臉書貼文擴散力之關鍵因子分析--太陽花運動個案研究 - 政大學術集成

全文

(1)政治大學數位內容碩士學位學程碩士論文. 臉書貼文擴散力之關鍵因子分析 ──太陽花運動個案研究治政 Key factors affecting the大 spreadability of Facebook立posts: A case study of the ‧. ‧ 國. 學. Sunflower movement in Taiwan. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生：李薏瑩指導教授：張寶芳博士蔡銘峰博士. 2016 年 7 月.

(2) 摘要近年來，許多公民議題透過臉書得以在網路上快速傳播。本研究以 2014 年的太陽花運動為個案，分析臉書貼文內容與使用者實際之按讚、回應、分享行為，探討： (1) 具備何種特質的貼文內容較易擴散；(2) 由關鍵字預測貼文熱門程度的可能；(3) 貼文內容與使用者之「按讚、回應與分享」行為之間的關係；(4) 除內容外，其他可能影響臉書貼文擴散的因素。. 本研究蒐集太陽花運動期間，27 個相關臉書專頁，共 8103 篇貼文為樣本；假. 治政與貼文擴散力之變項，進行關鍵字詞頻分析、貼文聯集文本分析與貼文交集文本分大立析。研究發現：(1) 情緒類內容在熱門貼文中所佔比例最高，其情緒價向在按讚數、設知識類、行動類、情緒類三類內容為影響臉書使用者「按讚、回應與分享」行為. ‧ 國. 學. 回應數或分享數熱門貼文中各有差異；(2) 單就關鍵字詞頻分析不足以代表貼文內容之分類；(3) 不同類型的貼文內容會導致使用者「按讚、回應與分享」行為之差異：. ‧. 知識類內容在分享數熱門貼文裡所佔比例，較在按讚數及回應數之熱門貼文裡高；. sit. y. Nat. 按讚數與回應數熱門貼文之文本內容分類相似；(4) 發文時機、粉絲頁人氣、貼文字. io. n. al. er. 數亦為影響臉書貼文擴散力之因素。. i n U. v. 未來研究可以本研究提供之原始數據為基礎，進行更深入的分析或其他太陽花運動相關研究。. Ch. engchi. 關鍵字：擴散力、詞頻分析、內容分析、情緒價向.

(3) Abstract Why are certain pieces of content on Facebook more spreadable than others? What is the relationship between content and user behavior (i.e., to like, to comment, or to share the post) on Facebook? Can we predict which post on Facebook can go viral by selected keywords? And what other factors can affect spreadability? Using an unique data set of 8103 posts on Facebook during the Sunflower movement in Taiwan, the study classifies the data into "informative," "call for action," and "emotional" contents, taking up the opportunity to address these questions with both keyword frequency analysis and content analysis.. 治政大 for the highest proportion in The results indicate that while emotional content accounts 立 popular posts, its emotional valence varies in highly liked, commented, or shared posts. As ‧ 國. 學. for informative content, it appears the most in highly shared posts than highly liked or commented ones; the latter two share similar composition of content and are more likely to. ‧. be affected by the popularity of the fan page. The results also suggest that examining keyword frequency alone is not enough for the prediction of a post's spreadability since. Nat. sit. y. not only Chinese semantics can vary a lot through context, picture or link published with. er. io. the post also play an important role to shape the content, sometimes can even shift the meaning of the text. Other factors such as timely controversy or the length of the text are. al. n. also shown in the results.. Ch. engchi. i n U. v. Keywords：spreadaility, Chinese keyword frequency analysis, content analysis, emotional valence.

