是將 Materials Room 的推文增加可以拖曳貼上原文及發文者至編輯文章區，幫助記者快 速的引用推文內容；在原來的介面設計上有些部分也可以改善得更直觀，例如 Tags Zone 的調整權重的設計、或是整個介面的布局。（3）在資料豐富度上，因為目前本系統採用 的資料來源為推特，推特因為其公司的特性，推文資料屬於容易蒐集的內容，之後若為 了豐富度的考量，可以加強蒐集資料的源頭，將其他社群媒體的資料例如臉書的內容也 匯入進本系統，提供更豐富的素材給使用者。（4）在整合性上，探索模型中，有些重複 的意涵例如 Keywords Model 與 Noun Co-Word Model 都含有關鍵字的意義，雖然是不同 技術的計算結果，但對於使用者來說會有模糊地帶，因此在模型的設計上，還有再精煉 的空間。（5）Tags Zone 的調整結構是否可以加上轉推數量或是時間的考量，變成一種階
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
79
層式（hierarchy）的篩選出使用者可能會想看的推文內容。
‧
[1] D. M. White, “The ‘Gate Keeper’: A Case Study in the Selection of News,” Journal.
Q., vol. 27, pp. 383–390, 1950.
[2] A. Bruns, “Gatewatching, Not Gatekeeping: Collaborative Online News,” Media Int.
Aust., no. 107, pp. 31–44, 2003.
[3] L. Willnat and D. Weaver, “The American Journalist in the Digital Age,” 2013.
[4] J. Harrison, “User-Generated Content and Gatekeeping at The BBC Hub,” Journalism Studies, vol. 11, no. 2. pp. 243–256, 2010.
[5] E. Siapera, “From couch potatoes to cybernauts? The expanding notion of the audience on TV channels’ websites,” New Media Soc., vol. 6, no. 2, pp. 155–172, Apr. 2004.
[6] “Twitonomy.” [Online]. Available: http://www.twitonomy.com/. [Accessed: 15-Oct-2015].
[7] “Twitter Collection and Analysis Toolkit (TCAT),” BETWEETNESS LAB. [Online].
Available: http://www.betweetness.com/. [Accessed: 03-Oct-2014].
[8] “Dataminr.” [Online]. Available: https://www.dataminr.com/. [Accessed: 03-Dec-2014].
[9] A. Zubiaga, H. Ji, and K. Knight, “Curating and Contextualizing Twitter Stories to Assist with Social Newsgathering,” Proc. 2013 Int. Conf. Intell. user interfaces - IUI ’13, p. 213, 2013.
[10] E. Borra and B. Rieder, “Programmed method: developing a toolset for capturing and analyzing tweets,” Aslib J. Inf. Manag., vol. 66, no. 3, pp. 262–278, May 2014.
[11] A. Marcus, M. S. Bernstein, O. Badar, D. R. Karger, S. Madden, and R. C. Miller,
“Twitinfo: Aggregating and Visualizing Microblogs for Event Exploration.,” in
Proceedings of the 2011 Annual Conference on Human Factors in Computing Systems, 2011, pp. 227–236.
‧
[12] N. A. Diakopoulos and D. A. Shamma, “Characterizing Debate Performance via Aggregated Twitter Sentiment.,” in the 28th International Conference on Human Factors in Computing Systems, 2010, pp. 1195–1198.
[13] N. Diakopoulos, M. de Choudhury, and M. Naaman, “Finding and Assessing Social Media Information Sources in the Context of Journalism.,” in he 2012 ACM Annual Conference on Human Factors in Computing Systems, CHI ’12, 2012, pp. 2451–2460.
[14] H. Becker, M. Naaman, and L. Gravano, “Beyond Trending Topics: Real-World Event Identification on Twitter,” in the Fifth International AAAI Conference on Weblogs and Social Media, 2011.
[15] S. Phuvipadawat and T. Murata, “Breaking News Detection and Tracking in Twitter,”
in Web Intelligence and Intelligent Agent Technology (WI-IAT), 2010 IEEE/WIC/ACM International Conference on, 2010, vol. 3, pp. 120–123.
