第三章 研究方法
第五節 限時動態遊戲濾鏡——《SPACE ARENA》
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
人口地理統計
性別、感情狀態與使用 Instagram 的時間都會影響使用行為。Lin（2019）也提到這 些人口變項都與社交互動（social interaction）有關聯。因此，本研究也將這些因素列為 共變項。
第五節 限時動態遊戲濾鏡——《SPACE ARENA》
《SPACE ARENA》這個遊戲濾鏡並非官方 Instagram 所推出，使用者開通濾鏡的 方法有二種。第一是追蹤製作此濾鏡的作者 igor.zhurba，再開啟自己 Instagram 的限時 動態後按下濾鏡按鈕，就能找到 igor.zhurba 的濾鏡選擇。第二個方法為透過已在限時動 態 上 分 享的 《 SPACE ARENA 》 遊 戲 影片 ，按 下 左 上方 的 「 SPACE ARENA from igor.zhurba」，再選擇「Try it」或直接「Saved to camera」即可。
進入《SPACE ARENA》的遊戲畫面後，玩家須先將自拍鏡頭清楚對準臉部五官，
系統偵測完成後會以臉部位置作為發射器的基準，藉由不斷擺動頭來瞄準，並透過眨眼 發射從各個方向過來的幽浮。隨著遊戲的進行幽浮的數量會越多且靠近速度會越快，當 幽浮靠近臉部中心點時會減損一顆愛心（生命），玩家僅有三顆愛心。當愛心歸零時即 代表遊戲結束，此時畫面上會顯示遊戲進行的總秒數即最終成績。遊戲結束後則會自動 產生剛才遊戲時的影片，玩家可選擇儲存至相簿裡或是發佈至限時動態中。
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 三-3 利用眨眼控制飛機攻擊幽浮
圖 三-4 遊戲結束後畫面上顯示總時間
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 研究結果第一節 樣本與描述性統計
本研究總共收集 913 位樣本，由於本研究的研究對象為 Instagram 使用者，因此透 過問卷第一題詢問填答者「請問您是否有使用過 Instagram？」，刪減未曾使用過 Instagram 的使用者。其中有 6 位回答未用過 Instagram，因此有效樣本數量共有 907 位。
其中生理女性與生理男性的比例各為 71.2%及 28.8%。年齡層分佈以 19 至 25 歲的區間 佔比最大（82.7%）。教育程度方面，大學學歷填答者佔多數（74.6%），另有 20.3%的 碩士學歷者。而填答者中單身者佔 60.4%，有伴侶者則佔有 39.6%。
本研究的填答者中，平均一天使用社群媒體的時間約為 172 分鐘，而其中平均一天 使用 Instagram 的時間約為 79 分鐘。常用的社群媒體中 Instagram 佔有 76%，Facebook 佔有 19.9%，Twitter 則約有 1%。曾經在 Instagram 上玩過遊戲濾鏡的填答者有 635 位
（70%），沒玩過的有 272 位（30%）。而玩過遊戲濾鏡的 635 位填答者中，有 476 位
（75%）填答者曾經在玩完後將遊戲影片發佈至限時動態中，159 位（15%）填答者則 表示從未發佈過。
表 四-1 受測樣本人口結構統計表
基本資料 類別 次數 百分比
性別 生理男 261 28.8％
生理女 646 71.2％
年齡 18 歲以下 60 6.6％
19 至 25 歲 750 82.7％
26 至 34 歲 89 9.8％
35 至 44 歲 2 0.2％
45 歲以上 6 0.7％
‧
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
常使用的社群媒體 Facebook 181 20％
Instagram 689 76％
Twitter 9 1％
PTT 6 0.6％
其他 22 2.4％
平均一天使用社群 媒體的時間
60 分鐘以下 52 5.7％
60 至 90 分鐘 140 15.4％
90 至 120 分鐘 112 12.3％
120 至 150 分鐘 166 18.3％
150 至 180 分鐘 58 6.3％
180 至 210 分鐘 154 16.9％
210 分鐘以上 225 24.8％
平均月收入 10,000 元（含）以下 103 11.3％
10,001-20,000 599 66％
20,001-30,000 115 12.6％
30,001-40,000 56 6.1％
40,001-50,000 18 1.9％
50,000 元以上 16 1.7％
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 量表信度檢測
一、 勝任感量表信度檢驗本研究測量填答者之勝任感量表共有 5 題，信度（reliability）分析結果顯示，其 Cronbach’s alpha 內部一致性係數為.89。表示此量表具有良好的信度。
表 四-2 勝任感之因素負荷值與信度分析結果
指標 題項 因素負荷值
勝任感
Cronbach's α = .89
我是可以勝任《SPACE ARENA》這款遊戲的挑 戰的
.885
玩《SPACE ARENA》讓我很有成就感 .821 在玩《SPACE ARENA》的時候都能應付遊戲帶
來的挑戰而且也能玩得很好
.917
我覺得我很不會玩《SPACE ARENA》也玩得也 很差*
