第五章 結論與建議
第三節 研究限制
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
110
(三) 網路輿情可作為民調的第二管道
儘管網路輿情分析於目前仍存在限制，但不可否認的是，在巨量時代的來臨，
政府決策者勢必須發展新的技術來蒐集輿情，網路輿情分析在資料處理的效率上 都優於傳統輿情蒐集的方式。從中長期來看，本研究建議政策機關可將網路輿情 分析視為民調的第二管道，並且配合民調問卷題目的設計，提供長期網路民意的 觀察。
(四) 網路文本的引導
此外，政府實務者也必須注意網路輿情現實面的問題，其一，機器撈取的資 料有夾雜許多垃圾訊息，容易產生網路輿情失準的情形。其二，目前網路輿情的 言論多半以負面情緒的輿論及酸文居多（如社群網站及討論區的發言），但是探 究其內容可發現，大半內容並未針對議題本身的實質內涵進行瞭解與討論，網民 的討論常常只是情緒的謾罵或一窩蜂表達對政府的不滿。未來政府或許可以設計 一套網路文本，引導網路輿情罵到一個「對焦」的地方，而成為「有意義的罵」， 這樣才能有助於政府與網民溝通的成效。
第三節 研究限制
一、次級資料的限制
本研究的資料分析來源主要以次級資料進行分析，其有三個限制，第一，該 演算法的操作方式是以關鍵詞進行網路上公開言論的撈取，然而，對於未公開或 設有隱私設定且與示範區主題相關的言論，則無法被系統撈取；第二，即便是網 路上的公開言論內容，也與示範區主題相關，但不在該系統設定的關鍵詞範圍內，
仍然無法被系統撈取；第三，針對演算法系統本身也可能產生以下兩類誤判情形，
分別為相關性的誤判及單純情緒的誤判。進言之，在以上次級資料的限制下，本 研究僅能針對系統所撈取與關鍵詞相關的公開性言論進行分析，未包含在關鍵詞 範圍內的言論或者未公開言論則不在本研究的資料分析範圍內。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
111
二、樣本數量的比例懸殊
由於上述次級資料的原始分佈，大部份來自新聞網站居多，因此，本研究為 了呈現原始資料的樣態，在資料的樣本選取上也依照原始樣本的比例進行系統抽 樣，然而，對於討論區及部落格的進一步輿情解讀則有所限制，主要是因為資料 樣本數過少，而不具推論意義，此也影響本研究對各來源輿情的個別解讀。
三、研究方法的限制
本研究以內容分析的方式作為立場分析的研究方法，然而在編碼人力的限制 下，對於網路輿情分析所撈取的大量資料，少數的編碼員無法將全數資料一一分 析，僅能以抽樣的方式針對少部份的內容進行檢測。此外，本研究僅以立場的角 度進行類目建構，未加入其他編碼類目作觀察，使得質性分析的面向有限。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
112
參考文獻
中文文獻
王石番（1992）。傳播內容分析法：理論與實證。台北：幼獅。
朱斌妤、黃東益、洪永泰、李仲彬、曾憲立（2015）。數位國家治理（2）：國情 追蹤與方法整合。國家發展委員會委託報告（編號：NDC-MIS-103-001），
未出版。
余致力（2000）。民意與公共政策：表達方式的釐清與因果關係的探究。中國行 政評論，9（4），81-110。
宋學文、陳鴻基（2000）。從全球化探討網際網路時代的政策管理。資訊管理學 報，8（2），153-173。
李仲彬（2006）。電子化政府的公民使用行為：數位資訊能力與資訊素養之影響 分析。資訊社會研究，11，177-218。
周芊、康力平（2014）。網路社會動員的新研究取徑：社群巨量資料分析，空大 人文學報，23，29-45。
周韻采、陳俊明（2010）。政府重大議題網路輿論趨勢調查研究–以死刑為例。
行政院研究發展考核委員會委託研究報告（編號：0992460052），未出版。
周韻采、陳俊明（2011）。網路輿論意向分析機制之建構與實證研究。行政院研 究發展考核委員會委託研究報告（編號：RDEC-MIS-100-003），未出版。
林俊宏（譯）（2013）。大數據。臺北：天下文化。
林照真（2014）。社群網站與新聞生產：從聚合觀點檢視全球性媒體如何經營社 群網站。中華傳播學會年會，嘉義。
林震岩（2006）。多變量分析-SPSS 的操作與應用。臺北：智勝文化。
施伯燁（2014）。社群媒體—使用者研究之概念、方法與方法論初探。傳播研究 與實踐，4（2），207-227。