[16] M. Mathioudakis and N. Koudas, “TwitterMonitor: Trend Detection over the Twitter Stream,” in Proceedings of the 2010 ACM SIGMOD International Conference on Management of data, 2010.
[17] S. Asur, B. A. Huberman, G. Szabo, and C. Wang, “Trends in social media: Persistence and decay.,” in 5th International AAAI Conference on Weblogs and Social Media, 2011.
[18] M. Cheong and V. Lee, “Integrating Web-based Intelligence Retrieval and Decision-making from the Twitter Trends Knowledge Base,” in the 2nd ACM Workshop on Social Web Search and Mining, 2009.
[19] A. Zubiaga, D. Spina, V. Fresno, and R. Martínez, “Classifying Trending Topics : A Typology of Conversation Triggers on Twitter,＂ Proc. 20th ACM Int. Conf. Inf.
Knowl. Manag., pp. 8–11, 2011.
[20] “Twitter Streaming APIs.” [Online]. Available:
https://dev.twitter.com/streaming/overview. [Accessed: 08-Oct-2015].
[21] “Twitter Search APIs.” [Online]. Available:
https://dev.twitter.com/rest/reference/get/search/tweets. [Accessed: 08-Oct-2015].
‧
%E5%B9%B3%E4%BD%94%E9%A0%98%E4%B8%AD%E7%92%B0. [Accessed:
15-Oct-2015].
[23] A. Bruns and S. Stieglitz, “Towards more systematic Twitter analysis: metrics for tweeting activities,” Int. J. Soc. Res. Methodol., vol. 16, no. 2, pp. 91–108, 2013.
[24] “Betweenness Centrality.” [Online]. Available:
https://en.wikipedia.org/wiki/Betweenness_centrality. [Accessed: 15-Oct-2015].
[25] “中文斷詞系統,” Taiwan National Digital Archives Program. [Online]. Available:
http://ckipsvr.iis.sinica.edu.tw/. [Accessed: 15-Oct-2015].
[26] fxsjy, “结巴中文分词.” [Online]. Available: https://github.com/fxsjy/jieba. [Accessed:
15-Oct-2015].
[27] D. M. Blei, A. Y. Ng, and M. I. Jordan, “Latent dirichlet allocation,” J. Mach. Learn.
Res., vol. 3, pp. 993–1022, 2003.
[28] X. Yan, J. Guo, Y. Lan, and X. Cheng, “A biterm topic model for short texts,”
WWW ’13 Proc. 22nd Int. Conf. World Wide Web, pp. 1445–1456, 2013.
[29] “SIGMA.js: an open-source lightweight javaScript library.” [Online]. Available:
http://sigmajs.org/.
[30] V. D. Blondel, J.-L. Guillaume, R. Lambiotte, and E. Lefebvre, “Fast unfolding of communities in large networks,” J. Stat. Mech. Theory Exp., vol. 2008, no. 10, p.
P10008, 2008.
[31] M. Jacomy, S. Heymann, T. Venturini, and M. Bastian, “Forceatlas2, a continuous graph layout algorithm for handy network visualization,” Medialab Cent. Res., vol.
560, 2011.
[32] T. M. J. Fruchterman and E. M. Reingold, “Graph Drawing by Force-directed Placement,” Software-Practice Exp., vol. 21, no. November, pp. 1129–1164, 1991.
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
83
[33] J. Brooke, “SUS - A quick and dirty usability scale,” Usability Eval. Ind., vol. 189, no.
194, pp. 4–7, 1996.
[34] T. Tullis and W. Albert, Measuring the User Experience: Collecting, Analyzing, and Presenting Usability Metrics. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc., 2008.
[35] K. Finstad, “The System Usability Scale and Non-Native English Speakers,” English, vol. 1, no. 4, pp. 185–188, 2006.
[36] A. Bangor, “Determining What Individual SUS Scores Mean: Adding an Adjective Rating Scale,” J. usability Stud., vol. 4, no. 3, pp. 114–123, 2009.
