大數據分析與個人資料保護之衝突：從收視行為調查談起 - 政大學術集成

全文

(1)國立政治大學法律科際整合研究所碩士學位論文. 大數據分析與個人資料保護之衝突：從收視行為調查談起政治. 大. The Clash of Big Data 立 Analytics and Personal Data Protection：From. ‧ 國. 學. the Audience Measurement Perspective. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：劉定基博士研究生：鄭美華撰. 中華民國 106 年 7 月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.


(4) . 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(5) 謝. 辭. 在著手撰寫論文之前就經常耳聞研究生寫論文的「痛苦」與「挫折」。雖然早有心理準備，但是在這本碩士論文的寫作過程中，卻還是讓我遭遇了人生迄今最大的磨難—最摯愛的媽媽，在去年夏夜裡永遠的離開了我們。所幸在寫作的過程中能獲得許多人的扶持與關愛，才能讓我雖然一路跌跌撞撞走來，但也有始有終的完成了這本論文。謹於此對所有關愛我的家人、朋友們，致上我最誠摯的感謝。. 治政大特別要感謝的是劉定基老師。除了總是毫無保留的傳授學識之外，更以莫大立. 的耐心與包容，鼓勵我堅持到最後一刻；沒有老師的支持，我的動力跟希望大概. ‧ 國. 學. 都會被彷彿無止盡的悲傷所吞噬，這本論文也會以未完成的姿態，永遠沈睡在硬. ‧. 碟的角落裡。因此老師是我在這段艱困的寫作過程裡，最重要的貴人。. sit. y. Nat. 最後，更要感謝媽媽將人生最精華的歲月厚贈予我，知道您在離開前一直掛. al. er. io. 心這本論文的進度，想輕輕告訴您我有好好的把它完成。未來的日子，我會以此. v. n. 為起點，懷抱著對您的無限思念，繼續踏實前進。謝謝您對我無微不至的愛與呵護，我愛您。. Ch. engchi. i n U.

(6) . 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(7) 摘要隨著數位化時代來臨，「大數據」被視為解決傳統收視行為調查弊病的解方；然而，在利用此一新興工具時，大量被鉅細靡遺留存下來的個人收視行為紀錄，也引發了對於智慧隱私的威脅、過濾罩效應，甚至是因自動化演算程式而產生歧視等種種問題。在比較法上，關於個人收視行為紀錄的保護，不論是採取部門式立法的美國，或是制定有全面性個人資料保護規範的歐洲，均有所著墨；但在迎接大數據分析的挑戰時，. 政治大我國也不例外，隨著個人資料保護意識的提升，其與個人資料利用之間的關係也愈立. 相關規範皆面臨個人資料保護與個人資料利用之間的衝突與拉鋸。. ‧ 國. 學. 趨緊張。雖然在現行個人資料保護法下，以大數據分析開展收視行為的調查及應用，同時兼顧個人隱私的保障，並非毫無機會；但若要在個人資料保護與個人資料利用的緊張. ‧. 關係之間尋求更佳的平衡點，現行法仍有未臻周全之處，有待修法解決。. y. Nat. sit. 本文除了就現行個人資料保護法下，以大數據分析進行收視行為調查，提供相關執. n. al. er. io. 行面的建議外；也嘗試針對現行法有待改善的部分，提出未來修法的建議方向。期待在. i n U. v. 大數據應用不斷發展的同時，一併打造出足以令人信賴的個人資料利用環境。. Ch. engchi. 關鍵詞：大數據、收視行為調查、個人資料保護、智慧隱私、過濾罩效應.


(9) Abstract With the coming of the digital age, “big data” is believed to be the panacea for the problems of traditional audience measurement methods. Nevertheless, a great deal of detailed personal viewing behaviors is collected and stored while using this emerging tool. As a result, it raises concerns over intellectual privacy, filter bubble, and even discrimination which results from automatic parsing algorithm.. 政治大 data protection framework, and the European Union, which has a comprehensive personal 立. From the comparative law perspective, both the United States, which adopts a sectoral. data protection law, have already addressed the need to protect information regarding. ‧ 國. 學. personal viewing behaviors. When facing the challenges of big data analytics; however, both. sit. y. Nat. data.. ‧. legal regimes are still confronted with conflicts between the protection and use of personal. n. al. er. io. There is no exception for Taiwan. With the rising awareness of personal data protection,. i n U. v. the tension between the use and protection of personal data is also increased. Although under. Ch. engchi. the current Personal Information Protection Act (PIPA), it’s possible to employ big data analytics on audience measurement, while at the same time, conforming to the minimum protection of individual privacy, if we want to strike a better balance between data protection and data use, the PIPA needs to be revised. In addition to providing practical suggestions for conducting audience measurement using big data analytics in accordance with the PIPA, this thesis also tries to provide a proposal for future revision of the PIPA. This thesis hopes that as big data applications continue to develop; we can also foster a more trustworthy environment for the use of.

(10) personal data.. Keywords: Big Data, Audience Measurement, Personal Data Protection, Intellectual Privacy, Filter Bubble. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(11) 目錄簡目第一章緒論 ............................................................................................1 第一節. 問題意識........................................................................................ 1. 第一項. 研究動機 ........................................................................................... 1. 第二項. 問題的提出 ....................................................................................... 4. 第一項. 研究範圍與研究限制 ....................................................................... 5 研究架構........................................................................................ 9. ‧. 第三節. 立. 研究方法 ........................................................................................... 5. 學. 第二項. 政治大. 研究方法與研究限制.................................................................... 4. ‧ 國. 第二節. Nat. er. io. sit. y. 第二章大數據下的收視行為紀錄價值與隱私疑慮 .......................... 11 第一節. 大數據的發展.............................................................................. 11. 第二節. 收視行為紀錄調查...................................................................... 51. n. al. Ch. engchi. i n U. v. 第一項. 何謂收視行為紀錄 ......................................................................... 51. 第二項. 傳統收視行為調查方式 ................................................................. 53. 第三項. 大數據時代的收視行為紀錄調查方式 ......................................... 57. 第三節. 收視行為紀錄的價值.................................................................. 61. 第一項. 傳統收視行為紀錄價值 ................................................................. 62. 第二項. 大數據時代的收視行為紀錄價值 ................................................. 63. 第四節. 收視行為紀錄的隱私及其他疑慮.............................................. 66. I.

(12) 第一項. 智慧隱私（Intellectual Privacy） .................................................. 67. 第二項. 過濾罩效應（Filter Bubble） ........................................................ 71. 第三項. 差別待遇 ......................................................................................... 76. 第五節. 小結.............................................................................................. 78. 第三章美國與歐盟關於收視行為調查的個人資料保護規範美國與歐盟關於收視行為調查的個人資料保護規範 ..........45 第一節. 美國法.......................................................................................... 45. 第一項. 視訊隱私保護法 ............................................................................. 45. 第二項. 有線電視隱私法 ............................................................................. 67. 第一項. 個人資料保護規則（GDPR(2016/679)） ..................................... 75. ‧. 第二項. 歐盟法.......................................................................................... 75. 學. 第二節. ‧ 國. 第三項. 政治大 FCC 2016 隱私命令........................................................................ 70 立. 電子通訊傳播個人資料及隱私保護指令. Nat. sit. n. al. er. 歐盟法院關於浮動 IP 是否為個人資料的判決............................ 85. io. 第三項. y. (Directive 2002/58/EC) .................................................................. 80. 第三節. i n U. v. 美國法與歐盟法的比較分析...................................................... 91. Ch. engchi. 第一項. 個人資料保護規範架構 ................................................................. 91. 第二項. 個人資料的價值 ............................................................................. 92. 第三項. 關於可識別（間接識別）個人資料認定標準 ............................. 94. 第四項. 個人資料保護與個人資料利用的適度平衡 ................................. 95. 第五項. 小結 ................................................................................................. 97. 第四章從收視行為紀錄看我國對於個人資料保護的規範從收視行為紀錄看我國對於個人資料保護的規範 ..............103 第一節第一項. 我國關於收視行為紀錄的可能規範........................................ 103 個人資料保護法 ........................................................................... 103 II.

