跳至主要內容

參與 Taiwan Open Data Census心得(2)

*
讀這篇之前請先讀:About Open Data Census Taiwan(初期心得)、參與 Taiwan Open Data Census心得(1)

資料的所有者不是地方政府機關:
在評批的過程中,採購契約、選舉投票資料、商工公示資料清冊、空氣品質資料、公司登記資料,在地方政府的網站上僅提供連結到政府電子採購網、中選會、經濟部商業司、環保署的監測資訊站,有些地區因為未設置空氣監測站而無法提供數據。
即時路況資訊部份地方政府會直接連結到交通部運輸研究所(以下簡稱運研所)或國道高速公路局單位所建置的即時交通資訊網站,有些地方政府會運用運研所之資料,建立一個即時交通資訊網站,但也無法提供使用者下載使用這些資料。
就大眾運輸時刻表,由於當地的交通規劃,可能是由當地運輸業者提供時刻表供人下載參考。
資料格式不易編修、也不易被機器讀取:
依照「政府網站版型與內容管理規範」中第5項第6條中對政府入口網站及主題網站中檔案下載格式之規定,需要提供一種可編輯(如:純文字檔或其他商業文書檔案)或具開放性(如PDF、.odt、HTML)的檔案格式。在政府開放資料平臺中的資料多屬於開放格式的資料,如.csv、XML、.json等機器可以直接讀取的資料,然而不被刊載於開放資料平台中的資料,在其他的政府網站則多會提供PDF或是Word、Excel、PowerPoint、HTML、格式的檔案,並進行加密,讓使用者下載後也無法取得檔案內的資料進行資料分析或運用,這樣的情況不止出現在縣市政府網站,中央機關部會的網站也有同樣的情況。
如前述的交通事故資料而言,有些地方政府的警察局會提供已處理過的分析資料,提醒用路人哪些路口易發生事故,但若是要讓民眾運用資料進行分析或是設計學童的安全上學路線(如:加拿大的School Zone)是無法自由運用的。
就網站評比機制上,相較於其他各國原有較成熟的評審制度,而台灣今年則第一次將地方政府網站加入評比,同時評比的人選也是開放於網路上自由加入,所以可見到以下的情況:
評比者的來源:
目前的評比者的來源主要以自動參與為主,並未設置任何的要求或規範。
無一致的評分標準:
由於部份地方政府已成立資料開放平台或是利用現有的政府資料開放平台提供資料,但有些政府則是以公開資料的方式呈現,在評比時可能也無法公平評分。
由於前述部份資料的擁有者並非當地縣市政府,造成對評比標的網站之標準無法一致。
同時,因為評比者並未先對評分標準有一致的共識,在給予分數的標準也不一致,同一評比人員可能會因為不同時間的加入或評比資料而給予不同分數。
評比者本身對台灣地方政府網站的熟悉度不同
由於評比者對台灣政府網站資料的熟悉度不同,不了解資料可能會散落於哪些地方政府部門,造成可能會誤判該資料不存在的情況出現。
國情及語言的障礙
目前的評比網站介面還是以英文為主,而設計的項目也是以其他國家的架構來擬定,所以相較於台灣,會有國情不同,調查的項目不同,但提供的資料在台灣可能都是同一部會所提供,或是原本就不存有該份資料,而文字上的不同也容易造成進入障礙,有些使用者可能清楚中文資料放在哪個網站的位置,但因為評比項目為英文,卻因為語言進入障礙而在評比上增加阻力。
填寫後不易修改
因為程式設計及為求公平性,若需要更改前次的錯誤,則需要重新再進行一次評分,還需要透過另一位檢視人員審視過後才能進行更正,若是參與的人少,無法即時修改,也同樣造成評分修改上的阻礙。