(4) 目錄第一章. 緒論................................................................................................................................. 1. 第一節研究動機 .................................................................................................................................. 1 第二節研究問題 .................................................................................................................................. 4 第三節研究架構 .................................................................................................................................. 4 第一節第二節第三節第四節. 第三章第一節第二節第三節第四節. 數位原民在社群媒體上之政治參與 .................................................................................. 5 按讚、回應與分享之臉書行為 ........................................................................................... 7 內容擴散力探討 ...................................................................................................................11 貼文內容與「按讚、回應、分享」行為之關係 ..........................................................13. 研究方法 ...................................................................................................................... 16. 政治大. 數位方法 ................................................................................................................................16 研究設計 ................................................................................................................................17 前測分析 ................................................................................................................................28 研究設計修正 .......................................................................................................................32. 立. 學. 第四章. 文獻探討 ........................................................................................................................ 5. ‧ 國. 第二章. 資料分析與發現 ......................................................................................................... 38. 結論與建議.................................................................................................................. 73. y. Nat. 第五章. ‧. 第一節關鍵字詞頻分析 ...................................................................................................................38 第二節貼文聯集文本分析...............................................................................................................42 第三節貼文交集文本分析...............................................................................................................46. sit. n. al. er. io. 第一節研究發現與討論 ...................................................................................................................73 第二節研究貢獻與建議 ...................................................................................................................77 第三節研究限制與未來展望 ..........................................................................................................79. i n U. v. 參考文獻 ....................................................................................................................................... 82. Ch. engchi. 附錄一：抓取臉書主文流程圖 ................................................................................................ 85 附錄二：抓取臉書回應文流程圖 ............................................................................................ 86 附錄三：自訂關鍵字列表 ......................................................................................................... 87 附錄四：自訂關鍵字分類表 .................................................................................................... 89 附錄五：情緒字庫關鍵字 ......................................................................................................... 91 附錄六：貼文交集文本分析之 80 篇貼文內容分類彙總................................................... 96.

