國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.4 範例說明
以下為探索事件並找出意見領袖的說明範例。如同一開始 1.2 節的研究 目標所提，此系統的設計是要幫助研究者找出事件中的重要連結者，但在此 範例中我們將以找到其中屬於傳播領域所討論的意見領袖為目標。首先我們 連上系統後，會看到簡介畫面，如圖 11 所示。在觀看完研究動機、研究目 標，和前導影片後，我們需要輸入帳號密碼。帳號我們輸入”andrew”，密碼 則任意皆可，如圖 27 所示。按下登入後，我們進到「資料集分析」。
圖 27. 系統帳號登入範例圖
在「資料集分析」中，我們選擇復興航空事件做觀察，並維持原本的日 期範圍，在按下「顯示各項指標數值」後，得到此事件資料集的數值分析結 果，如圖 28 所示。我們看到了在此事件中約有五十萬筆推文，其中約有二 十二萬個使用者參與討論，並使用了七千多個主題標籤。接著是此事件的討 論熱度，隨著 2015 年 2 月 4 號的飛機墜毀失事而達到高峰。而推文的語言
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
標籤的統計前三名（TransAsia、GE235、taiwan），和推文附帶網址的網域統 計包含了 CNN、BBC 等新聞媒體上，得知此事件的確主要是在討論復興航 空空難，並有國際媒體參與報導。了解上述能助我們熟悉資料集的資訊後，
我們按下「下一步」，進到「以個別指標找出領袖」。
圖 28. 復航空難事件資料集分析範例圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在「以個別指標找出領袖」中，我們用四種方法（Retweet、Mention、
Follower、Favorite）列出符合條件的意見領袖候選人，並挑選出想進一步 確認的幾位加以觀察。我們對四種方法皆各列出 40 名候選人，在觀察其名 稱、簡介、加入日期（符合在現實世界中判斷意見領袖的 Celebrities、Self-identification 法）和在此事件所發的前三篇熱門推文（以判斷與此次事件 的相關性）後，我們選出了三位候選人（yuhan wang、Steve Herman、Jim Roberts）和兩個官方媒體（CNN、BBC）移至候選人聚焦區做進階觀察，如圖 30 所示。
在候選人聚焦區中，我們進一步地看到被聚焦者在事件中被多少人轉推 和提及，並由大至小地降冪排列，這是系統中判斷誰是意見領袖的主要指標，
符合在現實世界中判斷意見領袖的 Staff Selected 精神，如圖 31 所示。於 此同時，我們藉由系統直接連結至此候選人的推特個人檔案（如圖 32），和 第三方網站 RetweetRank 對其的評價（如圖 33），加深我們對候選人的認識，
也加強我們的選擇把握。選好要聚焦的候選人後，我們按下「下一步」，進到
「以綜合指標選出領袖」。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 30. 復航空難事件以個別指標找出領袖範例圖
圖 31. 復航空難事件聚焦區領袖呈現範例圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 32. 候選人 Steve Herman 個人檔案範例圖
圖 33. 候選人 Jim Roberts RetweetRank 評價範例圖
在「以綜合指標選出領袖」中，我們將對聚焦出的候選人做誰是意見領 袖的最後確認，如同圖 34。上個步驟中我們加上了兩個官方媒體（CNN、BBC）， 是因為其在「資料集分析」的推文連結網域統計排前五名，我們能在此藉由 其發文內容，了解事件發展，和他們在此事件報導中所扮演的腳色，如圖 35 所示。而在此次的候選人比較中，我們並未看到彼此的被轉推人數和被提及 人數互有消長，故不加以調整權重。最後我們將三位候選人移至待存區，並
‧
Steve Herman 和 Jim Roberts 的共同追蹤者最多，在彼此追蹤者數量都達五 位數的情況下，yunhan wang 影響到的則顯為另一族群，我們能因此看到意 見領袖們在網路世界中帶來的不同觸及程度。於此同時，我們也檢驗選出者
Expression of values 自我敘述、推文內容 Professional competence 頭銜、第三方評分(retweetrank) Nature of their social network. 粉絲人數；事件被轉推、提及人數
表 9. 復航空難事件選出領袖特徵檢驗表
領袖特徵 yunhan wang Steve Herman Jim Roberts 自我敘述 喜愛日本的台灣人 美國之音的記者 Mashable 的總編 推文內容 發佈空難消息 發佈空難消息 發佈空難消息
頭銜 無 記者 CCO
retweetrank 114,265(PR98.6) 109,514(PR98.6) 4,711(PR99.9) 粉絲人數 40,000 75,200 203,700 事件被轉推人數 6,780 1,638 689 事件被提及人數 6,854 2,251 826
我們把觀察到的記在備忘錄（如圖 37），並確認待存區為所要的候選人 後，按下「下一步」，進到結果。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 34. 復航空難事件以綜合指標選出領袖範例圖
圖 35. 復航空難事件 CNN 所發推文統計範例圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 36. 復航空難事件意見領袖關係網路範例圖
圖 37. 復航空難事件備忘錄使用範例圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在結果報告區中，我們可以得到在此次探索中所調整的參數，選出的意 見領袖，和對整體事件留下的備忘錄，如同圖 38。我們可以就當下介面直接 連結到意見領袖的推特個人檔案，也可以將整體內容下載成 csv 檔以做他用，
如同圖 39。以上即為選用復興航空空難，找出三位意見領袖的範例說明。
圖 38. 復航空難事件結果報告區範例圖
圖 39. 復航空難事件結果報告離線檔案範例圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第 5 章 實驗設計與結果分析
我們根據第 3 章、第 4 章的描述所設計實作出的系統，設計了一套實驗 流程。在實際邀請受試者測試系統前，我們額外邀請兩位受測者參與系統的 先導性研究（pilot study），完整的體驗內容並給予回饋，以確認其設計是 否合適。藉由實驗我們希望透過受試者的體驗，進一步了解系統是否能輔助 受試者找尋特定事件中的意見領袖。受試者透過系統教學學習如何操作系統 後，再透過引導式任務熟悉系統的介面，在系統中進行指定任務，找出意見 領袖。最後我們再透過問卷與訪談來評估系統的目標設計、系統的有用性和 易用性。