歐盟對其成員國、其他歐洲國家以及區域鄰國的創新績效進行比較分析並公布2017年歐洲創新計分板報告

  於2017年6月20日,歐盟對於歐盟成員國、其他歐洲國家以及區域鄰國的創新績效進行比較分析,並發布2017年度歐洲創新記分板(European Innovation Scoreboard, EIS)年度報告。它涵蓋歐盟成員國以及冰島、以色列、前南斯拉夫的馬其頓共和國、挪威、塞爾維亞、瑞士、土耳其和烏克蘭。在全球少數指標中,EIS也對澳大利亞、巴西、加拿大、中國、印度、日本、俄羅斯、南非、韓國及美國進行了評估。

  EIS 2017排名與以前的版本不同,EIS 2017的測量框架由27個指標組成,區分4個主要類別的10個創新層面:

  1. 政策框架是創新績效的主要驅動力,涵蓋3個創新層面:人力資源、有吸引力的研究體系及創新環境。
  2. 投資包括公共及私人投資研究與創新,區分外部融資支持及內部資源投資。
  3. 創新活動吸取公司層面的創新工作,涵蓋3個方面:創新者、中間者及智慧財產權。
  4. 創新如何轉化為整體經濟效益之影響力:就業影響及銷售效應。

  EIS顯示歐盟的創新績效繼續增長,特別是由於人力資源的改善、創新型環境、自有資源投資以及有吸引力的研究體系。而瑞典仍然是歐盟創新領導者,其次是丹麥、芬蘭、荷蘭、英國以及德國,創新指數比歐盟平均值高出百分之二十。立陶宛、馬爾他共和國、英國、荷蘭以及奧地利則是增長速度最快的創新者。在全球創新比較中,歐盟僅次於加拿大及美國,但韓國及日本正急起直追,而中國在國際競爭中是發展最快的國家。

本文為「經濟部產業技術司科技專案成果」

相關連結
你可能會想參加
※ 歐盟對其成員國、其他歐洲國家以及區域鄰國的創新績效進行比較分析並公布2017年歐洲創新計分板報告, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=7868&no=64&tp=1 (最後瀏覽日:2026/11/21)
引註此篇文章
你可能還會想看
瑞士聯邦委員會發布報告推進以數位自決權創建可信賴資料空間

  瑞士聯邦委員會於2022年3月30日,發布了一份關於推進可信的「資料空間」(Data Spaces)與「數位自決權」(Digital Self-Determination)報告。此份報告旨在強調資料是數位時代下創造價值的基礎,為了更好地運用資料的潛在價值,呼籲各界採用新的資料使用概念,加強資料所有者(Data Owner)或資料控管者(Data Controller)對於資料的控制,以「數位自決權」為核心,透過科學技術與法律制度,進一步為實踐「資料共享」(Data Sharing)提供一個安全、便捷、自主、開放、公平而值得信賴的「資料空間」。   值得注意的是,透過該報告,聯邦委員會指示聯邦外交部(FDFA)與聯邦環境、運輸、能源和通訊部(DETEC)實施多項措施,以期能在2023年6月份之前,制定一部由所有利害關係人參與的可信賴資料空間操作之自願行為準則。   此外,該報告列舉出當下對於充分發揮資料潛力所存在的障礙,包括: 資料愈趨集中於大企業手中,且多基於自身目的而使用。 私人和公共服務的提供者在資料的使用上存在多種障礙,例如:資源不足、缺乏專業知識以及擔心競爭劣勢。 社會對於資料的使用態度轉趨保守,無論是擔心資料被濫用而侵犯隱私,或是缺乏資料共享的動機。   該報告更進一步指出資料流通的跨國性,因而有必要創建值得信賴且國際兼容的資料空間,為此亦須建立可信賴資料空間的國際準則,以在國際間形成法律確定性。   觀諸我國個人資料保護法第1條便明確指出,本法制定的目的不僅是為了保護個人資料以及相應之人格權與隱私權,而是更進一步欲透過個人資料管理制度的建構與落實,健全社會及商業互信,以期達成資料的合理利用、創造價值並促進公共福祉的終極目標。   關於我國的資料共享體制,現階段主要從金融機構間開始萌芽,未來如何以數位自決權為基礎,同時在充分保障資訊安全的前提下,擴及其他產業並接軌國際,有賴更多科技與法制的創造與積累、外國經驗的借鑑以及國際參與,而台灣近日以創始會員身分加入「全球跨境隱私規則論壇」(Global Cross-Border Privacy Rules Forum)即為著例。

