第三章 研究方法
第一節 數位方法
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
第一節 數位方法
本研究以Rogers (2009) 所提之數位方法，先抓取所需之網路內容 (web scraping)，
爬梳社群媒體訊息後進行數據整理 (data cleaning)，抽取可用與需要之資訊，如連結、
圖片、發佈時間、內文等，剔除不必要的資訊，再研究該如何良好地分析與運用這 些訊息。
Rogers (2009) 將問卷調查、訪談、觀察與田野調查等社會科學方法稱為虛擬方 法 (virtual methods)，這些研究法多以社會科學及人類學為基礎，依賴非網路為本的 研究法來佐證網路研究，將網路視為工具或研究對象來研究線上文化。他認為這些 方法可能轉移人們對網路媒介上的數據之注意力，使我們錯失透過這些數據來探索 遠超過線上文化的機會，甚至誤導我們對網路的了解。而我們該注意的，早已不再 是網路能呈現多少社會及文化，而是如何用網路來診斷文化變遷及社會現狀。
因此Rogers (2009) 提出數位方法，將線上動態視為數據集 (data set)，利用數位 原生工具與數據資料，如連結、標籤 (tags)、搜尋引擎、網站、系統等來分析，不 只用以研究線上文化，更跨越虛擬與現實的鴻溝，研究整體文化、社會及政治變遷 狀況。
數位方法將傳統線上與離線研究方法反轉，線上資訊成為研究地基，而其他社 會狀況則用以協助評估研究。Rogers 將之稱為線上紮根理論 (online groundedness) 之 以線上資訊為本的研究法。此研究法追隨數位媒介，捕捉其動向，並透過網路反過 來使離線世界要求文化與社會面的改變。此方法論更廣泛的目標為重新思考網路與 離線世界的關連。Rogers (2013) 在後續研究中提到，數位方法的關鍵之一為不能將
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第二節 研究設計
本研究分為關鍵字詞頻分析設計及文本分析設計。關鍵字詞頻分析的部分，計 算27 個臉書專頁共 8103 篇貼文樣本中，1036 個關鍵字之出現頻率。文本分析分為 兩階段，貼文聯集文本分析篩選540 篇貼文，對「使用者在臉書動態時報 (timeline) 上第一眼看得到的內容」進行內容分析。貼文交集文本分析則取8103 篇樣本中，使 用者迴響最熱烈的80 篇貼文，除重複貼文聯集文本分析之內容分析法外，也將分析
「使用者需進行第二層動作點擊以觀看」的內容，如點進連結方可閱覽之網頁內容。
除文字內容外，貼文交集文本分析亦將貼文發佈時之社會情境、文章脈絡、發文時 機點、內文長度、附圖形式、連結內容、貼文發佈者人氣等納入考量，並比對關鍵 字詞頻分析結果，作進一步的探討。
壹、研究樣本
太陽花運動起於 2014 年 3 月 18 日反服貿群眾佔領立法院，於該年 4 月 10 日 退場。本研究以數位方法進行太陽花運動個案研究，挑選在運動期間，22 個相關臉 書粉絲頁及8 位臉書意見領袖個人頁，蒐集共 30 個臉書專頁，在 3 月 17 日至 4 月 13 日間所張貼之臉書貼文共 8220 篇，全部蒐集樣本包括：
1. 在太陽花運動期間偏向發言或決策群之粉絲頁
(1) 黑色島國青年陣線 (2) 反黑箱服貿協議 (3) 捍衛苗栗青年聯盟
2. 在 318 後因運動而生之粉絲頁
(4) 你們守護民主，我們修復立院。(5) Appendectomy Project 割闌尾計畫 (6) 〈進擊的向陽〉公民論述國際媒體資訊整合平台 (7) 賤民解放區 (8) 公民不服從 (9) 台大法律學生挺 318
3. 太陽花直播、網路通訊、4am.tw 網站等程式支援之粉絲頁
(10) g0v.tw 台灣零時政府4. 資訊統整或獨立媒體之粉絲頁
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(11) The News Lens 關鍵評論網 (12) 沃草！ (Watchout) (13) 幹誌 (14) 公民行動影音紀錄資料庫 (15) 獨立評論在天下 (16) 【懶人時報】
(17) 關注台灣社會信息圖表 (18) 台大新聞 E 論壇 (19) 民報(20) 風傳媒 (21) 台灣立報 (22) 新頭殼 newtalk
5. 對太陽花運動及服貿議題關注度高之臉書意見領袖個人頁