莫季雍（2006）。民意調查與為民服務：精緻的年代需要創新的作為。研考雙月 刊，30（4），28-38。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
113
陳俊明、周韻采、廖益興（2015）。政府因應公民運用網路參與施政意見表達 之研究。行政院研究發展考核委員會委託研究報告（編號：NDC-DDS-103-007），未出版。
陳敦源、黃東益、蕭乃沂（2004）。電子化參與：公共政策過程中的網路公民 參與。研考雙月刊，28（4），37-51。
陳敦源、黃東益、李仲彬、林子倫、蕭乃沂（2008）。資訊通訊科技下的審議 式民主：線上與實體公民會議比較分析。行政暨政策學報，46，49-106。
陳敦源、潘競恆（2011）。政府就是「我們」：Web 2.0 時代民主治理的希望 或夢幻? 研考雙月刊，35（4），23-34。
陳敦源（2012）。民主治理：公共行政與民主政治的制度性調和（第二版）。
臺北市：五南圖書出版股份有限公司。
陳敦源、蕭乃沂、廖洲棚（2015）。邁向循證政府決策的關鍵變革：公部門巨量 資料分析的理論與實務，國土及公共治理季刊，3（3），33-44。
陳敦源、蕭乃沂、廖洲棚、陳恭（2016）。政府巨量資料分析與政策端應用效 能提升之研析。國家發展委員會（編號：NDC-104-035-003），未出版。
陳義彥、黃紀、洪永泰、盛杏湲、游清鑫、鄭夙芬等人（2013）。民意調查新 論。臺北：五南。
黃東益、蕭乃沂、陳敦源（2003）。網際網路時代公民直接參與的機會與挑 戰：台北市「市長電子信箱」的個案研究，東吳政治學報，17，121-151。
黃東益、陳敦源、蕭乃沂（2006）。政策民意調查：公共政策過程中的公共諮 詢，研考雙月刊，30（4），13-27。
游美惠（2000）。內容分析、文本分析與論述分析在社會研究的運用。調查研究
–方法與應用，8，5-42。
楊孝濚（1992）。社會及行為科學研究法。台北：台灣東華書局股份有限公司。
廖洲棚、魏國彥（2012）。從協力治理觀點剖析臺北市 1999 市民熱線的營運與 管理。國家文官學院 T＆D 飛訊，150，1-26。
廖洲棚、陳敦源、廖興中（2012）。回應性政府的最後一哩路：政府公民關係管 理資料加值應用之研究。 行政院研究發展考核委員會（編號：RDEC-RES-101002），未出版。
廖洲棚、陳敦源、廖興中（2013）。揭開地方文官回應民意的「秘箱」：臺灣六 都 1999 熱線的質化分析。文官制度季刊， 5（1），49-84。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
114
廖洲棚、陳敦源、蕭乃沂、廖興中（2013）。運用巨量資料實踐良善治理：網路 民意導入政府決策分析之可行性研究。行政院研究發展考核委員會（編號：
RDEC-MIS-102-003），未出版。
劉龍龍、葉乃嘉、何志宏、余孝先（2013）。各國政府之雲端發展策略與推動現 況。公共治理季刊，1（3），22-34。
劉麗惠（2013）。巨量資料時代全面來臨：發展新商業模式掌握先機。貿易
Trade Magzine，268，60-63。
熊澄宇（2005）。資訊社會 4.0。台北：商周文化出版。
蕭元哲、葉上葆（2003）。電子化政府之使用者行為分析。電子商務研究，1（2），
207-224。
蕭乃沂（2004）。公民關係管理與政策問題建構：以民意電子信箱為起點。國家 政策季刊，3（1），155-174。
蕭乃沂、陳敦源、廖洲棚（2014）。政府應用巨量資料精進公共服務與政策分析 之可行性研究。行政院研究發展考核委員會（編號：RDEC-MIS-103-003），
未出版。
戴廷芳（2014）。政府擁抱大資料。iThome 電腦報
─e 政府，8，91-95。
鐘慧真、梁世英（譯）（2013）。Big Data 大數據的獲利模式：圖解、案例、策 略、實戰。臺北：經濟新潮社。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
115
英文文獻
Aikins, S. K., & Krane, D. (2010). Are Public Officials Obstacles to Citizen-Centered E-Government? An Examination of Municipal Administrators' Motivations and Actions. State & Local Government Review, 42(2), 87-103.
