理工備審在證明什麼

備審的通用邏輯——研究潛力與專業軌跡——在通用備審指南已有完整說明。理工的關鍵差異來自一個現實：大學部的專題幾乎都是團隊合作，但教授要錄取的是你個人。所以理工備審真正的任務，是在團隊成果中清楚切出你的位置——你負責什麼、用什麼方法、貢獻了什麼。

教授想看的不是你做了多少事，而是你在專題、課程、實驗與作品中展現了什麼研究能力：問題解決的過程、技術決策的邏輯、遇到瓶頸時的反應。列出十項蜻蜓點水的經歷，不如把兩三項寫深。

團隊專題怎麼寫出個人貢獻

寫每一段專題經歷時，套用五個要素：任務、方法、工具、成果、個人貢獻。對照一組實際的改寫：

寫「參與機器學習專題」，教授只知道你出現過。改成「負責資料前處理與模型評估，使用 Python 與 scikit-learn 完成分類模型比較，整理混淆矩陣與效能指標作為專題的分析依據」，教授就看到了你的任務範圍、技術工具與具體產出。

自我檢查的標準：把你的段落拿掉名字給陌生人看，他能不能回答「這個人自己做了什麼」？如果答案還是「他們那組做了一個系統」，就再往下切一層。附帶的原則是誠實——貢獻寫的是你真正負責的部分，口試時教授會針對細節追問，寫了不是自己做的東西，當場就會被問穿。團隊成果的貢獻歸屬、掛名分寸與引用界線，在學術圈有明確規範不是模糊地帶；教育部臺灣學術倫理教育資源中心的課程與案例講得很清楚，多數學校也把它列為研究生必修時數，現在修完等於提早把這門課修掉。

瓶頸與除錯是亮點，不是黑歷史

很多學生把專題寫成一條順利的直線：定題、實作、完成。這種流水帳反而浪費了理工備審最值錢的素材——你遇過什麼技術瓶頸、怎麼獨立除錯、從不理想的數據學到什麼。

研究的日常就是卡關。教授看到「模型準確率一開始只有六成，我檢查了資料分布後發現類別不平衡，改用重採樣與調整損失函數後提升到八成五」這種段落，看到的是一個已經在用研究者方式思考的學生。順利的結果證明你執行過，除錯的過程才證明你能做研究。

整理備審時可以自問：我的經歷描述是停留在「完成了系統」的流水帳，還是寫出了遇到什麼瓶頸、如何定位問題、怎麼修正？每段主要經歷至少留一句給這個過程。

理工自傳：研究興趣的形成軌跡

理工自傳要回答的核心問題是：我如何一步一步形成現在的研究興趣？「從小喜歡科學」「對科技充滿熱情」這類開場之所以無效，是因為它們無法被驗證，也和任何人都能互換。

有效的寫法是用具體節點串出軌跡：哪門課讓你發現這個領域、哪個專題讓你確認自己做得下去、哪次實習或實驗讓你決定往這個方向走、所以你想在研究所做什麼。每個節點都對應到成績單或 CV 上查得到的事實，自傳就從抒情文變成了證據鏈。

和研究計畫書互相支撐

備審資料和研究計畫書是同一份申請的兩面：計畫書宣稱「我要用這些方法做這個題目」，備審負責證明「我真的具備這些方法的操作經驗」。送件前做一次交叉檢查——計畫書提到的每一項核心工具與方法，CV 裡有沒有對應的專題、課程或實習？CV 裡最強的技術經歷，計畫書有沒有用上？兩份文件對得起來，你的申請才是一個完整的論證。

我們把理工備審的檢查項目整理成模板：理工備審資料 Checklist（CSV）、Markdown 版（可匯入 Notion）、Excel 活頁簿版（打勾後自動算出各區完成度），逐項勾完再送件。