英國衛生部提出健康照護科技行為準則,以增進資訊安全以及新技術操作品質

  英國近來透過電子醫療紀錄的應用,以智慧演算法(intelligent algorithms)開發結合數位技術的創新醫療科技,這些成果多是以國民健保署(National Health Service, NHS)的資料做為基礎,因此關於資訊保障等議題也開始受到政府之重視。   2018年9月5日,英國衛生部(Department of Health and Social Care)在NHS健康與護理創新博覽會(NHS Health and Care Innovation Expo Conference 2018)中公布「以資料導向的健康照護科技之行為準則」(Code of Conduct for Data-driven Health and Care Technology)。此準則主要鼓勵研發公司在設計產品時,將患者的資訊安全以及新技術的操作品質列入考量。   此行為準則的目的主要在於改善整體研發環境,內容包含十項原則,分別為:界定使用者、界定價值(value proposition)、對使用的資料保持合理(fair)、透明(transparent)以及當責(accountable)的立場、符合一般資料保護規則(General Data Protection Regulation, GDPR)的資料最小化原則(data minimisation principle)、利用公開之標準、公開被使用的資料以及演算法的極限、在設計中內建合適的安全性設定、界定商業策略、展示技術使用上的有效性、以及公開演算法的類型、開發原因、與操作過程的監控方式。   官方期望接下來能廣納相關人員的建議,以增進此指引在產業運作上的適用性,並預期於2018年12月公布更新的版本。