結語:
由於部份的地方政府對於「資料開放」的觀念仍保留在「公開資料」的階段,所提供的檔案都不具有前面提到的開放資料的特點,而資料的著作權仍然屬於各地方政府部門,使用者若要使用資料仍然無法自由取用,也不易找尋。不需要急著建立自己的政府資料開放平台,因為國家發展委員會所提供的政府資料開放平台並不是只給中央部會機關使用,目前線上可見到台南市政府與嘉義市政府都有使用這個平台。
就台灣本地的評比者、評比平台來說,可能需要評比者們對於評分制度有一個共識、有共同的評比標準,了解各評比項目的內容是什麼及在各地方政府部門的資料位置所在,以著重其內容、架構、資料品質進行評比,才能達到公平也客觀,較能提供有效的建議,讓公部門與民眾之間能平行的交流與互動。

留言

此網誌的熱門文章

哪個應用、服務、平台可以代表台灣?

大概 2003、 2004 年,我還是個大學生,那個時候「電子商務」是一門選修課,那個時候台灣還在所謂的電子商務泡沫化中復甦,很多熱極一時的「電子商務」就像今天大家看到的 FTX 事件一樣,一點都不真實,很多執行長、總裁瞬間就失業了,也有很多投資人的錢拿不回來。 看過歷史上的鴻源事件、經歷過電子商務的虛無飄渺時期,再看到 FTX,其實也不會太驚訝。通常泡沫消散後,未來才會到來。 回到大學課堂,穿著輕便但言語犀利的老師談到當時的 Amazon 網路書店,他問大家對 Amazon網路書店的看法,那時的Amazon一直被看壞,所有的媒體都不看好它。甚至會有各種市場傳言,覺得 Amazon會被賣給哪家公司或哪家公司、網路書店會主動併購它。 最後老師說,不會,Amazon書店不會那麼輕易就垮掉,它有其代表的意義。 這個答案給了我很深的印象,我常會問自己,台灣有哪個服務會具有這樣的意義? 偶爾我會問身邊的朋友、同事,對於台灣的哪個服務,會覺得有不能輕易垮掉、要支持它的?我列一下自己所接觸過的,這個世代的應用: 通訊服務:ICQ、MSN Messenger、LINE、Cubie Messenger(台灣,已無服務)、Google Talk、WhatsApp、Telegram、Skype、Signal,還有一些台灣可能較少聽到。 社群平台:Twitter、Facebook、LinkedIn、無名小站(已停止服務,它雖然是Blog,但比較像社群)、Plurk、PTT、Dcard、Instagram、AKASHA、Pinterest Blog平台或架站:Blogger、Wordpress、Drupal 共享書籤 : HemiDemi(已沒有提供書籤服務)、美味書籤delicious 叫車服務:UBER、55688 、呼叫小黄、LINE Taxi、yoxi  當然還有很多是我沒接觸過的,請原諒我的見識不夠廣泛,忽略了哪一個平台、應用或服務。一時想到的大概就這些。有一些服務已經消失或在被併購後就消失了,我也忘了名稱,至於 TikTok 和小紅書,是我不想碰觸的應用服務。 在韓國有 Kakao,日本有 LINE、PayPay,東南亞國家有Grab,中國有自己的網路應用,那台灣呢?之前 KaKao 中斷服務,造成民生應用的線上服務也幾乎中斷,過度集中依賴在一個服務上的確是一個缺點。在和...

