跨專業申請的履歷，審查委員看的不是你有沒有相關科系背景，而是你如何證明自己有能力、有準備進入一個新的領域。AI可以幫你把履歷整理得看起來很專業，但它無法判斷哪些經歷對你的轉專業故事真正重要。若你直接採用AI生成的內容，很容易出現兩種問題：一是把不相關的經歷全部塞進去，讓履歷失去焦點；二是寫出「我對這個領域很有興趣」這類空泛描述，卻沒有具體證據支持。核對AI版本時，你需要從「能力遷移」與「知識補足」兩個角度重新檢視每一段經歷。

先確認履歷中的每一段經歷都對應一個「可遷移能力」

跨專業申請者最常犯的錯誤，是把原本科系的經歷原封不動地搬進履歷。例如你本科讀中文系，申請數據科學碩士，AI可能幫你把「編輯系刊」寫成「負責文字編輯與校對」，但這對審查委員來說看不出你具備數據分析的能力。

核對時，針對每一段經歷問自己：這段經歷展現了什麼能力，是目標科系重視的？常見的可遷移能力包括：

• 量化分析：即使你的本科是文科，只要修過統計課程、用Excel處理過資料、或做過需要數據分析的專案，都應該明確寫出。
• 專案管理：從規劃到執行的完整經驗，例如舉辦活動、帶領小組完成報告，都能展現組織與協調能力。
• 研究與資訊整理：文獻回顧、資料蒐集、撰寫長篇報告的經驗，對轉入社會科學或商學院都有幫助。

若某段經歷無法對應任何目標科系重視的能力，考慮刪除或縮短。AI往往傾向保留所有內容，因為它不知道哪些經歷對你的申請目標重要。你需要主動刪除與轉專業故事無關的資訊。

補足知識的證據：不只是列出課程名稱

跨專業申請的審查委員想知道你為了轉專業做了哪些準備。AI可能幫你寫出「我修過程式設計課程」「我完成了線上數據分析證書」，但這些描述缺乏說服力，因為任何人都可以這樣寫。

核對時，檢查每一項補足知識的證據是否包含以下元素：

• 具體的課程或證書名稱：不要只寫「程式設計課程」，要寫「Python程式設計入門（3學分，成績A）」或「Coursera上的Google Data Analytics Professional Certificate」。
• 完成時間：寫明修課的年份或學期，讓審查委員看到你持續投入的時間跨度。
• 應用成果：最好的呈現方式是你把學到的知識應用在一個具體專案中。例如你自學Python後，用爬蟲抓取公開資料並做了一份分析報告，這比單純列出課程名稱有說服力得多。

若AI草稿中只有課程名稱而沒有應用成果，你需要補充具體的專案經驗。即使這個專案規模不大，只要與目標領域相關，都值得寫進履歷。

檢查「轉向動機」是否具體到足以說服人

跨專業申請者的履歷通常會包含一段「Objective」或「Summary」，說明為什麼要轉專業。AI生成的這類文字往往流於表面，例如「我對商業分析充滿熱情，希望透過碩士課程提升專業能力」。這種描述對審查委員沒有任何資訊量。

核對時，把這段文字改寫成具體的因果鏈：

• 你原本的科系或工作遇到了什麼問題，讓你意識到需要新技能？
• 你做了哪些具體行動來了解目標領域（例如閱讀產業報告、參加講座、與業界人士交流）？
• 你希望透過碩士課程補足哪些具體能力，並應用在什麼情境中？

例如，與其寫「我對數據分析有興趣」，不如寫「在市場行銷工作中，我發現自己缺乏數據解讀能力，因此自學了SQL與Tableau，並希望透過商業分析碩士課程系統性學習統計建模與預測方法」。後者讓審查委員看到你的轉向是經過思考的，而非一時興起。

最後核對：格式、時間軸與用詞一致性

跨專業申請的履歷常包含多種來源的經歷，AI整合時可能出現時間軸錯亂或職稱翻譯不一致的問題。核對時注意：

• 時間順序：每個經歷的起訖時間是否合理？是否有重疊或空白無法解釋？
• 職稱與機構名稱：中文經歷翻譯成英文時，職稱是否與機構規模相符？例如「助理研究員」不應翻譯成「Research Scientist」。
• 術語一致性：同一種能力在不同段落是否使用相同詞彙？例如不要在某處寫「data analysis」，另一處寫「data analytics」。

完成核對後，將履歷交給一位不熟悉你背景的人閱讀，請他告訴你：看完這份履歷，你認為申請者具備哪些能力？如果對方的回答與你想傳達的轉專業故事一致，代表履歷的焦點清晰。若對方說「看起來什麼都做過但不知道擅長什麼」，你需要重新調整內容的優先順序。

跨專業申請的履歷不需要完美，但必須讓審查委員看到你的準備與思考。AI可以幫你整理格式與措辭，但選擇哪些經歷、如何呈現轉專業的邏輯，仍然需要你自己決定。