國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
用深度訪談法，是除了追蹤媒介內容外，另一種看見媒介互動的方式。由閱聽人 對特定媒介的觀點，完備媒介作為物種的劃界。本文雖在多處皆採Scolari（2012、
2013）提出的「媒介作為物種」觀點，然而即便在生態學中，物種的劃分也非既 定的，仍是由學者透過生物的些許共同特徵劃分而成。媒介生態學亦然，特定媒 介被歸類為同一物種，顯然必須基於某種共同特徵，但在Scolari（2013）的研究 中廣播、電視、報紙與網路直接被視作個別物種，並未特別說明分類的依據。本 文認為媒介物種的界定並非不證自明，必須由處身處媒介環境的閱聽人，按照其 使用狀況與習慣，提供物種劃界的依據。因此選擇深度訪談法，不僅是了解媒介 如何被使用、理解，更是一種完善物種疆界的前置工作。
然而由於選舉中選民的分佈，並不如資訊生態學所想像在一定的地理疆域內 自成一個「系統」。因此本文在抽樣選擇上，選擇以「在2014 年投給柯文哲的 選民」作為初步條件進行訪談，嘗試了解媒介生態中的閱聽人接收、消化政治資 訊的實際情形。從柯文哲自我描述來說，他認為自己不再是電視時代的政治人物，
當代政治也不是電視等傳統媒體能夠左右的環境，然而閱聽人是否也這樣定義，
是本文欲了解的問題。
第四節、 實際執行
本節將更細節地說明，上述三種不同資料搜集方法，具體地操作結果：
（一） 次級資料分析法：本文對文獻的定義較為廣泛，包含以 2014 年以 柯文哲的政治傳播為對象的實證研究、2014 年台北市長選舉中以柯文哲為核心 的媒介機構調查（如看好度、支持度等民調）與報導評論。本研究的觀察區間接 近18 個月，欲將上述資料全數搜羅，資料量將過於龐雜且難以切入，因此媒體 資料將以事件為核心進行搜集。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
實證研究部分，本文從CEPS 華藝中文期刊資料庫以及全國碩博士論文資 訊網中，以「柯文哲」、「2014 臺北市長選舉」為關鍵字搜索，並從中過濾與 本文題旨、研究區間相符者。期刊論文部分，從十一筆資料共三篇相符，碩博士 論文從十四筆結果中共有四篇相符，後文分析中即以此研究為參考依據。
（二） 超連結分析：本研究將採用由熊凱文、魏浩翔與紀明德（2014）開 始的臉書資訊視覺化工具Pagedata，並以 2013 年 5 月至 2014 年 11 月為區間，
檢索柯文哲臉書粉絲專頁。Pagedata 為針對抓取 Facebook 特定使用者或粉絲團 資訊的檢索工具，經由分析臉書的API 後，將以表格的方式羅屆下列資訊（見 圖一）：每則貼文的貼文編碼（post ID）、貼文時間（create time）、獲得的按 讚留言分享數（number of Comment, Like, Share）、生產 CLS 數的使用者帳號 與部分活動的時間（在 Graph API 中按讚沒有標註時），以及連結（link）、貼 文類型（type）等資訊（劉慧雯，2018）。經過 Pagedata 將資料羅列後，再經由 人工檢閱的方式，記錄每則貼文超連結至何種類型的網站或資訊。
經Pagedata 的檢索後，2013 年 5 月至 2014 年 11 月間，柯文哲的粉絲專頁一 共發布了452 則的公開貼文，再經由人工對照後，一共發現 183 則內容帶有超連 結的貼文，後文將據此繪製由柯文哲粉專為中心的資訊生態。
圖一：Pagedata 資料抓取頁面概圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
（三） 深度訪談法：本研究以「滾雪球」立意取樣的方式，並以 2014 年 具有台北市長投票資格且選擇投給柯文哲的選民，作為滾雪球的條件，以利在產 製與接收兩段進行對照。訪談內容將圍繞「平日接收政治資訊的習慣」以及「2014 年柯文哲的政治傳播」為兩大主題，第一部分初步詢問受訪者，平日接觸政治訊 息的場合、時間大致為何，以及是否具特定規律。第二部分則結合本案例選出的 不同新聞事件、媒體調查，詢問受訪者如何解讀上述資訊，再由受訪者的回答追 問。當樣本呈現足夠的媒介使用型態，並且兩個組別獲得的資訊逐漸趨近後，抽 樣即終止。
按照上述條件，本文共進行七次訪談，受訪者基本資訊如下表（見表一）：
表一：受訪者基本資訊
受訪者 自評媒體使用型態 職業 受訪時間
A 網路70%、電視 30% 公務員 2018/5/24 B 網路100% 業務 2018/5/24 C 電視100% 手機店家老闆 2018/5/29 D 網路50%、電視 50% 護理師 2018/5/31 E 網路70%、電視 20%、報
紙10%
政治人物幕僚 2018/6/4
F 網路95%、電視報紙 5% 媒體從業人員 2018/6/5 G 網路70%、報紙 30% 學生 2018/6/13