主、客觀方法區分與比較

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

15

& Mittal, 2015）。情緒字典法雖然準確度稍不足，但跨知識領域的通用性較高，

於不同語言間的分類機制轉換成本也較低（Taboada, 2016）。

目前業界普遍未透露技術核心的演算法為何，但無論是機器學習法或情緒字 典法，在測量社群的多數意見向度時，以語言學和資料科學為本的方法論都能夠 避開閱聽人憑直覺猜測言論風向等主觀感知偏誤。又由於社群中每一個發言條目 都能被記錄下來，在速度和即時性上也更勝過去學者常用的問卷和訪談法（Liu &

Zhang, 2012; Singh, & Husain, 2014; Zhang & Vos, 2014; Anstead & O'Loughlin, 2015; Barker, Barker, Bormann, & Zahay, 2016）。

儘管以情緒分析法進行研究享有快速及排除主觀偏見的益處，但仍有許多疑 慮待研究進一步解釋。例如情緒分析法在資料擷取的過程中難以將虛假捏造

（nonveridical）的發言篩選出來，使得分析結果容易受到干擾（Tabaota et. al., 2011; Tabaota, 2016）。又如網路用語變化速度快、發言主題跨度大，無論是機 器學習法或情緒字典法面對網友流行語的劇烈變動都會遇到訓練及配對語料轉 換上的困難，造成無法正確判別諷刺或雙重否定等情緒狀態的可能性上升

（Kouloumpis, Wilson & Moore, 2011）。最重要的是，情緒分析法是由少數發言 者言論獨佔分析資料來源，因此時常受到樣本母體過少，分析結果難以與整體社 群意見類比的質疑。

三、主、客觀方法區分與比較

本文認為，當今若要掌握網路使用者的脈動，即時性依然是第一考量，一個 更快速且系統化的方法值得被善加應用。情緒分析法無法觸及潛水者的先天限制 難以克服，若採此法進行研究分析是為了克服速度、數量和主觀偏誤等干擾性因 素。在調查法和情緒分析法各有利弊的前提下，若情緒分析技術能夠和調查法測 量多數意見的結果具有相同的潛水動機預測能力，或者若是兩者測量結果具有高

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

度相關性，往後潛水者研究在方法選擇上則可更多元，社群聆聽技術的發言者代 表性問題也能得到初步討論。為了凸顯調查法與社群聆聽情緒分析法兩種方法進 行過程的不同，因此本研究嘗試以主、客觀對兩種方法做出區分。以受訪者主觀 評估多數意見的調查法為主觀；以程式單一標準進行多數意見計算的情緒分析法 為客觀，並針對同一議題，測量主、客觀社群意見一致性，以比較兩者是否有相 關性及對後續潛水動機之影響是否具有同等預測力。

主、客觀兩種方法測量過程都需要受訪者表態對議題的立場，作為一致性比 較的基準，且受訪者可能包括潛水者，因此本研究之受訪者意見將統一採用調查 法進行測量。而主、客觀方法間的不同主要落在社群主流意見測量方法上，為避 免受訪者對部分爭議性議題的態度曖昧模糊，導致態度或情緒測量困難，對受訪 者進行二分法的提問和測量將有助於後續分析。如表2-2，經比較過去相關研究 方法，由於Ho 和 McLeod（2008）和 Ho 等人（2013）之方法是將態度李克特量 表重新編碼為二分法的態度分數，能夠避免受訪者勉強填答，同時兼顧態度二分 法的原則，因此本研究將延續其方法，進行主觀社群意見一致性的測量。

另外客觀的社群主流意見測量，則如前述使用程式進行估算。為配合主觀社 群主流意見的二分法測量方式，目前業界經常使用的情緒指標，情緒正負比

（positive-negative ratio）會是較恰當的客觀主流意見指標。情緒正負比由正向情 緒分數與負向情緒分數的比值所得，若數值小於1 則視為負向情緒較多；反之若 大於1 則視為正面情緒較多（Asur & Huberman, 2010, August）。本文客觀主流 意見測量使用情緒正負比作為指標的好處在於能避免中立意見難以納入態度二 分法計算，若正向情緒分數比數值大於1，代表支持意見較多，並重新編碼為+1；

若數值小於1，代表反對意見較多，並重新編碼為-1。受訪者意見與社群意見一 致性測量的部分，則沿用Ho 和 McLoed（2008）與 Ho 等人（2013）之作法，將

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

17

受訪者意見的分數（-1 或+1）分別與客觀的社群主流意見分數（-1 或+1）相乘，

結果若為+1，則視之為高客觀社群意見一致性，若為-1 則視之為低客觀社群意 見一致性。於此本研究提出三個研究問題。

研究問題一：主觀社群意見一致性與客觀社群意見一致性是否顯著相關？

研究問題二：客觀社群意見一致性低時，是否會導致潛⽔者因爲害怕被孤⽴

動機⽽產⽣潛⽔⾏為？

研究問題三：客觀社群意⾒⼀致性⾼時，是否會導致潛⽔者因爲社會性散漫

動機而產生潛水行為？

‧

Nekmat 和

Gonzenbach（2013）

--- --- 受訪者估計群體 意見自身意見的 一致程度（五點 李克特）

Matthes（2015）

客觀社群 意見一致 性

機器學習法

（machine learning based）

--- --- Pang, Lee &

Vaithyanathan

（2002）、Paltoglou

& Thelwall（2010, July）

情緒字彙法

（lexicon based）

--- --- Turney（2002）、

Lin & He

（2009,November）

情緒正負比

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

19