(13) 第二項. 相關行政命令 ............................................................................... 128. 第三項. 數位通訊傳播法草案 ................................................................... 143. 第二節. 從收視行為紀錄調查看現行個人資料保護的困境................ 146. 第一項. 「個人資料」界定不明 ............................................................... 146. 第二項. 「零和」的規制手段已不符實際需求 ....................................... 152. 第三項. 個人資料保護法令適用關係錯綜複雜 ....................................... 154. 第三節. 小結............................................................................................ 156. 第五章結論........................................................................................... 157 結論. 政治大收視行為調查及其利用的個人資料保護建議........................ 158 立. 第一節. 於履行收視服務契約目的的（必要）範圍「外」 ................... 159. ‧. 修法建議方向............................................................................ 163. Nat. y. 第二節. ‧ 國. 第二項. 於履行收視服務契約目的的（必要）範圍「內」 ................... 158. 學. 第一項. 第二項. 增訂利益權衡條款及相關彈性措施 ........................................... 166. 第三項. 加強自動化處理程序的透明性 ................................................... 171. 第四項. 由各目的事業主管機關個別加強告知事項 ............................... 172. n. al. er. sit. 加強個人資料的界定 ................................................................... 163. io. 第一項. 第三節. Ch. engchi. i n U. v. 結語............................................................................................ 175. 參考文獻 177. III.

(14) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(15) 詳目第一章緒論 ............................................................................................1 第一節問題意識.................................................................................................... 1 第一項. 研究動機 ........................................................................................... 1. 第二項. 問題的提出 ....................................................................................... 4. 第二節研究方法與研究限制................................................................................ 4. 政治大. 第一項. 研究方法 ........................................................................................... 5. 第二項. 研究範圍與研究限制 ....................................................................... 5. 立. ‧ 國. 學. 第一款「大數據」的範圍 .................................................................... 5. ‧. 第二款「收視行為紀錄」的範圍 ........................................................ 8. y. Nat. al. er. io. sit. 第三款「收視行為」的研究限制 ........................................................ 8. v. n. 第三節研究架構.................................................................................................... 9. Ch. engchi. i n U. 第二章大數據下的收視行為紀錄價值與隱私疑慮 .......................... 11 第一節大數據的發展.......................................................................................... 11 第二節收視行為紀錄調查.................................................................................. 51 第一項. 何謂收視行為紀錄 ......................................................................... 51. 第一款收視率 ...................................................................................... 52 第二款收視質 ...................................................................................... 52 V.

(16) 第二項. 傳統收視行為調查方式 ................................................................. 53. 第一款收視率調查 .............................................................................. 53 第一目. 電話調查法 ................................................................ 53. 第二目. 日記法 ........................................................................ 54. 第三目. 機械記錄法 ................................................................ 54. 第二款收視質調查 .............................................................................. 56 第一目第二目. 立. ‧ 國. 學. 第三項. 政治大 VOXBOX ................................................................... 56. TVQ ............................................................................ 56. 大數據時代的收視行為紀錄調查方式 ......................................... 57. ‧. 第一款數位機上盒 .............................................................................. 57. sit. y. Nat. 第二款網際網路收視行為紀錄 .......................................................... 60. er. io. 第三節收視行為紀錄的價值.............................................................................. 61. al. n. v i n C h ................................................................. 傳統收視行為紀錄價值 62 engchi U. 第一項. 第一款收視率 ...................................................................................... 62 第二款收視質 ...................................................................................... 63 第二項. 大數據時代的收視行為紀錄價值 ................................................. 63. 第一款收視行為紀錄作為大數據資料 .............................................. 63 第二款行為行銷 .................................................................................. 64 第三款以收視行為紀錄反饋視訊內容行銷 ...................................... 65. VI.

(17) 第四節收視行為紀錄的隱私及其他疑慮.......................................................... 66 第一項. 智慧隱私（Intellectual Privacy） .................................................. 67. 第一款隱私權 ...................................................................................... 67 第二款何謂智慧隱私 .......................................................................... 68 第三款智慧隱私於收視行為的意義 .................................................. 69 第二項. 過濾罩效應（Filter Bubble） ........................................................ 71. 政治大第二款過濾罩效應立 .............................................................................. 72. 第一款媒體與廣告主間的關係轉變 .................................................. 71. ‧ 國. 學. 第二目. 弱化民主功能 ............................................................ 74. ‧. 疏離社會、加強對立 ................................................ 73. 差別待遇 ......................................................................................... 76. sit. y. Nat. 第三項. 第一目. er. io. 第一款欠缺透明性 .............................................................................. 76. al. n. v i n C h.............................................................................. 歧視的利器 76 engchi U. 第二款. 第五節小結.......................................................................................................... 78. 第三章美國與歐盟關於收視行為調查的個人資料保護規範美國與歐盟關於收視行為調查的個人資料保護規範 ............45 第一節美國法...................................................................................................... 45 第一項. 視訊隱私保護法 ............................................................................. 45. 第一款 Hulu Privacy Litigation ............................................................ 48 VII.

(18) 第二款 Yershov v. Gannett Satellite Info. Network, Inc. ...................... 52 第三款 Nickelodeon Consumer Privacy Litigation .............................. 56 第四款判決比較分析 .......................................................................... 64 第二項. 有線電視隱私法 ............................................................................. 67. 第一款規範重點 .................................................................................. 67 第二款 Pruitt v. Comcast Cable Holdings, LLC ................................... 69. 政治大第一款主要規範內容立 .......................................................................... 71. FCC 2016 隱私命令........................................................................ 70. 學. ‧ 國. 第三項. 第二款去識別化資料 .......................................................................... 72. ‧. 第三款告知義務及「隱私的對價（pay for privacy）」 .................... 72. sit. y. Nat. 第四款消費者同意 .............................................................................. 73. er. io. 第五款企業客戶資料的豁免 .............................................................. 73. al. n. v i n Ch 歐盟法...................................................................................................... 75 engchi U. 第二節. 第一項. 個人資料保護規則（GDPR(2016/679)） ..................................... 75. 第一款 GDPR 與個人資料保護指令的差異 ...................................... 76 第二款側寫（profiling） .................................................................... 77 第三款假名化（pseudonymisation） ................................................. 79 第二項. 電子通訊傳播個人資料及隱私保護指令(Directive 2002/58/EC)80. 第一款保障範圍 .................................................................................. 81. VIII.

(19) 第二款規範架構 .................................................................................. 81 第三款追蹤裝置 .................................................................................. 83 第四款德國電子媒體法 ...................................................................... 83 第五款 2017 年修正草案 ..................................................................... 84 第三項. 歐盟法院關於浮動 IP 是否為個人資料的判決............................ 85. 第一款本案事實及前審裁定 .............................................................. 86. 政治大 91 美國法與歐盟法的比較分析.................................................................. 立第二款歐盟法院裁決 .......................................................................... 89. 個人資料保護規範架構 ................................................................. 91 個人資料的價值 ............................................................................. 92. ‧. 第二項. 學. 第一項. ‧ 國. 第三節. 關於可識別（間接識別）個人資料認定標準 ............................. 94. 第四項. 個人資料保護與個人資料利用的適度平衡 ................................. 95. er. io. sit. y. Nat. 第三項. al. n. v i n Ch 97 小結 ................................................................................................. engchi U. 第五項. 第四章從收視行為紀錄看我國對於個人資料保護的規範從收視行為紀錄看我國對於個人資料保護的規範 ..............103 第一節我國關於收視行為紀錄的可能規範.................................................... 103 第一項. 個人資料保護法 ........................................................................... 103. 第一款「個人資料」的判斷爭議 .................................................... 104 第一目. 本案事實 .................................................................. 104 IX.

(20) 第二目. 法院判決及不同見解 .............................................. 105. 第三目. 「間接識別」與「合理隱私期待」標準 .............. 106. 第二款收視行為紀錄是否為個人資料 ............................................ 109 第一目. 數位機上盒收視行為記錄 ...................................... 110. 第二目. 網際網路收視行為紀錄 .......................................... 111. 第三目. 討論分析 .................................................................. 111. 政治大帳務處理、改善使用者經驗、提供加值服務 ...... 115. 第三款可能的合法蒐集、處理與利用事由 .................................... 114. 立. 學. ‧ 國. 第一目. 第三目. 基於公共利益為統計或學術研究而有必要 .......... 122. ‧. 行為行銷 .................................................................. 116. 相關行政命令 ............................................................................... 128. sit. y. Nat. 第二項. 第二目. er. io. 第一款通訊傳播事業安全維護計畫辦法 ........................................ 129. al. n. v i n Ch 有線廣播電視系統經營者／有線播送系統定型化契約應記 engchi U. 第二款. 載及不得記載事項 ................................................................ 132 第三款去識別化標準 ........................................................................ 136. 第三項. 第一目. 法律層面 .................................................................. 137. 第二目. 技術層面 .................................................................. 138. 數位通訊傳播法草案 ................................................................... 143. 第二節從收視行為紀錄調查看現行個人資料保護的困境............................ 146 第一項. 「個人資料」界定不明 ............................................................... 146 X.