(23) 陳為廷 (24) 林飛帆 (25) 黃國昌 (26) 魏揚 (27) 柳林瑋 (28) 沈伯洋 (29) 呂秋遠 (30) 黃哲斌抓取之資料包含此30 個臉書專頁在 3 月 17 日至 4 月 13 日期間發佈之所有公開 貼文共8220 篇，含貼文之文字內容、圖片、連結網址、臉書粉絲頁或個人頁 ID、
貼文ID、發佈日期與時間、讚數、回應數、分享數，以及回應文內容。表 1 列出本 研究所蒐集之編號1-30 臉書專頁，各專頁於太陽花運動期間所發佈的文章數、平均 單篇讚數、回應數、分享數及標準差。
30 個臉書專頁進行資料清理後 (將於本章第三節詳述)，剔除 3 個信度較低的粉 絲頁 (見表 1 編號 5、6、8 粉絲頁)，得 27 個臉書專頁，共 8103 篇貼文。
‧
Appendectomy Project
割闌尾計畫 52 4870 4219 114 113 610 1606
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
貳、文本分析設計
以太陽花運動為個案，本研究假設知識類、行動類、情緒類三類內容為影響臉 書使用者「按讚、回應、分享」三項行為與貼文擴散力之變項：
(一) 知識類內容
知識類貼文內容為影響使用者分享貼文之變項之一，使用者基於「與他人互動」
及「展現自我」之動機 (Macafee, 2013)，對知識性內容之分享意願較高。又因服貿 協定涉及知識層面廣及政治、經濟、法律、社會、資訊等多重面向，本研究將知識 類內容之取樣範圍限縮於「法律」及「經濟」類。
法律類內容如解釋公聽機制付之闕如、談判程序違憲、三十秒黑箱爭議、行政 權越權不符三權分立、先立法再審查 (制定兩岸協議監督條例，聲請釋憲，由立院 實質審議) 之訴求、召開公民憲政會議、公民不服從、非暴力運動、集會遊行法、
警察執法爭議、國家暴力爭議等。
經濟類內容如服貿對台灣產業影響、就業問題、中資來台、不完善的自由貿易 退場機制與救濟機制、全球化與反全球化運動、反新自由經濟主義、勞工權益等。
(二) 行動類內容
本研究將行動類貼文內容分為「號召參與行動」與「現場行動狀況」兩類。現 場行動狀況定義為內容涉及國內現場狀況及國際聲援活動連線；號召參與行動定義 為內容呼籲響應街頭行動、推廣線上串連及聯署、募款募資、徵求專業人才、徵求 現場影像記錄、尋求國際關注等。
(三) 情緒類內容
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
流血、自己國家自己救、鎮壓等，將分類為含情緒類內容之貼文。
綜上所述，本研究假設含知識、行動、情緒類貼文內容為影響貼文擴散力之因 子。知識類定義為涉及法律或經濟知識之內容，行動類定義為涉及號召行動或現場 狀況之內容，情緒類定義為涉及情緒性形容詞或情緒激發詞之內容。以此內容分類 法分別分析540 篇貼文聯集文本及 80 篇貼文交集文本
一、貼文聯集文本分析設計
本研究蒐集之臉書專頁包含22 個粉絲頁及 8 個臉書個人頁。篩選貼文聯集文本 分析樣本時，於22 個粉絲頁中，取發文數超過 100 篇、最高分享數超過 300、最高 讚數超過1000 之粉絲頁，共 14 個。在 8 個臉書個人頁中，取太陽花運動期間媒體 報導篇幅最大之陳為廷、林飛帆、黃國昌、魏揚，共4 個臉書個人頁 (見表 2)。
以此18 個臉書專頁進行貼文聯集文本分析。各專頁取全部發文中按讚數、回 應數、分享數三項各居前10 名的貼文分析 (見錯誤! 書籤的自我參照不正確。 )，即 一個臉書專頁取30 篇貼文。因根據臉書之設計，使用者可針對一則貼文複選「按 讚、回應、分享」三項回饋行為：可能只進行其一、同時有兩種以上反饋 (如按讚 並分享)，或僅瀏覽而不作反應。因此錯誤! 書籤的自我參照不正確。按讚數、回應
圖 1 貼文聯集文本分析之樣本圖示
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
數、分享數三項各居前10 名的貼文，有重覆之可能。此階段研究樣本共 540 篇貼文。
表 2 貼文聯集文本分析取樣之臉書專頁 (共 18 個)
粉絲頁 個人頁
篩選條件
發文數超過100 篇、
最高分享數超過300、
最高讚數超過1000 之粉絲頁
媒體報導篇幅最大
篩選數 14 4
臉書專頁
