第三章、 研究方法
第五節、 巨量內容分析與內容分析
三、 類目操作化說明
詞分析」（Word Segmentation），以統計高詞頻之詞彙。
階段二：
詞性標註 分析
將詞彙進行「詞性標註分析」（Ports of Speech），標記為形容 詞、名詞、動詞等詞類，以幫助研究者找出符合「性訴求」、 文」。歸納研究資料斷詞分析結果，並參考 Nakandala、Ciampaglia 與 Ahn
（May 2017）之「Twitch」的使用者討論串斷詞分析結果，本文具有「性犯罪 或心理疾病」、「女性性徵」與「凸顯女性氣質的稱呼」之詞彙判定為「性訴
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2. 圖像「性訴求」貼文
本文採用狹義「性訴求」定義，即訊息須包含「裸露人像」圖像或「性暗 示」文字 （Soley & Kurzbard, 1986）。雖然，廣義而言，只要訊息出現性感 男、女模特兒即為「性訴求」廣告 （Batra & Ray, 1986）；然而，外貌「性 感」與否取決於粉絲主觀認知，故不易實務操作於真實的粉絲專頁情境。因 此，本研究延伸 Soley 與 Kurzbard （1986）的定義於女性遊戲實況主粉絲專 頁，將「性訴求」定義為「社群經營者以凸顯其性徵之手法呈現貼文內容」。
在「圖像」類目建構方面，本文參考過去「性訴求」與數位遊戲廣告文本 研究，將「性訴求」操作型定義分為「衣著類型」與「裸露部位」兩類目。拆 分為兩類目的原因在於，遊戲實況主經常配合遊戲廠商或個人興趣，而「角色 扮演」遊戲中的虛擬人物，因而造成「衣著類型」不符合過去性訴求定義（例 如：T-shirt 上衣）、但「裸露部位」實為高度性訴求（例如：裸露胸部），故 將兩者拆開來，以避免此情況造成研究混淆。其中，符合性訴求之「衣著類 型」，包括：緊身洋裝或緊身衣、馬甲、內衣褲、合身背心、迷你短褲、長度 約在大腿左右或更短的短裙與短褲（楊曼芬，2009；王承平，2012）；而符合 性訴求之「裸露部位」則包括：胸部、臀部與大腿（邱馨玉，2007；黃介廷，
2012）。
本文以貼文之圖像作為分析單位，並將貼文之圖像中的「人物」之「衣著 類型」與「裸露部位」兩類目「加總」，藉此判斷文字性訴求「程度」高低。
例如：A 貼文的一張圖像中，共出現一位女性人物之「衣著類型」與「裸露部 位」均符合「性訴求」貼文，則張圖像之貼文性訴求程度為 2；若僅「衣著類 型」或「裸露部位」其中一項符合，則張圖像之貼文性訴求程度為 1；若「衣 著類型」與「裸露部位」均不符合，則該張圖像之貼文性訴求程度為 0。又例 如，B 貼文的一張圖像中，出現兩位女性人物之「衣著類型」與「裸露部位」
均符合「性訴求」貼文，則該張圖像之貼文性訴求程度為 4（單一人物之性訴 求程度為 2，故兩位人物之性訴求程度總共為 4）。詳細說明如表 6。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 6 「圖像」人工內容分析類目之操作化說明-性訴求
類型 測量變項 類目與描述 範例
圖像 衣著類型 Dressing Type
無「性訴求」：圖像中女性遊戲實況 主衣著類型未凸顯身體第二性徵，例 如：休閒服飾。
有「性訴求」：圖像中女性遊戲實況 主衣著類型凸顯身體第二性徵，例 如：緊身洋裝或緊身衣、馬甲、內衣 褲、合身背心、迷你短褲、長度約在 大腿左右或更短的短裙與短褲。
裸露部位 Nudity
無「性訴求」：圖像中女性遊戲實況 主未裸露身體性徵，例如：臉部、手 腕、小腿、手臂、肩膀。
有「性訴求」：圖像中女性遊戲實況 主裸露身體性徵，包括：胸部、臀部 與大腿。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
「自我揭露」貼文 1. 文字「貼文」：自我揭露
本研究將符合「文字自我揭露」定義為「文字敘述出現自我揭露關鍵字之 貼文」；其中，「自我揭露」關鍵字為中文字「我」。採用「我」做為「自我 揭露」關鍵字的原因在於，本研究將「自我揭露」定義為「自我揭露」訊息定 義為臉書粉絲專頁社群經營者揭露關於自身的訊息，包括：與自身事實、意 見、感受相關之資訊（Chelune, 1979 as cited in Lai & Yang, 2015；Barak &
Gluck-Ofri, 2007）；並且，考量中文字句組合變化性，將 Barak 與 Gluck-Ofri
（2007）的資訊、想法、感受三種「自我揭露」內容類型，合併為單一類目
（有／無自我揭露）。舉例來說，當貼文文字敘述出現「我」則被判定為「自 我揭露」文字貼文。詳細說明如表 7。