(5) 表目錄表 1 各臉書專頁於太陽花運動期間之發文數與平均單篇讚數、回應數、分享數 ..... 19 表 2 貼文聯集文本分析取樣之臉書專頁 (共 18 個) ........................................................ 22 表 3 貼文聯集文本分析資料輸出格式 (以黑島青之分享數為例).................................. 25 表 4 關鍵字詞頻分析樣本輸出格式 ................................................................................. 26 表 5 貼文內容分類 (知識、行動、情緒類)彙總前測 (共 300 篇貼文) .......................... 28 表 6 自訂關鍵字在 300 篇貼文中出現頻率 ..................................................................... 30 表 7 彙編關鍵字在 8220 篇貼文中出現頻率 ................................................................... 32 表 8 彙編關鍵字在 90 篇貼文中出現頻率 ....................................................................... 33 表 9 自訂關鍵字在「8220 篇貼文裡，按讚數、回應數、分享數排序各為前 100 之貼文」中的出現頻率 ............................................................................................................. 34 表 10 自訂關鍵字在「8220 篇貼文裡，按讚數、回應數、分享數排序各為倒數 100 之貼文」中的出現頻率 ..................................................................................................... 35 表 11 彙編關鍵字在「27 個粉絲頁裡，按讚數、回應數、分享數排序各為前 10 之貼文」中的出現頻率 ............................................................................................................. 37 表 12 關鍵字在 798 篇熱門貼文中的出現頻率 ............................................................... 39 表 13 分類 (知識、行動、情緒)關鍵字出現次數彙總 (以表 11 之關鍵字為樣本) ...... 41 表 14 各粉絲頁按讚數 Top 10 貼文彙總之文本內容分類 (知識、行動、情緒類) ....... 42 表 15 各粉絲頁回應數 Top 10 貼文彙總之文本內容分類 (知識、行動、情緒類) ....... 43 表 16 各粉絲頁分享數 Top 10 貼文彙總之文本內容分類 (知識、行動、情緒類) ....... 44 表 17 按讚數、回應數、分享數 Top 10 貼文中，各內容分類 (知識、行動、情緒)之平均值 (共 540 篇貼文) ...................................................................................................... 45 表 18 按讚數、回應數、分享數 Top 10 貼文中，情緒類內容分類 (負面、正面、正負)之平均值 (540 篇貼文中，共 462 篇含情緒類內容之貼文)...................................... 45 表 19 按讚數、回應數、分享數 Top 10 貼文中，80 篇交集文章之來源粉絲頁列表 . 47 表 20 熱門交集貼文發文形式總表 (共 80 篇貼文) .......................................................... 48 表 21 按讚數熱門之貼文資料 (整理自圖 5) .................................................................... 53 表 22 回應數熱門之貼文資料 (整理自圖 6) .................................................................... 54 表 23 貼文交集文本分析資料輸出格式 ........................................................................... 57 表 24 貼文交集文本分析取樣 2 ........................................................................................ 59 表 25 貼文交集文本分析取樣 3 ........................................................................................ 59 表 26 貼文交集文本分析中，按讚數、回應數、分享數三項各由高至低排序前 10 的貼文之內容分類彙總 ......................................................................................................... 64 表 27 交集貼文之按讚數、回應數、分享數與 318 大事記對照表................................ 70. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(6) 圖目錄圖 1 貼文聯集文本分析之樣本圖示 ................................................................................. 21 圖 2 文本分析之內容分類階層示意 ................................................................................. 23 圖 3 貼文交集文本分析之樣本圖示 ................................................................................. 24 圖 4 本研究之取樣關鍵字圖示 ......................................................................................... 27 圖 5 太陽花運動期間之貼文按讚數圖示 (共 80 篇文本，依發文時間排序) ................ 52 圖 6 太陽花運動期間之貼文回應數圖示 (共 80 篇文本，依發文時間排序) ................ 54 圖 7 太陽花運動期間之貼文分享數圖示 (共 80 篇文本，依發文時間排序) ................ 55 圖 8 貼文交集文本分析取樣 3 之附圖.............................................................................. 60 圖 9「你被服貿了嗎？」網站截圖 .................................................................................. 60 圖 10 服貿事件原創圖表 (來源：關注台灣社會信息圖表) ............................................ 61 圖 11 太陽花運動期間之臉書發文數 (依時間軸排序) .................................................... 67 圖 12 交集貼文之按讚數、回應數、分享數走勢 (共 80 篇，依時間軸排序) .............. 76. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(7) 第一章第一節. 緒論研究動機. 在數位時代裡，每一次的滑鼠點擊都好比是對內容的投票，透過一次次的按讚、回應與分享，內容在網路中快速擴散，贏得一席之地 (Jankins, 2013)。Facebook (以下簡稱臉書) 於 2015 年 11 月公布之數據顯示，臉書用戶突破 15.5 億人，穩居全球第一大虛擬社群。而台灣月活躍用戶數達 1700 萬人，占全台人口的 74%，日活躍用戶數. 達 1300 萬人；逾 9 成網路人口使用臉書，是亞太區滲透率最高的市場之一。. 政治大 18 日至 4 月 10 日間的太陽花運動 (又稱 318 學運、太陽花學運、佔領國會事件等，立係指臺灣學生與公民團體共同發起之反對兩岸服務貿易協定所引起的社會運動)，即近年來，透過臉書的使用，許多公共議題得以在網路上快速擴散。2014 年 3 月. ‧ 國. 學. 一場數位時代的公民運動。. ‧. 太陽花運動始於 2014 年 3 月 17 日下午內政委員會中，立法委員張慶忠以 30 秒. sit. y. Nat. 宣布完成《海峽兩岸服務貿易協議》審查，引發一群以學生為主的群眾反彈，並於. io. er. 18 日在立法院外舉行「守護民主之夜」晚會，抗議不符程序的審查；當晚有 400 多名學生闖入立法院內靜坐抗議，並於晚間 21 時突破警方封鎖線佔領立法院議場。在. n. al. Ch. i n U. v. 26 個小時內便有以學生為主的一萬多名民眾，聚集在立法院周邊靜坐抗議表達支持。. engchi. 參與佔領立法院議場行動者，主要學生領導人為黑色島國青年陣線 (以下簡稱黑島青) 的成員，包括國立臺灣大學政治研究所研究生林飛帆、國立清華大學社會研究所研究生陳為廷、魏揚、世新大學社發所研究生陳廷豪等。外圍的支持群眾除各大專院校學生外，也有反黑箱服貿民主陣線、公民 1985 行動聯盟與各 NGO 及社會運動團體之成員。. 自 3 月 18 日起，根據警方統計截至 3 月 19 日晚上 10 時為止，包括濟南路、中山南路、青島東路、立法院院區以及議場內部共集結了 9000 名抗議群眾。至 20 日則超過 28000 人。 3 月 23 日晚間 19 時，另一群示威者衝至行政院破窗而入， 24 日零時起陸續遭鎮暴警察強制驅離。警方多次出動鎮暴水車以水柱驅離，並在驅. 1.

