網路文本資料

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

74

致特定模因是否有被傳播，因此創新文章、詞彙組的產生只是不同模因組合的變 動，而非模因本身受到文章影響的變動，模因本身的資訊透過環境建構詞彙、文 章，但詞彙、文章並不會反過來影響模因所持有的資訊，所以文章被傳播與否原 因在於產生特定文章模因組剛好在自己所處的環境中比較會引起回文與點閱率，

建構這篇文章的模因組會在整體文章集中比率提升，而基於本研究所採取的一對 一關係，特定模因組比率的提升就等同於該模因組所產生的詞彙組的頻率提升，

可以說該詞彙組在自己所屬的網路頻道中被選擇保留，接下來本研究會在介紹完 網路文本資料結構後，應用這個透過模因學建構的操作化觀點，作為以下假設與 研究架構的基準。

圖4： 網路文本模因的複製與表型的關聯性

第二節 網路文本資料

本研究所採用的資料為蕭乃沂、黃東益（2015）與意藍科技合作計畫案中針

‧

本研究所採用的資料來自台灣意藍科技(eLand Tech)透過其社群口碑分析平 台 Opview 所撈取的網路資訊，Opview 平台為台灣目前最大的網路民意觀測平台

23，其功能強大並能夠透過關鍵字的方式及時撈取網路上新聞、社群網站、部落 格與討論區的文本資訊，根據蕭乃沂、黃東益（2015）的整理，Opview 的四大 文本資料來源細節如下： 尋到的文本資料以外，Opview 也能夠透過自動化的方式以圖表呈現這些資訊，

並提供使用者下載文本原始資料進行分析，而在下載的原始資料中，則包含文本

23 http://www.opview.com.tw/opview.html

‧

<BR>…

網站 Yahoo!奇摩新聞

原始連結 http://tw.news.yahoo.com/教科書稱國民黨清廉-柯-太 over 了 -215006630.html

從以上的文本原始資料範例中可以發現幾個現象，雖然該文章明顯是一篇很 受到注目的主文（引發了 904 篇回文），不過在點閱率卻是 0，這個現象並不是 Opview 平台在點閱率的數據撈取上發生錯誤，而是因為該文章的網路頻道

「Yahoo!奇摩新聞」並沒有計算點閱率或任何類同數據的功能，另外，如果一篇

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

77

在 Opview 所提供的原始資料中，唯一有先經過程式運算的資料就是正、負 向情緒的分數，該分數的計算是透過 Opview 內部詞庫中所賦予個別詞彙正、負 向情緒分數估算出來的，在計算的過程中會納入在個別文章中不同詞彙所出現的 頻率進行計算，而因為一篇文章可能同時包含正向與負向的詞彙，因此每一篇文 章同時都有正向與負向情緒的 0 到 1 分數，該分數並不代表撰寫文章的作者支持 或不支持文章中所探討的內容，而是這篇文章基於其所包含的詞彙所產生的情緒。

針對 Opview 情緒估計的正確與否，蕭乃沂、陳敦源、廖洲棚（2015）透過人工 編碼的方式驗證發現，該平台所提供的正、負向情緒數據與人工判讀的結果是非 常接近的，也因此本研究將情緒定義為影響個別文章傳播自己所持有模因成功率 的變數。

本研究在統計分析上主要針對課綱議題的 Yahoo!奇摩新聞主文，並將其他 網站與議題的資料用於測試演算法的效率與準確率，以下圖 5 與圖 6 為課綱微調 和青年全球移動力兩個議題文本在不同網站中主文的分布數量。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

78

圖5： 課綱微調議題主文文本數量

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

79

圖6： 青年全球移動力議題主文文本數量

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

80