黑色島國青年陣線 反黑箱服貿協議 捍衛苗栗青年聯盟 台大法律學生挺318 The News Lens 關鍵評論網 沃草！ (Watchout)
幹誌
公民行動影音紀錄資料庫 獨立評論在天下
【懶人時報】
台大新聞E 論壇 民報
風傳媒 新頭殼newtalk
陳為廷 林飛帆 黃國昌 魏揚
以臉書提供的API 抓取此 18 個臉書專頁的貼文文字內容。貼文所附之圖片、
影片與連結標題，則另以人工手動抓取資料，並將檔案存取至該粉絲頁專屬資料夾。
所蒐集的資料統整至「按讚數」、「回應數」、「分享數」三項Excel 檔案，三個檔案 分別有18 個表單，其輸出格式如表 3 (此以分享數為例)。
蒐集完所需內容後，將此540 篇貼文進行內容分類。閱覽「使用者在臉書動態 時報上第一眼看得到的內容」，即該貼文之文字內容、圖片、影片、連結標題及連 結縮圖後 (不包含使用者需進行第二次點擊後才能觀看的內容，如所附連結的網頁 內容)，依研究者判斷將其分為知識 (法律或經濟面)、行動 (號召行動或現場行動狀 況)、情緒 (正面或負面情緒) 三類 (見圖 2)；三項分類可複選或皆不選，如同一則貼 文可能同屬知識與情緒類，或不屬於任一分類 (見表 3)。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 2 文本分析之內容分類階層示意
參照表 3 及圖 2，在分類知識、行動、情緒三類時，「有」註記為 1，「無」註記 為0。在加總時，若第二層 (法律、經濟；號召行動、現場狀況；正面情緒、負面情 緒) 為複選，將歸類為同屬第一層 (知識、行動、情緒) 分類。
如表 3 黑島青之分享數排名前 10 的貼文中，排序 1 (即分享數最高) 的貼文，其 貼文內容涉及號召行動但並無現場狀況的描述，因此「行動：現場」註記為0 而
「行動：號召」註記為1，行動類總和為 1。該貼文亦涉及法律及經濟，因此在
「知識：法律」及「知識：經濟」的欄位皆註記為1，但知識類總和仍為 1 (因處於 第二階層的「法律」與「經濟」同屬第一階層的知識類)。同上，該貼文「情緒：負 面」註記為1，「情緒：正面」註記為 1，情緒類總和則為 1。
二、貼文交集文本分析設計
本研究在完成貼文聯集文本分析後，將以關鍵字詞頻分析作進一步檢驗，之後 進行貼文交集文本分析。在27 個臉書專頁中，取各粉絲頁及個人頁之按讚數、回應 數、分享數三項各排名前10 之貼文，共 798 篇 (「g0v.tw 台灣零時政府」因 3 月 17 日至 4 月 13 日間之發文僅有 6 篇，但該粉絲頁在太陽花運動期間具影響力，負責網 站、直播等各項程式支援，因此在未足10 篇貼文的狀況下，全取 6 篇貼文，故研究 樣本為798 篇而非 810 篇)。再以 798 篇貼文中，按讚數、回應數、分享數皆重複出 現的交集貼文共80 篇為研究樣本 (見圖 3)。進一步對此 80 篇迴響熱烈的貼文之發 佈日期、時段、附圖形式、連結、貼文發佈者人氣等進行文本分析，並研究其與太 陽花運動時間軸與關鍵字詞頻之關連。
知識
法律 經濟
行動
號召行動 現場
情緒
正面 負面
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3 貼文交集文本分析之樣本圖示
‧
1 黑島青 177308745785713_
241331462716774 2014/3/18 下午 10:48:06
13674 【318 青年佔
10 黑島青 177308745785713_
800669556613446
2014/3/30 下午 11:18:34
2576 【島嶼天光動
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參、關鍵字詞頻分析設計
為蒐集太陽花運動期間臉書貼文內容，本研究以臉書提供之API (Application Programming Interface)，抓取臉書粉絲頁 (如黑島青) 之貼文相關資訊。先利用臉書 提供的 Graph API Explorer v1.0 來取得各貼文之主文 ID、發文時間、文字內容、讚 數、回應數、分享數 (見附錄一)。取得主文 ID 後，再利用 FQL 來取得其回應文內 容 (見附錄二)。
觀察發現，臉書個人頁 (如陳為廷) 因沒有頁面所有者之授權，無法以臉書提供
觀察發現，臉書個人頁 (如陳為廷) 因沒有頁面所有者之授權，無法以臉書提供