特別議題探討

圖  39、造成流行的比例

，而這個比例是 34%，這個比例和現實狀況是一樣 的。

在圖四十中顯示出這個結果，在這幾個例子當中表示，六項新的創新中，有 兩項達到 100%的擴散，所以我們觀察哪些設定會形成 100%的擴散我們稱之為造 成流行。我們可以發現，在意見距離為 30 的狀況，實驗一百次中，有三十四次 會形成擴散且造成流行的狀況

並且我們可以發現，很多次造成流行的實驗當中，一開始都是只有少數人接 受，經過一段時間後，越來越多人接受，到達某一個人數，就極速的上升形成擴 散且造成流行的現象。如圖四十一所示，實際中接受者人數的曲線和程式所模擬 的接受者人數曲線相當接近。

58 

圖  40、接受者的趨勢 

4.3.

施打疫苗的趨勢和人數比例，和本研究中的數據是否相同。 

達三十二萬人(13.8%)，在 12 月 30 日，施打人 數到達五百二十四萬人(22.6%)，在 2010 年 6 月 1 日，施打總人數為 567 萬人 (24.5%)；我們可以很明顯的看到，施打的人數已經慢慢的減少，甚至是去年 12 月底至今年 6 月，施打人數的比例才增加 2%；除非之後再增加一群想要施打的 人，否則施打疫苗的人數比例應該就只會在這附近趨於穩定。 

在模型中，我們設定人際關係網路呈現小世界網路的連接方式，一開始的先 驅者比例為 2%，並且設定一群早期接受者，佔人口數的 11%，而其他代理人的

2 台灣新流感疫苗注射人數趨勢

在 2009 年尾，新型流感疾病的話題不斷的可以在生活中聽到，政府也為了 防止新型流感在台灣中擴散開來，自從 2009 年 11 月 1 日開始施打防疫疫苗，我 們觀察

根據資料顯示，在 11 月 1 日當天施打疫苗的人有高達五十萬五千人，占台灣 總人口數(兩千三百一十三萬人)的百分之二，我們將這些人視作先驅者，也就是 這個產品(新流感疫苗)一推出就馬上採用的人；並依據行政署衛生處的統計資 料，在 12 月 11 日時，施打人數到

60 

門檻值為平均值為 50%標準差為 20 的常態分佈，我們藉由調整信賴範圍(意見距 離)觀察最後的總接受者比例何者和真實的社會最接近。 

由圖 42 可以看到這次模擬的結果，當信賴範圍為 50 的時候，總接受者比例 為 24.35%，和台灣社會中的 24.5%相當的接近。也就是說在先驅者只有 2%的狀 況下，即使後來再增加接踵人數，也不會超過 24.35%；除非後來再新加入一批 先驅者才能夠再將這個擴散變大。 

圖  41、不同信賴範圍下的總接受者比例 

證中可以 ，模 造成

現象接受 會

4.3.3 小結

我們可以由上述驗 發現 擬出來的結果和現實生活中 流行的

人數的趨勢是相似的，我們發現到說，若一開始能夠造成話題性，則 使得造成流行的機率快速上升，所以當時如果造成話題性的話，則可以使得更多 的新農產品造成流行。

在本章第一節開始，會先敘述本論文的加入意見動態後發現了和之前研究不