(21) 第一款間接識別的判斷標準眾說紛紜 ............................................ 146 第二款「去識別化」的內涵為何仍待釐清 .................................... 150 第一目. 「假名化」或「匿名化」？ .................................. 150. 第二目. 「『非』基於公共利益目的為統計或學術研究」的利用行為無適用餘地 ............................................. 151. 第二項. 政治大 156 小結........................................................................................................ 立. 第三項. 個人資料保護法令適用關係錯綜複雜 ....................................... 154. 學. ‧ 國. 第三節. 「零和」的規制手段已不符實際需求 ....................................... 152. ‧. 第五章結論........................................................................................... 157 結論. y. Nat. er. io. sit. 第一節收視行為調查及其利用的個人資料保護建議.................................... 158 第一項. 於履行收視服務契約目的的（必要）範圍「內」 ................... 158. 第二項. 於履行收視服務契約目的的（必要）範圍「外」 ................... 159. n. al. Ch. engchi. i n U. v. 第一款基於公共利益為統計或學術研究而有必要 ........................ 160 第二款當事人同意 ............................................................................ 160 第三款採取「匿名化」的去識別處理 ............................................ 162 第二節修法建議方向........................................................................................ 163 第一項. 加強個人資料的界定 ................................................................... 163. 第一款強化「間接識別個人資料」定義的明確性 ........................ 163 XI.

(22) 第二款明文規範「去識別化」的內涵及其法律效果 .................... 164 第二項. 增訂利益權衡條款及相關彈性措施 ........................................... 166. 第一款增訂利益權衡條款 ................................................................ 166 第二款適度導入「事後退出（opt-out）」機制............................... 167. 第四項. 「當事人同意」的侷限性 ...................................... 167. 第二目. 「事後退出」機制 .................................................. 168. 政治大由各目的事業主管機關個別加強告知事項 ............................... 172 立. 加強自動化處理程序的透明性 ................................................... 171. 學. ‧ 國. 第三項. 第一目. 第三節結語........................................................................................................ 175. ‧. 參考文獻 177. n. er. io. sit. y. Nat. al. Ch. engchi. XII. i n U. v.

(23) 第一章第一節. 緒論問題意識. 第一項研究動機收視率是廣告商購買媒體的依據，因此以廣告為生的商業電視台向來仰賴收視率調查公司所計算出的收視情形來決定電視節目的生死存亡；即便是不經由廣告收益維持營運的公共電視，也必須透過收視率確認其節目有相當的收視群眾，. 政治大查對於媒體內容的產製有著深刻的影響力，也與媒體產業的發展習習相關，而如立藉以評斷其節目具有一定的品質，以維持獲得執照的正當性。1據此，收視率調. ‧. ‧ 國. 點所在。. 學. 何使收視率調查能精準反映真實的收視情形，更是社會科學界一直聚焦的研究重. 在台灣，收視率調查幾乎是由單一的收視率調查公司—「尼爾森（Nielsen）」. y. Nat. sit. 所獨占，因此長久以來，「尼爾森收視率」左右了台灣電視文化的發展，引導著. n. al. er. io. 電視節目的走向。2對此特殊現象，媒體產業也多有批評聲浪，除了質疑尼爾森. i n U. v. 公司所採取的抽樣調查方式，究竟是否能反映真實的收視狀況；3也質疑收視率. Ch. engchi. 調查被單一公司壟斷，欠缺公信力。45. 上述批評聲浪並未因時間的推進而消逝，甚至，隨著科技發展、數位時代的降臨，有不減反增的趨勢。特別是因應科技匯流，群眾的收視方式不再受到固定 1. 林照真，收視率新聞學：台灣電視新聞商品化，2009 年 6 月，頁 5。同前註。 3 台灣智庫<國會政策中心> ，「收視質調查與收視率稽核─數位媒體時代的收視調查機制」，2012 年 12 月 31 日，http://www.taiwanthinktank.org/page/chinese_attachment_1/2604/.pdf （最後瀏覽日期：2017 年 6 月 9 日）。 4 同前註。 5 即使不針對收視率調查為單一公司所把持的現象批評，也有認為收視率調查已經淪為一種數字迷思，電視台競相爭逐收視率的結果，不但不能提升內容的品質，甚至會產生如助長腥羶暴力新聞的負面效果，讓電視內容的品質沈淪。參見「NCC 協調不再公佈 1 分鐘電視收視率」，大紀元，2007 年 4 月 11 日，http://www.epochtimes.com/b5/7/4/11/n1675333.htm（最後瀏覽日期：2017 年 6 月 9 日）。 1 2.

(24) 空間與時間的限制，更加凸顯傳統針對電視所進行的抽樣調查方式，已遠離了現代大眾的收視行為型態。有論者即認為，在 2010 年至 2015 年，隨著行動裝置的普及與收視習慣的改變，尼爾森收視率即已因為無法反映節目內容實際受歡迎的程度和觀看的群眾多寡，而快速破產，導致過度仰賴尼爾森公司電視收視率調查的電視台也因此與「主流民意」之間產生了「最遙遠的距離」。6 於是，對於收視率調查的檢討範圍，從抽樣誤差、樣本不足、由單一公司把持，以及缺乏質化測量等傳統問題，延伸擴及至如何追蹤多螢時代下的收視行為，以真實反映收視群眾的意向。值得慶幸的是，雖然挑戰隨著科技發展變得更加複. 政治大. 雜且嚴峻，但科技進步也創造了更便利且有效的解決問題工具—「數位機上盒」. 立. 與「網際網路點擊」。. ‧ 國. 學. 在媒體紛紛跨越數位化的里程碑後，數位化後的電視，可以經由機上盒，從頭端「地毯式」地蒐集所有使用者的收視行為紀錄，達到普查的效果，避免抽樣. ‧. 誤差、樣本不足等傳統收視率調查問題，例如美國尼爾森公司（Nielsen Media. y. Nat. sit. Research）即與 TiVo 公司合作發展數位機上盒。7至於透過行動裝置連結網際網. n. al. er. io. 路的收視方式也與電視數位機上盒的概念雷同，調查者能透過雙向傳輸的功能，. i n U. v. 甚至是與其他網路社群媒體合作，擴大蒐集使用者的「點擊」行為，進而分析其. Ch. engchi. 收視習慣與喜好，例如尼爾森新發展的「數位廣告收視率」（Digital Ad Ratings， DAR）調查工具，自 2011 年起即與 Facebook 合作，只要將尼爾森的代碼嵌入廣告中，尼爾森就能夠透過 Facebook 所掌有的數據資料進行比對，甚至可以瞭解網路廣告曝光的年齡與性別，以確認點擊者是否為廣告的目標族群；8又或如尼. 6. Maple，「台劇就是爛？收視率無效？爛劇淹沒好劇的怪現狀」，娛樂重擊，2016 年 7 月 21 日， http://punchline.asia/archives/29089（最後瀏覽日期：2017 年 6 月 6 日）。 7 邱慧仙，「大數據運用與收視率調查－機上盒篇」，2017 年 1 月 9 日， http://shucidi.strikingly.com/blog/85266610ca7（最後瀏覽日期：2017 年 6 月 6 日）。 8 呂紹玉，「別守著點擊數字，要知道誰看到！尼爾森數位廣告收視率幫助廣告主精準掌握投放效果」，科技新報，2016 年 9 月 9 日， http://technews.tw/2016/09/09/nielsens-dar-tool-for-digital-ad-market/ （最後瀏覽日期：2017 年 6 月 6 日）。 2.

