第四章 實驗結果與討論
4.2 實作與實驗結果
4.2.2 Facebook 更換大頭貼響應恐怖攻擊事件於 CNN 粉絲專頁貼文 . 33
4.2.2 Facebook更換大頭貼響應恐怖攻擊事件於CNN粉絲專頁貼文
本篇 Facebook 貼文發表於 2015 年 11 月 18 日，亦透過 CNN 發布於 CNN Facebook 粉絲專頁(postid 為 10154226041916509)，其議題主軸亦著重在 2015 年 11 月 13 日法國巴黎與近郊發生恐怖攻擊事件之討論，由 James Mulvaney 撰寫 於 CNN Opinion，主題方向圍繞於 Facebook 為此恐怖攻擊事件表達哀悼，推出 更換大頭貼之功能，使大頭貼達成能夠與法國國國旗合成之效果，由於 Facebook 全球使用者眾多，且在台灣知名度高，Facebook 此項功能受到台灣國內外民眾大 量的響應，紛紛透過此功能將大頭貼更換與法國國國旗合成之效果之大頭貼，由 於此功能由 Facebook 官方設計，故 Facebook 使用者可以很簡單的達到更換大頭 貼的效果，使得該現象被一些評論者質疑透過該功能對法國巴黎與近郊發生恐怖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
圖 23 Facebook 更換大頭貼響應對法國巴黎恐怖攻擊事件表達哀悼之討論於 CNN Facebook 粉絲專頁貼文之評論情況 (a.)TopicWave 呈現結果 (b.)將滑鼠置
於 Sunburst area 顯示 tooltip 呈現結果
4.2.3 布魯塞爾恐怖攻擊警戒於BBC News粉絲專頁貼文
本篇 Facebook 貼文發表於 2015 年 11 月 23 日，透過 BBC 發布於 BBC News 粉絲專頁(postid 為 10153221580447217)，其議題主軸亦著重在 2015 年 11 月 13 日法國巴黎與近郊發生恐怖攻擊事件之討論，與 2015 年 11 月 21 日，比利時 升高其首都布魯塞爾恐怖攻擊警戒，以 ”serious and imminent threat” 發布警告，
並由 CNN 播報該則新聞且轉貼至 CNN Facebook 粉絲專頁之議題相同，本論文 抓取該篇貼文時間為 2015 年 11 月 23 日，共實際抓取 101 篇評論，保留 24 篇按 讚數高於中位數或者至少擁有一則回覆之 level 1，透過本論文之視覺化結果呈現 該貼文之評論行為如圖 24 所示，可以觀察到一些得到大量按讚數與回覆數之評 論議題圍繞在恐怖攻擊事件本身，而 BBC News 粉絲專頁本身亦在其貼文中之評 論進行回覆，並得到相較於其他評論之回覆較高之按讚數，如圖 24 (b.)所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
35
圖 24 比利時升高首都布魯塞爾恐怖攻擊警戒於 BBC News Facebook 粉絲專頁 貼文之評論情況 (a.)TopicWave 呈現結果 (b.)將滑鼠置於 Sunburst area 顯示
tooltip 呈現結果
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
36
第五章 評估方法
本論文將在本章節描述評估方法之進行流程與設定，依性質將分為先導性 研究測試與正式研究測試，藉由先導性研究測試本論文得到寶貴之建議，並檢 討評估方法可改善之處，以設計評估方法進行流程與設定更加完善之正式研究 測試。
5.1 先導性研究測試
本論文重點在於設計並改良既有之時間關聯性資料視覺化呈現方式，由於視 覺化之研究結果觀感取決於個人主觀意識，而視覺化研究常用之評估方式為將過 去既有之呈現方式與改良之方式進行比較，並讓使用者評分挑選出個人感興趣之 呈現方式，評估觀察同樣資料之效率是否有明顯減少或者增加，與資料的相仿程 度是否明顯上升或降低，並計算使用者判斷思考之時間，本論文利用以上方式之 評分與紀錄評估研究呈現之結果，進行先導性研究測試，期望增進研究成效。
針對 Facebook 粉絲專頁一篇貼文之評論資料，以及本論文所呈現之時變資 料視覺化與階層資料視覺化結合之呈現，我們將與時變資料視覺化單一之呈現
（ThemeRiver-Tree layout，如圖 25(a.)所示）以及階層資料視覺化單一之呈現
（Sunburst-Timeslider layout，如圖 25(b.)所示）進行先導性研究測試之比較，並 透過以下五大分類提出問題給受測者進行問答並記錄時間：
‧
Characterize Distribution
Q3.1. 您認為哪兩個相鄰「時間點」形成的時間區間，兩位評論者得到
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