(8) 離過程中與行政院正門前靜坐抗議群眾爆發激烈肢體衝突，此為 323 佔領行政院事件。隨後，抗議者號召全臺民眾 3 月 30 日至臺北市凱達格蘭大道遊行。30 日當天，黑衫抗議者湧入博愛特區及立法院周邊。遊行總人數有學運領袖林飛帆宣稱的超過 50 萬人、警政署統計的 11 萬 6 千多人次，以及利用台北市 GIS 地形圖的官方資料跟 Google Earth Autocad 來計算所統計近 45 萬人左右。. 4 月 6 日，立法院長王金平赴議場探視學生，承諾兩岸協議監督條例草案完成立法前，不召集兩岸服務貿易協議相關黨團協商會議。表示感受到王金平釋出善意後，抗議群眾於 7 日晚間宣布將於 10 日晚上 6 時退出議場。. 政治大站、資訊蒐集、資訊圖表、佔領立法院網路 Live 直播、群眾募資等各式數位服務，立在太陽花運動中，可見數位科技之創新能量爆發，以往費時數週才能完成的網. 都在短短幾天甚至數小時內完成。科技網誌《Inside 硬塞的網路趨勢觀察》在〈網. ‧ 國. 學. 路時代下的民主實踐觀察〉一文中提到：. ‧. n. al. er. io. sit. y. Nat. 從前天深夜開始，相信很多讀者的臉書都被兩岸服務貿易協定的訊息淹沒，反對執政黨「黑箱」通過服貿的民眾群情激奮，張貼各式各樣的訊息，協議懶人包、新聞、警告、歌曲佔滿源源不斷。全台灣似乎熱血沸騰，學生再次走上街頭，佔領立法院。這次的抗爭結果仍未可知，但可以確定的是，這一兩年來社會運動風起雲湧，民主意識凝聚的重要因素來自網路集結，先讓我們擱置程序或條文爭議，觀察反對黑箱服貿中「鍵盤革命」的再進化。. Ch. engchi. i n U. v. 臉書在太陽花運動中作為資訊交流、內容擴散之平台，可被視為串連整場運動之關鍵公民參與工具，讓平常沒有機會在主流電視台與報紙上播送的訊息，能透過社群平台廣泛擴散，造成「臉書被兩岸服務貿易協定 (以下簡稱服貿) 的訊息淹沒」之洗版現象。各種關於服貿的意見可謂百家爭鳴、互相辯證，正反雙方言辭交鋒，臉書動態貼文從「反黑箱，不反服貿」、「反黑箱也反服貿」、「反反服貿」、「反反反服貿」等都有。在如此大量的訊息播送之中，不免令人好奇：面對公民議題，當我們想要在網路媒體中創造易於擴散的內容 (spreadable content) 時，具備哪些特質的內容較具成功的可能？. 2.