(25) 爾森與 Twitter 合作的「尼爾森推特電視收視率（Nielsen Twitter TV Rating）」，也將社群媒體的推文數據納為收視行為的指標之一。9 上述新興的收視率調查工具基本上都可歸功於同一個技術的崛起：「大數據（Big Data）」，或稱「巨／海量資料」。10 大數據分析技術的興起，猶如為長久以來籠罩在傳統收視率調查上的各種質疑陰霾，投射下令人振奮的曙光。除了尼爾森公司很快地將此技術納入麾下，以鞏固其在收視率調查的地位；其他也有如 Netflix、Ooyala 等網際網路內容服務提供者，也積極從自行蒐集的使用者數據中，分析出受歡迎的內容型態，一方面. 政治大. 繼續產製更多符合多數群眾喜好的內容；另一方面，並依據個別使用者的喜好打. 立. 造「個人化」的推薦清單，以提升並維持顧客的忠誠度。11自此，數位化後的媒. ‧ 國. 學. 體彷彿進入了全新的時代，產業更瞭解群眾的喜好，廣告商也可更清楚投放標的是否具有效益，而群眾也能更輕易地攫取自己喜愛的內容。. ‧. y. Nat. 然而，就在收視率調查因為大數據發展呈現欣欣向榮、前景可期的一片榮景. er. io. sit. 之際，從司法院大法官釋字第 603 號解釋作成、個人資料保護法（下稱「個資法」）全面修正，所累積促成的個人資料自主控制意識，也引發一連串對於大數據分析. al. n. v i n Ch 所帶來個人資料保護威脅的討論。雖然其中不乏有傳播學者認為，收視率調查可 engchi U. 以排除「涉及個人資料」的部分，從而似可豁免個人資料保護法的適用；12但一般普遍仍然認為個人資料保護是利用大數據分析進行收視率調查時，難以迴避的法律問題。13也因此，個人資料保護法的適用爭議，便成為大數據分析在台灣收 9. 林玉凡，「數位收視調查市場的全新賽局」，大數據，2015 年 11 月 7 日， http://group.dailyview.tw/2015/11/07/%E6%95%B8%E4%BD%8D%E6%94%B6%E8%A6%96%E8 %AA%BF%E6%9F%A5%E5%B8%82%E5%A0%B4%E7%9A%84%E5%85%A8%E6%96%B0%E8 %B3%BD%E5%B1%80/ （最後瀏覽日期：2017 年 6 月 6 日）。 10 本文主要使用「大數據」一詞，但將交替使用「數據」與「資料」。 11 同前註。 12 邱慧仙，同註 7。 13 例如由雲端暨聯網電視論壇(CCTF)與資策會在 2013 年共同發起的「新媒體閱聽行為研究實驗室 (New Media User Lab)」，已有凱擘、台媒、新永安、聯維、寶福、瑞旭等電視台、內容業者、媒體代理商的加入，該平台希望透過如數位機上盒的收視資訊蒐集，掌握並分析數為時代的新媒體閱聽行為。其中，對於數位機上盒在收視資訊蒐集過程中涉及的個人資料保護法適法性問題， 3.

(26) 視率調查的應用發展上，一個不得不跨越的門檻。據此，究竟大數據分析所帶來的具體威脅為何？看似只是大量數據資料的彙整及分析對於個人的資料隱私會產生如何的影響？特別是應用在收視率調查上，我們是否能將大數據分析所創造的效益最大化，讓媒體及廣告產業能善用此一新興工具，但又同時兼顧使用者的權益保障，此即為引發本文研究的動機所在。. 第二項問題的提出 2010 年，「電腦處理個人資料保護法」名稱修正為個資法，條文內容也大幅. 政治大業才有適用，一時之間，所有公務機關及非公務機關在處理涉及個人資料的議題立. 翻修，並自 2012 年 10 月 1 日起施行14。由於修正後的個資法不再僅限於特定行. ‧ 國. 學. 時，都必須關注相關個人資料的蒐集、處理及利用是否符合個資法的規範。收視率調查因為是針對個人收視行為紀錄進行追蹤與分析，因此也同樣無法避免相關. ‧. 爭議的產生，包含：收視率調查所蒐集的相關資料是否為「個人資料」？如為「個. sit. y. Nat. 人資料」，在現行個資法下，應如何合法進行收視率的調查？又，對於該等收視. al. er. io. 率調查的結果，可以為何種程度範圍內的運用而不致違反個資法的要求？凡此實. v. n. 際運用大數據分析進行收視率調查的具體問題，均是本文必須處理的課題。. Ch. engchi. i n U. 然而，在回答現實層面的具體問題之前，不可迴避的仍必須先回歸抽象的法益層面作探討，才能追本溯源的瞭解法規背後所保障的價值為何，從而理解現行規範是否適當合理，方不致只是流於技術性的法規範適用操作。因此本文也必須提出的問題是，究竟收視率調查對於個人資訊隱私權的影響為何？相關收視行為的揭露究竟對個人有何不利影響，而有必要受到一定程度的制約？最後，本文也希望，透過探討大數據分析在收視率調查方面應用所引發的個即為該實驗室所重視的研究議題之一。參見「挑戰數位匯流時代數位媒體收視行為調查新任務『新媒體閱聽行為研究實驗室』正式成軍」，中央通訊社，2013 年 3 月 6 日， http://www.cna.com.tw/postwrite/Detail/122094.aspx#.WSrUTmiGOUk（最後瀏覽日期：2017 年 6 月 6 日）。 14 除第 6 條、第 45 條規定外。 4.

(27) 人資料保護議題，回頭檢視現行個資法面臨大數據分析此一不可抵擋的發展趨勢，是否有必須調整與改善的地方，並嘗試提出修法的方向建議，以更適切的回應現時個人資料保護的需求，同時扭轉個資法阻礙產業創新的形象，使其成為打造使用者可信賴、服務提供者能預見的法規範環境的利器，讓個人資料保護與大數據分析形成雙贏的局面。. 第二節研究方法與研究限制第一項研究方法. 政治大. 本文主要採取「文獻分析法」及「比較法研究法」。. 立. 法學研究最基礎且必要的方法即為文獻的蒐集、彙整與分析，因此本文擬. ‧ 國. 學. 針對國內、外與收視行為調查、大數據分析，及個人資料保護相關的實務裁判、. ‧. 解釋及學術論著等資料，進行蒐集、彙整、分析與檢討，以歸納出運用大數據. io. al. er. 及問題的討論反饋現行個資法未來的調整與修正方向。. sit. y. Nat. 分析進行收視行為調查時可能涉及的個人資料保護爭議與問題，並從相關爭議. v. n. 至於比較法，美國早於 1988 年即對於個人收視行為所涉及的隱私問題定有. Ch. engchi. i n U. 「視訊隱私保護法（Video privacy Protection Act，VPPA）」予以規範，且隨著時空變遷，近年也有多件網際網路收視行為紀錄當事人以視訊內容服務提供者違反上開法律規定而提起訴訟的實務案例，值得我國借鏡；另一方面，歐盟則為一般性個人資料保護法制的先驅，其於 1995 年所訂定的個人資料保護指令（Directive 95/46/EC）也是我國個資法於 2010 年全面修正時的主要參考對象，尤其歐盟在去年甫通過、將於 2018 年生效的個人資料保護規則（General Data Protection Regulation，GDPR），其中有許多因應數位時代發展所作的重要修正，更不容忽視。有鑑於此，本文將檢視、比較美國法制及歐盟法制中涉及收視行為調查的重要規範；同時擇取具有指標性的實務案例，就案例事實、法院裁判 5.

(28) 結果、判決意旨與理由詳加觀察，期能瞭解美國與歐盟法的發展脈絡及最新趨勢，為我國法制提供修正的參考方向。. 第二項研究範圍與研究限制第一款「大數據」的範圍關於「大數據」應如何界定，似乎欠缺法律上的定義。世界經濟論壇 2013 年在「解放個人資料的價值：從蒐集到利用（Unlocking the Value of Personal Data: From Collection to Usage）」報告中定義大數據是一系列巨大且複雜的資料組合，. 政治大. 以致於難以用現有資料庫管理工具或傳統數據運算程式來處理。15. 立. Christopher Surdak 描述大數據是為非常「大量」的資訊（指至少以 TB. ‧ 國. 學. （Terabyte）、或 PB（Petabyte），甚至是 EB（Exabyte）計算的資訊量）16套用統計分析，以應用數學、統計學及科學原理，聯合分析企業內的結構化和非結構化. ‧. 數據，或內部及外部數據來源，來詮釋極大量的數據，藉由擴大可用的數據量和. y. Nat. sit. 多樣性，找出從前錯過的新情報。17Viktor Mayer-Schonberger 與 Kenneth Cukier. n. al. er. io. 認為大數據目前還沒有明確的定義，但基本上是指要達到相當規模才能做的事；而其核心重點在於預測。18. Ch. engchi. i n U. v. 美國白宮報告「大數據：掌握機會、維護價值（Big Data: Seizing Opportunities, Preserving Values）」則指出大數據有許多可能的定義，因觀察者身分為電腦科學家、金融分析師、企業家或資本家而可能有所不同，大多數的定義反映出具有前所未有巨大（Volume）、迅速（Velocity）、多樣化（Variety）的特性。更精確的 15. See World Economic Forum, Unlocking the Value of Personal Data: From Collection to Usage, 3 footnote1(2013), available at http://www3.weforum.org/docs/WEF_IT_UnlockingValuePersonalData_CollectionUsage_Report_201 3.pdf (last visited Jun 9,2017 ). 16 TB、PB 及 EB 均為儲存容量單位，TB 指 1012 位元，PB 指 1015 位元，EB 則指 1018 位元。 17 See CHRISTOPHER SURDAK，DATA CRUSH: HOW THE INFORMATION T IDAL WAVE IS DRIVING NEW BUSINESS OPPORTUNITIES (2014)，中譯本，大數據時代的致勝決策：2020 年前最重要的關鍵策略， 2015 年 5 月，頁 73-78。 18 See VIKTOR MAYER-SCHÖ NBERGER & KENNETH CUKIER, BIG DATA 6＆11 (2013). 6.