38
Start and End Time
Q5.1. 針對獲得最多按讚數之評論者，並且回答以下其回覆者出現之時 間：「第一則回覆」、「最後一則回覆」
透過先導性研究測試我們獲得兩位受測者之受測答案、受測時間等資料，透 過資料我們發現受測者在使用本論文之結果進行互動並尋找答案、回答問題時所 花費之時間相對較少，並且給予本論文呈現之結果較正面之回饋，透過統計受測 所花費之時間，五大類問題兩位受測者所花費時間如圖 26 所示。
圖 25 (a.)將階層資料視覺化以樹狀結構呈現之 ThemeRiver-Tree layout (b.)將時 變資料視覺化以時間軸呈現之 Sunburst-Timeslider layout
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
圖 26 (a.)Retrieve Value 先導性研究測試受測者所花費時間 (b.)Comparison 先導 性研究測試受測者所花費時間 (c.)Characterize Distribution 先導性研究測試受測 者所花費時間 (d.)Detect Outliers 先導性研究測試受測者所花費時間 (e.)Start
and End Time 先導性研究測試受測者所花費時間
5.2 正式研究測試
透過先導性研究測試，本論文得到兩位受測者之測試資料與許多建議，其中，
以問題設計上之建議最多，由於本論文之先導性研究測試回答問題形式以受測者 主動填空答案的形態為主，故得到受測者作答時隨著測驗時間增加，受測者精神 與耐心出現疲累問題之意見回饋。有鑒於此，本論文在正式研究測試改變問題之 提問方式，以單選或者多選解答之答案，答案之設計非期望受測者必須精確地觀 察視覺化之結果，而以概觀之瀏覽視覺化呈現結果即能推敲問題答案為主，並精 簡問題類型由五大類縮減至三大類，本論文參考 Rubinstein 等人於 2010 年提出 之論文之附屬測驗系統設計[25]，亦設計前測系統，使受測者在進行正式測試之 前能夠熟悉本論文之視覺化呈現與欲比較之視覺化呈現，前測與正式測試問題設 計如以下所示：
‧
Q1. 您認為這些Sunburst區域，順時針方向的排列方式是以資料的發佈 時間何者排列相同？
Q2. 您認為Sunburst這些區域，顏色的漸層方式，顏色越深代表的是按讚 數如何變化？
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
41
者進行測試，其中包含 6 名女性與 12 名男性，2 名新聞傳播背景之受測者，15 名資訊工程背景之受測者，與 1 名無上述兩者背景之受測者，測試環境之畫面如 圖 27 所示，相關測試流程如圖 28 所示。
圖 27 正式研究測試環境之畫面
圖 28 正式研究測試流程與設計
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
本論文於測試系統中記錄受測者應答問題所花費之時間，於前測亦同，並記 錄受測者於前測答題之錯誤狀況，經過統計後之結果，受測者全數於前測皆無錯 誤之狀況發生，而應答所花費之時間圖表如圖 29 所示，可發現受測者於 Q1 花 費較多時間理解。
圖 29 正式研究測試之前測受測者應答所花費時間圖表，表中長條圖即代表不 同受測者，縱軸位於左側，折線圖即代表不同受測者應答該問題所花費之平均
時間，縱軸位於右側
正式研究測試 Comparison 與 Trend & Theme 之兩大類部分，經過統計後之 結果，應答所花費之時間圖表如圖 30 所示。在正式研究測試中，本論文依然與 ThemeRiver-Tree layout 與 Sunburst-Timeslider layout 進行交互比較測試，從應答 所花費之時間之統計結果觀察，本論文之視覺化呈現結果優於 ThemeRiver-Tree layout，但遜於 Sunburst-Timeslider layout，原因可歸咎於受測者較認為 Sunburst 已能夠提供相當多資訊，藉由 Sunburst 顏色漸層與區域大小之設計，受測者能夠 快速尋找高按讚數以極高回覆數之顯著評論者，以及高按讚數之顯著回覆者。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
圖 30 正式研究測試之 Comparison 與 Trend & Theme 類型問題受測者應答所花 費時間圖表，表中長條圖即代表不同受測者，縱軸位於左側，折線圖即代表不
同受測者應答該問題所花費之平均時間，縱軸位於右側
正式研究測試 Attraction 之類型部分，本論文希望受測者從 6 種不同的偏好 中多選出若干項，以評量本論文之視覺化呈現結果與欲比較視覺化呈現結果，投 票統計結果如圖 31 所示，可觀察本論文之視覺化呈現結果最令受測者感到創新，
