國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五節 ⼩結
檢視相關研究與⽂獻發現，從政者為了形塑政治形象和選民認同，除了政治 表現，也必需運⽤傳播體系來達到宣傳的⽬的，民意調查與網路聲量除了做為政 治⼈物整體⽀持度的判讀，也可做為政績的檢視，成為政治⼈物施政、形象塑造，
討好選民的依據。
網路公共的特性，容易在短時間內，形聚⼤量的宣傳效應，它的「即時性」、
「主動參與性」、「互動性」、「超越時空性」、「匿名性」等特殊性，創造了 另⼀種全新的、虛擬的、未知的公共領域。
從臺灣2014年台北市⾧柯⽂哲競選成功，到美國總統歐巴⾺⼤量使⽤社群集 結⽀持者⼈氣的經驗，顯⽰出綱路聲量是政治⼈物競選前必須正視甚⾄操作的⼯
具，其影響⼒早就超越主流媒體，包含政治廣告、新聞報導所帶來的宣傳價值。
然⽽聲量、調查數字與實際結果，是否能透過數據做更量化的分析，了解其影響 帶來的實質效應。
本研究嘗試，透過⽐較臺灣2020總統⼤選⼆位主要候選⼈蔡英⽂與韓國瑜之 選舉投票結果，與選前三種調查⽅式，包含傳統市話民調、市話民調加⼊⼿機加 權調查以及透過網路⼤數據軟體搜集之聲量掘取結果，判讀三種調查⽅式之準確 度。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第三章 研究⽅法
本章⾸先說明資料蒐集與分析⽅法，同時針對研究主題 2020 臺灣總統⼤選，
進⾏背景說明，同時針對市話民調的調查⽅式以及與其對⽐之⼤數據資料庫進⾏
解說與進⾏數據挖掘之關鍵字設定進⾏說明。
研究採取之民意調查區間為 2020 年總統⼤選前半年，時間從 2019 年 5 ⽉ 22
⽇到 2019 年 10 ⽉ 14 ⽇，合計 8 次市話調查，並於 2019 年 8 ⽉ 19 ⽇進⾏⼀次市 話與⼿機結合調查，研究分析傳統市話民調與網路聲量異同，同時也進⾏市話加
⼊⼿機加權後的民調與網路聲量之異同，同時⽐對傳統市話民調與市話加⼊網路 民調和⼤數據之間是否有差異性。本章⾸先針對本研究之背景與動機進⾏說明，
接著，闡述研究⽬的並提出研究問題。最後，說明研究流程，以及提出相關名詞 釋義與使⽤⽅式。
第⼀節 資料蒐集與分析⽅法
壹、資料蒐集⽅法：次級資料
學者 Babbie（2012）訂定了次級資料法應⽤的標準化步驟，包含：研究⽬的 與問題的擬定（含研究觀點）；選擇案例（單⼀組織、單⼀事件，或單⼀區域等）；
蒐集相關內部與外部資料，並且形成假說。當中，次級資料（secondary data）是 指間接取得別⼈所整理的資料（第⼆⼿），例如：引⽤政府開放資料。次級資料
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
是相對於初級資料所命名。次級資料⼀般分為「內部次級資料」與「外部次級資 料」，本研究之次級資料來源以「趨勢民調」公司之內部資料，以及 「LOWI3.0 輿情監測系統」之外部資料做為資料來源進⾏⽐對。
貳、資料分析⽅法：量化與質性資料分析⽅法
⼀、分析⽅法
本研究⾸先從「趨勢民調」公司，選前半年做的多次民調出做出分類，其中 七次為單純市話調查，另⼀次則為市話加⼊⼿機加權調查，在純市話調查中，由 於 6 ⽉頻䌓調查 3 次，為求時間間隔產⽣的變化，取出當⽉第⼀次為研究資料，
同時為求對⽐基礎相同，我們找出每次調查中共有的題型，做為研究依據，最後 篩選出 4 次調查，分別於 2019 年 5 ⽉ 22 ⽇、6 ⽉ 6 ⽉、7 ⽉ 4 ⽇與接近選前最 後⼀次 10 ⽉ 14 ⽇的調查結果做為研究資料，同時此 4 次調查中，都有共有題 型，即針對兩個臺灣主要政黨的總統候選⼈，蔡英⽂與韓國瑜進⾏⽀持度的調查。