不是公司設在哪裡,是公司的服務對象是誰:臺灣中小企業的跨境法遵現實

歐洲資料保護委員會(EDPB)在2026年2月發布的刪除權調查報告,給我一個很難忽視的數字:他們聯合調查了將近8,000家企業,回應率不足一成。 這個數字不只是個資法遵落差的指標,它更像是一個訊號:當監管機關開始大規模橫向調查,沒有回應不代表豁免,代表的是還沒輪到你。 更讓我在意的,是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍,這意味著企業不能再把「刪除」當成一個資料庫指令的問題,而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題,但它實際上開始觸碰AI系統設計的核心:一個以個人資料訓練的模型,要怎麼「刪除」某一筆資料的影響? 這正是我想在這篇文章討論的事:三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間,已經開始彼此滲透,形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。 競爭法:從行為合謀到架構審查 全球反壟斷執法在過去一年發生了一個根本性的轉變,而它的影響遠比多數企業意識到的更廣。 過去的競爭法問題大多有一個清楚的前提:企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後,正式將「競爭對手共同使用同一定價演算法」納入審查範圍,即使業者之間沒有任何直接溝通,只要共享了同一套系統的輸出結果,就可能被認定為形成協同定價的制度環境。 這個轉變的理論基礎來自稍早的RealPage租金案:多家房東將非公開的即時租金資訊提交給同一平臺,平臺以演算法生成建議租金。法院的判斷是,不需要租東彼此達成共識,這個「共同使用同一個資訊中介」的架構本身,已經可能構成協同定價的條件。 紐約州對Instacart演算法定價機制的調查,和歐盟對Google AI內容抓取的反壟斷調查,都在同一個方向上進一步延伸。歐盟這個案子格外值得注意:Google被指控在未取得授權的情況下,以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度,不是從著作權法。 對臺灣企業的直接影響在這裡:如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務,你需要知道這些服務是否同時服務你的競爭對手,以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策,而是一個具有競爭法風險的經營選擇。 歐盟《數位市場法》(DMA)和英國《數位...

觀察台灣 AI 政策與職場新挑戰

前言 這篇文章想和大家分享我對台灣 AI 政策的一些觀察。未來我還會整理其他國家的案例做比較。不過先提醒大家:這篇的資訊量不算太低,文章提及一些日常生活中不常接觸的政府計畫名稱、大筆預算金額與目標數字,乍看之下會讓人覺得很抽象。 對我來說,這些數字背後傳達的訊號很清楚──台灣政府確實願意投入大量資源在 AI 的產業發展與人才培訓。問題是,這些投資如何真正走到民眾與企業身邊?如何讓公司知道「資源在哪裡」、讓人才看見「機會在哪裡」?這條「最後一哩路」會決定政策成效,也才是和你我最相關的地方。 為了解台灣就業市場的實際需求,我偶爾會瀏覽人力銀行網站。有次看到某家公司在招聘條件中特別要求面試者在面試時分享「自己使用過哪些 AI 工具,以及如何使用」。這讓我注意到:AI 已經被視為職場的基本能力。 在日常生活中,AI 已廣泛應用於工作與個人任務。雖然部分單位仍不鼓勵員工使用,但只要有清楚的界限與正確的態度,AI 工具能有效減少重複性工作,把精力留給更有價值的任務。想像在學校寫報告,老師要求必須說明 AI 工具是怎麼幫上忙的;或在公司加班時,主管要求用 AI 快速整理資料。這些情境都不再是未來,而是現在。 我撰寫這篇文章的原因有二。首先,是因為參加 Anthropic 的 AI Fluency for Students 課程,課程內提到的 4D 概念對學生、新鮮人乃至現在於職場受到 AI 衝擊的世代都很有幫助。如果我是面試官,我會希望求職者能理解並應用這些觀念。其次,是我長期關注各國 AI 政策,想藉此分享觀察成果。這些分析大多是透過 AI 工具分析政府公開資料而得,也讓我更相信 AI 是研究工作人員的得力助手。  以技術與產業發展為核心的台灣AI政策 台灣的 AI 政策並不算落後。除了大家熟知的 DIGI+,政府陸續推動了「臺灣 AI 行動計畫」(2018–2021)以及「臺灣 AI 行動計畫 2.0」(2023–2026)。政策重點主要在產業發展與人才培育。 從預算來看,2025 年度 AI 行動計畫 2.0 編列經費最多的前三個部會為:經濟部、國科會與數位發展部;2026 年(115 年度)未核定的預算書顯示,數發部、經濟部與國科會仍是主要資源分配單位。大部分經費用於應用與普及,例如開發 AI 便利工具、藥物開發驗證平台等。 產業發展 台灣經濟結構仍以製造業為主...