desetti27/chat-gpt-4-1f0840c2bb44)
5. ChatGPT & GPT 4, How it works ? （https://medium.com/@fenjiro/ChatGPT-gpt-4-how-it-works-10b33fb3f12b)
6. ChatGPT & GPT-4 — How OpenAI Won the Natural Language Understanding War （https://generativeai.pub/the-road-to-ChatGPT-gpt-4-how-deep-learning-revolutionised-natural-language-processing-835d89560577)
7. ChatGPT 的進化史 — 從論文到實際應用的探索之路 (上)　（https://cyeninesky3.medium.com/chatgpt-%E7%9A%84%E9%80%B2%E5%8C%96%E5%8F%B2-%E5%BE%9E%E8%AB%96%E6%96%87%E5%88%B0%E5%AF%A6%E9%9A%9B%E6%87%89%E7%94%A8%E7%9A%84%E6%8E%A2%E7%B4%A2%E4%B9%8B%E8%B7%AF-946e3c35695a）
8. ChatGPT 的進化史 — 從論文到實際應用的探索之路 (下)　（https://cyeninesky3.medium.com/chatgpt-%E7%9A%84%E9%80%B2%E5%8C%96%E5%8F%B2-%E5%BE%9E%E8%AB%96%E6%96%87%E5%88%B0%E5%AF%A6%E9%9A%9B%E6%87%89%E7%94%A8%E7%9A%84%E6%8E%A2%E7%B4%A2%E4%B9%8B%E8%B7%AF-%E4%B8%8B-f0f0f639a5f8）
9. ChatGPT技术精要，RLHF相关论文笔记（一）——Learning to summarize from human feedback (https://zhuanlan.zhihu.com/p/604375990)
10. ChatGPT技术精要，RLHF相关论文笔记（二）——Training language models to follow instructions with human feedback (https://zhuanlan.zhihu.com/p/604534719)
11. ChatGPT技术精要，RLHF相关论文笔记（三）—— a Helpful and Harmless Assistant with Reinforcement Learning from Human (https://zhuanlan.zhihu.com/p/605336680)
12. ChatGPT的朋友们：大语言模型经典论文一次读到吐 (https://blog.csdn.net/weixin_36896856/article/details/130776264?spm=1001.2014.3001.5502)
13. DeLone and McLean 資訊系統成功模式 （Information Systems Success Model) 理論整理 （https://aihuadesign.com/2014/02/02/delone-and-mclean-information-systems-success-model/)
14. Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior (https://www.tandfonline.com/doi/full/10.1080/10494820.2019.1674887)( https://www.tandfonline.com/doi/epdf/10.1080/10494820.2019.1674887?needAccess=true)
15. Don Normans Principles of Design （https://www.designprinciplesftw.com/collections/don-normans-principles-of-design)
16. Explainer: What is a foundation model? （https://www.adalovelaceinstitute.org/resource/foundation-models-explainer/)
17. GPT3 vs GPT4-Battle of the Holy Grail of AI Language Models （https://www.projectpro.io/article/gpt3-vs-gpt4/816)
18. GPT-3.5 + ChatGPT: An illustrated overview (https://lifearchitect.ai/ChatGPT/)
19. GPT-4 (https://lifearchitect.ai/gpt-4/)
20. GPT-4 Parameters: Unlimited guide NLP’s Game-Changer (https://medium.com/@mlubbad/the-ultimate-guide-to-gpt-4-parameters-everything-you-need-to-know-about-nlps-game-changer-109b8767855a)
21. HUNG-YI LEE（李宏毅), Machine Learning 2021 Spring （https://speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.php)
22. HUNG-YI LEE（李宏毅), Machine Learning 2022 Spring （https://speech.ee.ntu.edu.tw/~hylee/ml/2022-spring.php)
23. HUNG-YI LEE（李宏毅), Machine Learning 2023 Spring （https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.php)
24. Icek Ajzen Home Page （https://people.umass.edu/aizen/index.html)
25. Illustrating Reinforcement Learning from Human Feedback (RLHF) (https://huggingface.co/blog/rlhf)
26. Improving language understanding with unsupervised learning （https://openai.com/research/language-unsupervised)
27. Introducing ChatGPT (https://openai.com/blog/chatgpt)
28. ISO 9126 @ medium.com （https://medium.com/@dinjheyn/iso-9126-77b35a02b646)
29. ISO 9241-11 Revised: What Have We Learnt About Usability Since 1998? （https://link.springer.com/chapter/10.1007/978-3-319-20901-2_13)
30. ISO/IEC 25010:2011 模型说明 （https://blog.csdn.net/weixin_45832571/article/details/120914265)
31. ISO/IEC 9126 @ Wiki （https://zh.wikipedia.org/zh-tw/ISO/IEC_9126)
32. Language Models are Unsupervised Multitask Learners （https://d4mucfpksywv.cloudfront.net/better-language-models/language_models_are_unsupervised_multitask_learners.pdf)
33. Natural Language Processing （NLP): 7 Key Techniques （https://monkeylearn.com/blog/natural-language-processing-techniques/)
34. Nielsen Norman Group （https://www.nngroup.com/articles/usability-101-introduction-to-usability/)
35. Prompt Engineering and LLMs with Langchain （https://www.pinecone.io/learn/series/langchain/langchain-prompt-templates/)
36. Software Quality Standards—How and Why We Applied ISO 25010 （https://www.monterail.com/blog/software-qa-standards-iso-25010)
37. Text Analytics with ChatGPT （https://pub.towardsai.net/text-analytics-with-ChatGPT-aad7b253174)
38. Text Analytics with ChatGPT （https://pub.towardsai.net/text-analytics-with-ChatGPT-aad7b253174)
39. What’s in my AI? (https://lifearchitect.ai/whats-in-my-ai/)
40. 一文搞懂ChatGPT相關概念和區別：GPT、大模型、AIGC、LLM、Transformer、羊駝、LangChain… （https://allaboutdataanalysis.medium.com/%E4%B8%80%E6%96%87%E6%90%9E%E6%87%82ChatGPT%E7%9B%B8%E9%97%9C%E6%A6%82%E5%BF%B5%E5%92%8C%E5%8D%80%E5%88%A5-gpt-%E5%A4%A7%E6%A8%A1%E5%9E%8B-aigc-llm-transformer-%E7%BE%8A%E9%A7%9D-langchain-9b106583da3)
41. 人工智慧還有分強弱？（https://medium.com/%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7-%E5%80%92%E5%BA%95%E6%9C%89%E5%A4%9A%E6%99%BA%E6%85%A7/%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7%E9%82%84%E6%9C%89%E5%88%86%E5%BC%B7%E5%BC%B1-fbdaeb5b2e6e)
42. 生成AIの活用に関する企業アンケート （https://www.tdb.co.jp/report/watching/press/p230608.html)
43. 自然語言處理@Wiki （https://zh.wikipedia.org/zh-tw/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86)
44. 深度学习论文精读 (https://github.com/mli/paper-reading)
45. 提示工程指南 (https://www.promptingguide.ai/zh)
46. 斷開中文的鎖鍊！自然語言處理 （NLP)是什麼？（https://aiacademy.tw/what-is-nlp-natural-language-processing/)