有趣的是，研究者發現馬英九總統的官方 Twitter 帳號（https://twitter.com/PresidentMa19），
有上萬名追隨著，卻沒有任何追隨任何一個 Twitter 帳號（following 0），這表示馬總統及其幕 僚僅將 Twitter 視為一個發佈消息的管道，而非雙向互動的溝通工具，這在世界各國領袖的
25
然而，社交媒體的關注者人數多寡不等於影響力大小，因為有些 Twitter 用戶的 followers 數目雖多，使用者與其追隨者之間不見得會有對話、轉發等實質互動，因此每個節點所擁有的 連結數多寡與互動頻率才是關鍵。
Hartley（2012）指出，人們在社交媒體中的交友行為遵循著冪律分布（power-law
distribution），13多數使用者的連結節點（關注者與被關注者人數的總合）通常只有幾百個人，
只有極少數使用者擁有上萬個連結節點，前者指的是一般使用者，後者通常是名人、生產者（如： Community ZH-TW
tweets
13 冪律分佈（power-law distribution）在網路世界的應用，最為大眾所熟知的是長尾理論或 80-20%的法則，像是 20%的消費者貢獻了 80%的營收，在社交媒體上的狀況也相同，意指社交媒體當中的上億使用者，只有極少數使 用者擁有上百萬的關注人數，多數使用者的關注者或被關注者通常只有幾百個人。
26
研究者進一步以網絡分析視覺化工具Gephi，對於 2013 台灣總統大選期間在Twitter上參與 討論的使用者進行社交網絡分析，14以撈取的所有tweets為資料群組，建立發文者與對話者的 社交網絡關係圖如下圖十二。15
14 Gephi（https://gephi.org/）是目前最常用於社交媒體的網絡分析與視覺化工具之一，最早由 M. Bastian, S.
Heymann, M. Jacomy 等人在 2009 年開發出來，由於它是開放軟體服務，不僅可供使用者免費下載，使用者也可 根據不同需求自行開發相關的外掛程式，並且提供給其他的 Gephi 使用者利用，目前 Gephi 上有眾多使用社群開 發的外掛程式供研究者選用（Bastian, Heymann, & Jacomy, 2009）。
15 社交媒體資料網絡分析的基本邏輯為，假使一則推文屬於 RT 或 @reply，則可建立為發文者與對話者具有一 筆關係(edge)，如：發文者 user1 發送推文「@user2 馬英九勝選」，這樣 user1- user2 就建立為一筆關係，或是 user3 看到上述推文加以轉發(Retweet, RT)，則結果是 user3: 「RT@user1@user2 馬英九勝選」，則「user3-user1-user2」
又算是一筆關係，以此類推。研究者在所有的 2.8 萬筆 tweets 中，篩選出 RT 或@reply 類型的推文，總共有 5655 個 Node，以 Edge 數 5 以上過濾後，還有 783 個 Node（13.85%），所繪出的網絡分析如圖十二所示。
圖十二：2012 台灣總統大選期間的 Twitter 社群的社交網絡關係
27
在上圖中可以發現有一獨立的網絡在左下角，並以 Kaokaokaokao 為核心，這名使用者為 福島香織（https://twitter.com/kaokaokaokao），以日文為主要發表語言，根據她的個人檔案與 維基百科資料，她自述為新聞記者、中國問題觀察家，曾擔任日本產經新聞駐中國總局記者、
常駐北京，也曾擔任過產經新聞駐香港支局長，她於 2009 年退出產經新聞，成為獨立記者及 專欄作家，目前 Twitter 上約有共有 32000 名追蹤者。
出現在這個網絡群組中的其他顯著節點還有 Asahi-shinsen:（朝日新聞中文網）、NHK_news
（NHK 新聞台）等日本主要的新聞機構。透過網絡分析可以證實本文先前的推論：我們撈取 的 tweets 中有大量日文，主要來自 Twitter 圈的日文使用者，當台灣總統大選結果揭曉後，日 本新聞媒體的報導透過 Twitter 帳號發送，其他日文使用者再轉發這些推文。
因此，左下角形成一個獨立於整體網絡關係之外的日文使用者網絡，在這個網絡當中，日 本新聞機構或記者帳號是重要節點，顯示日文使用者之間並未直接針對台灣大選進行討論，而 是透過新聞報導來關注此一事件。此外，從圖中看來，這個日文網絡與華人社群網絡沒有太多 密切的交流互動，而是因為日文報導中顯示總統候選人姓名的漢語，才使這些日文 tweets 被研 究者撈取到。
除了日文社群的網絡外，我們也可以看到左方較小的網絡是台灣的 Twitter 使用者社群，
以 gjtaiwan（台灣幹得好新聞社）、aboutfish（關魚，台灣好新聞電子報總編輯）為核心節點；
中間及下方的幾個網絡都屬於中國大陸社群，包含 mranti（中國的資深新聞工作者安替，目前 人在美國）、wenyunchao（中國新聞工作者溫云超，當時人在香港《陽光時務》工作）、aiww
（中國藝術家艾未未）。這些顯著的節點都是經常在 Twitter 發表意見的重要使用者，他們的 意見會被許多人轉發，他們也經常在 Twitter 上與其他網友互動對話。
