以視覺化系統尋找社群媒體中的意見領袖 - 政大學術集成

全文

(1)國立政治大學資訊科學系 Department of Computer Science National Chengchi University 碩士論文 Mater’s Thesis. 立. 政治大. ‧ 國. 學. 以視覺化系統尋找社群媒體中的意見領袖. ‧. n. er. io. sit. y. Nat. Design of a Visualization System for Finding Opinion Leaders in Social al v i Media n C hengchi U. 研究生：楊恩加指導教授：李蔡彥. 中華民國一百零八年一月 January 2019 DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(2) 摘要意見領袖（Opinion Leader），是人類社群在討論議題時自然形成的特色人物。從過往研究中，我們得知他們能有效並快速地將新消息傳達給大眾，並引導大眾的思考方向和結論。故此，我們想要深入地探討新聞事件的傳遞模式和樣貌，找出其中的意見領袖，和他們與大眾的連結關係。過往在人類行為學的領域上，已大致分出判斷意見領袖的十種方式。然而若直接套用在社群媒體中，則會因其數位化型態，互動. 政治大蒐集的三個主題事件（2015 復興航空空難、2015 亞洲投資銀行、2016 立. 方式的不同設定而無法切合應用。在本研究中，我們以在推特（Twitter）. ‧ 國. 學. 台灣總統選舉）進行測試。藉由視覺化圖表、數據統計幫助研究者了解此主題事件的資料樣貌，再藉由數種找出意見領袖的方法，列舉出不. ‧. 同的候選人，並將其定位成重要連結者，以供研究者分析了解。為驗證. sit. y. Nat. 本系統的可用性，我們邀請了五位受試者，透過操作教學、引導式任務. io. er. 讓受試者學習如何使用系統，接著讓受試者擇一事件找出三位以上的意見領袖，並透過問卷與訪談來探討系統的優缺點。實驗結果照示，系. al. n. v i n Ch 統在推特事件中能輔助研究者找出意見領袖。透過其視覺化輔助和資 engchi U 訊彙整，使用者能快速找到意見領袖，並以其在事件中與大眾的互動而更認識他們。. i. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(3) Abstract Opinion leaders usually are formed naturally when people discuss issues. From the literature, we know that they can convey information to the public quickly, and lead the people to think and draw conclusions. Therefore, in this research we would like to explore how news events propagate in social media in order to find the opinion leaders and understand their relationship between the people. In the literature, there are ten ways to distinguish opinion leaders through the study of human. 政治大. behaviors. However, not all of them can be applied to social media directly. 立. because of the differences between real world and social media.. ‧ 國. 學. In our research, we have used three datasets collected from Twitter as. ‧. case studies. The topics of these datasets include TransAsia Airways Flight. sit. y. Nat. 235, Asian Infrastructure Investment Bank and 2016 Taiwan presidential. io. er. election. We have developed a visual analysis system to help researchers grasp the datasets in a broad sense, and then find candidates for opinion. al. n. v i n C hwith several indexes. leaders by filtering the data The opinion leaders are engchi U. then identified by further information such as the social network relations. To verify the usefulness of our system, we have invited five subjects to participate in a series of tasks to find three opinion leaders in a given event. The subjects are asked to evaluate the system and give textual feedbacks about their experiences. The experimental results reveal that through the visualization functions and data consolidation, this system can effectively help researchers find opinion leaders and know their roles in social media.. ii. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(4) 致謝從決定就讀資科所至今，已將近四年。過程中的心態，起初只想趕快結束，好進入下個階段；實際卻像停在原地，梳理好過往才能再度往前。過程中的收穫，起初只重自己熟悉，輕視不擅長的；實際卻得以破除自欺假象，在承認自己一無所知中做出丁點般的貢獻。陳之藩曾說：「因為需要感謝的人太多了，就感謝天罷。」身為基督徒的我，除了把這些不配得到的當作是上帝的恩典，也仍能一一分辨出給予的人，和那無法言喻的感謝。我想先感謝我的家人，你們是我在這短暫人生中的出發點，藉由供. 政治大. 應，鼓勵，刺激和反照，使我逐漸完全。沒有你們就沒有我，是無法也不需切斷的意義連結，盼望那創始成終的耶穌使我們更享身為一家人. 立. 的美好。. ‧ 國. 學. 我也想感謝「一日為師，終生為父」的李蔡彥教授和黃旭榮傳道。李教授以言教身教啟蒙了我在學術上該有的態度和研究方法；黃傳道. ‧. 則以自身榜樣示範如何在不同專業領域間怡然自處並做連結。他們在成為社會的中流砥柱，團體的僕人式領導者，和家庭優先的一家之主. y. Nat. sit. 時，仍不吝於提攜後進，付出責任以外的關懷，救活了在沙灘上偶遇，. n. al. er. io. 擱淺無助的一隻海星。社會傳承的豐富意義，莫過於此。. i n U. v. 接著想感謝的，則是那些與我連結的朋友。他們的接納、付出、陪. Ch. engchi. 伴和勉勵，使我不致迷惘無助，得以勇敢地踏出每個微小步伐，達到今日的畢業標準。感謝偉斌的經濟支援，凱程哥的技術支援，林肯的日常聯絡，和侑龍永婕的咖啡供應；晉源怡安、彥融書宇、和恩洋凱蒂夫婦們的真摯情誼；交大電物的朋友，約書亞團契的小家人們，和 IMLab 學弟妹的感情聯絡。最後想感謝的，仍是那位起初創造我、最終將完全贖回我、並在中間保守、引導、並施憐憫的主。被祢揀選的人生是不容易的：祢疼愛的，必會管教；祢要用的，必被雕塑。然而被祢揀選的人生也是蒙福的，我們因此能活得像人：被完全地接納而勇於承認缺點；被全能地護佑而平安地面對明天。祢帶我來資科所，也必帶我到下個地方去，我因此對這四年充滿感恩，也對未來充滿盼望。 iii. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(5) 目錄摘要................................................................ i Abstract........................................................... ii 致謝.............................................................. iii 圖目錄............................................................. vi 表目錄............................................................ vii 第 1 章導論........................................................ 1 1.1 研究動機.................................................. 1 1.2 研究目標.................................................. 5 1.3 研究問題.................................................. 6 1.4 論文貢獻.................................................. 7 1.5 論文架構.................................................. 8 第 2 章相關研究.................................................... 9 2.1 現實世界中找尋意見領袖.................................... 9 2.2 在推特中找尋意見領袖..................................... 11 2.3 資訊視覺化............................................... 15 第 3 章系統架構與設計............................................. 19 3.1. 系統架構............................................... 19 3.1. 資料來源............................................... 20 3.1.1. 推特使用者發文..................................... 20 3.1.2. 推特使用者檔案..................................... 22 3.1.3. Website............................................ 22 3.2. 系統介面設計........................................... 23 3.2.1. 前導介紹與登入..................................... 