第四章 研究結果
第二節 網路輿情測量方法討論
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
第二節 網路輿情測量方法討論
基於前一節對於傳統民調與網路輿情的結果討論後，本研究將於此節回應本 研究問題二：Web 2.0 時代，網路輿情的重要性為何？有關網路輿情的測量方法 有哪些？目前及待突破的問題為何?就現有與網路輿情相關的研究及其應用技術 進行整理。
一、 網路輿情的重要性
誠如前述所言，網路輿情在近期重大社會事件的影響力，已成為不容忽視的 社會輿論之一。網民所集結成的「鄉民正義」或「婉君力量」，似乎已成為政府 當前最迫切想了解的民意。這些網民之所以能在政治發揮影響力，本研究認為與 社群媒體工具的普及應用息息相關。進一步來說，在這些新媒體工具的盛行下，
民眾接觸網路的機會大增，再加上行動載具的便利性，民眾可即時更新網路上流 通的資訊，或運用社群媒體進行網路動員(Postmes & Brunsting, 2002)。再者，網 際網路的「去中心化」(Decentralized)促使公民與公民之間(C2C)橫向成本降低，
改變傳統大眾媒體「中心化」(Centralized)的傳播模式。更重要的是，網民在網路 上對公共事務的意見及評論也逐漸成為新聞媒體的消息來源之一。一方面，社群 網站提高網民傳播的功能，新聞記者可快速獲取，另一方面社群媒體也成為新聞 傳遞的最佳通路，許多新聞業者開始朝向媒體數位化的趨勢發展。換言之，在 Web 2.0 時代，政府必須選擇與社群網路這個直接民主工具共存（徐挺耀，2011）。
綜上所述，本研究認為網路輿情的重要性，有以下四點，分述如下：
(一) 輿情場域的轉向
隨著網際網路的出現，改變民意的大環境，不同於過去實體公民的參與管道，
虛擬的網路領域更有助於民眾訊息的交換及分享。特別是在社群媒體工具的普及 應用下，如社群網站、部落格、討論區等網路來源的出現，提供多元民意表達的 新途徑。網民透過各類網路媒介的交互連結，產生滾雪球般的動員能力，進而對 政府施加壓力。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
(二) 群體智慧的展現
Web 2.0 改變過去網路行為模式，除了強調雙向互動與連結關係之外，更重 要的是建立以使用者為中心的傳播模式。換言之，在 Web 2.0 的溝通形式下，強 調的是個人自我意見的彰顯以及多元觀點的分享，進而提昇使用者的參與意識，
激盪出更多的群體價值，改變社會權力的轉移。
(三) 輿情方法的革新
網路輿情的出現，使得政府開始正視傳統輿情蒐集方式的不足，在巨量資料 分析的潮流下，必須在輿情的方法上帶來革新的作為。網路輿情分析技術的出現 成為當前政府探詢網路輿情的利器，包含網路社群聲量分析、情緒分析、立場分 析等。此外，政府機關也應適度調整傳統民調與網路輿情分析之重視程度，兩者 皆不可偏廢。
(四) 公民角色的多元
過去民主治理的發展，公民在政策僅是扮演單純「顧客」或「選民」等被動 的角色，然而隨著 Web 2.0 的發展，公民的自主性增強，在政策上更積極扮演「政 策的形塑者及參與者」的角色（陳敦源等，2011）。更重要的是，以「公民為中 心」(Citizen-Centered)的思維正逐漸挑戰政府過去在治理的正當性，政府必須更 小心謹慎的將網路輿情的各種聲音納入政策制定的過程中。
二、 網路輿情方法
經由上述第一節的分析發現可得知，網路輿情的影響力以及對政府的重要性 日益提升，因此，學界及實務界開始引進巨量資料分析的技術來探勘網路輿情。
目前新興的網路輿情分析技術也是巨量資料分析的應用之一，就國內目前應用的 情形，本研究在第二章已有初步的回顧及整理，代表性的研究如周韻采、陳俊明
（2010a, 2011b）、廖洲棚等（2013）、蕭乃沂等（2014）、朱斌妤等（2014）、陳敦 源等（2016）等研究。此部分本研究將整理有關網路輿情的測量方法，並且試比 較這些方法與本研究在應用上的差異。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
從上述這些研究中，本研究發現網路輿情測量方法大致上可分成兩大類，第 一類為機器分析為主的結果，如各種報表產出；第二類為機器與人工混合的分析 結果，如機器演算法與傳統內容分析的結合，或機器演算法搭配群眾外包的方式。
以下就兩大類的網路輿情測量方式，說明如下：
(一) 機器分析-演算法
