圖文傳播學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/83

歷史沿革

民國42年2月

政府遷台後為實施國家建設亟需技術人力,仍將初高中職校改制為單位行業教育,在美國國際合作總署之資助下,由當時的台灣省立師範學院設立工業教育學系,初設機工、木工、電工、圖文 (印刷) 工廠,聘請顧柏岩先生擔任系主任,自民國四十二年二月,開始招收第一屆新生,為培育印刷職業教育師資,不定額招收高職印刷科畢業學生,施以印刷師資專業教 育及工藝科「圖文工」師資之培育。

民國50年8月

工教系分別招收工職組及工藝組兩個班,工職組招收高工畢業生,專為培育工業職業學校師資,內有一組獨立招收印刷科畢業生一至三名,施以印刷學程專業教育,並為高中工藝科目培育圖文傳播科目之專業能力。

民國67年8月

工教系教學內容整合為:

機械職業教育組

電機、電子職業教育組

傳播設計教育組

其中圖文傳播定額招收學生五名,至民國八十四年增招至十五名。

民國84年

在許瀛鑑教授規劃,提出圖文傳播組獨立設系之申請,經教育部批准成立「圖文傳播教育學系」,隸屬教育學院,籌備於八十五年八月招生授業。 民國八十四年十月份,為預作「師資培育機構」之轉型,並配合本系培育「亞太媒體中心」之印刷出版媒體及影視傳播媒體工程人員政策下,國立台灣師範大學奉教育部令,本系更名為「圖文傳播技術學系」。

民國84年10月

為預作「師資培育機構」之轉型,並配合本系培育「亞太媒體中心」之印刷出版媒體及影視傳播媒體工程人員政策下,國立台灣師範大學奉教育部令,本系更名為「圖文傳播技術學系」。

民國85年8月

提供

四技二專聯招名額20名,錄取學生屬印刷出版科技組,授予工學士學位。

大學聯招名額20名,錄取學生為影像傳播科技組,授予工學士學位。

民國87年9月

教育部核定師大成立科技學院,本系由教育學院改隸科技學院;並再更名為圖文傳播學系,大學部修業年限為四至六年,至少應修完128學分。專業必修含 蓋印刷出版、影視傳播、電子傳播等領域。公費生尚須多修習26教育學分,畢業及獲得本科准教師資格 ,並在相關學校試教一年後取得教師資格。

民國88年7月

教育部核准籌備研究所碩士課程,並定於八十九年三月分印刷出版科技組與影像傳播科技組兩組招生,九月正式上課。研究所修業年限二至四年,應修完32學分,並選各組專業學程的必修課程才能撰寫學位論文,畢業獲頒工學碩士學位。

民國89年

千禧年為本系第一屆畢業生完成大學部學業,並為研究所首屆新生入學之雙喜年。

民國89年7月

教育部核准研究所碩士班招收「印刷出版科技」與「影像傳播科技」兩組學生。畢業後獲頒工學碩士學位。

民國94年

教育部核准開設「圖文傳播在職進修專班」。畢業後獲頒工學碩士學位。

現在

本系現有專任教師 10 人, 計教授 6 人;副教授 1 人;助理教授 2 人;講師 1 人。

學士班學生共計約 180 人。

碩士班學生約 176 人 (含碩士在職專班 103 人)。

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    深度學習融入有價證券之微結構真偽辨識-以振興三倍券為例
    (2021) 邱曉昱; Chiu, Hsiao-Yu
    身處在充滿人工智慧結晶的時代,我們視科技為理所當然,並享受著其帶來的便利與生活品質,然而在這項技術逐漸嶄露頭角之際,各類威脅也倚靠著科技滋長茁壯。政府2020年為復甦經濟所發放之「振興三倍券」於使用期限內曾傳出偽造事件,為了能精準判別整張有價證券真偽,本研究主旨為使用深度學習CNN (Convolutional Neural Network ),有效且快速辨別真偽振興三倍券微結構取樣影像組合,進而依此推測判別出整張紙券真偽,同時以減少訓練樣本數達到高辨識率為目標,取得最佳學習尺寸組合,最後歸類分析錯誤辨識微結構印刷類型並於原券定位,為此次研究目的。首先將面額200元及500元之紙本振興三倍券掃描定義為掃描真券;與之複印後再次掃描為模擬偽券,後以尺寸32×32、64×64、96×96及128×128 pixels進行隨機局部不完全重複取樣,建立訓練及測試影像資料集,分組後個別輸入CNN模型訓練測試,得出辨識正確率與錯誤辨識影像於原券上之分佈。實驗結果顯示,依照各組辨識正確率之比例及趨勢可成功推測判別整張振興三倍券真偽,且印證研究使用之CNN模型不需學習全尺寸之局部影像組合,僅訓練最大及最小尺寸之影像資料集,即可達到預期之顯著辨識成效;至於透過錯誤辨識分佈的統整,發現無論掃描真券或模擬偽券的局部取樣,所辨識的錯誤特徵皆有較高的比例集中於鈔券的凹版印刷處。本研究提出一個不需藉由專業人士判斷有價證券影像,基於CNN模型即可有效辨別鈔券局部微結構真偽的方法,並以此實驗結果為基礎,未來可結合手機拍攝取樣,推測於拍攝指定距離範圍內之鈔券影像可精確判讀,達到更加便民與實用之效果。綜合上述,此研究不論是在產業界抑或是學術界皆具有一定程度之應用價值。