24 3.2.2. 資料集分析區....................................... 26 3.2.3. 以個別指標找出領袖區............................... 27 3.2.4. 以綜合指標選出領袖區............................... 29 3.2.5. 結果展示區......................................... 32 第 4 章系統實作................................................... 33 4.1 資料收集................................................. 33 4.2 響應式網頁設計........................................... 34 4.3 視覺化呈現............................................... 37 4.4 範例說明................................................. 40 第 5 章實驗設計與結果分析......................................... 49 5.1 實驗目標................................................. 49 5.2 實驗對象................................................. 49 5.3 實驗流程................................................. 50. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. iv. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(6) 5.3.1 引導式任務......................................... 51 5.3.2 指定任務........................................... 51 5.3.3 問卷與訪談......................................... 52 5.4 實驗結果分析與討論....................................... 56 5.4.1 有用性評估......................................... 56 5.4.2 易用性評估......................................... 60 第 6 章結論與未來展望............................................. 61 6.1 研究結論................................................. 61 6.2 未來發展與改進........................................... 62 參考文獻........................................................... 63 附錄............................................................... 67 附錄 1 引導式任務內容設計 ..................................... 67. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. v. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(7) 圖目錄圖 1. 群眾在傳統媒體與社群媒體下的不同互動說明[2] ......................................................... 1 圖 2. 顯出傳統媒體與社群媒體的類別無法直接對應說明 [3] ............................................... 2 圖 3. 2018 年台灣區社群媒體平台活躍使用率排行[13] .......................................................... 6 圖 4. DMI-TCAT 介面中的總覽區截圖[33] ................................................................................ 16 圖 5. THEMERIVER 呈現推特主題隨時間變化的所受矚目程度示意圖[34]................................ 16 圖 6. WHISPER 介面示意圖[35] .................................................................................................... 17 圖 7. WORD CLOUD 運用範例圖[36] ............................................................................................... 18 圖 8.社群網站圖以使用力引導分布範例圖[38] ...................................................................... 18 圖 9. 系統架構圖 ........................................................................................................................ 19 圖 10. 使用者介面互動概念圖................................................................................................... 23 圖 11. 系統介紹登入區示意圖................................................................................................... 24. 政治大圖 13. 介面提供找出意見領袖摘要示意圖 ............................................................................... 25 立圖 14. 資料集分析區示意圖....................................................................................................... 27 圖 12. 介面置頂導航區示意圖................................................................................................... 25. ‧ 國. 學. 圖 15. 以個別指標找出領袖區示意圖 ....................................................................................... 29 圖 16. 以綜合指標選出領袖區示意圖 ....................................................................................... 31. ‧. 圖 17. 結果展示區示意圖........................................................................................................... 32 圖 18. 結果結構化資料示意圖................................................................................................... 32. y. Nat. 圖 19. 推特資料前處理流程圖................................................................................................... 33. sit. 圖 20. 網頁中包含的<META> 可視區域元素 ............................................................................... 34. al. er. io. 圖 21. 設計網格系統 .................................................................................................................. 35. n. 圖 22. 網格系統中關鍵的分界點閥值 ....................................................................................... 36. Ch. i n U. v. 圖 23. 響應式網頁設計實作示意圖........................................................................................... 37. engchi. 圖 24. 推文時序發佈示意圖....................................................................................................... 38 圖 25. 推文語系圓餅示意圖....................................................................................................... 38 圖 26. 候選人間彼此關係視覺化示意圖 ................................................................................... 39 圖 27. 系統帳號登入範例圖....................................................................................................... 40 圖 28. 復航空難事件資料集分析範例圖 ................................................................................... 41 圖 29. 復航空難事件中的推文變化量暨語言比例範例圖 ....................................................... 41 圖 30. 復航空難事件以個別指標找出領袖範例圖 ................................................................... 43 圖 31. 