並在其餘偏好中亦獲得較多之票數。
圖 31 正式研究測試之 Attraction 類型問題受測者偏好投票結果圖表，表中長條 圖即代表不同偏好
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
第六章 結論與未來發展
本論文期望設計出一種視覺化能同時表達資料的時間序列與階層架構特性，
而目前實驗之資料集多集中於社群網路，並特別針對 Facebook Graph API 所取 得之資料集進行設計，且資料層級以 Facebook 粉絲專頁上一篇公開貼文之評論 資料為主，透過本論文針對時變資料視覺化與階層資料視覺化之結合呈現，使用 者可以很清楚又快速地瀏覽一篇貼文之評論情形概況，利用視覺化立即發掘評論 情形其中獲得顯著聲量之評論意見領袖，其評論內容與回覆者所形成之議題探討，
並探討評論情形中在不同時間點造成何項議題開始被廣泛討論，與接受到之回覆 情形為何，藉此達到觀察一篇貼文之評論情形各項意見之勢力消長情形，假若使 用者希望在探索時變資料視覺化之同時得到評論資料之細部資訊，則可藉由直覺 式互動功能在與時變資料視覺化互動時觀察階層資料視覺化所對應的變化，呈現 將兩種不同視覺化合而為一的結果。
由於 Facebook Graph API 有許多資料可供利用，除了評論資料外還包括其他 資料如分享、按讚資料等等，往後希望改進程式架構將資料層級提升到整個粉絲 專頁時間區間內之所有貼文，或者是希望處理其他公開之時變資料與階層資料，
詳細之資料集、視覺化目的、視覺化呈現未來發展如下：
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
46
也能運用在上述這些更廣大之資料集上，使適用之資料集得以擴展。而目前智 慧型觸控裝置盛行，本論文亦希望將直覺式互動之設計延伸至智慧型觸控裝 置，捨棄滑鼠做為媒介，以更直覺式的手勢操作達到探索視覺化的效果，觀察 出更為豐富的討論結果。
‧
time-oriented data. Springer Science & Business Media.[2] Jürgensmann, S., & Schulz, H. J. (2010). Poster: A visual survey of tree visualization. In Proceedings of IEEE Information Visualization (Vol. 5, p. 7) [3] Byron, L., & Wattenberg, M. (2008). Stacked graphs–geometry &
aesthetics.Visualization and Computer Graphics, IEEE Transactions on, 14(6), 1245-1252.
[4] Rzeszotarski, J. M., & Kittur, A. (2014, April). Kinetica: Naturalistic multi-touch data visualization. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (pp. 897-906). ACM.
[5] Kondo, B., & Collins, C. M. (2014). Dimpvis: Exploring time-varying information visualizations by direct manipulation. Visualization and Computer Graphics, IEEE Transactions on, 20(12), 2003-2012.
[6] Rind, A., Lammarsch, T., Aigner, W., Alsallakh, B. and Miksch, S. (2013).
TimeBench: A Data Model and Software Library for Visual Analytics of Time-Oriented Data. IEEE Trans. Visual. Comput. Graphics, 19(12), pp.2247-2256.
[7] Dou, W., Yu, L., Wang, X., Ma, Z., & Ribarsky, W. (2013). Hierarchicaltopics:
Visually exploring large text collections using topic hierarchies. Visualization and
Visually exploring large text collections using topic hierarchies. Visualization and