國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
挺同方的種子粉專為「伴侶盟」、「同學陣」、「婚姻平權大平台」、「台灣同 志諮詢熱線（以下簡稱同志熱線）」、「點亮計劃-支持婚姻平權（以下簡稱點亮 計劃）」；反同方則是在初次滾雪球後結果不理想，爾後再額外增加三個種子，
八個種子粉專分別為「下福盟」、「公衛盟」、「救台盟」、「捍衛家庭學生聯盟
（以下簡稱捍家盟）」、「反毒陣」、「反對同性婚姻大聯盟（以下簡稱反同大聯 盟）」」、「Kairos 風向新聞（以下簡稱風向新聞）」、「信心希望聯盟（以下簡稱 信望盟）」。
透過滾雪球的方式找出支持婚姻平權與反對婚姻平權兩陣營的粉專群後，
用分享次數、粉絲團大小及收集資料的時間內是否有使用者留言作為門檻。挺 同方因滾出的粉專數量較多，以分享種子粉專兩次、按讚人數 1000 以上為門 檻，共取 37 個粉專。反同的部分因為資料量較少，故將標準降低，以分享種子 粉專貼文一次，按讚人數 100 以上為門檻，共得到 19 個粉專，兩陣營相加共 56 個粉專，細節詳見附錄一。
接著，以 Facebook 的 Graph API 下載名單中 2017 年三月至六月期間的粉 專資料，欄位包含資料類別、發文者、資料建立時間、主文的性質、文章 ID、
內容、分享的連結、讚數…等，整體資料收集在 2018 年一月完成。
最後進行資料清洗，查看下載資料中的貼文主題，若是資料中出現主題跟 同婚、同志議題及有涉及的相關議題（例如：愛滋病與性平教育）無關之貼 文，例如組織內部的人事調動、更換封面、頭貼、捐款號召、單純討論毒品危 害性或性知識討論等，則會將該則貼文與討論留言一併刪除。
第二節、各指標概念與操作化
本節將說明成員同質性、意見一致性、社群互動性和資訊邊界性四項指標 的概念與操作化方式，各指標將以比例或平均的方式進行計算，以消彌粉絲團 間規模的差距。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
一、社群成員是否具有共同特徵？
第一項指標討論同溫層成員中會是否存在成員間的同質性，除了在焦點議 題上站著相同的立場，先前同質性的討論指出在同溫層內可能有著興趣、論點 或關懷議題的相似性，所以進一步的對議題的反應或思維會更加相像。
而在臉書的「關於」頁面中，「讚好內容」呈現出了使用者感興趣、喜歡、
支持的事物，且願意主動的去追蹤，舉例來說若有使用者按讚許多五月天相關 粉專，可以一定程度的推測該使用者對五月天有正向的態度與關注，所以本文 將個人檔案中「讚好內容」視為興趣的再現（如圖三）。
圖三、讚好內容示意圖
資料來源：研究者臉書頁面截圖
接著以曾在該粉專兩篇貼文以上留過言作為篩選門檻，以確保挑選出的使 用者有一定程度的關注該粉專，在不同的時期對該粉專有互動行為，雖然不一 定是忠實粉絲，但至少確保該使用者並非僅有對一篇貼文進行回應的「過客」。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
或無法判斷…等 所以在釋憲階段，不用理法務 部長，他只是在說服大法官沒 有違憲
管理方 貼文主文、官方帳號回覆 由使用者帳號判定
三、社群成員間是否有討論互動？
充足的互動可以影響社群內的凝聚力，增加對群體的正向感受，甚至影響 對議題的態度，所以互動程度也是本文的討論重點之一。在臉書的功能中，當 使用者想要和他人互動時，可以選擇在貼文下留言或是在他者的留言下進行二 層回覆。
前者留言的互動是源自對貼文的想法，例如圖四中的「感覺真實性有待商 榷」、「不用太認真，可能只是反串創作文」，偏向是對粉專經營者抒發想法或題 問的互動。後者則是在一層留言下進行二層的回覆，二層回覆者可能是其他使 用者或粉專小編，讓留言串中產生贊同、反駁或是補充等互動。而這樣的互動 更像本文所關注的「得到回應」的情境，因此本文將以二層回覆當作分析的標 的，用以討論使用者人際間的互動狀況。
在指標計算上，先計算出將有得到的二層回覆的留言數，再除以所有的留 言數，以顯示互動的情況熱烈與否。得到的數值注重在該粉專中留言可以得到 反饋的比例，數值愈高就代表使用者在這個環境內可以得到較多與他者互動的 機會，進一步的可能產生凝聚力、熟悉感或認同，也弭平單一留言串中少數人 大量問答或吵架對整體數值的影響。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖四、二層留言示意圖
四、訊息是否能跨界流動？
最後，資訊接收的邊界性是同溫層重要的一環，也就是不同的節點是否會 有分享資訊來源的差異存在，若是資訊來源過於集中，只能接收到相同意識形 態的說詞，造成內部的封閉，便可能影響使用者對議題的態度。
粉專會分享的內容包含新聞、影片、照片、其他相關網站或是其他粉專貼 文，透過將貼文中分享的網頁地址(Uniform Resource Locator,URL)整理，運用 URL 的 資 料 格 式 特 性 斷 出 網 址 網 域 ， 例 如 https://udn.com/news/story/XXXX/XXXXXXX，依據斜線將網址斷開，可以從 udn.com 得知該網誌來自聯合新聞網。爾後我們可以得知該粉專在研究期間內貼 文引用的資料來源網域分布，再進一步進行集中度的檢驗。
集中度的指標計算採用赫希曼指數(Herfindahl-Hirschman Index, HHI），
一層留言
二層留言
資料來源：
Rainbow Time 彩虹時刻。 (2017.06.24)。 In Facebook [Fan page]。取自：
https://www.facebook.com/GAYRainbowTime/posts/1227119854066806（上網日期：2018.06.14）
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
該指數的原用於討論市場的集中度，反映市場結構，數值由高至低代表了市 場是獨佔、高寡佔、低寡佔或是競爭型。以本文的例子而言，一個粉專的資 訊來源是一個市場，每個來源網域都是其中的企業，所以當粉專僅引用一至 兩個資訊的來源時，整個市場內都會充斥著此媒體來源的意識形態，因而無 法接收不同的聲音，變成資訊寡占佔或獨佔的市場。
集中度的計算是市場中前五十大的企業市佔率的平方和，在本文中則代 表前五十大網域來源佔比的平方和，公式如下，其中 n 是被引用的網域數量，
X 代表總引用數，Xi 代表各網域被引用的次數：
HHI=∑ (𝑋𝑖
𝑥)2
𝑛𝑖=1
在本文中，若是計算出的集中度愈高，就代表該粉專分享的內容來源愈集 中，粉專的資訊邊界程度也就愈高，不同的資訊也就無法進入。相反的，資訊 邊界程度低的粉專則是分享的不同來源的資訊，讓討論場域的封閉性下降。