復航空難事件聚焦區領袖呈現範例圖 ........................................................................... 43 圖 32. 候選人 STEVE HERMAN 個人檔案範例圖 ............................................................................. 44 圖 33. 候選人 JIM ROBERTS RETWEETRANK 評價範例圖 ................................................................... 44 圖 34. 復航空難事件以綜合指標選出領袖範例圖 ................................................................... 46 圖 35. 復航空難事件 CNN 所發推文統計範例圖 ....................................................................... 46 圖 36. 復航空難事件意見領袖關係網路範例圖 ....................................................................... 47 vi. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(8) 圖 37. 復航空難事件備忘錄使用範例圖 ................................................................................... 47 圖 38. 復航空難事件結果報告區範例圖 ................................................................................... 48 圖 39. 復航空難事件結果報告離線檔案範例圖 ....................................................................... 48 圖 40. 實驗流程圖 ...................................................................................................................... 50. 表目錄表 1. 傳統媒體和社群媒體在各方面的比較[4] ......................................................................... 2 表 2. 現實世界中辨別意見領袖的十種方法[19] ..................................................................... 10 表 3. 依社會臨場感/媒體豐富度、自我呈現/自我揭露的社群媒體分類[25] ..................... 12 表 4. CHA 等人判斷意見領袖的指標歸納[26] ........................................................................... 13 表 5. DUBOIS 等人判斷意見領袖的指標歸納[27] ...................................................................... 14 表 6. EMBAR 等人判斷意見領袖的指標歸納[28]........................................................................ 14. 政治大表 8. 意見領袖特徵對照推特設計比較表 ................................................................................. 45 立表 9. 復航空難事件選出領袖特徵檢驗表 ................................................................................. 45. 表 7. 資料集相關資訊 ................................................................................................................ 21. ‧ 國. 學. 表 10. 受試者基本資料............................................................................................................... 50 表 11. 受試者基本資訊中調查的問題 ....................................................................................... 52 表 12. 系統評估問卷項目與評分方式 ....................................................................................... 53. ‧. 表 13. 系統功能評估問卷與評估向度 ....................................................................................... 54. y. Nat. 表 14. 感知有用性、感知易用性問卷 ....................................................................................... 55. sit. 表 15. 開放性問題問卷題目....................................................................................................... 55. er. io. 表 16. 感知有用性問卷分數與平均........................................................................................... 57 表 17. 系統功能問卷平均與標準差........................................................................................... 58. n. al. i n U. v. 表 18. 五位受試者在 2016 台灣總統大選事件所找出的意見領袖 ......................................... 59. Ch. engchi. 表 19. 感知易用性問卷分數與平均........................................................................................... 60. vii. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(9) 第 1 章導論. 1.1 研究動機自 Web 2.0[1]時代來臨後，社群媒體（Social media）如 Twitter、 Facebook、Google+的發展已有十年之久。它們逐漸取代了人們過往於日常社群中，交友、學習等與世界互動的傳統路徑，猶如與傳統媒體（Traditional media）互相當道的時代交替。藉由圖 1[2]可見：過往. 政治大. 的傳統媒體處於高位，單向地傳遞訊息。一般大眾只能被動接收，彼此. 立. 的連結也較為薄弱；社群媒體則相對成為平易近人的平台，邀請一般. ‧ 國. 學. 大眾互相連結、交流。圖 2[3]則指出一般對社群媒體比較可能會有的誤解：各個社群媒體只是對應傳統媒體的延伸或是進化版本。更多關. ‧. 於社群媒體與傳統媒體的比較，則可參考表 1[4]。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 1. 群眾在傳統媒體與社群媒體下的不同互動說明[2]. 1. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(10) 政治大. 圖 2. 顯出傳統媒體與社群媒體的類別無法直接對應說明 [3]. 立. 傳播方式. ‧ 國. 學. 表 1. 傳統媒體和社群媒體在各方面的比較[4]. 影響程度. 單向影響，互動少. 更新速度. 較慢，往往以天為單位. 進入門檻. 階層審核的高門檻. 營運成本. 營運成本高. 內容取向. 考慮一般喜好. 可自我決定內容. 閱讀方式. 線性呈現. 非線性，可拓展延伸. 傳播方式. 自己建立管道. 依賴平台. 社群媒體（Twitter、FB 等）. 有局限性，方式單一. 有多種傳播方式. y. Nat. sit. 雙向互動，互動多隨時可更新，時效性強. n. er. io. al. ‧. 傳統媒體（報紙，電視，廣播）. Ch. i n U. v. 註冊即可用的低門檻. engchi. 營運成本低. 2. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(11) 以社群媒體之一的推特（Twitter）來說，它關注在使訊息快速的傳播，用戶間的關係即為資訊報導、傳播的管道。因此其特色之一，是讓每個用戶更新推文（Tweets）時不得超過 280 個字。用戶在表達上會需要更加地精簡有力。而用戶間的彼此互動，也被簡化歸類成追蹤（Follow）、回覆（Reply）、喜愛（Favorite）和轉推（Retweet）等形式。這些特色暨與傳統媒體傳播訊息的方式相當不同，也沒有直接能與其對應的比較對象。在這樣的時代演變中，研究者若想了解現今在社群媒體上傳播的新. 政治大. 聞事件，就必須針對其中形式與內容的變與不變，做出對應的變革和. 立. 沿用。其中之一不變的，是一群人們在彼此的討論互動中，會自然地形. ‧ 國. 學. 成出意見領袖（ Opinion Leader ）。意見領袖一詞最早源於 Paul Lazarsfeld 和 Elihu Katz 所發表的二級傳播理論（two-step flow of. ‧. communication）[5]。他們通過調查後發現，資訊從大眾媒介傳達給聽. Nat. sit. y. 眾的過程中，會經過兩個階段：先從大眾傳播到意見領袖，再由意見領. n. al. er. io. 袖傳達到社會大眾。比起大眾傳播，人際傳播會更有效地改變閱聽者. i n U. v. 們的態度。研究者若能找出新聞事件中的意見領袖，將能更清楚地掌握整體事件的樣貌。. Ch. engchi. 於此同時，研究者也面臨到隨著科技發展所帶來的挑戰：社群媒體所富含的巨量資料。如同經濟學人（The Economist）在 2010 年中所提，在大數據時代，我們所需要的儲存空間，已成長到 terabytes （240 bytes）甚至 petabytes （250 bytes）的等級[6]。如社群媒體之一的 Facebook 光在 2014 年，每天就會存取上百億條訊息、4.5 億個讚（Like）動作、和 3.5 億張相片[7]。如此程度的資料規模，已無法再用傳統的人工統計方式來達成研究目的。. 3. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(12) 總結來說，研究者若想深入地了解社群媒體上發生的新聞事件，知道有哪些意見領袖參與，便能體察到資訊的實際傳遞過程。