.769
我覺得我在《SPACE ARENA》中能發揮不錯的 影響力
.802
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、 自戀人格量表信度檢驗
本研究測量填答者之自戀人格量表共有 10 題，信度（reliability）分析結果顯示，
其Cronbach’s alpha 內部一致性係數為.85。表示此量表具有良好的信度。
表 四-3 勝任感之因素負荷值與信度分析結果
指標 題項 因素負荷值
自戀人格
Cronbach's α = .85
我之所以認為我很棒是因為大家都這麼說 .434
我享受當團體中的焦點 .746
我非常享受展示自己的外表 .812
我很喜歡欣賞自己的外表 .725
一有機會的話我就會炫耀 .660
我享受被稱讚 .574
我喜歡趕上新的流行 .537
我很喜歡鏡子中的自己 .667
我真的很喜歡成為注目的焦點 .799
外出時如果別人沒注意到我的外表我會很失望 .590
‧
RQ1：Instagram 使用者中有哪幾種社交梳理行為者？
本研究承接 Lin（2019）分類 Facebook 上社交梳理類型的方式，以訊號理論的觀點 將 Instagram 使用者依據五種不同的社交梳理行為面向進行分類，利用 poLCA 組件
（Linzer & Lewis, 2011）在 R 軟體上進行潛在類別分析（LCA）。潛在類別分析主要用 來探索一主體下潛在且無法觀察的數種類別（Nagelkerke, Oberski, & Vermunt, 2016）。
問卷資料處理的方式採用 Lin（2019）與 Knight & Brinton（2017）的方法，將社交 梳理行為問卷題項的回答更改為二分法（dichotomization）。亦即將五種社交梳理行為 方式更具理論指向性（Knight & Brinton, 2017）。最後，Daw, Margolis, & Wright（2017）
指出分類縮減（category reduction）在潛在類別分析裡是必要的。因此 2 種回答的模型 適配度會優於 4 種回答的模型。
潛在類別分析法通常從 2 類別模型開始依序往上處理，直至模型數值無法負荷。本 研究在分類社交梳理類型時至多處理至 5 類別。Nagelkerke et al.（2016）指出最合適的 潛在類別模型將依據四種數據指標判定，分別為卡方檢定 chi2 test、deviance G2 test、
Akaike information criterion（AIC）及 Bayesian information criterion（BIC），其中相較 其他類別擁有較低值的類別為最合適（goodness-of-fit）之模型。根據表 4-4 所示，4 類 別與 5 類別相較 2 類別與 3 類別擁有較低的 AIC 及 BIC 值。而 Knight & Brinton （2017）
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
也建議以理論架構為基礎選擇最合適的模型。因此本研究沿用 Lin（2019）提出的 5 類 別社交梳理類型模型，將 5 類別選定為最合適之潛在類別模型。
表 四-4 各社交梳理類型之模型適配度比較
2 類別 3 類別 4 類別 5 類別
回答分類
2 種 4 種 2 種 4 種 AIC 4790.75 4758.9 4764.26 10082.1 4763.22 10072.52 BIC 4843.67 4840.69 4874.92 10385.21 4902.75 10452.61 Deviance test G2 70.24 26.39 19.75 541.32 6.71 499.74 Chi2 75.79 26.84 23.96 805.09 5.76 795.13 Maximum likelihood -2384.37 -2362.45 -2359.13 -4978.05 -2352.61 -4957.25 註：本研究自 2 類別模型開始進行潛在類別分析直至 5 類別停止
表 4-5 為根據五種社交梳理行為面向提出的五種類別。本研究依照各類別社交梳理 行為者在 Instagram 的行為分別命名為：生活分享者（n = 223）、爭論者（n = 13）、關 係維繫者（n = 150）、社交花蝴蝶（n = 231）以及流行傳播者（n = 290）。生活分享者 經常在 Instagram 上發佈有關個人情緒與資訊的貼文，但他們幾乎不討論任何議題。爭 論者屬於填答者中最少的類別，他們只分享或探討具有爭議性的話題。關係維繫者雖不 會揭露自己的訊息也不探討任何議題，但有約一半的關係維繫者仍會在 Instagram 上和 他人聯繫並維繫感情。社交花蝴蝶不管什麼議題都會探討也不吝嗇得揭露自己。最後，
五種類別中最多的流行傳播者則會避免談論會引起爭議的議題，反而更專注在個人資訊 的揭露以及關係維繫上。
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University 表 四-5 估計條件類別機率
情緒性揭露 資訊性揭露 爭議性議題 流行性議題 關係維繫梳理行為
低 高 低 高 低 高 低 高 低 高