美國勞動部就業培訓署發布《人工智慧素養框架》

美國勞動部就業培訓署(The U.S. Department of Labor’s Employment and Training Administration,簡稱ETA)於2026年2月13日發布《人工智慧素養框架》(Artificial Intelligence Literacy Framework,以下簡稱本框架),旨在鼓勵公共勞動力系統與教育系統擴大推動AI素養(AI literacy)相關教育與培訓,為美國勞工因應AI時代之經濟與工作變遷提供方向指引,協助其培備所需核心能力。 本框架目標在支援勞動部執行《美國AI行動計畫》(Winning the Race: America’s AI Action Plan)及《美國人才戰略:為黃金時代打造勞動力》(America’s Talent Strategy: Building the Workforce for the Golden Age)兩部政策文件所揭示之任務,二者均將AI素養列為應於勞動力與教育體系全面推展之基礎性優先事項。本框架可分為三部分,第一部分提出AI素養的工作定義,並就勞工、雇主、教育與培訓提供者及州與地方機構四類受眾,分別說明框架的應用方式;第二部分界定所有勞工應具備的AI素養能力及其具體範疇與實作要求;第三部分則就培訓方案的設計與執行,提供課程規劃與推動策略的具體指引。 一、概念定義 本框架將AI素養定義為一套使個人得以負責任地使用與評估AI技術的基礎能力,並以對現代職場日益重要的生成式AI為核心。美國勞動部指出,「素養」應理解為隨著AI普及各行各業,所有勞工與學生與AI工具互動之知識與技能基準。 本框架分別針對四類受眾分別說明其應用方式。就勞工而言,現有勞工、求職者及即將進入職場之學生,可以此了解AI素養對職涯發展的意義與技能培養方向,在提升工作效能之餘開創新的職涯機會。就雇主而言,可據此建立企業內部AI素養培訓,確保員工有效且負責任地使用AI工具。就教育培訓提供者而言,可將AI素養融入現有課程,為學習者建立職場所需的核心能力。就州與地方機構而言,則可推動勞動與教育體系之AI素養培育,協助學生與求職者因應市場變遷,並回應雇主對AI人才之需求。 二、AI素養五大基本內容領域 本框架界定五大AI素養基礎內容領域,構成所有勞工應具備的能力基線。 1.了解AI原則(Understand AI Principles):理解AI的核心概念、能力與限制,為有效應用奠定基礎。 2.探索AI用途(Explore AI Uses):探索不同AI工具與應用情境,及其如何與人類專業知識相輔相成。 3.有效導引AI(Direct AI Effectively):掌握如何提供適當情境脈絡與撰寫清晰提示詞,以產生有效輸出。 4.評估AI輸出(Evaluate AI Outputs):評估AI生成結果之準確性與相關性,並了解如何對其輸出進行迭代優化。 5.負責任地使用AI(Use AI Responsibly):以合乎倫理且安全的方式使用AI,保護重要資訊並對結果負責。 三、AI素養七大推行原則 本框架提出七大推行原則,作為培訓方案設計與執行的具體指引。 1.啟動體驗式學習(Enable Experiential Learning):透過實際操作培養AI素養,使學習者得於真實情境中練習AI技能。 2.將學習融入情境(Embed Learning in Context):將學習融入既有流程並結合產業特性,使學習成果更具實踐價值。 3.建立互補性人類技能(Build Complementary Human Skills):借助AI強化人類之判斷力、創造力與問題解決能力。 4.消除學習前置障礙(Address Prerequisites to AI Literacy):消弭AI素養學習之障礙,包括數位素養不足與寬頻網路取得的問題。 5.建立持續學習路徑(Create Pathways for Continued Learning):提供系統性進修路徑,協助學習者提升進階AI技能並拓展職涯發展。 6.培育賦能角色(Prepare Enabling Roles):培育管理者、輔導人員及其他於學習歷程中扮演支持角色之人員。 7.以敏捷性為設計原則(Design for Agility):建立主動的內建機制,以隨AI能力演進迅速更新素養內容與推動方式。 面對AI時代工作型態之快速變遷,美國《人工智慧素養框架》在政策制定、勞動力轉型與AI人才系統化培育等面向所揭示之架構與策略,具有參考價值,可以供我國政府機關研擬相關政策時參考。

歐洲網路暨資訊安全局發布「重要資訊基礎設施下智慧聯網之安全基準建議」

  歐洲網路暨資訊安全局(European Union Agency for Network and Information Security, ENISA)於2017年11月20號發布了「重要資訊基礎設施下智慧聯網之安全基準建議」。該建議之主要目的乃為歐洲奠定物聯網安全基礎,並作為後續發展相關方案與措施之基準點。   由於廣泛應用於各個領域,智慧聯網設備所可能造成之威脅非常的廣泛且複雜。因此,了解該採取與落實何種措施以防範IOT系統所面臨之網路風險非常重要。ENISA運用其於各領域之研究成果,以橫向之方式確立不同垂直智慧聯網運用領域之特點與共通背景,並提出以下可以廣泛運用之智慧聯網安全措施與實作:   (一) 資訊系統安全治理與風險管理   包含了與資訊系統風險分析、相關政策、認證、指標與稽核以及人力資源相關之安全措施。   (二) 生態系管理    包含生態系繪製以及各生態系的關聯。   (三) IT安全建築    包含系統配置、資產管理、系統隔離、流量過濾與密碼學等資安措施。   (四) IT安全管理   帳戶管理與資訊系統管理之相關安全措施。   (五) 身分與存取管理   有關身分確認、授權以及存取權限之安全措施。   (六) IT安全維護   有關IT安全維護程序以及遠端存取之安全措施。   (七) 偵測   包含探測、紀錄日誌以及其間之關聯與分析之安全措施。   (八) 電腦安全事件管理   資訊系統安全事件分析與回應、報告之資安措施。

TOP