但也因此需要知道何謂意見領袖，並考量社群媒體的特性來進行探索，並克服分析巨量資料上產生的龐雜感。我們期望本研究能幫助研究者一一地克服上述議題，找到新聞事件中的意見領袖，更全面地了解事件樣貌和後續發展。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 4. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(13) 1.2 研究目標. 本研究希望開發一個為新聞研究者找尋事件中意見領袖的系統，並視他們為事件中的重要連結者。他們可能是擁有眾多追隨者的個人用戶，發布新聞的機構帳號，甚至是以固定模式發文的機器人[8]。當我們掌握事件中的重要連結者時，我們可以藉由了解有哪些具影響力的用戶參與其中，而能看到訊息的散播情形；或者是知道此事件受到哪些新聞機構的重視，進而了解此事件被看見並討論的程度範圍；也因此發覺有多少是透過機器人炒熱討論氣. 政治大. 氛，甚至是帶動風向。我們以三個不同時期的事件集（2015 年復航空難[9]、. 立. 2015 年亞洲投資銀行成立[10]、2016 年台灣總統大選選舉[11]），探討系統. ‧ 國. 學. 的有效性。這些事件皆獲得國際一定程度的關注和討論，因此適合我們拿來做實際測試。在我們與新聞研究者一同找出意見領袖時，發現他們會先需要. ‧. 對此資料集有概要清楚的認識，才能在之後面對意見領袖候選人時有對應的. Nat. sit. y. 背景基礎做辨識解讀。同時我們也發現到在新聞事件中出現的意見領袖，一. n. al. er. io. 般可區分為兩類：單型意見領袖（mono-morphic）和多型意見領袖（poly-. i n U. v. morphic）。前者只在特定的專門領域擁有較多話語權，後者則在多個領域中. Ch. engchi. 具有影響力[12]。是故我們要在事件中找出數位意見領袖時，會需要多重的判斷方法，才能把處於不同面向、領域的意見領袖挑選出來以做進一步地觀察。最後我們則發現對於判斷辨識誰是意見領袖，和深入追蹤特定候選人的界線，其實不會非常清晰。因此本系統將以「資料集分析」、「以個別指標找出領袖」、「以綜合指標選出領袖」這三個行為做為核心概念，輔助研究者任意地來回探索資料集，找出意見領袖候選人並深入了解，以達深度研究事件之效。. 5. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(14) 1.3 研究問題. 當面對要用哪種社群媒體來當作系統使用的資料集時，我們首先考慮了 FB（Facebook），因其為台灣地區滲透率最高的社交媒體平台[13]，滲透率達 77%，如圖 3 所示。但其 API 僅能以粉絲專頁（Facebook pages）作為資料收集單位，無法透過關鍵字收集資料。並無法順利地與特定新聞事件的發生做良好貼合。其次我們考量了推特（Twitter），雖然其在台灣的每月活躍用戶僅為 21%，但平臺可在國際社群間快速地交流即時訊息，API 也能以關鍵. 政治大. 字作為資料的收集依據，適合去了解不同語言社群對於特定新聞事件的關注. 立. 程度。基於上述理由，我們選擇推特做為特定新聞事件的資料收集平臺。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3. 2018 年台灣區社群媒體平台活躍使用率排行[13]. 6. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(15) 1.4 論文貢獻本論文的主要貢獻包含：. 1.. 開發一個適合的工具幫助使用者找尋事件中的意見領袖. 因為是在推特上找出意見領袖，我們選擇以 Web 應用作為運作平台。研究者不需另行安裝任何系統，得以直接連線進行個案研究；同時我們也使用響應式網站開發（Responsive Web Design），讓研究者即便用較小尺寸的移. 政治大能對有興趣的對象做進一步地了解，因此在工具中設計不同的說明資源，像立. 動裝置也能探索結果。我們也希望研究者藉由此工具找出意見領袖候選人時，. ‧ 國. 學. 是其個人推特檔案、第三方網站的評價排名、在此事件中被多少人轉推和提及、最熱門的推文等，達到研究者提供充分資料，以供查詢判斷的的目的。. ‧. 彙整並對應在推特事件找尋意見領袖的方法流程. sit. y. Nat. 2.. n. al. er. io. 如前所述，社群媒體擁有各自的互動框架，以至於在找尋意見領袖時，. i n U. v. 也與現實世界有所不同。我們引用了在現實世界中找尋意見領袖的回顧論文，. Ch. engchi. 將其中五種方法與系統的找尋方法和資訊提供做關聯說明。期望提供研究者一個穩健的領袖找尋流程和觀念支持，增進對社群媒體的理解。. 3.. 藉由意見領袖共同追蹤者的關係網路圖，提供影響力分佈資訊. 即便身處於同一個事件，意見領袖們仍可能對群眾有著不同範圍的影響力。若能實際掌握到其分佈狀況，就能輔助之後的延伸應用，像是行銷資源的配置等。我們藉由候選人彼此間的共同追蹤者來當成關係網路圖間的連結條件，並用追蹤人數多寡，使用語言，決定其點（Nodes）與邊（Edges）的 7. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(16) 大小、和顏色深淺。研究者能因此藉由此關係網路圖的視覺化輔助，快速地了解領袖們彼此的關聯度和影響力分佈。. 1.5 論文架構在本論文的第二章中，我們會探討過往，在現實世界或是社群媒體中找尋意見領袖的定義和方法；和關於資訊視覺化的應用與技術。第三章為我們的系統架構與設計。第四章則會說明系統的實作方式與技術，並舉一範例說明找尋領袖的流程。第五章為實驗設計與實驗結果分析。最後第六章是本研. 政治大. 究的結論、未來發展和改進方式。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 8. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(17) 第 2 章相關研究在設計一個於推特事件中找出意見領袖的視覺化輔助系統時，我們分成三個面向做文獻回顧：在現實世界中找尋意見領袖、在推特中找尋意見領袖、和資訊視覺化的應用與技術。期望這些回顧討論，能幫助我們設計系統，找尋推特事件的意見領袖時，與現實世界的樣貌接軌，也能在範圍廣泛的視覺化技術中找到適合應用。. 2.1 現實世界中找尋意見領袖. 立. 政治大. 如前面的研究目標所述，我們的系統期望能幫助研究者找出事件中的重. ‧ 國. 學. 要連結者。它們的組成，除了是機構帳號、發文機器人外，也可能是在傳播領域中所討論的意見領袖。但到底什麼樣的人算是意見領袖？Katz 等人認. ‧. 為，意見領袖會在這三項特質上有一定的水準：領袖的特徵、競爭力或進取. y. Nat. sit. 心，和社會地位[14]。為什麼我們要找意見領袖？Lazasfeld 等人提出了兩. n. al. er. io. 級傳播論（Two-step flow of communication）[15]，他們發現資訊從大眾. i n U. v. 媒介傳遞到一般受眾時，會經過兩個階段：首先從大眾媒體傳播到意見領袖，. Ch. engchi. 再經由他們傳達到社會大眾。相較之下，人際傳播更可能改變閱聽者的態度。他們能帶來什麼影響？Burt 認為意見領袖能打破不同群體間的社會性界限來傳播訊息，前面所提的二級傳播理論其實是由兩種不同的社會機制所組成：藉由意見領袖將新訊息傳達到一個群體中，而群體中再進而平均地採納接受此意見[16]。他們的影響有效嗎？Valente 和 Davis 就藉由電腦模擬實驗中證明，相較於隨機指定人選或是指定群體邊緣人物，邀請意見領袖做傳播有更明顯良好的效果[17]。那有哪些方法來界定他們呢？Weimann 於 1991 年使用了一系列的概念化問卷（Strength of Personality Scale）來定義意見領袖[18]。到了 2007 年 Valente 和 Pumpuang 則納出十種找出意見領袖的方 9. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(18) 法：Celebrities、Self-selection、Self-identification、Staff selected、 Positional approach 、 Judge’s ratings 、 Expert identification 、 Snowball method、Sample socio-metric、Socio-metric，進一步的說明如表 2[19]。根據以上關於現實世界中意見領袖的研究，我們設計的系統在找尋意見領袖時，會提供候選人的自我敘述、個人檔案和在此事件得到的轉推與提及數，反映其是否具有一般對意見領袖的特徵定義，和在此事件中的影響力。找尋方法的精神考量到推特的架構設計，則會對應到前述十種方法中的五種（Celebrities、Staff selected、Positional approach、Expert. 治政篩選出的重要連結者，做進一步的分類探討。大立. identification、Sample socio-metric），幫助研究者將系統用個別指標所. ‧ 國. 學. Celebrities. 招募全國/當地的知名人士. ‧. Self-selection. 藉由招募志願者選出. Self-identification. 以超過領導力指標一定者做判斷. n. al. er. io. Staff selected. Positional approach. sit. 方法（Technique）. Nat. 名稱（Method）. y. 表 2. 現實世界中辨別意見領袖的十種方法[19]. i n U. v. 藉群體觀察選出意見領袖. Ch. engchi. 處於特定領域的領導職位. Judge’s ratings. 藉群體中的知識份子判斷. Expert identification. 藉受過訓練的人類學家做判斷. Snowball method. 編號式地邀請成員推薦直到沒有新領袖產生. Sample socio-metric. 從被提名的候選人中隨機選出意見領袖. Socio-metric. 邀請每個人推薦並選出前幾名. 10. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(19) 2.2 在推特中找尋意見領袖. 在了解傳播領域中對意見領袖的討論後，了解推特的定位和特性能幫助我們釐清此研究的定位。推特是含有社群網路性質的社群媒體，相較於現實世界，網路中的社群網路（social network ）有哪些特性？Mislove 等人 [20]藉由蒐集並分析了其中四個社群媒體：Flickr、YouTube、LiveJournal 和 Orkut，歸納出網路中的社群網路含有以下特性： 1.. 冪次定律（power-law）[21]：社群網路成員間的連結數，無論是向內或. 政治大. 向外，都呈現冪次分布，少數成員的連結數遠遠高過其他成員。. 立. 小世界網路（small-world）[22]：社群網路由許多叢集組成，它們的內. 學. ‧ 國. 2.. 部彼此連結強，但每個成員的連結總數則偏低。整體的集聚係數. 無尺度（scale-free）[24]：每個網路包含了一個大又緊密連結的核心，. sit. y. Nat. 3.. ‧. （Clustering coefficient）[23]與點的連結數（degree）成反比。. al. er. io. 約有十分之一的點擁有最多的連結數。總結來說，點到點的路徑長度偏. v. n. 短，但其最短路徑又都會經過這些高度連結點。. Ch. engchi. i n U. 