Page 15 - 臺大管理論叢第33卷第1期

NTU Management Review Vol. 33 No. 1 Apr. 2023

變數間存在共線性問題及要求資料符合常態分配等相關統計假設，並且不需要複雜
的參數估計，能夠廣泛地處理數據中非線性與線性的問題，在建構非線性問題求解
的數學模式方面展現優越的求解能力。在不存在硬計算公式的績效評估方式，機器
學習方法可以依靠其嚴謹的數學架構，稽核績效求解可得到精確的結果；(3) 集成
式機器學習方法運用隨機篩選屬性子集合及迴歸模型，來減少機器學習模型分析時

的過度擬合問題，增強訓練模型的一般化能力 (Generalization Ability)，獲得較其他
機器學習更具穩健性、隨機性與非線性處理的訓練模式 (Krogh, 1996; Abbott, 1999;

Adeva, Beresi, and Calvo, 2005; Chen, Cho, Dou, and Lev, 2022)。通常績效評估模型是
不確定性的績效估計模式，有其對應的預測信賴區間。在複雜的績效數據集中，隨
機森林分析模式在數據存在雜訊干擾下，仍能獲得較單獨機器學習模式更大的信賴
區間及抗雜訊能力；(4) 為避免大規模任務指派時，運算時間呈指數型成長、執行時
間過久，造成無法求解之困難，本研究以近似演算法 (Approximation Algorithms)—
二進制差分進化法 (Binary Differential Evolution; BDE)，以區域搜尋法 (Local Search)

使模型能在有限的計算時間內求得一近似解，順利執行高維度、複雜限制式。相較
常見的啟發式演算法—基因演算法與粒子群演算法，差分進化算法的參數設定和
流程設定除了更為簡易外，二進制問題的求解能力更是優於基因演算法 (Chen, Xie,
and Zou, 2015)。
根據上述探討，本研究欲延伸既有方法論文獻，嘗試規劃機器學習績效評估模
式，預測稽核人員稽核績效，並使用啟發式演算法執行稽核任務規劃模型，藉此進
行內部稽核績效的精準評估與最佳化的稽核任務規劃。

三、探討稽核績效模式與模型分析構面
為了能實際執行稽核績效評估系統，本研究根據稽核研究的相關文獻，歸納出
三種產業的稽核績效評估模式：通用性績效評估模式（模式 1）、積極性績效評估
模式（模式 2）、整合性評估模式（模式 3）。
模式 1「通用性績效評估模式」：在這個模式中，績效評估的基本定位仍然以
人力資源管理的現代績效評估方法為主，如目標管理績效評估模式、360 度績效評
估模式等敘述統計方法 (Ahmed et al., 2013; Islami, Mulolli, and Mustafa, 2018)。在實

際運行時，稽核人員僅遵從一般公司的人員職務輪調與相關辦法，企業亦並未針對
稽核人員設計專門的績效考核辦法，皆比照公司績效考核辦法執行 (Bedard, 1989)。
分析方向旨在透過多元績效指標 (Multivariate Effectiveness Measures) 評估一套個人
工作績效的正式制度（張碩毅、游勝宇與張益誠，2008）。組織更重視稽核人員的
在職訓練 (In-service Training)，透過在職期間的企業內部訓練與企業外部訓練之規
劃，提升稽核人員的稽核專業。

7