生活分享者（24.6%） .365 .635 .217 .783 .970 .030 1.000 .000 .142 .858 爭論者（1.4%） 1.000 .000 1.000 .000 .000 1.000 .510 .490 .278 .722 關係維繫者（16.6%） 1.000 .000 .679 .321 1.000 .000 .877 .124 .496 .504 社交花蝴蝶（25.4%） .000 1.000 .006 .994 .307 .693 .225 .775 .068 .932 流行傳播者（31.9%） .438 .562 .052 .948 .762 .238 .498 .501 .037 .963
‧
RQ2a：發佈 Instagram 貼文的頻率和社交梳理行為者之間有何關聯？
在控制住性別、自戀人格、感情狀態與 Instagram 使用時間的情況下，以共變數分 析（analysis of covariance, ANCOVA）檢視社交梳理類型對發佈 Instagram 貼文的頻率 之效果，結果如表 4-6。由於數據未通過變異數同質性假定，因而對原始數據進行開根
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
進一步進行成對比較後發現，生活分享者顯著大於關係維繫者（p < .001），但顯著 小於流行傳播者（p < .001）；爭論者顯著大於關係維繫者（p < .001）；關係維繫者顯 著小於社交花蝴蝶（p < .001）與流行傳播者（p < .001）；社交花蝴蝶顯著小於流行傳 播者（p < .001）。其餘則皆不顯著。詳細數據參見表 4-7。
RQ2b：發佈 Instagram 限時動態的頻率和社交梳理行為者之間有何關聯？
在控制住性別、自戀人格、感情狀態與 Instagram 使用時間的情況下，以共變數分 析（ANCOVA）檢視社交梳理類型對 Instagram 使用行為之效果，結果如表 4-8。由於 數據未通過變異數同質性假定，經過對原始數據進行開根號、對數、倒數、反正弦轉換 後，仍無法符合同質性檢定，因此以下的分析是在不符同質性假定下的分析結果。社交 梳理類型在發佈限時動態的頻率上有顯著差異，F (4, 902) = 24.04，p < .001，ηp2 = .405。
表 四-8 社交梳理類型在發佈限時動態的頻率上之 ANCOVA 檢定結果
變異來源 SS df MS F p ηp2
IG 使用時間 COV 13.438 1 13.438 31.060 .000 .033 自戀人格 COV 6.547 1 6.547 15.132 .000 .017 性別 COV 8.774 1 8.774 20.279 .000 .022 感情狀態 COV .362 1 .362 .837 .361 .001 社交梳理類型 165.556 4 41.389 95.660 .000 .299
誤差 388.534 898 .433 總和 651.603 906
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 四-9 社交梳理類型在發佈限時動態的頻率上之敘述統計
社交梳理類型 M SE n
生活分享者 3.376ab .679 223
爭論者 2.846bc .800 13
關係維繫者 2.186cd .846 150
社交花蝴蝶 3.246ab .706 231
流行傳播者 3.693ad .550 290
註：兩者的上標字母不同代表兩者為顯著不同
進一步進行成對比較後發現，生活分享者顯著大於爭論者（p < .001）與關係維繫 者（p < .001），但顯著小於流行傳播者（p < .001）；爭論者顯著大於關係維繫者（p
< .001），但顯著小於社交花蝴蝶（p < .005）與流行傳播者（p < .001）；關係維繫者顯 著小於社交花蝴蝶（p < .005）與流行傳播者（p < .005）；社交花蝴蝶顯著小於流行傳 播者（p < .001）。其餘則皆不顯著。詳細數據參見表 4-9。
‧
國立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
RQ3a： 嘗試新推出濾鏡的頻率和社交梳理行為類型之間有何關聯？
在控制住性別、自戀人格、感情狀態與 Instagram 使用時間的情況下，以單因子獨 立樣本 ANCOVA 分析社交梳理類型對嘗試新推出濾鏡的頻率之效果，結果如表 4-10。
由於數據未通過變異數同質性假定，因而對原始數據進行開根號轉換，經轉換後符合同 質性檢定，F (4, 902) = .578，因此以下的數據皆為經開根號轉換過的數據。結果發現：
社交梳理類型在嘗試新推出濾鏡的頻率上有顯著差異，F (4, 902) = 24.86，p < .001，ηp2
= .100。
表 四-10 社交梳理類型在嘗試新推出濾鏡的頻率上之 ANCOVA 檢定結果
變異來源 SS df MS F p ηp2
IG 使用時間 COV 1.949 1 1.949 20.677 .000 .023 自戀人格 COV 3.160 1 3.160 33.530 .000 .036 性別 COV 5.075 1 5.075 53.847 .000 .057 感情狀態 COV .022 1 .022 .231 .631 .000 社交梳理類型 9.375 4 2.344 24.867 .000 .100
誤差 84.643 898 .094 總和 112.980 906
表 四-11 社交梳理類型在嘗試新推出濾鏡的頻率上之敘述統計
表 四-11 社交梳理類型在嘗試新推出濾鏡的頻率上之敘述統計