而對於社群媒體（social media），Kaplan 等人[25]則提供了以兩種向度（社會臨場感（Social presence）/媒體豐富度（Media richness）、自我呈現（Self-presentation）/ 自我揭露（Self-disclosure））來做分類，如表 3 所示，其中 Twiiter 屬於社會臨場感/媒體豐富度中等，自我呈現/自我揭露高的社群網站。綜合以上敘述，我們可以看到社會臨場感適中但又能高度呈現個人意見，群體關係也屬於集中性質的推特，有找尋意見領袖的價值意義，方法精神也適合對比於現實世界。. 11. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(20) 表 3. 依社會臨場感/媒體豐富度、自我呈現/揭露的社群媒體分類[25] 社會臨場感/媒體豐富度. 自我呈現. 低. 中. 高. 高. 部落格. 社群網站. 虛擬社群世界. 低. 合作專案. 內容社群. 虛擬遊戲世界. 自我揭露. 對於如何在推特中找尋意見領袖，我們整理出三種作法。Cha 等人[26] 利用推特框架中的紛絲人數（Indegree）、發文轉推數（Retweet）、姓名提及. 政治大. 數（Mention）來分別排序出資料集中的意見領袖候選人，並實際對應他們的. 立. 真實身分，來討論這些指標是否能代表真實的影響力，如同表 4 所示。他們. ‧ 國. 學. 藉由研究發現，擁有高粉絲數者往往僅是一般名人，但不一定是意見領袖；高轉推數則代表其所發推文的內容受網友肯定而被廣傳；高提及數則代表其. ‧. 名稱像是種品牌，網友期待他們給予這些事件的評價。擁有高轉推數與高提. y. Nat. io. sit. 及數的使用者較有可能是意見領袖，而最有影響力的幾名意見領袖，影響力. n. al. er. 也可能橫跨了數個不同主題。Dubois 等人[27]將常見的判斷方法分為五種類. i n U. v. 別（ Indegree 、 Eigenvector Centrality 、 Clustering Coefficient 、. Ch. engchi. Knowledge、Interaction），如表 5 所示。他們發現即便使用不同的方法來判斷意見領袖，若脫離了當下情境仍會導致不準確的判斷。Embar 等人[28] 則以 Activity、Engagement、Follower Strength、Authority or Network Centrality、Repsonse Rate or Timeliness 和 Aggregating Influence Scores 來評斷使用者的影響力，如同表 6 所示。他們發現個別的影響力分數仍不足以涵蓋說明整體情況，並且依不同時序來偵測影響力的改變是重要的。. 12. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(21) 幾經比較後，我們的系統在找出意見領袖的指標設計上，選擇以 Cha 等人所採用的方式，並配合 Dubois 等人和 Embar 等人的設計精神和研究成果來做改良。因為系統的目標是協助研究者找出事件中的重要連結者，故使用推特本身的原始互動框架較不遺漏任何可能的候選人。對於 Dubois 等人的研究成果，我們以提供研究者候選人的發文內容來呼應表 5 所歸納出的 Knowledge 指標，並以限縮資料集的日期觀察範圍來模擬事件的當下情境。對於 Embar 等人的研究成果，我們設計連結至第三方網站對候選人的分數評價來呼應其 Influence Scores 指標，並以限縮日期範圍，和將候選人在此. 治政大時互動的能力。有關判斷資料的輔助，Bakshy 等人[29]發現推文中的超連結立事件所發的推文和與其他人的互動情況，依時間排序列出，顯出其與他人即. 若包含正面訊息，將會被更廣泛地散佈。因此我們將候選人所發推文中附帶. ‧ 國. 學. 的超連結，還原網域並作統計，研究者能藉由觀察此意見領袖的態度立場，. ‧. 和其習慣引用的新聞媒體。. Nat. y. 表 4. Cha 等人判斷意見領袖的指標歸納[26]. Indegree Influence. 跟隨者（followers）數量. er. n. al. Retweet Influence. Ch. Mention Influence. sit. 敘述. io. 指標（Metric）. i n U. v. 被轉推推文標記的數量. e n g c被推文提及的數量 hi. 13. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(22) 表 5. Dubois 等人判斷意見領袖的指標歸納[27] 指標（Metric）. 敘述. Indegree. 連結此使用者的數量（像推特中的粉絲數）. Eigenvector Centrality. 量化此使用者的重要度，分數越高代表越多連結. Clustering Coefficient. 以此使用者的集聚係數做判斷. Knowledge. 抽樣算出此使用者所發含特定內容的推文數. Interaction. 在資料集中此使用者被提及的總次數表 6. Embar 等人判斷意見領袖的指標歸納[28]. 指標（Metric）. 立. Activity. ‧ 國. 使用者推文被轉推和提及的次數. 學. Engagement. 政治大使用者發佈了多少推文敘述. 使用者擁有多少追蹤者. Network Centrality. 以被轉推和提及所做的關係網路圖來計算. Response Rate. 與使用者們即時互動討論的能力. ‧. Follower Strength. sit. y. Nat. 整合各項影響力指標成一數值. io. n. al. er. Influence Scores. Ch. engchi. i n U. v. 14. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(23) 2.3 資訊視覺化. 人眼如同像是個具高頻寬容量的訊號輸入平行處理器，吸收可視符號的速度比數字或文字快非常多。人腦有超過一半比例用來處理視覺感知，包含解碼可視資訊、高層次可視資訊處理和思考可視符號[30]。視覺化對應著兩個英文單字：Visualize 和 Visualization。前者屬於動詞，表達「產生符合人類感知」的影響，透過可視元素傳遞資訊。後者屬於名詞，表達「使某物、某事可見的動作或事實」，對某個原本不可見的事物在大腦中形成一幅可. 治政大視覺化的結果，即為影格影像（frame）或動畫（animation）[31]。現今我立感知的心理圖片的過程或能力。Visualization 也可用於表達對某目標進行. 們會再把視覺化分枝成：科學視覺化、資訊視覺化和可視分析學[30]，而對. ‧ 國. 學. 於要用視覺化輔助在推特上找尋意見領袖，則屬於資訊視覺化（information. ‧. visualization）的研究範疇。與之相關的，又可再區分成時變（temporal）. y. Nat. 資料視覺化、層次與網路結構資料視覺化、和文字和跨媒體（cross-media）. n. er. io. al. sit. 資料視覺化，以下將做個別分析。. i n U. v. 推特鼓勵使用者不受限制地隨時發出推文，並加以轉推和評論。據 2013. Ch. engchi. 年的研究統計，平均每秒就約有六千則推文產生[32]。因此以時間軸排列的時間序列資料，常見於展示推特資料的各項研究中。譬如像 Borra 等人所做的 DMI-TCAT （ Digital Methods Initiative - Twitter Capture and Analysis Toolset）[33]，就以單軸序列圖來呈現每日抓取到的推文和使用者帳號數量，如圖 4。而 Xu 等人所做的 ThemeRiver[34]，則是以河流般的流狀分支時間主線視覺化，來呈現不同議題隨時間變化下得到矚目程度的比重，如圖 5。我們將推文發佈以時序視覺化的方式呈現，讓使用者能清楚地看到事件議題的熱度消漲。. 15. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(24) 立. 政治大. ‧. ‧ 國. 學. 圖 4. DMI-TCAT 介面中的總覽區截圖[33]. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 5. ThemeRiver 呈現推特主題隨時間變化的所受矚目程度示意圖[34]. 16. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(25) 面對推特的特別功能，轉推（Retweet），則適合使用層次與網路結構資料視覺化來表示推文經由轉推。例如 Cao 等人所開發的 Whisper[35]，則使用如太陽花散播種子的概念來傳達推文經由人們轉推散布到世界各地的狀況，如圖 6 所示。. 立. 政治大. Nat. sit. y. ‧. ‧ 國. 學圖 6. Whisper 介面示意圖[35]. io. er. 相較於 Instagram 等其他社群媒體使用圖片影片來傳播訊息，推特傳播. al. 的主要媒介則為文字，故將文字內容視覺化也常見於推特中。像是 Lin 就在. n. v i n C h Cloud）技術[37]來呈現出各名詞在資料集其系統[36]中使用文字雲（Word engchi U 中的重複出現程度，以找到關鍵字詞，如圖 7。最後因為推特屬於社群網站. （Social Network Service，SNS），其本質即適合以跨媒體資料視覺化來呈現。像 Lin 也在其系統[38]中就使用力引導分佈（Force-directed Layout）的社群網站圖（Social Graph）來呈現資料集事件中的使用者間關係，如圖 8。基於上述的層次視覺化、文字雲和社群網站圖理念，啟發了我們將候選人間的彼此關係以關係網路圖做呈現，並把候選人間的共同追蹤者數量，作為網路結構的定義。 17. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(26) 立. 政治大. ‧ 國. 學. 圖 7. Word Cloud 運用範例圖[36]. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 8.社群網站圖以使用力引導分布範例圖[38] 18. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(27) 第 3 章系統架構與設計本章節將分為三個部分來講解：第一部分為系統架構說明、第二部分為資料來源，第三部分為系統的介面設計。. 3.1.系統架構圖 9 為我們的系統架構圖，分為四大部分，資料收集、資料處理、使用者介面與結果產出。第一部分的資料收集，會先將原始資料，像是使用者所. 治政大二部分的資料處理，則會針對時序發佈圖、領袖關係網路圖有關的資料做預立發的推文，或其個人檔案從來源方抓取下來後，存入到關聯式資料庫中。第. 處理，加快實際取用的速度。第三部分的使用者介面，會先讓研究者了解事. ‧ 國. 學. 件集的樣貌，再使用四種意見領袖候選人的排序方法，聚焦出數位可能候選. ‧. 人。最後一步則是把以上的設定條件、選擇結果和心得自動生成報表，供研. n. al. er. io. sit. y. Nat. 究者做進一步的使用。. Ch. engchi. i n U. v. 圖 9. 系統架構圖 19. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(28) 3.1.資料來源. 3.1.1.. 推特使用者發文. 為了建構事件資料集，我們使用了由推特所提供的一系列 Web API （Application Programming Interface）服務。程式開發人員可以透過這些 API 來取得推特上的推文，其中的資料多數以 JSON（Javascript Object Notation）的格式回傳。