進一步對照表三與圖十二來看，可發現同時出現在兩種分析當中的重要使用者皆屬於個人 使用者，他們的追隨者人數眾多，且經常與他人對話互動，所以才會成為網絡分析中的高度連 結者。至於新聞機構帳號雖然經常發送相關訊息，但不會是使用者密集對話的互動對象，而兩 位主要候選人（馬英九@presidentma19、蔡英文@iingwen）所發出的訊息雖然被很多人轉發，
但因為鮮少與其他使用者互動回應，所以betweenness centrality並不高，在網絡中的節點大小並 不顯著。16
然而，不像日文社群網絡獨立於整體網絡之外，台灣及中國大陸的 Twitter 社群在圖中雖 可辨識為不同的網絡，但當中有綿密的連結互動關係，由此彰顯了台灣社群與大陸社群之間有 密切的互動關係，這也是我們要持續深入探索的目的。
16我們使用 Gephi 的繪圖原則：節點大小是根據 betweenness centrality（同時計算接收和回應 reply 次數），節點 越大 betweenness centrality 越高，也代表該節點扮演中心連結或資訊中介者的角色，節點的顏色深淺是根據 indegree 與 outdegree 愈多，則顏色愈深。
28
伍、 結語：
本研究透過關鍵字收集 Twitter 上有關 2012 台灣總統大選的相關討論推文，共有 2.8 萬筆 tweets，主要使用語系的前三名：最多的是繁體中文（13,646 tweets，49%）；其次為日文（9,548 tweets, 36%），第三為簡體中文的（4,342 tweets, 16%）。本文主要目的便是在探討這三種主 要語言社群有那些不同的傳播模式，研究發現即便像 Twitter 全球社交媒體，使用者的傳播模 式仍受到在地脈絡的影響，以台灣總統大選的個案來看，在地脈絡的面向至少包括：使用者與 事件位置的鄰近性、使用者與社群關係的緊密程度。
一、使用者社群與事件位置的鄰近性
本研究發現，做為台灣總統大選事件的在地社群，Twitter 的台灣使用者從選前到選舉當 天，所採取的言語行動都是「實質討論」，因為大選結果的高度不確定性，引起眾多參與者關 注，使用者每天發送二到三則推文相互討論，但在選後，由於結果底定，很難再引起多數群眾 的興趣，參與討論人數及發文量在選後二天即快速下滑到平日的水準。
其次為鄰近性中等的中國大陸社群，在選前到選舉當天的傳播模式產生動態改變，選前主 要是少數使用者透過每日轉發一、二則推文表達「關心」，到選舉結果出爐當天，則有大量使 用者加入對話討論，每人日均發文量由選前的 1.46 到選舉當天的 1.98，大幅增加 36%，顯示 中國大陸 Twitter 社群的傳播模式從選前的「關心轉發」轉變到到選舉當天的「實質討論」。
至於鄰近性最遠的日文社群，發文數量及參與人數高度集中在選舉當天，顯示日文社群不 參與討論，但關心選舉結果，因而在大選結果出爐當天會轉發一則新聞快訊，且從網絡分析的 結果來看（圖十二），相較於繁體中文或簡體中文社群的網絡重要節點皆為 Twitter 上著名的 意見領域或部落格，日文社群網絡中的主要節點則是新聞機構或記者，這意謂日文使用者對於 台灣選舉事務不熟悉，無法進行直接討論對話，必須透過媒體機構的新聞或專家評論才能瞭解 此事對於日本的影響性，因而日文使用者在總統大選期間的傳播模式屬於「訊息告知」。
二、再思考社交媒體之「社群」（community）概念
本文在先前分析將社交媒體中使用相同語言討論的使用者，視為同一社群，如：繁體中文 社群、簡體中文社群、日文社群等，但若仔細區分，可以發現社交媒體當中至少有三種不同組 成方式所構成的社群：
第一種社群是指同一時間在社交媒體上針對相同事件進行討論的人，例如：本研究所收集 的全體發文者。由於即時性電子媒體的發達，眾多群眾可以即時觀看同一則事件的進展，並同 時在社交媒體上發表意見評論，他們之間也許會有短暫的交會討論，例如：在同一則蔡英文敗 選演說的 Youtube 影片下發表意見，但不會有太多討論，甚至互不相識，這一類社群類似黃厚 銘所稱的「群聚（mob-lity）」，他們透過同一事件聚在一起討論起鬨，達到共感共應的效果，
但彼此之間缺乏長久的凝聚力，在事件結束後，立即散去。
29
第二種是由 RT 與@reply tweets 的交互關係所構成的訊息流動社群，它是由一些高連結度 節點及其眾多追隨者所構成的網絡，這些追隨者會轉發這些高連結度節點（名人、記者、意見 領袖、新聞機構帳號）所發的推文，構成一個訊息快速流傳的網絡關係，但在這個網絡中的成 員不見得會相互關注，許多是單向關注，即一般粉絲轉發名人的推文，但名人未必會關注這些 粉絲，例如：圖十二即為 2012 年台灣總統大選期間的訊息流動網絡，可以看見名人、新聞機 構是網絡中的重要節點。
第三種是由@reply tweets構成的對話社群，這類社群的特徵是規模較小，但成員彼此認識，
相互關注率高，使用者經常會對話討論，也就是在tweets中會以@user方式指定對話的對象，
但他們之間不見得是立場一致，有時是兩派陣營相互對戰，但是彼此對話討論或採取集體行動
但他們之間不見得是立場一致，有時是兩派陣營相互對戰，但是彼此對話討論或採取集體行動