(29) 描述，大數據資料集是網羅了現在及未來所有由儀器、感測器、網路交換機、電子郵件、視訊、點擊串流（click stream）或其他所有電子資訊所產生具有巨大化、多樣化、複雜化、分散化等特性的資料組合。此外，隨著數據蒐集、儲存及處理成本的降低，搭配新的數據來源（如感測器、相機及各式監控科技），數據蒐集與處理的量來到前所未有的巨大；但不只是量的改變，數據的來源及其形式也較以往更為多樣。19 另一白宮報告「向總統報告：大數據與隱私：來自科技的觀點（Report To The President: Big Data and Privacy: A Technological Perspective）」並指出，根據來源. 政治大 analog），前者指特別為電腦或數據處理系統使用所生產的數位數據，例如電子立的不同，可將數據區分為原生數位數據（born digital）與原生類比數據（born. ‧ 國. 學. 郵件、網頁瀏覽或 GPS 定位系統；後者則指起源自物理世界，但可逐步被轉換為數位形式的數據，例如由電話、相機或錄影機所捕捉的聲音、視覺或物理活動. ‧. 訊息（例如由穿戴裝置所監測的心跳率或流汗量）。隨著數據合成的能力崛起，. sit. y. Nat. 使全然相異的數據資源得以結合，大數據因此可以造就許多驚人的洞見。20. n. al. er. io. 歸納上述見解可知，大數據雖然沒有明確共通的定義，但必然都會提到其具. i n U. v. 有「規模龐大」的特徵；有些人則會再加強描述其數據累積的「高速」及資料來. Ch. engchi. 源的「多元性」，也就是大數據常被稱呼為「3V」（Volume、Velocity、Variety）的特徵。21大數據超乎想像的資料量，挑戰了我們現有的資訊科技水準，但只要. 19. Executive Office of the President, Big Data: Seizing Opportunities, Preserving Values, 2-3(2014), available at https://bigdatawg.nist.gov/pdf/big_data_privacy_report_may_1_2014.pdf (last visited Jun 9, 2017). 20 Executive Office of the President and President’s Council of Advisors on Science & Technology, Report To The President: Big Data and Privacy: A Technological Perspective, 19-21 (2014) available at https://bigdatawg.nist.gov/pdf/pcast_big_data_and_privacy_-_may_2014.pdf. (last visited Jun 9,2017 ). 21 隨資訊科技的推進，資料複雜程度不斷攀伸，大數據「3V」的概念亦不斷被新的論述擴充為「4V」（增加「準確性(Veracity)」）、「5V」（增加「可視性(Visualization)」）甚至「6V」（增加「合法性」(Validity)」）。參見王雲，在深不可測的 Big Data 時代尋找新契機，工研人，2015 年 5 月，第 384 期， http://www.google.com.tw/url?sa=t&rct=j&q=&esrc=s&frm=1&source=web&cd=9&cad=rja&uact=8 &ved=0ahUKEwiF4eHJ8OTLAhVBPqYKHRSfDEoQFghMMAg&url=http%3A%2F%2Fwww.nspar k.org.tw%2Fdocumentlibrary%2Fview%2F131%2F19_Doc_20150514101242.pdf&usg=AFQjCNERP xCFP50suquBQyofPXNeUS6nRw （最後瀏覽日期：2017 年 6 月 23 日）。 7.

(30) 能運用創新的演算方法加以分析、探勘，便可能精準洞察出前所未有的發現，進而影響人類各個層面的生活。因此，大數據最大的魅力即為 Viktor Mayer-Schönberger 與 Kenneth Cukier 所強調的核心重點—「預測」，也是各界紛紛致力於大數據研究所追求的價值所在。本文認為，即使不能賦予大數據一詞明確的法律定義，但從上述所歸納大數據特色—「預測」，仍可理解其對於個人資料的意義或在於，從大量的資料中可以洞見資料當事人的人格特質，進而可以評價或推論該當事人在未來的行為舉止。因此，本文將從上述意義出發，將大數據的範圍聚焦在對於自然人收視行為的調查以及分析之上。. 立. 政治大. 第二款「收視行為紀錄」的範圍. ‧ 國. 學. 在傳播學上，收視行為調查目標可以包含單純呈現收看特定內容人數的「收. ‧. 視率」，以及調查觀眾對於內容品質評價或喜好的「收視質」，而收視質又可以分. y. Nat. 為質化與量化調查兩種。22過去「收視率」與「收視質」各有不同的調查方式及. er. io. sit. 發展脈絡，但在大數據發展下，「收視率」已不同以往只是反映觀眾「轉台」的情形，透過大量蒐集使用者的「點擊」行為，可以大幅拓展對於使用者偏好理解. al. v i n 因此，在以大數據分析為中心的收視行為調查上，似已無特別區 Ch engchi U n. 23. 的可能範圍。. 分「收視率」及「收視質」的需要，本文乃以「收視行為紀錄」作為研究範圍，以期能涵蓋「收視率」及「收視質」二者的內涵。第三款「收視行為」的研究限制關於收視行為的調查方式，除了機械式的蒐集使用者的行為數據外，也可能. 包含如調查使用者在社群媒體的留言及討論等等，與收視內容有關的其他行為。雖然該等行為紀錄仍可能經由大量蒐集而成為大數據資料庫之一，但由於其行為 22. 林照真，同註 1，頁 299。「從 Google Analytics 網站分析元素看電視收視率」，Punchline 娛樂重擊，2014 年 12 月 16 日， http://punchline.asia/archives/6988（最後瀏覽日期：2017 年 6 月 6 日）。 8 23.

(31) 樣態可能包羅萬象、涵蓋甚廣，故本文並未一一納入作為討論的對象，而主要以最基本、透過機器記錄並回傳的個人對於視訊內容「收視」的行為樣態，作為研究的焦點所在。然而，由於留言、討論等相關行為在個資法上都可以歸屬於個人的社會活動之一，屬於個人資料的一種，與收視行為紀錄具有相同的法律意義，因此本文的研究結果，對於上述與收視內容有關的其他個人行為樣態資料的蒐集、處理及利用上，也有參考價值。. 第三節研究架構. 政治大如同前述，在進入數位化時代後，我們如何擁抱科技，將大數據分析所創造立. ‧ 國. 學. 的效益最大化，讓媒體及廣告產業能合理善用此一新興工具促進經濟的發展；然而，同時又不忘兼顧使用者的權益保障，確保使用者仍然能對其個人資料享有一. ‧. 定的個人資料自主控制權利，從而實踐個資法第 1 條規定所揭示的立法意旨，為. sit. y. Nat. 本研究的目的所在。. n. al. er. io. 本文第二章，首先從大數據的發展介紹起，廣泛的鳥瞰大數據在我們現時生. i n U. v. 活各個領域中所具有的應用價值；其中，並針對收視行為調查的領域，特別深入. Ch. engchi. 瞭解大數據如何解決過往收視率調查為人所詬病的缺失。而在認識大數據為生活帶來的便利與創新之際，我們也必須從另一面嚴肅檢視，大數據分析技術的背後，對於我們個人生活乃至於整體社會、民主自由等價值，將產生如何潛移默化的影響，以理解大數據所帶來的利與弊。接著在第三章，本文將依序以美國法制及歐盟法制作為比較研究的對象，觀察在大數據分析風潮席捲世界各地之際，以「部門式」個人資料保護法制著稱的美國，與「一般性」個人資料保護立法先驅的歐盟，在關於收視行為所涉及的隱私議題上，各自發展的脈絡與關注的焦點為何。尤其是面對大數據時代，「個人資料」與「非個人資料」的界線應如何劃分？去識別化的內涵又是什麼？對於相 9.