在這其中我們嘗試使用了兩個 API，分別為 Streaming. 政治大. API[39]與 Search API[40]：Streaming API 存取的是推特最即時的資料，. 立. 其會傳回送出查詢（query）後到中止執行動作時的最後一筆資料；而 Search. ‧ 國. 學. API 存取的則是推特的歷史推文資料，最多能查詢到當下前七天的資料。. ‧. 現今Streaming API的關鍵字查詢無法支援中文輸入。因為在設計此API 時是用空格作為區分字彙的依據，而中文的書寫習慣中並不會用空白來區隔. y. Nat. io. sit. 表達意思，因此我們選擇了Search API。藉由Borra等人所發表的Digital. n. al. er. Methods Initiative Twitter Capture and Analysis Toolkit（DMI-TCAT）. Ch. i n U. v. [33]，此工具是幫助研究者從推特上抓取資料並做收集分析的工具集。在經. engchi. 1 由政大的水火計畫研究團隊從Github上獲得其開放源碼並改寫其中Search. 的抓取機制後，我們取得中文資料文本，並以每兩小時為單位自動執行一次抓取任務，取代了個別使用推特的Streaming API以及Search API。. 1. https://sites.google.com/view/floodfire. 20. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(29) 本次研究以2015年的復興航空空難[9]，2015年的亞投行事件[10]和 2016年的台灣總統選舉[11]作為分析個案。復興航空空難發生於2015年2月4 日，並於12日尋獲最後一名罹難者。我們透過下達多個關鍵字的方式撈取推文，關鍵字包含B2286、B22816、復興航空、ATR72、GE235、TransAsia,復航、复兴航空、复航等，蒐集回來的推文日期從2015年1月28日至同年2月16日，總推文數達508,584筆，相異的使用者數為229,520位。亞投行於2014年10月 24日籌建，2015年6月29日簽署協定，同年12月25日協定生效。我們下達的關鍵字包含:AIIB、亞投行、亞洲基礎建設、國台辦、財政部、陸委會、馬英九. 治政大 980,840筆，相異的使用者數為147,742位。台灣第六次總統直選在2016年1月立. 等，蒐集回來的推文日期從2015年3月29日至同年12月1日，總推文數達. 16日舉行，我們下達的關鍵字包含:twpe、總統、蔡英文、朱立倫、宋楚瑜等。. ‧ 國. 學. 蒐集回來的推文日期從2015 年11 月8 日至2016年 1 月 25 日，總推文數達. ‧. 209,476筆，相異的使用者數則為68,997位，詳細資訊如表 7所示。. Nat. y. sit. 復航空難. n. al. 亞投行事件. Ch. B2286、B22816、復興航空、ATR72、. er. io. 事件名稱. 表 7. 資料集相關資訊. i n U. v. e AIIB、亞投行、亞洲 ngchi. 台灣總統選舉. twpe、總統、蔡英. 基礎建設、國台辦、蒐集關鍵字. GE235、TransAsia,. 文、朱立倫、宋楚財政部、陸委會、馬. 復航、复兴航空、. 瑜英九. 复航 2015/1/28至. 2015/3/29至. 2015/11/8至. 2015/2/16. 2015/12/1. 2016/1/25. 推文總筆數. 508,584筆. 980,840筆. 209,461筆. 發文帳號數. 229,520位. 147,742位. 68,997位. 蒐集時間. 21. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(30) 3.1.2.. 推特使用者檔案. 藉由蒐集推文形成事件資料集的同時，我們也需要建構意見領袖候選人們的相關檔案，像照片、自我敘述、註冊日期、和其追蹤者的 ID 等。因此我們先針對這三個事件，整理出在 3.2.3 節所提的四種方法，排序出約 900 多個意見領袖候選人，再藉由 Python 程式語言的函式庫：Tweepy[42]去一一抓取，但不包含未對外公開資訊，和已被官方停權的帳號。. 3.1.3.. Website. 立. 政治大. ‧ 國. 學. 為了讓研究者更了解事件全貌，我們把事件資料集內包含短網址（tiny URL）的推文萃取出來，將其迭代還原成原始網址，並只取 HTTP 狀態碼[43]. ‧. 為 200 的網址做紀錄。. Nat. sit. y. 考量到提供給研究者提綱挈領的資訊，我們把還原出的真實網址按照其. n. al. er. io. 域名（domain name）[44]做分類，在復航空難事件中我們分類出 7,039 個. i n U. v. 域名，亞投行事件有 10,269 個域名，台灣總統選舉事件則是 2,818 個域名。. Ch. engchi. 我們期望此統計能幫助研究者知道此事件包含的推文，最常引用的網站域名有哪些。. 22. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(31) 3.2.系統介面設計本系統的主要目的為在推特的事件資料集中找尋意見領袖，圖 10 為系統的介面設計圖。主要架構分為五大部分，分別是前導介紹與登入（Introduction and Login）、資料集分析區（Dataset Analysis）、以個別指標找出領袖（Methods to Find Candidates）、以綜合指標選出領袖（Opinion Leaders Selection）和結果報告區（Reports）。. 立. 政治大. ‧ 國. 學. 圖 10. 使用者介面互動概念圖. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 23. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(32) 3.2.1.. 前導介紹與登入. 在進入資料集分析區前，我們先用單一頁面介紹此系統的研究動機、研究目標和協助使用操作的前導影片。當研究者順著往下觀看了解後，才進入到帳號登入畫面，如圖 11 所示。我們使用帳號管理的方式讓研究者能瀏覽檢視過往的分析紀錄。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 11. 系統介紹登入區示意圖. 24. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(33) 在之後的三個步驟頁面中，我們都會在頂端上設置一導航區（Navigation Bar），如圖 12 的黃色區域所示。左邊的系統字樣，點選後會回到登入頁面；右邊則有兩個功能按鈕：使用者紀錄，顯示目前使用者的名稱，和過往探索紀錄；操作指引，列出在此步驟的實驗測試中所要完成的引導任務，對應的教學影片，和一篇論文摘要，如紅色區域所示。其中論文摘要為 2.1 節所討論，在現實世界找出意見領袖的十種方法，如圖 13 所示。我們希望此能幫助研究者在分辨意見領袖時有所依據。. 立. 政治大. ‧ 國. 學. 圖 12. 介面置頂導航區示意圖. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 13. 介面提供找出意見領袖摘要示意圖. 25. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(34) 3.2.2.. 資料集分析區. 在資料分析區中，我們期望研究者能在選擇事件後，觀察到事件的相關重要資訊，故我們提供了兩部分的互動操作：選擇事件與觀察日期、和對應日期範圍的相關資訊，如圖 14 所示。在淡紅色區塊中，我們可以選擇要觀察亞投行事件或是台灣總統選舉事件，系統就會自動代入事件的起始日期和結束日期，並且可以再調整範圍，讓之後的資料分析做對應呈現。做上述操作的同時，系統也會把在右側（黃色區塊）的記錄選擇動作，幫助研究者整. 政治大. 理出探尋過程的脈絡。而在淡藍色區塊中，我們使用一系列的視覺化圖表以. 立. 提供此事件的基本資料：像是整體事件收集了多少則推文、包含多少個不同. ‧ 國. 學. 使用者帳號、有多少不同種的 Hashtags、隨著時間軸的推文數（Area-chart）、推文使用語言比例（Pie-chart）、Hashtags 的使用排名和發文所附連結的域. ‧. 名排名。我們期望研究者得到這些資料後，能對此事件的討論規模，議題的. Nat. n. al. er. io. sit. y. 種類有初步的了解，以在下個步驟中有所根據地找尋出意見領袖候選人。. Ch. engchi. i n U. v. 26. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(35) 立. 政治大. sit. y. Nat. n. al. er. 以個別指標找出領袖區. io. 3.2.3.. ‧. ‧ 國. 學圖 14. 資料集分析區示意圖. Ch. engchi. i n U. v. 在以個別指標找出領袖區中，我們列出過往在推特找尋意見領袖的研究中常使用的四種排序方法和其意義說明，讓研究者能用它們得到不同的候選人，並可藉由初步但重要的參考資訊聚焦出候選人，如圖 15 所示。藍色區塊中我們以標籤（Tab）方式集合四種排序方法（Retweet, Mention, Follower, Favorite），分別簡述如下：Retweet，方法為依照資料集中被轉推次數最多的推文排序出發文者。因為當人們轉推一則推文時，代表他們希望其內容被更多人看到。我們可藉此推測：發文被轉推次數越多者越可能是意見領袖； Mention，方法為依照資料集中被提及次數最多的推文排序出發文者。因為當人們提及一位使用者時，代表他們希望此人能參與此次的討論。我們可藉此 27. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(36) 推測：被提及次數越多者越可能是意見領袖；Follower，方法為依使用者帳號的被追蹤人數做排序。因為當一位使用者擁有越多追蹤者，代表有更多人注意他們，受其言行影響。我們可藉此推測：擁有越多追蹤者越可能是意見領袖；Favorite，方法為依資料集中被按喜愛數最多的推文排序出發文者，因為當人們喜愛一則推文時，代表他們肯定其內容價值。我們可藉此推測：發文被喜愛次數越多者越可能是意見領袖。紅色區塊中則為以此方法找出的候選人，和其相關資訊，包括候選人們的大頭貼，暱稱，自我簡介，加入日期，和被轉推次數最多的前三篇推文。. 政治大. 經由以上四種方法列出候選人們並提供他們的相關資訊後，我們將做初. 立. 步選擇：將候選人們移至聚焦區。方法是直接點選紅色區塊中的候選人並按. ‧ 國. 學. 聚焦鍵，被選中的候選人會出現在綠色區域中，並連同附帶三項重要指標：他在此事件集中被多少人轉推（RN, Retweet’s Number），被多少人提及（MN,. ‧. Mention’s Number），和此候選人受多少人追蹤。我們相信 RN 和 MN 是考量. Nat. sit. y. 候選人在此事件影響力多寡的重要指標，故特別列出，並以它們的總和做排. n. al. er. io. 序。研究者可依此直覺性地優先考慮。於此同時我們也提供其他研究者在此. i n U. v. 事件中所選出的意見領袖，如同黃色區域，研究者可依此快速地預先選定幾. Ch. engchi. 位候選人，再做篩選判斷。而對於聚焦區的候選人，我們也能藉由系統所設計的按鈕，連結到其推特個人網頁，了解其整體資訊和至今在推特上的發言、與人互動；也可連結到第三方評價網站 RetweetRank，得到此網站給予的全球影響力排名。當完成聚焦名單，想到下一步去確認，或是想回到上一步去再次了解資料集時，則可在紫色區域中的上一步和下一步中做任意地來回。. 28. