矩陣的中心性分析

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 52 -

4.2 矩陣的中心性分析

經由前述的資料處理過程，我們得到了本研究最重要的原始實驗數據。由於我們的 矩陣資料 本質上屬於關係資料中的 2-mode 數據，比起統計方法的分析方式，採用 社會網路的分析方法更為適合。

中心性分析是相當常見的 SNA 方法，可用來判斷節點在網路中的相對重要性與影 響力。透過這個方法，我們就能分別對「城市維度」與「情感標籤維度」進行節點的個 別分析，試圖找出在 Flickr 社群的城市情感網路裡，最重要的城市節點有哪些？最活躍 的情感標籤是什麼？以及其他的重要相關資訊可供挖掘。

4.2.1 二維矩陣的中心性分析（第一象限）

圖 4.4 是使用 UCINET 軟體將上一節的二元資料矩陣 進行 2-Mode Centrality 的運算後，再將結果以該軟體內建的 NetDraw 子功能繪出的網路關係圖（第一象限，

C=500），紅點代表城市角色 ，藍方塊表示顯著標籤 ，連線（關係）只會建立於城市 角色與顯著標籤之間。以目視觀察，我們勉強能分辨出部分城市集中在圖形的中心點具 有相當多的關係（degree），部分的情感標籤也有同樣特性，我們分別以兩個橘色框來標 示。而圖最左邊則有幾個標籤是無法與城市建立關連的落選者，但這樣的圖形還是太過 複雜難以判讀，所以我們採用了常見的中心性量化分析來嘗試解讀這個關係圖。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 53 -

圖 4. 4：城市－情緒顯著標籤的 2-mode 網路關係圖（第一象限，C=500）

我們以 UCINET 的 2-Mode Centrality 來分析上述 矩陣資料後，可以得到實際 的中心性參數數值，我們將這些參數依大小排序製成表格來呈現，其結果如表 4.3、4.4 分別是兩個維度的 Top 5 Degree、Closeness、Betweenness 參數表。在城市維度方面，我 們可以發現 London、New York、Chicago、San Francisco、Los Angeles 這幾個城市無論 是在情緒關係的數量以及情緒關係的取得優勢都名列前茅，而 Amsterdam 與 Washington 在整體網路的中介性方面則有不凡的表現，顯示這些城市展現了正向且高強度的情感面 向。

情緒顯著標籤的維度方面，則由 love、happy、people、play、art 等標籤有較高的城 市關係數量，然而在城市關係的取得優勢方面，fun、jump、girl、party 等標籤顯然更活 躍。而 music 這個共通性很高的標籤，也在中介性參數表現上進入前段班，上述的標籤 即可視為這些城市的正向情感代表詞彙。

‧

Rank Degree Closeness Betweenness 1 London London London 2 New York New York New York 3 Chicago Chicago Amsterdam 4 San Francisco San Francisco Washington 5 Los Angeles Los Angeles Los Angeles

表 4. 4：情感標籤維度的 Top 5 centrality 參數表（第一象限，C=500）

Rank Degree Closeness Betweenness 1 love love love

在城市維度的表現中，London、New York、Chicago、Washington、Paris 在第三象限的 情緒關係的數量、情緒關係的取得優勢以及情緒標籤的中介性表現強烈而且一致，其中 Paris 在這個相對悲觀的情緒象限裡躍升為前五，與其他城市相較之下，顯然浪漫的花都 較為多愁善感。總而言之，上述城市的排名，代表了他們在負面情感以及微弱的情感表 達上足為代表。

‧

情感顯著標籤的維度方面，people、fun、street、art 與 girl 等標籤與城市建立了較 多的關係，與城市標籤之間的連結距離也是相似的結果，而在中介性表現方面，則出現 了 wedding 這個標籤。在這個情感象限裡，street 標籤符合我們的預期在 degree 名列前 茅，而 wedding 在中介性的表現，也說明了婚禮本身就是一個帶有諸多情緒表現的特殊 集會，例如與男方展現的喜悅相對的，往往是女方家長的不捨與眼淚。