(32) 關收視行為紀錄資料利用的可能合法事由為何，其界限何在，以及其他相應的配套措施，均值得作為我國的參考。第四章將回頭檢視我國涉及收視行為紀錄調查與利用的相關規範，包含：個資法、相關行政命令，以及今年初甫公告的數位通訊傳播法草案等等法令，並瞭解其中可能的適用爭議。尤其，針對現行個資法，本文將進一步探討在大數據時代下，面對資料以數位方式大量儲存、資料探勘技術不斷發展的挑戰，現行規範是否仍足以負荷立法者的期待？其面臨的具體困境又有哪些？最後在第五章，綜合以上研究，本文將提出收視行為調查涉及個人資料保護. 政治大. 的相關建議；對於現行法未臻完善之處，並嘗試借鏡美國法制與歐盟法制的經驗，. 立. 提出修法的方向，以供參酌。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 10. i n U. v.

(33) 第二章. 大數據下的收視行為紀錄價值與隱私疑慮. 本章以大數據發展作為觀察起點，首先廣泛地瀏覽大數據在我們生活各個重要領域中所具有的應用價值，以理解大數據分析何以為現代社會競相投入的研究目標；尤其是在收視行為調查領域，過去向有質疑收視率調查數字失真的聲音， 1. 此一長久以來的爭議隨著大數據科技的投入運用，似乎迎來緩解的曙光。然而，. 因應收視行為紀錄發展為大數據資料的型態，其功能也從傳統的廣告買賣量尺，延伸為個人化行為行銷（behavioral marketing）的利器。然而，除了經濟上的各. 政治大能衝擊，將是本章主要欲探討的重心所在。立. 種好處外，隨之而來的隱私威脅，乃至於對整體社會、民主自由等價值產生的可. ‧ 國. 大數據的發展. 學. 第一節. ‧. 隨著運算科技的進步，企業及政府組織紛紛致力於蒐集、儲存大量資料的技. y. Nat. 術發展，「大數據」或稱「巨／海量資料」已經成為目前最熱門的話題，並廣泛. er. io. sit. 地被應用在生活的各個領域上，刺激了許多意想不到的創新與發現，帶領人類又邁進了一個新科技革命的里程碑。大數據的分析技術雖然起源於科技，其應用價. al. n. v i n 值卻遍及現代社會食、衣、住、行、育、樂等各個層面。以下便舉其中特別受到 Ch engchi U 矚目的幾個重要領域作介紹，以一窺大數據在我們生活中究竟如何佔有一席之地。. 大數據研究近年來蓬勃發展，在各種領域多有斬獲，特別是醫療方面，利用大數據的分析，有了許多振奮人心的突破。例如在 2012 年，史丹佛大學的醫藥與生物工程教授 Russ Altman 博士發現同時服用 Paxil 與 Pravachol 兩種藥品，將會使患者血液中的葡萄糖上升至糖尿病症的程度。由於此一嚴重的副作用在分開服用時並不會發生，而美國食品藥物管理署（Food and Drug Administration）在 1. 「收視率過度推論反失真」，蘋果日報，2004 年 2 月 25 日；「五台嗆聲：尼爾森收視率謀殺電視業」，聯合報，2006 年 4 月 13 日；「鄭優轟 AGB 尼爾森收視率失真」，蘋果日報，2006 年 6 月 30 日；「陳剛信轟 AGB 尼爾森殘害台灣媒體」，自由時報，2006 年 6 月 30 日。 11.

(34) 有限的資源下無法針對每一種藥品可能發生的相互作用進行測試，該兩種藥品因此被批准上市。Altman 的團隊是經由追蹤數據分析（statistical analysis）及運用資料探勘（data mining）技術而達成此一發現，他們分析「不良事件回報系統」 2資料庫中的資訊，替引發糖尿病的藥物創造了「症狀足跡」（symptomatic footprint），並循著足跡中同時服用兩種藥物時所產生的相互作用，發現 Paxil 與 Pravachol 是最常被提及的組合。接著，科學家又檢視微軟 Bing 搜尋引擎中經過「去識別化」的搜尋紀錄，確認使用者在輸入與「症狀足跡」相關的字詞（如：頭痛、疲憊）時，同時搜尋 Paxil 與 Pravachol 的比例，是否高於分別只輸入 Paxil 或 Pravacho 的比例，結果也在大數據中發現了支持他們研究假設的基礎—在 Bing. 治政大 1500 萬的 Paxil 及 1800 糖尿病相關的副作用，在 2009 年，在美國估計分別有高達立萬的 Pravachol 處方，其中有將近 100 萬的人同時服用此兩種藥物，Altman 團隊中同時搜尋兩個藥物名稱者，相較於只搜尋其中一種藥物者，更可能同時搜尋與. ‧ 國. 學. 的發現及時拯救了這些人的性命。3. ‧. 除了上面的例子，經由大數據分析也獲得了許多過去難以發現的洞見，包括：監控新生兒加護病房，藉由分析如體溫上升程度、心跳增加率等數據，判斷哪一. y. Nat. io. sit. 個新生兒較容易感染致命的傳染病，這些傳染病滋生初期的警訊在傳統治療上，. n. al. er. 即便是極富經驗與細心的醫生也難以掌握；4又如藉由分析凱薩醫療機構（Kaiser. Ch. i n U. v. Permanente）所蒐集的臨床及成本數據，發現 Vioxx 的不良藥物反應，進而促使. engchi. 此種藥品下市；5或如利用美國醫療用品零售監視系統（National Retail Data Monitor），分析人們所購買的藥物數據，使衛生當局得以預測短期內的疾病傳染. 2. 「不良事件報告系統」（Adverse Event Reporting System，AERS）是由 FDA 所掌有的數據資料庫，該資料庫網羅了來自臨床醫生、病人及藥廠近 30 年的藥物不良事件報告。 3 See Omer Tene & Jules Polonetsky, Big data for all：privacy and user control in the age of analytics, 11 Nw. J. Tech. & Intell. Prop. 239, 243-246 (2013) available at http://scholarlycommons.law.northwestern.edu/cgi/viewcontent.cgi?article=1191&context=njtip. (last visited June 23, 2017) 4 IBM, Smarter Healthcare in Canada: Redefining Value and Success 4-5 (2012), available at https://www-01.ibm.com/common/ssi/cgi-bin/ssialias?htmlfid=HPW03005CAEN (last visited June 23, 2017). 5 Rita Rubin, How Did Vioxx Debacle Happen?, USA TODAY (Oct. 12, 2004) http://usatoday30.usatoday.com/news/health/2004-10-12-vioxx-cover_x.htm (last visited June 23, 2017). 12.

(35) 趨勢；6以及在南非發現使用維他命 B 與延緩 AIDS 病情進程及期間的正相關7等等。基於上述大數據分析為醫藥領域所帶來的潛在利益，甚至英國政府也在 2011 年宣布每位加入英國健保（National Health Service）的病患，將成為「研究病患」，其用藥紀錄將會開放予私人醫療機構進行研究，而有隱私顧慮的病患擁有「退出」（opt-out）的權利。89 除醫療外，大數據分析也被運用在避免各種機械或結構的故障上。事先將感應器放在機器、馬達或是橋樑等基礎設施上，密切監控所有發出的訊號，例如：. 政治大. 發熱、震動、聲音等等，就能找出可能即將發生問題的關鍵變化。因為東西故障. 立. 往往不是突然發生，而是隨時間慢慢累積而成。經由感應器回傳的預警訊息，如. ‧ 國. 學. 馬達發出不尋常的聲音、引擎過熱等，就能在故障發生前取得修理或更換零件的. ‧. 6. n. al. er. io. sit. y. Nat. Brian Fung, Using Data Mining to Predict Epidemics Before They Spread, THE ATLANTIC, (May 2, 2012) http://www.theatlantic.com/health/archive/2012/05/using-data-mining-to-predict-epidemics-before-the y-spread/256605 (last visited June 23, 2017). 7 Big Data:未來醫療的終極武器，科技新報，2014 年 6 月 15 日 http://technews.tw/2014/06/15/big-data%ef%bc%9a%e6%9c%aa%e4%be%86%e9%86%ab%e7%99% 82%e7%9a%84%e7%b5%82%e6%a5%b5%e6%ad%a6%e5%99%a8/（最後瀏覽日期：2016/4/3）。 8 Everyone ‘to be research patient’, says David Cameron, BBC NEWS (Dec. 5, 2011) http://www.bbc.com/news/uk-16026827 (last visited June 23, 2017) 9 英國政府後於 2013 年 4 月成立「醫療及社會照護資訊中心」（Health and Social Care Information Centre，HSCIC），性質為一非政府部門公共機構（Non-department public body，NDPB），負責提供資訊、數據及科技服務予醫療及社會照護領域的相關單位，自 2016 年 7 月起並更名為「英國健保數據（NHS Digital）」。依照英國的「醫療社會法（Health and Social Act 2012）」，NHS Digital 可以要求醫療或社會照護的機構（或個人），提供一切必要的資訊以協助其履行其相關法定職責，包括：蒐集、分析及呈現國家醫療與社會照護數據；就相關所蒐集及產出的資訊定期發行公報；建立並管理國家資訊系統以處理並生產相關資訊；建立該領域的資料蒐集及報告準則；發布病患個人機密資訊應如何管理之規定；制訂醫療及照護服務品質之評鑑指標；協助醫療及照護機構改善所蒐集的數據品質。NHS Digital 所蒐集的資訊包括英國境內各醫療及社會照護服務者所提供的相關服務紀錄，並可區分為四種類型：1.可識別(identifiable)資料（含可識別特定個人的細節資訊）、2.假名化(pseudonymized)資料（將可資識別資訊如姓名、健保號碼以其他密碼取代）、3.匿名化（anonymised）資料（將可資識別資訊直接刪去）及 4.去識別化的累積資訊(aggregated)使其無法識別特定個人。而僅有在用來發展或改善英國醫療服務，或經政府認定是緊急或公益的情況下，NHS Digital 才會提供所蒐集的可識別資料（Identifiable information）。原則上，只要是接受英國境內醫療或社會照護者的服務，相關服務（如用藥、臨床治療）紀錄便會由服務者留存並提供給 NHS Digital，但資料當事人對於其紀錄如何被使用，或者就超過自身醫療所需範圍的利用是否退出（opt-out），仍擁有選擇權，只要直接通知提供服務的家庭醫師（General practitioner， GP）即可。http://www.hscic.gov.uk/patientconf (last visited June 23, 2017) 13. Ch. engchi. i n U. v.