在「LOWI3.0 輿情監測系統」⼤數據資料庫的部份，依據前述議題設定、時 間設定、關鍵字設定、簡化資料、建構類屬的結果，進⾏相同時間點內，對兩位 主要候選⼈網路聲量的⼤範圍搜尋，並截取出其中正向聲量，設定為⽀持度，與 市話民調及市話加⼊⼿機加權的單次民調進⾏雙向與三⽅的⽐對，⽐對結果進⾏
資料引證、摘要分析，並嘗試將資料的分析結果與實際的總統⼤選結果進⾏對照。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
⼆、資料品質管控與研究步驟
在資料蒐集上，本研究採取⽅式為：
1. 資料來源依研究主題從專業民調公司取得。
2. 研究者⾃⾏蒐集與分析。
3. 關鍵字與時間軸之設定以研究者主觀詮釋，與指導教授討論後，選擇符 合研究⽬的，有效獲得實證資料之內容效度。
4. 在資料搜集完成後，研究者將依研究架構檢視，並以時間軸與關鍵字區 分概念與類別。
5. 分析各調查資料之調查結果做⽐對，同時進⾏與本研究相關之議題分析。
第⼆節 市話民調調查⽅式
壹、家⼾市話民調調查⽅式
民意調查（Public Opinion Poll），⼜稱為輿論調查、民意測驗或民調，傳統 民調⽅式籍由家⼾電話，由專業的調查機構，對⼤量樣本的問卷做調查抽樣，同 時根基於統計學的原理進⾏數字分析，在誤差範圍內，取得事件意⾒的百分⽐，
做為了解公眾對於政治、經濟、社會政策的意⾒和態度。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
基於統計學正負95%的誤差範圍，民意調查樣本數要超過⼀千份，且依內政 部最新⼈⼝資料，針對⼾籍地、性別、年齡以及教育程度採⽤多重反覆加權 (Raking)，以符合母體之分配。
⼀般民調公司在執⾏市話電話民調時，抽樣的⽅式是根據中華電信提供的 市話資料庫篩選電話號，為求公平並保證每個電話都有被抽到的可能性，民調 公司從資料庫中隨機抽選的號碼會屏蔽尾數末2碼、甚⾄末4碼，再⽤隨機跳號的
⽅式，組成新的號碼撥出，並且在確認為有效樣本後，於調查結果進⾏加樣，以 符合母體分配。
本次研究採取臺灣民調公司「趨勢民調」於2020總統⼤選前半年，即2019年 5⽉份到10⽉底之間的多次調查，採每⽉取樣⼀次的⽅式，取出計4次調查結果和 網路⼤數據聲量進⾏⽐對，每次的有效樣本數超過⼀千份，並且以對應母體加 權後的結果，做為研究對⽐資料。
貳、家⼾市話加⼊⼿機調查⽅式
市話加⼊⼿機調查⽅式，在討論之初包含⼿機樣本如何取得？樣本怎麼來？
由誰提供，有的⼈有⼆、三⽀⼿機，無法按抽樣地區分配，尤其花東與離島，是 否容易被系統性的邊緣化是⼤家關注的重點。加上市話加⼊⼿機的調查⽬前執⾏
的⾮常少，是否成熟？準確度是否得到驗證？也是⼀⼤問題。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
以本研究為例，市話結合⼿機的民意調查，除了民進黨初選⼀次，民調公司
⾃⾏或委託操作的也只有⼀次，民進黨初選執⾏的⼿機樣本號碼，是先經由民進 黨員內部篩選出樣本，和本研究調查為臺灣全體民眾範圍不同，無法進⾏研究上 的⽐對。
⽽本研究所採取的市話加⼊⼿機加樣調查的資料，則是「趨勢民調公司」於 2019 年 8 ⽉ 19 ⽇與 20 ⽇，由民間委託於選舉前所做的總統⼤選⽀持度調查，
其中，市話共完成了 1,059 份的有效樣本，⽽⼿機則完成了 1,079 份有效樣本，其 中唯⼿機族（完全不使⽤市話的⼈）有 454 份。
本次調查中市話樣本的取樣⽅式與前述市話民調執⾏時的⽅式相同，⽽⼿機 樣本的取得，則是採 NCC 每年公佈的五⼤電信業者號頭加上後⽅電腦系統隨機 產⽣的號碼進⾏播號調查，同樣的在確認為有效樣本後，最終仍然要經過加權計 算對應母體，並沒有專家學者擔憂的邊緣化問題，但是由於研究資料過於單⼀，
沒有更多的調查可以⽐對，加⼊⼿機調查是否產⽣影響準確度的正負⾯影響，仍 待更多的研究來證明。