表 7 「文字」機器篩選關鍵詞說明-自我揭露
類目 關鍵字 詞頻*1 符合條件之則數*2 其他篩選條件 自我揭露 我 1,004 403 無
*1 註：「詞頻」為斷詞分析之結果，指該關鍵字在總分析樣本中出現的次數。
*2 註：「符合條件之則數」為分類分析之結果，指在總分析樣本中「出現該關 鍵字」的貼文則數。
2. 圖像「自我揭露」貼文
本文採用狹義「自我揭露」定義，即只有內容涉及訊息揭露者「自身／
我」相關的資訊，才能稱為「自我揭露」訊息（Chelune, 1979 as cited in Lai &
Yang, 2015）。雖然，廣義的「自我揭露」訊息指任何由網路使用者所釋出的 資訊 （Derlega, Metts, Petronio & Marguilis, 1993 as cited in Bargh, McKenna &
Fitzsimons, 2002）；但是，本研究分析之貼文全數來自女性遊戲實況主粉絲專 頁帳號，卻因為女性實況主不定期地配合廠商行銷產品，故女性實況主發布的 部分貼文內容，未必皆為自我揭露內容。因此，本研究延伸 Chelune（1979）的 定義於女性遊戲實況主粉絲專頁，將「自我揭露」定義為「社群經營者明確以 第一人稱指涉自己的貼文內容」（Lai & Yang, 2015）。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在「圖像」類目建構方面，本研究延伸此定義，將符合「圖像」自我揭露 之「自我揭露」定義為「圖像可判別為女性遊戲實況主本人」。例如，當貼文 圖像出現「經營者該粉絲專頁的女性實況主」則被判定為「自我揭露」圖像貼 文。具體說明如表 8。
表 8 「圖像」人工內容分析類目之操作化說明-自我揭露
類型 測量變項 類目與描述 範例
圖像 自我揭露 Self-disclourse
無自我揭露：圖像無法判別為 女性遊戲實況主本人。
有自我揭露：圖像可判別為女 性遊戲實況主本人。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
四、 「評論」之分析類目操作化說明
文字擬社會互動之操作型定義
本研究將符合「文字擬社會互動」定義為：文字敘述出現「經營該粉絲專 頁之遊戲實況主姓名或暱稱」的評論。考量類目獨立互斥性、中文字句組合變 化性，以及網路語境雜訊過多等問題，本文修改 Sood 與 Rogers（2000）的編 碼表，將三種類型「擬社會互動」改為「有／無」擬社會互動。例如：「小熊 Yuniko」粉絲專頁貼文下方的 A 評論，在評論內容中提及「小熊」（該女性遊 戲實況主的暱稱），則判定為「擬社會貼文評論」。
考量自變項「互動率」的定義（各則貼文之互動數／該粉絲專頁之粉絲人 數），本文以「擬社會互動評論率」（各則貼文之擬社會互動評論數量／該粉 絲專頁之粉絲人數），作為判斷該則貼文獲得粉絲擬社會互動的「程度」高 低。具體「擬社會互動評論率」計算方式：首先，依機器關鍵字分類結果、統 計統計各「具有擬社會互動評論數量」，例如：A 貼文僅獲得一則「擬社會互 動評論」，則該篇擬社會互動程度為 1；若具有兩個，則該篇擬社會互動程度 為 2，以此類推。再者，將各則貼文所獲得的「擬社會互動評論率」除以該實 況主臉書粉絲人數，藉此轉換為「擬社會互動評論率」以進行統計分析。
文字擬社會互動之關鍵字定義
本文考量目前自動化機器分類分析精確性之疑慮，以及本研究之評論數量 龐大，故採用「自動化」與「人工編碼」之混合方法。首先，由研究者隨機抽 取 10%之粉絲評論，分別經由兩位編碼員進行人工編碼；接著，根據編碼結果 歸納出「符合擬社會互動」之關鍵字。最後，利用「符合擬社會互動」之關鍵 字進行自動化詞頻統計與分類分析。各粉絲專頁篩選之關鍵字與選入說明，如 表 9。研究機器篩選關鍵詞詞頻統計，如表 10。
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
五、 「互動率」之分析類目操作化說明
本研究之「互動率」計算公式為：「互動率=（按讚+分享+評論總數）／
該粉絲專頁粉絲數＊100%」。在社群經營實務操作中，「互動數」被定義為
「貼文觸及到臉書使用者後，所獲得的按讚、評論、分享之人數總和」；又為 了讓「互動數」成為可比較的單位，故經營者多將「互動數」除以該粉絲專頁
「粉絲人數」，並且稱此經過標準化之數值為「互動率」（i-Buzz 網路口碑研 究中心，2017 年 11 月 2 日）。除了實務社群媒體操作之外，學術研究亦採用 此「互動率」以評估臉書粉絲專頁經營成效（i.e., Cvijikj & Michahelles, 2013；
Hannah & Lam, 2017）。