(36) 先機，避免故障發生所可能引起的各種損害。10 快遞公司 UPS 從 2000 年代後期起便運用此一大數據分析來掌握在全美的六萬台車輛，避免車輛拋錨所可能導致的交貨延遲，並且較過去定期更換車輛零件的方式，省下數百萬美元的費用。其他各種重要的基礎設施，如橋樑、建築物、工廠及煉油廠也都紛紛利用感應器來監測各種耗損跡象，以提前防範可能的重大損失。11 在教育方面，由於線上學習與行動學習的推廣，大數據分析在教育領域的應用也逐漸受到重視。Kristen DiCerbo 及 John Behrens 指出，根據教育專家的估. 政治大. 計，每位教師每天可能需要作成 800 到 1000 次左右的決定，這些決定深刻影響. 立. 著每位學生的學習成效。例如一個閱讀團體中，讀得最快的學生速度是團體中讀. ‧ 國. 學. 得最慢者的 13 倍，而教師關於這個團體的節奏、組織、引導及學習上的決定，都會為學習結果帶來巨大的影響。12此外，當教師運用學生的學習資訊來教學時，. ‧. 通常會為學習成果帶來明顯地改善；而藉由蒐集學生的行為數據，比起傳統總結. y. Nat. sit. 式的測驗方式，更有助於瞭解學生在解決問題時的過程、建立並持續更新個人的. al. er. io. 學習檔案，並提供教師最佳的教學建議以達到學習目標。13. n. v i n 不少教育家也投入這個理念的實踐之中。其中的先驅是 Coursera Ch engchi U. 14. 的共同創. 辦人 Andrew Ng。他率先在網路開設課程中蒐集所有學習相關的資料來調整教學方式，以提升學生的理解力。例如追蹤學生觀看教學影片的動作、順序，分析課程線上論壇的數據等。而 Andrew Ng 所建立的學習平台 Coursera 也依循這樣的數據模式運作著，例如老師向在 Coursera 上的學生們發一封郵件，提醒大家：「親. 10 11 12. See VIKTOR MAYER-SCHÖ NBERGER & KENNETH CUKIER, BIG DATA, 58 (2013). Id. at 59. Kristen DiCerbo and John Behrens, Impacts of the Digital Ocean on Education, 11 (2014), available. at https://research.pearson.com/content/plc/prkc/uk/open-ideas/en/articles/a-tidal-wave-of-data/_jcr_conte nt/par/articledownloadcompo/file.res/3897.Digital_Ocean_web.pdf (last visited Jun.5,2017) 13 Id. at 12-13. 14 Coursera 教育科技公司是由 Andrew Ng 與 Daphne Koller 所創辦線上學習平台，與世界各國大學合作推廣免費線上課程。https://zh-tw.coursera.org/ （最後瀏覽日期：2017 年 6 月 8 日）。 14.

(37) 愛的同學們，今天是周六，你要交作業了！」，這麼說的話，可能沒什麼人會願意聽話地按時交作業。但是在發郵件給某個同學時，提到他上週看了五個影片，並稱讚他在社群裡回答的幾個問題很棒，最後再順帶提醒：「別忘了交作業哦！」對於鼓勵學生按時交作業有更好的效果。15 紐約市教育局也在 2010 年建立「iZone」16，協助部分社區中學實施「個人學校」（School of One）的數學課程。該課程是在進行數據分析後，依照個別學生的能力與學習方式分組；每位教師都能掌握個別學生的即時行為數據，以確認個別學生是否準備好進入下一個學習階段，並提供客製化的個人學習清單。17. 政治大. 又或如上海復旦大學經由對學生背景資料分析後，發現不同地區的基礎教育. 立. 發展狀況對學生學習差異影響很大，但與城鄉差距卻不一定有關。例如中、西部. ‧ 國. 學. 地區的城鎮學生成績優於農村學生；東部地區卻相反。因為在中、西部地區，城鎮的基礎教育資源和水準明顯高於農村；而在東部地區，農村和城鎮教育資源和. ‧. 水準相對均衡，不少農村學生反而表現得更好。18. y. Nat. er. io. sit. 最後在商業領域，大數據分析被喻為現代企業存亡的關鍵，企業一方面利用大數據來管理產品、設備以降低經營成本；另一方面也利用大數據打造出好的產. n. al. Ch. 品及服務來供應消費者以創造營收。. engchi. i n U. v. 世界最大的零售商—沃爾瑪公司（Wal-Mart）建立了頂尖的資料處理系統，來管理全球 4000 多個店鋪的銷售、訂貨及庫存情況，其總部每天和各地分支機構交換的資料達 1.5 億個字節，是世界上最大的私人資料庫。這些資料包括商品來源資料、商品流向資料、倉庫管理資料、顧客資料、設備投資資料、各種管理. 15. 「靠『大數據』顛覆傳統教育，線上教育讓壞學生想不愛上課都不行」，科技橘報，2014 年 5 月 7 日。http://buzzorange.com/techorange/2014/05/07/big-data-is-the-key-of-online-edu/ （最後瀏覽日期：2017 年 6 月 8 日）。 16 http://izonenyc.org/initiatives/school-of-one/ (last visited June 23, 2017). 17 Id. 18 孫憶明，大數據（Big Data）改變未來教育樣貌的三種可能，關鍵評論，2014 年 2 月 10 日， http://www.thenewslens.com/post/24794/（最後瀏覽日期：2017 年 4 月 5 日）。 15.

