教學大綱 Syllabus

1

課程介紹: 為何討論AI與勞動永續？

在AI技術急速發展的時代，工作世界正經歷劇烈變化。自動化與演算法管理挑戰了就業保障、職場倫理與勞動權益，而平台經濟與零工模式則進一步碎片化勞動型態。這些趨勢不僅牽涉到產業效率，更涉及性別平等、社會包容與世代正義等核心價值。永續不再只是環境議題，它同時也是勞動與社會正義的議題。因此，本週將從「AI如何重塑勞動」以及「勞動永續為何成為迫切的政策與學術課題」出發，建立課程的整體框架與討論基礎。

學習活動:課程架構、評分、文獻、簡報規則說明

2

AI與技術驅動的結構轉型

隨著AI與自動化技術快速發展，勞動市場正面臨深刻的結構轉型。本週課程將探討自動化如何以不均衡的方式衝擊不同社會階級、勞動階層與產業部門。透過三篇經典與當代重要文獻，我們將理解「哪些工作最容易被自動化取代、哪些工作相對安全」以及「這些變化如何重塑社會不平等」。

閱讀：

Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3–30.

Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254–280.

World Economic Forum. (2025). The Future of Jobs Report 2025. Geneva: World Economic Forum.

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

3

何謂永續工作？社會正義與環境正義的整合

透過理論與實踐的文獻，探討「永續」不僅是環境議題，也是勞動與社會正義議題，並進一步思考「永續工作」的內涵與挑戰。

閱讀：

Agyeman, J., & Evans, B. (2004). ‘Just sustainability’: the emerging discourse of environmental justice in Britain?. Geographical journal, 170(2), 155-164.

Shackelford, A., Rao, S., Krings, A., & Frances, K. (2024). Abolitionism and ecosocial work: Towards equity, liberation and environmental justice. The British Journal of Social Work, 54(4), 1402-1419.

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

4

AI與人力資源管理的再設計

在人工智慧廣泛導入人力資源管理（HRM）的時代，招聘流程正經歷劇烈轉型。從履歷篩選、面試到薪資談判，AI 系統為組織帶來效率與精準，但同時也引發偏誤、透明性與公平性的重大爭議。本週課程將帶領同學檢視 AI 在 HRM 的再設計可能：我們是否能利用技術改善人力資源流程，還是反而複製甚至加劇既有的不平等？

閱讀：

Mujtaba, D. F., & Mahapatra, N. R. (2024). Fairness in AI-driven recruitment: Challenges, metrics, methods, and future directions. IEEE Transactions on Technology and Society. https://arxiv.org/abs/2405.1969

Rao, S., & Zhao, T. (2025). Ethical AI in HR: A Case Study of Tech Hiring. Journal of Computer Information Systems, 1-18.

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

5

演算法治理與職場監控

本周探討演算法治理在職場監控中的應用，特別關注自然語言處理（NLP）、視覺監控與績效評估等技術如何影響組織控制、勞動自主性與倫理議題。我們將從系統性回顧的理論框架出發，進一步檢視實證研究對員工創造力與適應力的影響，並討論「效率提升」與「倫理風險」之間的張力。

閱讀：

Kayas, O. G. (2023). Workplace surveillance: A systematic review, integrative framework, and research agenda. Journal of Business Research, 168, 114212. https://doi.org/10.1016/j.jbusres.2023.114212

Liu, M., Lan, Y., Liu, Z., Liu, M., & Xia, Y. (2024). Navigating the maze: The effects of algorithmic management on employee performance. Humanities and Social Sciences Communications, 11, 965. https://doi.org/10.1057/s41599-024-03453-z

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

6

工會與集體協商的挑戰與轉型

隨著人工智慧與演算法管理滲透職場，工會如何在「勞工（勞方）—資方—國家」三角關係中，因應AI成為「第四角色」的新挑戰？

閱讀：

 Kelley, B. J. (2024). Belaboring the algorithm: Artificial intelligence and labor unions. Yale Journal on Regulation Bulletin, 41, 88–105.

UNI Global Union. (2023). Algorithmic management: Opportunities for collective action. A guide for workers and trade unions. UNI Global Union. https://uniglobalunion.org/report/algorithmic-management-a-trade-union-guide

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

7

AI衝擊下的行業地圖

本周探討AI對金融與專業服務等行業的衝擊，分析產業結構重塑、監管挑戰與企業採用差異，協助學生理解AI驅動下的新行業地圖。

閱讀：

Arner, D. W., Barberis, J., & Buckley, R. P. (2017). FinTech, RegTech, and the reconceptualization of financial regulation. Northwestern Journal of International Law & Business, 37(3), 371–413.

Yang, J., Blount, Y., & Amrollahi, A. (2024). Artificial intelligence adoption in a professional service industry: A multiple case study. Technological Forecasting and Social Change, 201, 123251.

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

8

AI職場法規與倫理框架

本週將探討人工智慧在職場中的法律規範與倫理挑戰，從隱私、偏見到勞工自主性，對照國際規範與組織治理案例。我們將比較理論框架與實際案例，思考如何在台灣勞動情境中落實「負責任的AI」。

閱讀：

Santoni de Sio, F. (2024). Artificial intelligence and the future of work: Mapping the ethical issues. The Journal of Ethics, 28(3), 407-427.

Bar-Gil, O., Ron, T., & Czerniak, O. (2024). AI for the people? Embedding AI ethics in HR and people analytics projects. Technology in Society, 77, 102527.

