3.3 資料整合
3.3.4 資料視覺化與情境還原
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
18
Facebook 打卡時的 Message、上傳圖片…等資料及手機 Log 中的前景程 式操作，研究者可以深入探索每筆打卡的情境。例如，研究者可以依據在打 卡發文中的 Message 內容與上傳的圖片，猜測使用者當時所發生的事情。為 了更加了解使用者在打卡時的情境，依據 Facebook 搜集到的打卡時間，從 手機 Log 中擷取該時間點前後 15 分鐘內，使用者操作了哪些前景程式，以 及手機的地點資訊，以協助研究者推測使用者打卡當下的行為是否與打卡發 文時的動作有一致性。
3.3.4 資料視覺化與情境還原
資料中可能存在某些模式，若是單看每筆資料記錄，並不一定能發現[21]，使用 資料視覺化的方式呈現資料，可以讓研究者透過圖形快速查看使用者的打卡行為，
發現其中可能存在的模式或特殊的行為，例如：打卡在某個地點的次數特別多、
打卡時間集中在幾點…等。
先行的質性研究分析回饋中，研究者吳筱玫以行人言說與節奏分析架構出圖 4 的概念，我們採用這樣的基礎，以「人」為單位設計系統，對每位使用者在時 間、空間(地點)、事件上的資料做處理呈現，進一步設計、修改我們的視覺化工 具以輔助研究者分析使用者的打卡行為。
圖 4. 研究者吳筱玫重新架構行人言說與節奏分析概念。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
19
我們設計出 4 種視覺化工具：時間頻率(Time Frequency)、打卡地點統計與分 佈(Map)、時間與地點對應(Time Map)、打卡與手機的詳細資訊(Table)，以呈現出 研究者架構出的概念。
1. 時間頻率 (Time Frequency)
從研究者訪談整理的結果，發現有的使用者打卡時間會集中在某段時間。
例如：高中生的打卡時段大多在晚上九點多，因為朋友大多在這個時候上線，
較容易得到回應。因此，我們使用 Bubble Chart 的視覺化方式，協助研究者 觀察使用者每週的打卡時間分佈狀況，透過 Bubble Chart 呈現出循環時間的 特徵，了解使用者在打卡時間上的習慣。
呈現方式與內容(見圖 5)，以 x 軸為星期幾(一週，7 天)，y 軸為一天的 24 小時(0 點到 23 點)，Bubble 的顏色代表不同類型的地點，Bubble 的大小 代表在該時間區段相同地點類型的打卡統計次數。
圖 5. 以 Bubble Chart 呈現週幾、幾點、在什麼地點類型的打卡統計量。
2. 打卡地點統計與分佈 (Map)
在空間上，使用者與打卡地點間的互動，讓打卡地點對使用者而言是具
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
20
有意義的，而經常駐足的地點會形成慣習足跡，能展現使用者表達自我的特 殊方式[4]。因此我們將同個地點打卡次數的統計、地點位置、地點類型標 示在地圖上，以協助研究者了解使用者在打卡次數、打卡地點分佈的情形，
是否有專屬於使用者的打卡足跡。
我們使用 Marker 標示出每個打卡地點的經緯度位置與地點名稱，並將 在該地點的打卡次數顯示於 Marker 上，透過顏色區分出每個打卡地點的類 型(如圖 6)。
圖 6. 將打卡次數、打卡地點、地點類型標示於地圖上。
3. 時間與地點對應(Time Map)
為了呈現出圖 4 分析概念圖中的線性時間與移動路徑，我們結合時間軸 與地圖，呈現出使用者每筆 Facebook 打卡與手機 Log 資料中的經緯度、前 景程式操作的時間與地點(見圖 7、圖 8)，期望能還原使用者打卡當下的情 境，了解使用者在打卡前後使用了哪些應用程式。透過 TimeMap 呈現出該 筆打卡在 Facebook 上使用者所建構出的情境，也呈現出使用者真實所在的 情境。
在時間軸上，我們將每個手機前景程式加入顏色，依照操作前景程式的
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
21
時間點，標示在時間軸上，同時也標示出在 Facebook 上打卡的時間點(見圖 7)，研究者可以透過顏色與標示的分佈快速了解操作集中在哪些時間區段，
以及是對哪個前景程式有頻繁的操作。
在地圖上，我們將手機的經緯度資訊使用白色的顏色標示在地圖上，並 同時標示出在 Facebook 上打卡的地點位置(見圖 8)，研究者可以快速的從地 圖上辨識出打卡地點(虛擬位置)與手機地點(真實位置)之間的距離遠近，推 斷是否為補打卡的情形。
圖 7. TimeMap 呈現 Facebook 打卡資料集的時間地點。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
22
圖 8. TimeMap 呈現單筆 Facebook 打卡資料集與該筆打卡時間區段中，手機 Log 資料集的時間地點。
我們在 TimeMap 的圖上另外加入播放移動路徑的功能，播放方式依照 打卡的時間依序呈現該筆打卡的時間、地點。研究者可以透過自動播放的功 能觀察使用者打卡的移動距離是否都在同個區域，或是有突然出現長距離的 打卡地點。
4. 打卡與手機的詳細資訊 (Table)
為了探究使用者的打卡動機，研究者可以透過視覺化的方式了解使用者 整體的打卡行為，而前述的 3 項視覺化方式，主要在呈現時間、地點及地點 分類，而地點分類使用顏色來呈現。
雖然地點分類的方式可以讓研究者快速瀏覽使用者打卡當下事件的類 型，但單從地點分類的呈現方式仍缺少了對使用者打卡時事情發生的詳盡情 況(如圖 4 分析概念圖中的「寒暄」項目)，使用視覺化方式所呈現的資料可 能經過了統計計算的步驟，雖然呈現出整體的趨勢，但不一定能發現符合使 用者行為的模式，可能忽略了使用者是否有特殊的行為(例如：發文的內容、
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
23
上傳的圖片)存在其中。
為了補足這項資訊，我們選用列表(Table)的方式呈現 Facebook 打卡資 料集與手機 Log 資料集中的資料，以協助研究者能查看每筆打卡完整的資訊，
建構出使用者在虛擬環境與真實環境中的情境。