[37] “Gephi,” Wikipedia. [Online]. Available: https://en.wikipedia.org/wiki/Gephi.
[Accessed: 14-Oct-2015].
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
84
附錄
附錄 A 第一階段：引導式任務熟悉介面
範例資料集如下：
階段資料集 – 香港占中中文資料集 (Querybin：HKALLzh) 資料總筆數 – 497,519 則推文
蒐集關鍵字 – 政改 , 抗命 , 罷課 , hkclassboycott , 清場 , 雨傘運動 , 佔領 中環 , UmbrellaMovement , OccupyCentral , occupyHK , 雨傘革 命 , UmbrellaRevolution , 佔中 , 占中 , 雨遮革命 , 遮打革命 資料區間 – 2014-08-24 22:06:20 ～ 2014-12-17 13:55:22
【熟悉 Browsing Room】
1. Time model
觀察推文數之時間曲線，拖曳一個時間區段，得知 2014-9-22 的總推文數。
2. 加入 Time tag
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
85
點選曲線上時間點，將 time: 2014-10-13 加入 Tags Zone。
3. Keywords model
點選欲觀察的週數，探索第 12 週的主題網絡。
4. 加入 Keyword tag
點選 Keyword: 北京、APEC 節點，加入 Tags Zone。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
86
5. 點選 Keyword : 楊潔篪，觀察含有此關鍵字推文數量分布圖。
6. Users model
調整 filters 條件，觀看 min degree = 40 的 user mention graph。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
87
7. 加入 User tag
點選 user: galileo44、hu_jia，加入 Tags Zone。
8. 點選 user: krislc，觀察這位使用者被 mention 的次數。
9. Noun Co-Word model
觀察 岑敖暉 節點的名詞共字網絡。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
88
10. 回到原網絡圖，點選 noun: 周永康，觀察其與相連節點的推文數量分布圖。
11. 探索 Noun Co-Word
回到原網絡圖，加入 noun: 黎智英 等相關名詞至 Tags Zone。
12. 調整 tags 權重，點選＂Apply＂按鈕，計算結果，瀏覽返回的推文於左側【Tweets Display Area】。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
89
13. 手動加入 keywords。
14. 在 Apply 之後，利用 BOOKMARK 功能加入此 tags 以及權重調整的狀態。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
90
15. 利用不同的排序方式瀏覽推文。
16. Hover 發文者，可以瀏覽其 user description。
17. 右鍵點選 user 帳號，加入推文中的使用者成 tags。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
91
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
92
【熟悉 Browsing Room、Materials Room 與 History 間的應用】
1. 【Browsing Room】收集推文素材 按下 Collect 按鈕收集推文。
2. 【Materials Room】在 Materials Box 找到收集的推文。
3. 【Materials Room】Subgroup tags
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
93
點選文字框，subgroup 北京、楊潔篪。
4. 【Materials Room】在 Materials Room 下的 Text Editor 編輯一些想法。
5. 【History】到 History 回溯其中一個 history 紀錄。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
94
6. 查看 BOOKMARK 的歷史記錄。
‧
2. Materials room 收集的推文對撰寫 News 很有幫助3. materials room 若能複製貼上推文
‧
2. keywords&noun 功能有些重複，是 否可以整合?其實是不是名詞並不
2. Time model，具有向下挖掘的功能
（月->週->日）符合記者撰寫探索其
‧
方式能否三者結合，比如在 weight 模式下按 time 或 RT 數排序。‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
98
3. 視覺化很漂亮，使用上很簡單好 上手。特別喜歡 collect 之後還可以 在 materials room 中 grouping，對使 用者整理資料上很有助益。
如意見領袖的部落格、新聞等等，或 能提供記者更可用之素材。
2. 建議將來也可呈現蒐集結果的視 覺化，可幫助使用者看見資料概況。
3. 在 Tweets display area 可標明資料 序號，並顯示條件下共取得多少筆 資料，顯示多少筆資料。
4. noun 不是很容易找到想要的字，
或可考慮也提供分群後的詞表，使 用者可由詞表點擊詞彙進入該詞彙 的 coword 圖中。