(38) 費用以及經營分析與預測等。當中最為人所稱道的是被稱為「Retail Link」的庫存管理系統，該系統可以讓供應商即時確認其產品在每間商店、每個貨架上的精準數量；也能展現該產品過去數年間每日、每小時的銷售率，使供應商得以完全掌控其產品的銷售情況，以更有效率的管理產品。此一技術改變了零售業的商業模式，在某些情形下，使供應商保有對產品的管銷控制直到產品售出的那一刻，沃爾瑪公司才取得產品所有權，不但減少了堆積庫存的風險，也降低了經營成本；因為其店裡的貨架基本上就是一個持續被高效率管理著的小倉庫。19 除了提高企業內部的行政效能，大數據也能衍生出多種應用服務來供應消費. 政治大 Climate.com 利用農場的地點、形狀、面積與氣象資料，可以提供農民耕種的相立. 者，例如：Waze 導航使用其他駕駛人的即時路況資料，以持續改善其導航服務；. ‧ 國. 學. 關資訊，例如：今天可以去哪片農地耕作、哪片農地今天該噴灑與栽種、哪片農地正在成長而應該施肥、哪片農地應該等幾天再栽種，進而幫助農民提高獲利能. ‧. 力。20. y. Nat. sit. 大數據分析也被用於防範各種商業交易詐欺。例如估計保險詐欺至少佔其支. n. al. er. io. 出百分之十的保險業，一直視防範保險詐欺為核心業務之一，而且希望愈早發現. i n U. v. 愈好，以避免在訴訟程序上花費更多的成本。經由分析歷史或即時的薪資紀錄、. Ch. engchi. 就醫紀錄、律師費、人口統計資料、天氣資訊、客服中心紀錄或者是語音紀錄等等資料，可以協助保險公司更有效率地防範保險詐欺事件。21甚至，進一步與其他平台合作，蒐集如社群媒體及線上影音收視等行為資料，能更輕易、迅速地的在理賠申請早期就發現可疑的保險詐欺行為，例如保險理賠申請人聲稱其車子於. 19. A Different Game, The economist (Feb. 25, 2010), available at http://www.economist.com/node/15557465 (last visited June 23,2017) 20 JOEL GURIN, OPEN DATA NOW: THE SECRET TO HOT STARTUPS, SMART INVESTING, SAVVY MARKETING, AND FAST INNOVATION, 開放資料大商機—當大數據全部免費！創新、創業、投資、行銷關鍵新趨勢，2015 年 4 月，頁 52-53。 21 Judith Hurwitz, Alan Nugent, Fern Halper, & Marcia Kaufman, How Big Data Analytics Can Prevent Fraud, available at: http://www.dummies.com/how-to/content/how-big-data-analytics-can-prevent-fraud.html (last visited June 8, 2017) 16.

(39) 一次淹水中徹底毀損，但卻在臉書或推特上發現淹水當天，被保險的車子在另一個城市中出現。22此外，各種虛擬電子商務也因企業負有最終防範信用卡交易詐欺的責任，如欲在這百家爭鳴的虛擬交易市場上佔有一席之地，也不可避免地需仰賴大數據的蒐集與分析，建立一套可靠有效的機制，以針對首次購買的客戶，進行可疑交易的偵測與防範。23. 第二節. 收視行為紀錄調查. 大數據分析在各個領域皆扮演要角，在商業領域更是格外受到重視。經由分. 政治大益，莫不為所有經營者的目標。因此我們過去對於政府作為「老大哥」的想像早立析消費者的行為並理解其心理以更有效率的進行供給與需求的媒合，進而提高收. 已被顛覆，現代企業有不亞於政府更充足的動機與能力來監測我們一舉一動，包. ‧ 國. 學. 括個人的購買紀錄、移動紀錄…甚至是我們目光流轉、停留的片刻—收視行為紀. ‧. 錄。24收視行為紀錄的調查早在上個世紀初就存在，但是傳統的調查方式向來飽. y. Nat. 受批評；因此在媒體紛紛邁向數位時代後，收視行為紀錄的調查也有了全然不同. n. al. er. io. 的演進歷程。. sit. 的面貌，為了洞悉這其中轉變的緣由，我們首先必須瞭解收視行為紀錄調查方式. Ch. 第一項何謂收視行為紀錄. engchi. i n U. v. 收視行為紀錄，主要是指針對使用者使用視訊媒體的情形及習慣進行調查，採集包括收視時間、收視的節目類型等相關資訊，並通常以「收視率」的量化方式呈現調查結果；但針對更深入的節目品質調查，也有以滿意度為指標所做的「收視質」研究。. 22. Id. See Tene & Polonetsky, supra note 3, at 249. 24 有別於喬治·歐威爾(George Orwell)在《1984》一書中將來自政府對於個人隱私的威脅比喻為「老大哥(Big Brothers)」，後世學者常將私人企業此種利用電腦資料庫監測個人行為的現象稱為「小大哥(Little Brothers)」。DANIEL J. SOLOVE, THE DIGITAL PERSON 32 (2004). 17 23.

(40) 第一款收視率根據 1970 年《英漢大眾傳播辭典》，收視率的定義是：「指樹立電視節目流行程度的任何數字，或是節目所播映的廣告得到的曝露，通常由調查公司予以測定，而用來代表能夠收到某個節目，而又實際收視該節目的家庭百分比」。251996 年，Weiner 於《媒介與傳播辭典》中則將收視率界定為反映一個節目人口數的數據，並可由下列四種方式呈現：1.平均每一分鐘調整接收特定節目的家庭戶數百分比；2.所有擁有電視家庭戶數的百分比；3.特定節目中平均每一分鐘的閱聽眾佔有率，以當時正在使用電視的所有家庭戶數百分比來表示；4.每 15 分鐘的平. 政治大典》則將收視率定義為：在特定時間內，特定人群消費某種媒體的百分比，例如：立. 均閱聽眾人數，以所有可能使用電視的家庭戶數百分比來表示。26《廣告媒體辭. ‧ 國. 學. 一個電視節目對成年人（18 至 49 歲）的收視率為 10，表示成年人中，平均每分鐘有 10％的人在觀看該節目。由上揭對於收視率定義的演變，可以發現隨著時. ‧. 代變遷，收視行為及對收視行為的調查方式也隨之變化：收視媒體不再限於傳統. sit. al. er. io. 第二款收視質. y. Nat. 電視機，而可包括任何可提供視訊內容的媒介平臺，如行動裝置、電腦等。. n. v i n 除了前述主要的「收視率」調查，另外還有調查收視者對電視節目滿意程度 Ch engchi U. 的「收視質」研究。. 「收視質」的概念源自英國，是英國廣播公司（British Broadcasting Corporation）於 1941 年所提出，運用在調查電台聽眾的「收聽質」，以瞭解聽眾對於廣播節目品質的看法。由於慣用的「收視率」調查，僅能呈現簡單的結果數據，顯示收看特定節目的人數，而未能反應收視者對於節目的評價或喜好，以及節目是否真能滿足收視者需求等。為了瞭解收視行為在數量以外的素質，以評估 25. 許玉芳，電視數位化後收視調查機制之研究，政治大學廣告研究所碩士論文，2009 年，頁 24 （以雙引號強調部分為本文所加）。 26 魏宏展，收視質於廣告媒體企劃之應用探討，政治大學廣告研究所碩士論文，2002 年，頁 26 （以雙引號強調部分為本文所加）。 18.

(41) 電視節目在觀眾眼中的品質評價，各先進國家如英國、美國、加拿大及日本等，也紛紛發展「質」性收視研究來彌補「收視率」調查的不足，以期勾勒出更完整的收視情形。27. 第二項傳統收視行為調查方式第一款收視率調查傳統收視行為紀錄主要是以抽樣的方式進行收視率的調查，並可大致區分為「電話調查法」、「日記法」、「機械記錄法」等三種調查方法：第一目電話調查法. 政治大. 立. 電話調查法是最傳統的收視行為紀錄調查方式，以電話簿號碼為母體，採隨. ‧ 國. 學. 機抽樣方式選取其中部分，經過電話訪問得到收視資料，並可依詢問的時點區分. ‧. 為回憶調查與即時調查。28「回憶調查法」起源於 1928 年，美國廣告組織為了. y. Nat. 瞭解廣播聽眾數目所進行的研究，將原本用於民調的技巧移植到廣播，詢問受訪. er. io. sit. 者 24 小時前的收聽情況；「即時調查法」則是由 1936 年第一家獨立於媒體經營者與廣告主的營利性調查公司 Hooper 所率先採用，在節目播出同時打電話到樣. al. n. v i n 本戶家中詢問節目收看狀況。C回憶調查法較不受時間限制，但主要有受訪者記 hengchi U 29. 憶偏差僅能提供自己有印象部分、可能有不實陳述、得到資料較為零碎的缺點；即時調查法雖相對不易發生記憶偏誤的問題，但受限於電話訪問無法在凌晨及深. 夜進行，僅能記錄下極短時間內的收視行為，無法顯現收視行為的完整變化過程。此外，不論是回憶調查或即時調查，都僅能訪問到最基本的收視行為，如有沒有. 27. 但嚴格來說，這些調查並非真正的質化研究，而是以量化研究方法所執行的質性研究，所以一般稱為「質化」的收視率調查，相較於單純的收視率只有數據的調查，質化的收視率可以提供更多的觀眾資訊，特別是針對分眾製播、不適合單用收視率評估節目表現的情況，「收視質」相對地擁有更高的參考價值。參見：美國節目收視調查方法，公共電視台研究發展部， http://web.pts.org.tw/~rnd/p2/000726-2.htm （最後瀏覽日期：2017 年 6 月 23 日）。 28 邱慧仙，數位時代電視收視率量測機制變革，世新大學傳播博士學位學程，博士學位論文， 2012 年，頁 48。 29 同前註。 19.