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

9

隱私、偏誤與演算法不正義

本週探討人工智慧在人力資源與職場決策中的偏誤來源，分析隱私保護與公平審查的張力，並討論如何透過制度設計避免演算法不正義。

閱讀：

Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decision‑making in the context of HR recruitment and development. Business Research, 13, 795–848.

Mihaljević, H., et al. (2024). More or less discrimination? Practical feasibility of fairness auditing in AI‑based personnel selection. AI & Society (Springer), 39, 1153–1172.

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

10

性別觀點下的AI與工作永續

本週課程將從性別視角探討人工智慧在工作場域中的影響。透過 Wellner (2020) 的後現象學分析，我們將理解AI如何在語言翻譯、臉部辨識、金融演算法與零工平台中再製或加深性別不平等；同時，藉由 O’Connor & Liu (2024) 的案例研究，檢視AI在文字與圖像處理上如何延續或緩解偏見。課堂將引導學生思考：AI是否可能成為性別平等與工作永續的契機？我們將結合理論與案例，並透過辯論與小組討論，深化對「AI × 性別 × 勞動永續」的理解。。

閱讀：

Wellner, G. P. (2020). When AI Is Gender-biased. HUMANA. MENTE Journal of Philosophical Studies, 13(37), 127-150.

O’Connor, S., & Liu, H. (2024). Gender bias perpetuation and mitigation in AI technologies: Challenges and opportunities. AI & Society, 39(2045–2057). https://doi.org/10.1007/s00146-023-01675-4

課程作業：閱讀或討論指定閱讀的文章

教學活動：討論

11

全球比較：日韓數位轉型下勞動改革

從歷史制度脈絡到當代AI/自動化挑戰，比較韓國與日本的勞動政策，從青年失業與勞動市場改革談起，進一步探討 AI 與自動化如何衝擊二元化結構，並思考東亞新社會契約的可能性。

閱讀：

Yun, S., & Yang, J. (2022). Labor market reforms and youth unemployment in Korea and Japan. Korean Political Science Review, 56(3), 5–36. https://doi.org/10.18854/kpsr.2022.56.3.001

Fleckenstein, T., & Lee, S. C. (2024). Labour market dualisation and social protection in South Korea: Searching for a new social contract and growth model. LSE Public Policy Review, 3(2), 4, 1–10. https://doi.org/10.31389/lseppr.102

課程作業：閱讀或討論指定閱讀的文章

教學活動：講授與討論

12

日本勞動政策與人工智慧：風險、不平等與勞資治理

在生成式人工智慧與自動化快速擴張的時代，日本作為全球最早進入「超高齡社會」的國家，如何透過勞動政策與企業治理來回應 AI 帶來的挑戰，成為國際關注的焦點。本課程將透過兩篇核心文獻進行討論。

閱讀：

Hamaguchi, N., & Kondo, K. (2018). Regional employment and artificial intelligence in Japan (RIETI Discussion Paper Series No. 18-E-032). Research Institute of Economy, Trade and Industry. https://www.rieti.go.jp/en/publications/summary/18032.html

Iwatsuki, S. (2025). Position of Japan regarding changes in work environment following introduction of AI technology in workplace: International comparison focusing on responses by corporate organizations. Japan Labor Issues, 9(53), 3–20.

課程作業：閱讀或討論指定閱讀的文章

教學活動：講授與討論

13

AI治理的三層級對策模型

AI的應用快速滲透企業、政府與社會，但其帶來的倫理風險、責任歸屬與社會衝擊，遠超出單一層級可以解決的範圍。本週課程將帶領大家透過兩篇核心文獻，深入探討 AI治理的三層級對策模型。

閱讀：

Schneider, J., Abraham, R., Meske, C., & Vom Brocke, J. (2023). Artificial intelligence governance for businesses. Business & Information Systems Engineering, 65(1), 1–16. https://doi.org/10.1007/s12599-022-00781-5

Wirtz, B. W., Weyerer, J. C., & Sturm, B. J. (2020). The dark sides of artificial intelligence: An integrated AI governance framework for public administration. International Journal of Public Administration, 43(9), 818–829. https://doi.org/10.1080/01900692.2020.1749851

課程作業：閱讀或討論指定閱讀的文章

教學活動：講授與討論

14

平台工作、零工經濟與勞動碎片化

在數位平台快速滲透的時代，越來越多工作透過「接單制」與「演算法管理」來完成——從外送服務到物流配送，勞動的型態正被重新定義。本週課程將帶領同學探索 平台經濟下的零工化（gigification）與勞動碎片化（labour fissuring），思考這些趨勢如何挑戰傳統的勞動保護與集體行動。

閱讀：

Veen, A., Barratt, T., & Goods, C. (2019). Platform-Capital’s ‘App-etite’ for control: A labour process analysis of food-delivery work in Australia. Work, Employment and Society, 34(3), 388–406. https://doi.org/10.1177/0950017019836911

Hassel, A., & Sieker, F. (2022). The platform effect: How Amazon changed work in logistics in Germany, the United States and the United Kingdom. European Journal of Industrial Relations, 28(3), 363–382. https://doi.org/10.1177/09596801221082456

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

15

期末報告

• 學生選定課程相關議題進行期末報告
• 自由選擇相關閱讀資料，回顧核心議題

課程作業：閱讀與討論指定閱讀的文章

教學活動：講授與討論

16

期末報告

• 學生選定課程相關議題進行期末報告
• 自由選擇相關閱讀資料，回顧核心議題

教學活動：期末報告