海大圖書館dcard的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

量販零售業的消費者滿意度大數據分析 -以Costco為例

為了解決海大圖書館dcard的問題，作者周辰玫 這樣論述：

消費者滿意度是企業重視的要點。企業的每個環節每個決定都影響著消費者滿意度。近年來也因為疫情的關係，在各行各業都面臨著不同的問題，台灣的零售業也面臨了許多不同面向的挑戰。本研究以知名量販零售業Costco台中店為重點分析對象，改變以往問卷方式，選擇利用大數據蒐集消費者主動回饋在Google Map上的滿意度以及評論使用Python撰寫程式蒐集共28704條Google Map消費者滿意度其中包含10021條文字評論進行大數據分析以及文字探勘，透過蒐集及分析的數據探討在2018-2022期間業務流程是如何影響消費者滿意度，並將分析數據統整為文字雲。探討在發生疫情後是零售業所做出的業務流程策略調整

又是如何影響著消費者滿意度的感受和變化。將量販業業務流程分為七個不同的層面分別為『人流』、『產品』、『價格』、『地點』、『車流』、『服務』和『疫情』，以此了解消費者對Costco的回饋。研究結果顯示在2018-2022期間在Costco的業務流程層面發生了改變，在面對環境的改變之下，量販零售業所做出業務流程的調整以及商業策略的制定是對於Costco消費者滿意度變化的關鍵因素。

兒童文本合適年段判定模型開發與自動分級系統建置

為了解決海大圖書館dcard的問題，作者紀承瑋 這樣論述：

閱讀教育的課程近年來是各國強調的重點之一，藉由閱讀教育激發兒童對閱讀的興趣與習慣，進而培養兒童閱讀理解以及口語表達等閱讀相關能力，使兒童奠定應有的能力以面對未來社會的競爭。然而各年段兒童所適合閱讀的文本不盡相同，在課堂或家中，須由教師或家長協助判定兒童適讀的文本，其判定結果可能會因為教師或家長的主觀想法或閱讀能力的高低而有所不同，若造成適讀誤判，可能導致兒童抗拒閱讀或難以理解文本的內容等問題。因此，本研究擬採用Google的深度學習與人工智慧科研專案團隊Google Brain於2018年提出的自然語言處理模型Google BERT，進行兒童文本合適年段判定模型的開發，進而建置兒童文本自動分

級系統，以提供教師、家長或專家學者能夠更即時且準確的對兒童文本進行合適年段的判定。本研究採用中部某縣市所建置之閱讀線上認證系統（以下簡稱認證系統）的認證書籍中挑選三個年段（低年段、中年段、高年段）作為本研究的主要研究樣本，透過撰寫網路爬蟲蒐集書籍的年段類別與簡介內容做為樣本資料，將樣本資料的70%用於兒童文本合適年段判定模型的開發，使用Google BERT的微調方法，找出兒童文本合適年段判定模型的最佳參數，以進行模型訓練；剩餘30%用於驗證模型判定的年段與認證系統歸類的年段的一致性表現，並對其計算準確率及F1分數，以驗證模型的準確率與穩定性之成效。本研究開發之兒童文本合適年段判定模型判定的年

段與認證系統歸類的年段一致性之準確率為0.9818以及F1分數為0.9665。故本研究進而建置兒童文本自動分級系統，供使用者輸入兒童文本簡介內容進行兒童文本合適年段分析功能，系統會自動回饋各年段判定的機率值與適讀年段判定給使用者，以完成兒童文本自動分級系統之建置。