【碩論照抄英翻中2】錯字英翻中露餡 揭林杏兒3大離譜抄襲行徑
鏡週刊Mirror Media.2022年8月1日 05:58
林杏兒(右)現為國民黨副發言人,發言屬大砲風格。圖為日前她與黨主席朱立倫(左)一起出席活動。(翻攝林杏兒臉書)

身兼國民黨副發言人的台北市議員參選人林杏兒,遭爆在銘傳大學發表的碩士論文,以英翻中手法,抄襲政大教授林日璇的英文論文及國科會研究。最離譜的是,她除了抄襲之外,還英翻中翻錯、錯字照樣複製貼上,甚至刻意竄改數字等。

本刊比對林杏兒2020年發表的《FB網路媒體使用與政治參與關係之研究》論文,與原著林日璇發表於《亞洲傳播雜誌》(Asian Journal of Communication)的英文論文,林杏兒在研究動機中變造民調數字,似乎意圖掩蓋抄襲事實。

原著林日璇引用TVBS在2008年所做民調,寫道:「a survey showed that only 54% of first-time voters aged 20-23 voted in the 2008 presidential election…(TVBS Poll Center,2008)」,但林杏兒將前後文照抄後,卻將數字改成「在2008年總統大選中,只有5成5的20-24歲的首投族去投票…(TVBS Poll Center,2008)」。

對此,本刊查證TVBS當年是否有做上述民調,結果顯示與林日璇所寫數據相符,但沒做林杏兒論文提及的區間調查,證實林杏兒除了抄襲之外,還為免被抓包而竄改民調數字。

林杏兒的碩論直接翻譯政大教授林日璇的英文期刊著作,但竄改民調數字,意圖掩蓋抄襲。

除此之外,本刊也還發現部分原著誤植的錯字,林杏兒也複製貼上。例如,林日璇2012年在國科會的計畫《2012年總統大選縱向研究》,其研究寫道「針對其他年齡層的選民收集資料,於PPT上各大看板張貼招募訊息」,誤將PTT寫成PPT。林杏兒的碩論也照抄,另有其他部分格式錯誤也是如此。

本刊比對林杏兒與林日璇發表的國科會研究,發現林日璇誤植的錯字,如「PPT」(應為PTT),林杏兒也複製貼上。

此外,還有不少英翻中的錯誤,像是林杏兒把「Scholars」學者翻譯成學生,或原著林日璇寫道:「Kao(2011)conducted a case study of a FB fan page for one of the candidates(Chu Chen)」,林杏兒則只有寫「Kao(2011)為某位候選人進行了一個FB粉絲頁面的案例研究」,漏翻了陳菊的名字Chu Chen。

另一方面,在研究架構及問卷設計上,林杏兒雖有提到參考林日璇的研究計畫,但原著的問卷有效樣本第1波為1036份、第2波523份,林杏兒僅寫1,162份,完全與原著定義不同。

經本刊比對,林杏兒碩論有多處整段剪貼林日璇的英文期刊論文,但部分英翻中翻得十分詭異。

更令人不解的是,林杏兒的論文題目發表於2020年,強調研究內容為網路媒體近10年來被廣泛使用的網路趨勢,但她卻以林日璇2012年的研究計畫為基礎,並引用及刪改原著的問卷項目,是否具前瞻性及學術參考價值,不無疑問。

林杏兒除了英翻中涉抄襲林日璇的英文論文及國科會研究外,本刊也發現,林杏兒在文獻回顧的第9節中有寫道:「在學者(Conway,1985)的認定屬於非典型傳統投票及選舉的政治參與,應歸類於非慣常性的政治參與活動。」經比對,此段來自臺北大學碩士生陳雅玫的論文《學生臉書使用與政治參與:以太陽花學運為例》,但林杏兒並未附上註解說明出處,恐也有違學術倫理。


【點擊看完整全文】

更多鏡週刊報導
【碩論照抄英翻中3】狠酸林智堅搏聲量 林杏兒遭迴力鏢重擊
【碩論照抄英翻中】「我的論文是真的」遭打臉 藍美女副發言人爆碩論抄襲
【碩論照抄英翻中1】一招破解論文比對系統 林杏兒論文「抄高竿」

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

國會 處分

馬英九 謝國樑

改選 中評會

賴清德 建立 台灣

全代會 陳水扁

謝國樑 罷免

今日新聞NOWnews
中時新聞網
中時新聞網
今日新聞NOWnews
國會改革法案暫時處分 沈富雄揭綠最終目的
[NOWnews今日新聞]憲法法庭19日針對國會改革法案裁准暫時處分,相關法律在釋憲案宣判前應暫時停止執行;而基隆市長謝國樑罷免案也進入二階連署書查對工作。前立委沈富雄認為,民進黨最後的目的就是要罷免...
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司