國外研究

（一） Facebook

Facebook 為最廣泛被人們使用的社群媒體平台，尤其在美國，在 2016 年，

約八成的上網人數擁有 Facebook 帳號，其中，在美國約有 86%的人會使用網路

（Pew Research, 2016）。換句話說，Facebook 幾乎能大約呈現全美的人口樣 貌。因此，在 Facebook 上做數據分析，就幾乎等同於對全美人口做抽樣分析，

且比起對全美人口做抽樣分析，又來得更省時、全面且低成本。

關於 Facebook 團隊做過的研究，除了可以用來驗證過往缺乏大量樣本實證 的理論外，還可以用來觀察在社群媒體上資訊的轉變（Adamic et al., 2016）現 象。由於社群媒體可以快速地傳遞資訊，但資訊在傳播的過程中，往往缺乏前 後一致性，較晚被人們傳播的資訊可能與剛開始傳播的版本不同，造成此種情 況的原因為各種不同理念的人。是與人口分布的變異息息相關的 ，出現不同版 本的資訊代表有存在不同理念的人口存在。例如 Facebook 針對文化模因

（meme）演變，做出針對由「沒有人應該為…而死。」所組成之動態與不同政 治傾向的使用者會分享哪一種不同版本的文化模因語句研究。Facebook 蒐集了 由 2009 年 4 月進行至 2011 年 10 月，共 18 個月的人們的動態貼文資料，探討 文化模因的演變。雖然 2009 年 4 月的時候，Facebook 還沒推出「分享」的功 能，使用者卻也因此可以透過逐字輸入或是整段複製，將這些句子貼在自己的 牆上。文化模因與人口的族群成分組成，有兩個類似的元素，分別為複製與變 異，意即，理念、想法相同的人們會透過複製來傳遞訊息；有著不同理念與想 法的人們會透過改變原本的訊息，再去傳遞。而在重新打入或複製的過程中，

可能會出現不小心的拼字錯誤，或是有意的改寫。這麼一來，透過抓取到的資 料，可以觀察到使用者複製與貼上的過程，也可以觀察到分享出去的文字是否 被無意或是有意地修改過。從最一開始的版本是支持歐巴馬的健保政策的語句

「沒有人應該要因為付不起健康保險而死；沒有人應該要因為生病而破產。如 果你同意，請你在今天之內在你的動態上貼出這則貼文。」 發展到最後，出現 了反對歐巴馬健保政策的版本，例如「沒有人應該要因為政府徵收的稅而破 產」。總共出現了 4087 種版本，且每一種版本至少有 100 次以上的複製量。透 過擷取使用者在自己檔案上所呈現的政治傾向，將出現前 100 名的政黨進行由-2 至 名的政黨進行由-2（-名的政黨進行由-2 代表偏向自由派，名的政黨進行由-2 代表偏向保守派）的政治光譜標記，再將此標記 對照到所分享出的文化模因語句，就可判斷出不同政治傾向的使用者會傳播什 麼版本的文化模因語句。

關於驗證以往缺乏大量樣本實證的理論，Facebook 在 2014 年針對使用者所 看到的即時動態更新（News Feed）內容的正負向情緒，分析是否會產生情緒感 染（emotional contagion）（Kramer, Guillory, 2014）。由於情緒感染過去缺乏大 樣本的實證支持，縱使 Fowler and Christakis 在 2008 年發表的一篇論文中使用了 12067 位使用者的資料，時間橫跨了 20 年之久，但其結果卻被認為是有爭議的

（Kramer, Guillory, 2014）。因此，Facebook 進行了為期一個星期的實驗，透過 控制約 60 萬名操作介面為英語的使用者的動態時報所呈現正向或是負向內容的 貼文，分析情緒感染在社群網絡中的影響。但 John Grohol（2014）卻認為這個 研究的實驗設計不太理想，因為此研究所用來判斷正負向貼文的方法為利用 LIWC2017 的軟體，但此軟體較為擅長分析較長的文本，對於 Facebook 中較短 的文本可能會有誤判的情況。但是該研究也證實了，正面字詞較多的貼文，會 讓使用者留下較多正面情緒的留言，反之亦然。另外，情緒感染可以只透過文

字進行，且與社會比較理論相反。該研究也認為，線上的訊息會影響我們的情 緒，甚至會影響我們現下的行為。

（二） OkCupid

創辦於 2004 年，Okcupid 是一個最受歡迎之一的線上交友網站，扣除無法 註冊之年紀人口，大概每兩個單身美國人，就有一人已經註冊。此網站以演算 法計算出使用者彼此的速配程度而著稱。如果使用者想要越精準地讓演算法去 計算配對程度，他們必須回答 OkCupid 上的一些問題，例如，「你可以跟非常 邋遢的人約會嗎？」。由於交友網站的使用者一般來說都想找到跟他速配的伴 侶，因此 OkCupid 也蒐集到了許多使用者真實回答問卷的資料、使用者的基本 人口變項資料，例如種族、身高、所在地區、身高與使用者上傳的照片、在自 己檔案中的自我介紹等等。且 OkCupid 也具有線上聊天功能，因此也擁有這些 人們在線上聊天的對話與互動紀錄。

擁有這麼多資料，OkCupid 在 2014 出版了一本名為「我們是誰？大數據下 的人類行為觀察」，書中透過大量的真實數據來驗證過往在學術論文中以 WEIRD 研究--代表白人（white）、受過良好教育的（educated）、來自以工業化 地區的（industralized）、富有的（rich）且民主的（democratic）族群為樣本的情 況。這些 WEIRD 研究的樣本，通常只能代表大約全球 12%的人口。另外，本書 也透過各種統計分析應用，驗證出各種在男女互動交往中，有趣的現象。例 如，男女彼此互相評分，結果發現男性給女性的分數呈現常態分佈，但女性給 男性的分數卻呈現右偏的分佈，說明了女性給男性的標準較為嚴苛。但說的跟 做的可能不一定相同。OkCupid 在書中提到，他們透過結合另外一項新推出的 應用程式「瘋狂盲目約會」（Crazy Blind Date），來比對人們在看不到對方長

相時的互動行為。結果發現，長相對約會成功與否完全沒有影響。關於對文字 進行分析部分，OkCupid 透過區分不同種族、性別與性取向並計算出其所最常 用的字數，分析了其在自我介紹時的文本，找出了某個特定族群才會使用的字 詞，並依照同樣的演算法，找出了某個特定族群不會使用的字詞。這項分析結 果透過數據告訴了我們不同種族、性別與性取向之間實際的差別為何，再也不 是以往我們用捉摸不定的標準與感覺來判定對方屬於哪一些群體。

Facebook 與 OkCupid 皆透過大量人們在網路上的互動數據，分析與驗證過 往研究中樣本數不足或是偏頗的理論、潛藏在我們認知中的既定印象或是具體 化了在社會上存在的群體之間的界線。