Berelson, B. (1952). Content Analysis In Communication Research, Glencoe, Ill.: The Free Press.
Bertrand, K. Z., Bialik, M., Virdee, K., Gros, A., & Bar-Yam, Y. (2013). Sentiment in
New York City: A High Resolution Spatial and Temporal View. arXiv preprint
arXiv:1308.5010.Bifet, A. (2013). Mining Big Data in Real Time. Informatica, 37, 15-20.
Borges, J., & Levene, M. (2000). Advances in Web Usage Analysis and User Profiling.
Berlin: Springer.
Boyd, D., & Crawford, K. (2012). Critical Questions for Big Data. Information, Comm
Bourgon, J. (2009). Why should governments engage citizens in service delivery and policy making? In OECD (Ed.), Focus on citizens: Public engagement for better policy and services (pp. 199-205). OECD Publishing. unication & Society, 15(5), 662–679.
Caverlee, J., Liu, L., & Buttler, D. (2004). Probe, Cluster, and Discover: Focused Extraction of QA-Pagelets From the Deep Web. Proceedings of IEEE
International Conference on Data Engineering, 103-114.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business Intelligence and Analytics:
From Big Data to Big Impact. MIS Quarterly, 36(4), 1-24.
Decker, P. T. (2014), Presidential Address: False Choices, Policy Framing, and the Promise of “Big Data”. J. Pol. Anal. Manage, 33, 252–262.
Desouza, K. (2014). Realizing the Promise of Big Data: Implementing Big Data
Projects. IBM Center for the Business of Government.
Dumbill, E. (2012). Big Data Now: 2012 Edition. Cambridge: O’Reilly Media.
Eaton, C., Deroos, D., Deutsch, T., Lapis, G., & Zikopoulos, P. (2012). Understanding
Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. New
York: McGraw-Hill Press.‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
116
Edelstein, Alex S.(1988). Communication Perspectives in Public Opinion: Traditions and Innovations. Communication Yearbook, 11, 502-533.
Erikson, R. S., & Tedin, K. L. (2015). American public opinion: Its origins, content
and impact. New York: Routledge.
Etzioni, O. (1996). The World Wide Web: Quagmire or Gold Mine. Communications
of the ACM, 39, 65-68.
Fan, W., & Bifet, A. (2012). Mining Big Data- Current Status, and Forecast to the Future. SIGKDD Explorations, 14(2), 1-5.
Goffman E. (1974). Frame Analysis: an essay on the organization of the experience.
N.Y.: Harper Colophon
Groshek, J., & Al-Rawi, A. (2013). Public Sentiment and Critical Framing in Social Media Content During the 2012 US Presidential Campaign. Social Science
Computer Review, 31(5), 563-576.
Hoffman, D. L., Novak, T. P. & Schlosser, A. (2000), The Evolution of the Digital Divide: How Gaps in Internet Access May Impact Electronic Commerce.
Journal of Computer-Mediated Communication, 5, 0-0.
Ju,A., Jeong, S.H., & Chyi, H.I. (2014). Will social media save newspapers?
Examining the effectiveness of Facebook and Twitter as news platforms.
Journalism Practice, 8(1), 1-17.
Kim, Gang-Hoon, Silvana Trimi, & Ji-Hyong Chung. (2014). Big-Data Applications
in the Government Sector. Communications of the ACM, 57(3), 77-85.
Key, V. O. (1961). Public Opinion and American Democracy . New York: Knopf.
LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S., & Kruschwitz, N. (2011). Big Data, Analytics and the Path from Insights to Value. MIT Sloan Management
Review, 52(2), 21–31.
Lewis, Seth C., Rodrigo Zamith & Alfred Hermida. (2013). Content Analysis in an Era of Big Data: A Hybrid Approach to Computational and Manual Methods.
Journal of Broadcasting & Electronic Media, 57(1), 34-52.
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C ., & Byers, A.
H (2011). Big data: The next frontier for Innovation, Competition, and
Productivity. McKinsey Global Institute.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
117
Oberski, D. L. (2012) Comparability of survey measurements. In L. Gideon (Eds),
Handbook of survey methodology for the social sciences. New York, NY:
Spring New York.
Pirog, Maureen A. (2014). Data Will Drive Innovation In Public Policy And Management Research In The Next Decade. Journal of Policy Analysis and
Management, 33(2), 537-543.
Price, V. (1992). Public Opinion. Newbury Park, CA: Sage.
Price, Vincent. (1988). On the Public Aspects of Opinion Linking Levels of Analysis in Public Opinion Research. Communication Research, 15(6), 659-679.
Shindelar, S. (2014). Big Data and the Government Agency. Public Manager, 43(1), 52–56.
Sjovaag, Helle & Eirik Stavelin. (2012). Web Media and the Quantitative Content Analysis: Methodological Challenges in Measuring On-line New Content.
Convergence: The International Journal of Research into New Media Technologies, 18(2), 215-229.
Walejko, G. & Ksiazek, T. (2010). Blogging from the niches: The sourcing practices of science bloggers. Journalism Studies, 11(3), 412-427.
TechAmerica Foundation (2012). Demystifying big data. Washington, D.C.:
TechAmerica Foundation. Retrieved May 21, 2014, from http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_re lease_final_2.pdf.
United Nations Global Pulse (2013). Big Data for Development: A primer. Retrieved July 23, 2014, from
http://www.slideshare.net/unglobalpulse/big-data-for-development-a-primer.
Verba, S., & Nie, N. H. (1972). Participation in America: Political Democracy and
Social Equality. New York: Harper & Row.
van Dijck, J. (2009). Users like you? Theorizing agency in user-generated content.
Media Culture & Society, 31, 41-58.
Yiu, C. (2012). The Big Data Opportunity: Making Government Faster, Smarter and
More Personal. London: Policy Exchange.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
118
Zhang, Y., & Zhang, Y. (2013, May). The Study on the Governmental Tactics of
Persuasion of Network Public Sentiment. In 2013 International Conference on
Public Management (ICPM-2013). Atlantis Press.Zikopoulos, P. C., DeRoos, D., Parasuraman, K., Deutsch, T., Corrigan, D., & Giles, J.
(2013). Harness the Power of Big Data. New York: The McGraw-Hill Companies.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
119
附錄一 內容分析編碼簿
變項名稱 變項說明 選項數值說明 備註
Number
內容編號 請依序填入內容的順序
Date
內容日期 請填入年月日（共計 8 位數字，採西 元年）
C_name
編碼員 1. 編碼員 A2. 編碼員 B 3. 編碼員 C
C_date
編碼日期 請填入年月日（共計 8 位數字，採西 元年）
V1
立場 -1：反對立場 發言者對政策持反對的態度 0：中立立場 客觀陳述事實 1：支持立場 發言者對政策持
支持的態度 7：正反立場皆有 發言者對政策持
正反立場皆有的 態度
V1_a
立場判斷依據 文字說明 判斷立場關鍵詞或語句
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
120
附錄二 編碼說明文件
編碼前請注意：
1. 本文以整篇內容作為文本分析單位，若內文有談論多個主題，則以自經區相 關的段落判斷即可。
2. 本文判斷的步驟分成兩部分，第一，先閱讀整篇內容後，判斷發言者或網民 的立場；第二，編碼者需挑選與立場有關的關鍵詞句，作為立場分析判斷依
2. 本文判斷的步驟分成兩部分，第一，先閱讀整篇內容後，判斷發言者或網民 的立場；第二，編碼者需挑選與立場有關的關鍵詞句，作為立場分析判斷依