圖1 是陳百齡等人（2016）在其研究中引用「水火計畫」團隊如何 透過API 進行資料撈取的示意圖。包含本研究的案例甲團隊所使用的工 具A，大體上社群媒體研究要透過 API 取得平台上的資料，都是類似的 過程。在其中，社會科學研究者經常只參與了「使用者查詢」這一塊，
而「應用程式」後面發生什麼事情即是不可見（或不過問）的「黑 箱」。但從這個圖示可以看到，研究者要能取得資料，就至少需要「應 用程式」、「API」、「資料庫」以及「社群平台資料庫」的協作行 動。
圖2 則是熊凱文、魏浩翔與紀明德（2014）呈現的另一個類似的資 料收集過程。如果將此過程對照社科學者L 所謂「透過工具 A 撈取社群 媒體資料」的行動，我們可以發現，其中還涉及了使用工具 A 的用戶
10 特別需要說明的是，雖然本節將與「工具」相關的異質行動網絡（也就是黑箱）
運作區分為資料收集、資料分析與資料呈現三個階段，但在實作中這三個階段可 能是纏繞、交疊在一起的。也就是說，這裡僅是為了分析與討論的清晰而將整個 運作過程拆解成三個階段，實際上的運作可能是，例如，資料收集與分析會有重 疊、反覆，而資料呈現又可能會回過頭來影響如何分析。
端無法直接看見的資料處理與儲存的動作，也就是透過API 將資料撈取 進伺服器端並加以儲存的動作。這個過程在使用者於工具 A 的介面上 提出要求後，便看起來像是「自動完成」了。但實際上這背後乃是一個 地方網絡中介、轉譯的結果。例如，熊凱文等人（2014）在其研究中描 述了類似的過程，一方面，透過API 所取得之社群媒體資料已呈現既定 具階層架構的格式（JSON），這意味著透過 API 取得的資料已先初步 整理過了。Halford et al.（2018）也才因此主張，如果研究者未能認識 到透過API 取得之資料可能的扭曲，便無法察覺分析可能產生的偏誤。
另一方面，如熊凱文等人（2014）所述，從 API 取得之資料還需要匯入 資料庫，而這時就需要如他們研究中 MongoDB 這類資料庫管理模組的 中介，其運作也是不可見的。
圖 1：透過 API 撈取資料示意圖
資料來源：〈社群媒體資料分析：特性和歷程的初探〉，陳百齡、鄭宇君、
陳恭，2016，《傳播文化》，15: 56。
圖 2：系統架構圖
資料來源： 〈社群媒體資訊傳播之視覺化〉，熊凱文、魏浩翔、紀明德，
2014 年 7 月，「甲午年第廿二屆計算機圖學研討會（Computer Graphic Workshop, CGW）」，臺北市大安，頁 2。
資料在透過 API 與資料庫的中介儲存下來後，還需要經過所謂的
「資料清理」。此時，研究人員又會再次進入行動網絡之中，如同陳百 齡等人（2016）指出的，「研究人員進行資料清洗之前，必須先探索以 下幾件事：資料存在哪些格式？資料是什麼態樣？如何選取適當資料維 度進行分析？」例如，透過 API 從 Twitter 上撈取到的資料，可能包括 推文、網址、標籤（hashtags）等原始資料，而其下又有不同的資料項 目，像是在「標籤」下又可整理出「標籤名稱」、「含有此標籤的推特 文編號」、「發文時間」、「用戶名稱」、「用戶編號」等等（陳百齡 等人，2016）。而研究者需針對其研究所需決定要留下並整理清楚的資 料欄位有哪些。像是本研究案例的甲團隊，當他們探究臉書使用者資訊 傳散過程時，透過API 取得的資料中，紀錄了分享路徑的「分享編碼」
（share ID）便是重要且需留下的資料。
換言之，使用者在用戶端的軟體或介面上提出查詢時（例如，顯示 某一時段中某一粉專的所有貼文），實際上是由一連串的行動者相互促 動才能生成結果：將有著不同行動的工具召集在一起的資科學者、已預 作處理的社群媒體資料庫、涉及一套「請求」（request）行動的 API、
將取得的具 JSON 格式之資料匯入資料庫的管理模組、清理資料的研究 人員。正是因為認識到這一連串的過程，Berry（2011）認為，數位工 具運作著一種「雙重中介」（double mediation）的轉換。也就是說，它 們不僅將現象轉譯為資料，也將資料轉譯為呈現給研究者的資訊。對於 這樣的境況，Berry（2011, p. 16）憂心於這將「導致使用者越來越依賴 電腦生產、呈現出的螢幕資訊，也使得使用者無力於防範錯誤的發 生」。而這也是本研究的起點之一，本研究主張，這不必然意味著社會 科學研究不應使用數位工具，毋寧地，關鍵在於我們是否能夠「打開黑 箱」，是否有機會去檢視此一問題。