表 4. 5：城市維度的 Top 5 centrality 參數表（第三象限，C=300）

Rank Degree Closeness Betweenness 1 London London London 2 New York New York New York 3 Chicago Chicago Chicago 4 Washington Washington Washington 5 Paris Paris Paris

表 4. 6：情感標籤維度的 Top 5 centrality 參數表（第三象限，C=300）

Rank Degree Closeness Betweenness 1 people people people

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 56 -

在城市維度的表現中，這兩個象限表現較佳的同樣是 London、New York、Washington、

Chicago、Paris 等城市。但是在情感顯著維度方面，第二象限依次為 people、fun、street、

art、girl，與第四象限的 peace、people、fun、art、girl 排名就稍有不同，peace 可說是第 四象限的代表性顯著標籤。

這些結果出現了相當的重複性，與一、三象限相比重疊的也很高，顯示部分城市的 情感表現，已經因為這些城市本身在虛擬社群的活躍程度上較高而出現了每個象限都很 強勢的現象；同樣的情形也出現在情感標籤維度裡，只是其原因乃是這些標籤本身往往 是展現各種情感的共通媒介，例如 people、girl。儘管如此，我們仍然可以發現某些情 緒象限專屬性的標籤，例如 peace 就很具有代表性。

另有某些情感標籤的特異顯著表現是值得特別提出來討論的，例如 protest 的強烈色 彩本應屬於第二象限，然而我們卻發現在第四象限中其表現也非常突出。細究其原因，

我們發現這個標籤與第四象限的代表性標籤 peace 經常伴隨出現，亦即這些標籤因為與 某核心標籤的共同出現而展現出這種特異表現。antiwar、war…等標籤一樣擁有這個特 質，我們稱這種現象為標籤的伴隨效應。

4.2.4 中心性分析小結與 GNC 的比較

由上述四個象限的二維分析結果，我們可以觀察到一些共通或不同的現象。以城市 維度的角度來看，我們可以發現這個維度的主要城市差異不大，London、New York、

Chicago 等三個城市在情緒標籤的網路裡，無論正向或是負向，可以說是表現最為顯著，

其原因應該與這些城市本身在 Flickr 虛擬社群就很活躍有關，其中 London 的照片數排

‧

至於其他如 San Francisco 與 Los Angeles 雖然照片數量也高達世界第三與第六，但 其分析結果只在第一象限名列前茅，顯然是情感表現偏向陽光的城市；而 Paris 在第三 象限的異軍突起，也符合一般大眾對此城市「多愁善感」的印象。

比較有趣的是我們若與世界城市網路 GNC（表 3.3）的排名互相比較，會發現 London、

New York、Paris、Chicago 等城市無論在實體的城市交流網路（資訊、金流）以及本研 究的情緒顯著網路上都是最活躍的，顯然這些頂級大城市在虛擬的社群網路的世界裡一 樣立於中心地位。而 Tokyo、Hong Kong、Singapore 雖然在 GNC 裡名列前茅，且其照 片總量也非屬後段班（Tokyo 照片總數高達 Top 7），但是在虛擬社群的情感觀察中卻完 4 San Francisco Washington Paris 5 Los Angeles Paris Tokyo 6 Sydney San Francisco Singapore 7 Paris Melbourne Chicago 8 Melbourne Los Angeles Milan 9 Toronto Barcelona Los Angeles 10 Milan Milan Toronto

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

- 58 -

由情緒的維度來看，我們可以發現一、三象限雖然情緒本質上是對立的，然而反應 在相片上的表現卻仍有共通的標籤。如 people、art、girl…等，顯示情感的表達方式不 論是開心還是悲傷，主要還是透過「人」這個元素來表現，而「藝術」的照片也帶有相 同的特質，表達的情緒面向可以是很多元的。至於諸如 happy、play、street…等標籤則 比較帶有情緒象限的專屬性，舉例來說，像是容易給人孤獨感的 street，在第二、三象 限（負向情緒）就非常顯著。