參、加權計算⽅法
⽬前市話調查之加權⽅式，仍然有研究落差與限制，市場上的商業民調公司 使⽤之市話調查樣本來源為臺灣中華電信之市話資料庫，由於市話涵蓋範圍改變，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
為求盡量完全吻合全臺灣之⼈⼝分佈，所以開始加⼊⼿機加權之結合調查⽅式。
市話加權的⽅式是以臺灣內政部公佈之⼈⼝資料做為加權來源，以新北市舉 例說明，⾸先設定調查範圍若為全新北市，依據全新北市之所有⾏政區之⼈⼝資 料，包括年齡結構、男⼥⽐例與教育程度之佔⽐，再依據佔⽐決定調查之有效樣 本數量，假設整體之調查樣本為⼀千份，依內政部資⼈⼝資料，三重地區 20 到 30 歲之⼈⼝佔⽐為百分之 6， 則有效樣本份數必須完成 60 通調查電話，通常整 體的調查份數為加權計算之 10 到 12 倍，亦即假設有效樣本為上述 60 份，則撥 打三重區電話 600 到 720 通，最後完成 60 份有效樣本。
⽽⼿機加權部份因為沒有上述之資料庫，所以⽬前的調查⽅式只能採取合併
⽅式，⽤即有之⼈⼝資料庫做加權計算。
第三節 網路聲量資料庫設定
本研究採取的⼤數據截取資料庫為 LOWI 輿情監測系統，為⽬前坊間⼤數 據商業應⽤上，較多⼈使⽤的資料掘取系統，透過關鍵字的搜尋，設定其搜尋的 時間範圍與搜尋範圍，可以找出相關網路世界裡與關鍵字具有關聯性的所有⽂字 資料。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
壹、網路聲量資料庫說明
坊間⽬前較通⽤之網跟聲量資料庫或稱做輿情監測系統主要為 OpView 社群
⼝碑資料庫與 LOWI 輿情監測系統，主要透過 AI（Artificial Intelligence） ⼈⼯
智能語意分析技術與雲端架構，協助企業分析輿情，了解實際上的網路聲量，並 且透過軟體整理成易於分析之各種表格，協助判讀。不同系統之間的主要差別在 於使⽤介⾯、網路搜尋範圍，以及其⼈⼯智能對語意判讀關鍵技術之精準程度。
⼀、OpView 社群⼝碑資料庫說明：
主要搜尋範圍分為四⼤類別
A. 社群網站：包含 FB、IG、YT 等臺灣主流之社群網站。
B. 網路上之各⼤討論區，例如：Mobile01、Dcard、PPT。
C. 網路新聞媒體，例如：ETtoday、Line Today、CNEWS 匯流新聞。
D. 部落格：痞客邦、Blogger、Xuite 隨意窩。
根據官⽅資料指出，OpView 的搜尋範圍⼤約 8 萬個網站，利⽤網路爬⽂技 術，對不同版型網站進⾏智慧解⽂，將內容統整到統⼀的雲端資料庫中，使⽤者 可以透過時間段結構，⾃⾏運⽤關鍵字尋找到相關訊息，所有的訊息經由 AI 技 術判別出其態度、情緒做出分類，了解網路世界對關鍵字議題之正負向聲量。
‧
LOWI可以⾃定義分析版⾯（Customized Analysis Layout），使⽤者可以依據搜尋 複雜度⾃⾏編輯符合使⽤習慣的版⾯。同時 LOWI 可以針對主動監控議題設定
⾃動推播通知（Topic Diffusion & Push Notification），同時融合⼤數據數據牆的概 念，呈現各種拓撲圖像層次結構分析（Concept Topology Analysis）。
LOWI 輿 情 系 統 的 主 要 技 術 特 ⾊ 為 ⼈ ⼯ 智 慧 和 機 器 學 習 （ Artificial Intelligence & Machine Learning），每⼀次的搜尋過程都作為⼈⼯智慧學習的訓練
LOWI 輿 情 系 統 的 主 要 技 術 特 ⾊ 為 ⼈ ⼯ 智 慧 和 機 器 學 習 （ Artificial Intelligence & Machine Learning），每⼀次的搜尋過程都作為⼈⼯智慧學習的訓練