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(37) 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. 圖 15. 以個別指標找出領袖區示意圖. n. al. 3.2.4.. Ch. engchi. 以綜合指標選出領袖區. i n U. v. 如圖 16 所示，在以綜合指標選出領袖區中，我們做最後的領袖確認和紀錄。在藍色區域中，我們會把上一步驟的候選人移置過來，並配合加權平均數公式[45]改變排列順序。如同先前所提，在此事件中被多少人轉推（RN），被多少人提及（MN），是在推特架構中判斷誰最符合意見領袖者的指標。但哪個指標較為關鍵，則可能視不同事件狀況而定。故此我們邀請研究者自身判斷這些候選人們在這事件中的重要程度，調整 RN 與 MN 的權重比例來改變其排列順序，成為對此主題事件的另項評斷紀錄。 29. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(38) 當我們經由選擇按鍵把候選人移至待存區後，系統再次提供相關資訊來幫助最後紀錄。像是紅色區域中，候選人們的照片、暱稱、簡介、加入日期。我們可因此得知他們的實際資訊；綠色區域中，候選人在此事件集中發過的推文，和引用連結的歸屬網域（Domain name）。我們可因此知道他們對此事件的評論，和發表評論時常引用的媒體平台；和黃色區域中，候選人間的彼此關係網路圖。其中的點（Node）由候選人照片所構成，顏色為其使用語言（黃色：英文、藍色：中文、綠色：其他），大小則與其追蹤者數量有關；邊（Edge）由彼此間的共同追蹤者所構成，共同數越多則寬度越粗，顏色越深。. 治政大究或商業投資的參考依據。以圖 16 的黃色區域為例：從 yuhan wang、福島立我們可因此了解這些意見領袖候選人在推特上的影響分佈程度，做為日後研. 香織、Joseph E.Stiglitz 和李開復彼此間的關係網路中我們可以看到：. ‧ 國. 學. yuhan wang 和福島香織的彼此連結最強，yuhan wang 和 Joseph E.Stiglitz. ‧. 的彼此連結最弱。故若要請他們做議題推廣，又不會造成重複宣傳的浪費，. y. Nat. 我們則可在 yuhan wang 和福島香織間選擇前者，再邀請 Joseph E.Stiglitz，. er. io. sit. 即可在動員人數相同下，做到議題推廣最廣泛的情況。我們可以把以上的資訊、判斷、心得皆紀錄在紅色區域中的備忘錄中，並準備完成此次探索。如. al. n. v i n 同步驟「以個別指標找出領袖」 C h，當確認好待存名單後可按下一步完成此次探 engchi U 索，也可按上一步去再次聚焦選出更多可能的候選人。. 30. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(39) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 16. 以綜合指標選出領袖區示意圖. 31. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(40) 3.2.5.. 結果展示區. 在最後完成探索並儲存結果後，使用者將進入結果展示區，如圖 17。我們可以在綠色區域中，觀看選出的意見領袖其資料，直接連結到其推特個人網頁，和把整體結果轉換成結構化資料（csv 檔案格式）匯出，以進一步應用，如圖 18 所示。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. al. sit. y. Nat. 圖 17. 結果展示區示意圖. Ch. engchi. i n U. v. 圖 18. 結果結構化資料示意圖. 32. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(41) 第 4 章系統實作本章介紹本系統的實作技術，共分為五個部分，第一部分為推特的資料收集、第二部分為資料前處理，第三部分為響應式網頁設計，第四部分為將領袖們的連結關係做視覺化呈現時所用的技術，最後將以實際範例說明找尋意見領袖的完整過程。. 4.1 資料收集. 政治大. 在3.1.1節中提到，我們使用改良過的DMI-TCAT作為蒐集推特的工具。其. 立. API所回傳的資料型態為JSON（JavaScript Object Notation）格式，其結構. ‧ 國. 學. 由物件（Object）所組成。每個物件由一對大括號（｛｝）包覆，一個物件內會含有一個以上的非排序成對：「名稱:值」（name:value），各個成對間再以. ‧. 逗號「,」分隔。DMI-TCAT將回傳的JSON資料解析後分別存成四個資料表，分. Nat. io. sit. y. 別是hashtags、mentions、tweets、urls。收集流程如圖 19。. n. al. er. 而於3.1.2和3.1.3節所提到的使用者檔案與Website，則是利用Python. Ch. i n U. v. 撰寫的網路爬蟲抓取所要的資料，存進對應格式的資料表中。. engchi. 圖 19. 推特資料前處理流程圖. 33. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(42) 4.2 響應式網頁設計. 響應式網頁設計（Responsive Web Design, RWD），或稱自適應、回應式、對應式網頁設計，是種網頁設計的技術，能讓手機、平板、筆電、桌電等使用同一網站的圖文內容及資料庫。在不同尺寸或解析度的行動裝置或螢幕上，網頁程式會根據使用者的裝置設備，做出符合版面大小的內容呈現。如此既可減少使用者進行縮放、平移和捲動等額外操作，也能提昇畫面的可瀏覽性及使用介面的親和度。我們在進行網站功能設計時，使用了響應式網. 治政大應式網頁設計需要設定可視區域（Viewport）、設計網路系統（Grid System）立頁設計，讓使用者方便在當下情境和手邊設備進行意見領袖的探索。實作響. 和媒體查詢（Media Query）。. ‧ 國. 學. HTML5 提供<meta>標籤讓網頁設計師能控制可視區域（Viewport）。可視. ‧. 區域是使用者在網頁上的可見區域，它會隨著顯示設備尺寸而做對應變化。. y. Nat. sit. <meta>中的 viewport 元素為提供瀏覽器有關如何控制頁面尺寸和縮放的說. n. al. er. io. 明，如圖 20 所示。其中 width=device-width 是指將頁面寬度設置為遵循設. i n U. v. 備的螢幕寬度，initial-scale=1.0 是指畫面載入初始的縮放比例為 100%。. Ch. engchi. 圖 20. 網頁中包含的<meta> 可視區域元素. 34. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(43) 在設計網格系統（Grid System）上，我們參考 Bootstrap 提供的一套響應式、移動設備優先的流式網格系統。它會隨著可視區域的增加，自動分成最多 12 列，以一系列包含內容的行和列來創建頁面佈局。下列為 Bootstrap 網格系統的運作原理 2：. 1.. 行必須放置在.container class 內，以獲得適當的對齊（alignment）和內邊距（padding）. 3.. 使用行來創建列的水平組. 治政大內容應放置在列內，且唯有列可以是行的直接子元素立學. ‧ 國. 2.. 預定義的網格類，比如.row 和.col-xs-4，可用於快速創建網格佈局. 5.. 列通過內邊距（padding）來創建列內容之間的間隙。該內邊距是通. ‧. 4.. sit er. io. 網格系統是通過指定您想要橫跨的十二個可用的列來創建. al. n. 6.. y. Nat. 過.rows 上的外邊距（margin）取負，表示第一列和最後一列的行偏移. Ch. engchi. i n U. v. 圖 21. 設計網格系統. 2. “Grid system”, https://getbootstrap.com/docs/4.0/layout/grid/ 35. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(44) @media 規則用於媒體查詢（Media Query）。媒體查詢是種有條件的 CSS 規則，只適用於基於某些規定條件的 CSS。若滿足那些條件，則會應用於相應樣式。Bootstrap 中的媒體查詢允許使用者基於可視區域大小移動、顯示並隱藏內容。如圖 22 的媒體查詢示意圖在 LESS 文件中使用，用來創建 Bootrap 網格系統中關鍵的分界點閥值。媒體查詢可以用於檢查許多內容，例如：. 1.. 可視區域的寬度和高度. 2.. 設備的寬度和高度. 學. 4.. ‧ 國. 3.. 治政大方向（Orientation），橫向或縱向模式下的平板電腦或手機立解析度（Resolution）. ‧. n. er. io. sit. y. Nat. al. i n U. v. 圖 22. 網格系統中關鍵的分界點閥值. Ch. engchi. 我們使用 Chrome 開發者工具 3來測試本系統是否符合響應式網頁設計。圖 23 即為我們響應式網頁設計的實作結果。我們將頁面拉大或縮小，可以改變頁面的呈現方式。若使用者用解析度較高（如電腦螢幕）來操作系統，會以並排式呈現，如同藍色區域；若使解析度較低（如手機），則改為單欄呈現，如同黃色區域。. 3. “Chrome 開發者工具”, https://developers.google.com/web/tools/chrome-devtools/ 36. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(45) 圖 23. 響應式網頁設計實作示意圖. 4.3 視覺化呈現. 立. 政治大. ‧ 國. 學. 本系統使用的視覺化圖表主要有二：針對推文的時序發佈圖、語系圓餅. Nat. y. ‧. 圖，和針對候選人彼此連結的關係網路圖。. er. io. sit. 推文的時序發佈圖、語系圓餅圖我們使用 Morris.js 4實作。它是 Javascript 的函式庫，適合用來表現統計相關的圖表。我們使用其中的 Area Chart 實作. al. n. v i n 24 的時序發佈圖、Donut 25 的圓餅圖，期望研究 C h Chart 實作出如圖 engchi U. 出如圖. 者能因此更直觀地了解資料集概況。. 4. “morris.js”, http://morrisjs.github.io/morris.js/. 37. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(46) 圖 24. 推文時序發佈示意圖. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. i n U. v. 圖 25. 推文語系圓餅示意圖. engchi. 而在意見領袖候選人的關係網路圖上，我們使用一個開源的輕量級 Javascript 的網路圖（network graph）套件 Sigma.js 5，此函式庫能幫助使用者在 Web 應用中繪製創建圖形，也能夠讓用戶在網頁上進行操控。它是基於 HTML5 畫布的實現，能夠生成靜態或者動態的互動網路圖形。也因其是個獨立、不依賴第三方的圖形函式庫，能支持主流瀏覽器，因此我們選擇利用此套件來實現候選人間的關係網路圖，如圖 26 所示。. 5. A. Jacomy. "sigma.js," http://sigmajs.org/.. 38. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(47) 以圖 26 為例，我們可以看到，每個節點的定義都是一位候選人，節點越大代表其追蹤帳號數越多，顏色則取決於候選人所用的語言。