此分析方法是先以關鍵詞的設定，由上而下的方式在網路的各大言論來源進 行資料的撈取，包含新聞網站、社群網站、討論區及部落格等。資料分析後會產 出不同報表的分析成果，如網路議題的聲量分析、情緒分析、各大言論來源擴散 情形以及意見領袖等等。政府機關可從上述這些報表中了解目前某政策議題討論 的熱度、網民對於政策議題的正負面評價、各大網路來源言論各佔的比例及時間 變化、以及有哪些網路的意見領袖來主導輿論的方向。相較於過去輿情蒐集的方 式，此方法的優點，其一，擁有龐大資料量的處理能力，能撈取所有與關鍵詞有 關的公開言論。其二，電腦自動化的技術，能克服人力及時間的限制，大幅提高 資料蒐集的效率；然而缺點的部份，其一，關鍵字設定的問題，此部份攸關資料 撈取的品質。其二，雜訊過濾的問題，也就是說即便選定合適的關鍵詞，也撈取 符合關鍵詞的內容，但是與探討議題的主題無關，進而造成後續的情緒分析有偏 誤。其三，語意複雜度的問題，如網路的流行用語、言外之意等詞彙，也會導致 機器誤判。以蕭乃沂等（2014）的研究成果來說，也發現機器產生上述的問題存 在。此外，對於探究政策立場的部分，目前機器判讀的情緒分析是否能近似人工 判讀的結果，能有待更多經驗性評估來解答。
(二) 機器與人工混合分析
此類人機混合的方法，主要是更細緻的處理語意判斷的部分，例如政策立場 分析。誠如前述所言，政策立場所涉及的不僅是正負面的評價，也可能隱含個人 主觀的意識形態在內，因此，結合人工的分析更能精確解讀。目前在人工分析的 部分，又可區分成內容分析及群眾外包等兩種機制，前者為本研究所採行的研究 方法，它是以受過訓練的少數編碼員進行分析，編碼的方式如同本研究第三章的 操作方式，先由機器進行資料的撈取後，再輔以人工編碼方式進一步分析語意或 立場，此方式的優點在於編碼員事前經過訓練，具備該議題的領域知識，且達信 度檢測，編碼結果具有一定的可信度；但是在缺點的部分，其一，人工分析的資
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61
料量則會受限於少數的編碼員，而無法處理大量的資料。其二，僅以少數的編碼 員自行判斷，易受限於少數人主觀觀點。
而群眾外包的機制，則是秉持「網路的問題用網路的方式解決」的概念，集 結群眾的智慧來判斷大量的網路輿情分析（陳敦源等，2016），其方式是將機器 撈取的資料，匯入建置的群眾外包平台，再招募一群不特定的自願者（網路群眾）
進行人工的判讀，此方式的優點，其一，妥善的運用群眾智慧，有效地來協作分 析判斷。其二，分析數量的彈性佳，相較於內容分析，此機制可全面性分析大量 輿情內容；而缺點的部份，其一，建置群眾外包的平台的成本較高，如行銷、群 眾誘因機制等，在預算的評估上仍有待考量；其二，群眾的素質不一，採取不特 定的群眾來進行判讀，若該群眾不具備某議題相關的背景知識，則會間接影響資 料判定的效度；其三，從眾效應12明顯，群眾容易受到其他多數人的意見而影響 其判讀結果（陳敦源等，2016）。未來群眾外包的網路設計，採取較為「封閉」
的判斷網路輿情的環境較為妥當。
上述兩類人工判讀的相同處在於，皆是在閱讀內容後，由編碼者挑選判定立 場的關鍵語句及最終立場分析的結果。藉由人工的介入提升資料的品質及更細緻 的語意分析。而不同之處則在於，內容分析是編碼員經過事前訓練及前測達信度 標準後，進入正式分析的階段，各篇內容僅由 1 位編碼員自行編碼。以本研究為 例， 909 篇總分析樣本，由 3 位編碼員進行編碼，每位編碼員各自分配 303 篇，
每一篇立場分析結果由一位編碼員的判讀結果而定；而陳敦源等（2016）的群眾 外包方式則是以以簡單多數決的方式，350 篇總分析樣本，由 223 位網民參與分 析，平均每篇言論判定次數達 25 次。各篇內容立場判定的最終結果以多數決計 算。例如，某篇言論分別被 36 位網民判讀立場，其中有 29 人認為是支持、3 人 認為是反對、3 人認為是中立及 1 人認為是正反立場皆有，則依據多數決的標準，
最終該篇言論則視為支持立場。若同時出現最高票的結果，則設為遺漏值處理。
綜上所述，網路輿情分析的應用不單僅是以機器演算法為主，已經有研究開 始嘗試以人機互動的模式，精進網路輿情分析的品質。不可否認的，以機器分析
12從眾效應所提出的假設是，當準備對文章進行判讀的民眾，在下決定前看到其他人的判定結 果，將可能傾向和其他人判定的結果一致（陳敦源等，2016：108）。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
62
為主的網路輿情技術確實能夠大量、快速的取得多數人的表層資料，儘管在方法 上仍存有侷限，但在巨量資料的網路時代，仍有其實用性。而若要進一步探究資 料的深度及精確性，本研究認為結合人工的方式，既能達到系統的嚴謹性，又能 兼顧資料系絡的敏感性，有助於回應政策實務者的需求。
為主的網路輿情技術確實能夠大量、快速的取得多數人的表層資料，儘管在方法 上仍存有侷限，但在巨量資料的網路時代，仍有其實用性。而若要進一步探究資 料的深度及精確性，本研究認為結合人工的方式，既能達到系統的嚴謹性，又能 兼顧資料系絡的敏感性，有助於回應政策實務者的需求。