當兩位候選人有共同追蹤者，就會建立連線，而連線的深度與寬度，則與共同追蹤者人數呈正相關。布局（layout）上我們採用 Force Atlas 2 演算法[46]。它是種模仿物理世界中的引力和斥力，計算網路節點間的力關係並重新佈局直到力平衡。候選人彼此間的距離將因彼此的連結強弱推遠或拉近，而研究者也可以隨時用滑鼠介入，調整出適合觀察的佈局樣貌。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 26. 候選人間彼此關係視覺化示意圖. 39. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(48) 4.4 範例說明. 以下為探索事件並找出意見領袖的說明範例。如同一開始 1.2 節的研究目標所提，此系統的設計是要幫助研究者找出事件中的重要連結者，但在此範例中我們將以找到其中屬於傳播領域所討論的意見領袖為目標。首先我們連上系統後，會看到簡介畫面，如圖 11 所示。在觀看完研究動機、研究目標，和前導影片後，我們需要輸入帳號密碼。帳號我們輸入”andrew”，密碼則任意皆可，如圖 27 所示。按下登入後，我們進到「資料集分析」。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 27. 系統帳號登入範例圖在「資料集分析」中，我們選擇復興航空事件做觀察，並維持原本的日期範圍，在按下「顯示各項指標數值」後，得到此事件資料集的數值分析結果，如圖 28 所示。我們看到了在此事件中約有五十萬筆推文，其中約有二十二萬個使用者參與討論，並使用了七千多個主題標籤。接著是此事件的討論熱度，隨著 2015 年 2 月 4 號的飛機墜毀失事而達到高峰。而推文的語言組成比例，相比於過往蒐集到的亞洲事件是以日文為大宗，此次反而有 48% 為英文，顯示出討論範疇已達到國際高度，如圖 29 所示。最後我們從主題 40. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(49) 標籤的統計前三名（TransAsia、GE235、taiwan），和推文附帶網址的網域統計包含了 CNN、BBC 等新聞媒體上，得知此事件的確主要是在討論復興航空空難，並有國際媒體參與報導。了解上述能助我們熟悉資料集的資訊後，我們按下「下一步」，進到「以個別指標找出領袖」。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 28. 復航空難事件資料集分析範例圖. 圖 29. 復航空難事件中的推文變化量暨語言比例範例圖 41. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(50) 在「以個別指標找出領袖」中，我們用四種方法（Retweet、Mention、 Follower、Favorite）列出符合條件的意見領袖候選人，並挑選出想進一步確認的幾位加以觀察。我們對四種方法皆各列出 40 名候選人，在觀察其名稱、簡介、加入日期（符合在現實世界中判斷意見領袖的 Celebrities、Selfidentification 法）和在此事件所發的前三篇熱門推文（以判斷與此次事件的相關性）後，我們選出了三位候選人（yuhan wang、Steve Herman、Jim Roberts）和兩個官方媒體（CNN、BBC）移至候選人聚焦區做進階觀察，如圖 30 所示。. 政治大. 在候選人聚焦區中，我們進一步地看到被聚焦者在事件中被多少人轉推. 立. 和提及，並由大至小地降冪排列，這是系統中判斷誰是意見領袖的主要指標，. ‧ 國. 學. 符合在現實世界中判斷意見領袖的 Staff Selected 精神，如圖 31 所示。於此同時，我們藉由系統直接連結至此候選人的推特個人檔案（如圖 32），和. ‧. 第三方網站 RetweetRank 對其的評價（如圖 33），加深我們對候選人的認識，. y. Nat. sit. 也加強我們的選擇把握。選好要聚焦的候選人後，我們按下「下一步」，進到. n. al. er. io. 「以綜合指標選出領袖」。. Ch. engchi. i n U. v. 42. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(51) 立. 政治大. ‧. ‧ 國. 學. 圖 30. 復航空難事件以個別指標找出領袖範例圖. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 31. 復航空難事件聚焦區領袖呈現範例圖. 43. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(52) 立. 政治大. ‧. ‧ 國. 學. 圖 32. 候選人 Steve Herman 個人檔案範例圖. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 33. 候選人 Jim Roberts RetweetRank 評價範例圖在「以綜合指標選出領袖」中，我們將對聚焦出的候選人做誰是意見領袖的最後確認，如同圖 34。上個步驟中我們加上了兩個官方媒體（CNN、BBC），是因為其在「資料集分析」的推文連結網域統計排前五名，我們能在此藉由其發文內容，了解事件發展，和他們在此事件報導中所扮演的腳色，如圖 35 所示。而在此次的候選人比較中，我們並未看到彼此的被轉推人數和被提及人數互有消長，故不加以調整權重。最後我們將三位候選人移至待存區，並觀看其關係網路圖，如圖 36 所示。從三位的關係網路圖中我們可以看到， 44. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(53) Steve Herman 和 Jim Roberts 的共同追蹤者最多，在彼此追蹤者數量都達五位數的情況下，yunhan wang 影響到的則顯為另一族群，我們能因此看到意見領袖們在網路世界中帶來的不同觸及程度。於此同時，我們也檢驗選出者是否具備意見領袖的特徵。Katz 認為身為意見領袖該至少該擁有下列三項其一[47]。我們將其對應推特設計，如表 8 所示。經比較後，我們認為 yunhan wang、Steve Herman 和 Jim Roberts 具有意見領袖的特徵，如表 9 所示。表 8. 意見領袖特徵對照推特設計比較表領袖特徵. 推特設計. Expression of values. 立. 政治自我敘述、推文內容大. Nature of their social network.. 粉絲人數；事件被轉推、提及人數. 美國之音的記者. al. 發佈空難消息. er. 發佈空難消息. n. 頭銜. Ch. 無. Jim Roberts. y. Steve Herman. i n U. 記者. engchi. Mashable 的總編. sit. 喜愛日本的台灣人. io. 推文內容. yunhan wang. Nat. 自我敘述. 表 9. 復航空難事件選出領袖特徵檢驗表. ‧. 領袖特徵. ‧ 國. 頭銜、第三方評分(retweetrank). 學. Professional competence. v. 發佈空難消息 CCO. retweetrank. 114,265(PR98.6). 109,514(PR98.6). 4,711(PR99.9). 粉絲人數. 40,000. 75,200. 203,700. 事件被轉推人數. 6,780. 1,638. 689. 事件被提及人數. 6,854. 2,251. 826. 我們把觀察到的記在備忘錄（如圖 37），並確認待存區為所要的候選人後，按下「下一步」，進到結果。. 45. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(54) 立. 政治大. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 圖 34. 復航空難事件以綜合指標選出領袖範例圖. Ch. engchi. i n U. v. 圖 35. 復航空難事件 CNN 所發推文統計範例圖. 46. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(55) 圖 36. 復航空難事件意見領袖關係網路範例圖. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 37. 復航空難事件備忘錄使用範例圖. 47. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(56) 在結果報告區中，我們可以得到在此次探索中所調整的參數，選出的意見領袖，和對整體事件留下的備忘錄，如同圖 38。我們可以就當下介面直接連結到意見領袖的推特個人檔案，也可以將整體內容下載成 csv 檔以做他用，如同圖 39。以上即為選用復興航空空難，找出三位意見領袖的範例說明。. 立. 政治大. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. 圖 38. 復航空難事件結果報告區範例圖. Ch. engchi. i n U. v. 圖 39. 復航空難事件結果報告離線檔案範例圖. 48. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(57) 第 5 章實驗設計與結果分析我們根據第 3 章、第 4 章的描述所設計實作出的系統，設計了一套實驗流程。在實際邀請受試者測試系統前，我們額外邀請兩位受測者參與系統的先導性研究（pilot study），完整的體驗內容並給予回饋，以確認其設計是否合適。藉由實驗我們希望透過受試者的體驗，進一步了解系統是否能輔助受試者找尋特定事件中的意見領袖。受試者透過系統教學學習如何操作系統後，再透過引導式任務熟悉系統的介面，在系統中進行指定任務，找出意見. 政治大. 領袖。最後我們再透過問卷與訪談來評估系統的目標設計、系統的有用性和易用性。. 立. ‧ 國. 學. 5.1 實驗目標. ‧ sit. y. Nat. 本實驗目標希望了解對社群媒體有興趣，想要知道誰是意見領袖的受試. al. er. io. 者，是否能透過本系統所提供的介面，快速地探索及找出推特特定事件中的. v. n. 意見領袖，並利用質化研究訪談受試者，了解他們對於本系統的意見及回饋. Ch. engchi. i n U. 5.2 實驗對象. 本系統的設計目標是輔助使用者找尋事件中的意見領袖並得知其影響力，我們挑選的實驗對象為使用過社群媒體，但對於社群媒體資料分析的了解程度各不相同。實驗人數為 5 人，表 10 為受試者的基本資訊。. 49. DOI:10.6814/THE.NCCU.CS.005.2019.B02.

(58) 表 10. 受試者基本資料受試者. 對於推特的使用經驗. 對社群媒體分析的了解程度. A. 無. 修習過相關課程. B. 使用過. 無經驗. C. 無. 曾聽聞過. D. 使用過. 曾聽聞過. E. 使用過. 工作上接觸過. 5.3 實驗流程. 立. 政治大. 在實驗正式開始前，我們先以影片簡單地說明在推特上的互動方式，和. ‧ 國. 學. 實驗流程。實驗開始時，我們會先請受試者完成引導式任務，熟悉系統介面和基本功能，並提供對應各項任務的教學影片輔助受試者。接下來則是透過. ‧. 指定任務，請受試者在復航空難、亞投行、台灣總統大選三事件中擇一，找. Nat. sit. y. 出三位以上的候選人。最後是問卷填寫與訪談，將得以了解受試者對系統的. n. al. er. io. 情況與心得，如圖 40 所示。. Ch. engchi. i n U. v. 圖 40. 實驗流程圖. 50. DOI:10.6814/THE.NCCU.CS.005.2019.B02.