(9) 臉書作為社群平台，無論是粉絲頁或個人頁面，皆可由使用者主動創造內容 (發佈貼文)，提供豐富的資訊及知識來源，並可藉由使用者對既有貼文的按讚 (like)、回應 (comment) 及分享 (share) 來創造及擴散議題。因此，了解什麼樣的情境會影響使用者做出哪項反應是十分重要的。在臉書每隔幾個月調整一次演算法，讓粉絲頁內容愈來愈難出現在使用者的塗鴉牆上時，如何促使社群網站使用者不斷主動分享內容，提高內容觸及人數 (reach)、創造將內容擴散之加乘效力，是目前社群專頁經營者最關切的議題。然而過往國內相關研究多從行銷角度探討臉書使用行為，著重研究使用者的人格特質、意見領袖及社交網絡結構對訊息傳播的影響，及使用者在分享、按讚或留言後，對行銷案例造成之後續影響，卻較少針對內容之特質進行研究，探討使用者傾向對哪些內容按讚、留言或分享。. 政治大回顧針對臉書貼文內容之國內研究，吳姮憓與羅偉峰 (2014) 以網路問卷調查使立. ‧ 國. 學. 用者對臉書貼文 (友人貼文、粉絲專頁貼文、社團貼文、與小遊戲貼文) 按讚、留言、分享之意願。傅珮雯 (2011) 則以焦點團體訪談探討人們按讚、留言與分享之因素。. ‧. 相較過往國內相關研究以量化問卷或焦點訪談為研究方法，探究使用者之行為. y. Nat. sit. 意願而非已知之確切行為，本研究將以 Rogers (2009) 所提之數位方法 (digital. n. al. er. io. methods) 為研究方法，以結果導向反推，蒐集太陽花運動期間特定粉絲團與臉書使. i n U. v. 用者之貼文作為資料集 (dataset)，分析貼文內容，並以 Jenkins (2013) 所提出之擴散. Ch. engchi. 性媒介 (spreadable media) 為基礎理論架構，研究影響臉書貼文之分享數、按讚數、及回應數之關鍵因子。. 本研究動機企圖了解，在期待以臉書貼文創造及推廣議題的同時，內容建構者除了「丟出訊息然後祈禱 (post and pray)」 (Jenkins, 2013) 外，還有何種更好的選擇？. 3.

(10) 第二節. 研究問題. 本研究以太陽花運動為例，探討影響臉書貼文擴散力之關鍵因子：. (1) 具備何種特質的內容較易擴散。 (2) 由關鍵字預測貼文熱門程度的可能。 (3) 貼文內容與使用者之「按讚、回應與分享」行為之間的關係。 (4) 除內容外，其他可能影響臉書貼文擴散的因素。. 第三節研究架構政治. 立. 大. 本論文分為三部分，第一、二章為研究背景及文獻探討，簡述太陽花運動與數. ‧ 國. 力之影響，及研究設計中內容分類之依據。. 學. 位原民之政治參與方式、探討臉書使用行為動機、最後論述擴散性媒介對內容擴散. ‧. 第二部分為第三章之研究設計，以數位方法將前述理論所提之臉書行為影響因. y. Nat. al. er. io. 集文本分析、貼文交集文本分析。. sit. 子融入研究設計，針對太陽花運動之臉書貼文樣本，設計關鍵字詞頻分析、貼文聯. n. v i n Ch 第三部分為第四與第五章，以程式進行關鍵字詞頻分析，並質性分析文本內容 engchi U. 與脈絡，交叉檢驗文本分析與關鍵字詞頻分析結果，觀察影響按讚、留言、分享三項臉書行為之因子為何？分析是否能預測何種內容能在臉書上快速擴散。. 4.

(11) 第二章第一節. 文獻探討. 數位原民在社群媒體上之政治參與. 公民運動為人民參與政治的方法之一，近年來隨著社群媒體之普及，在「Daily We」的多對多傳播模式中，參與性新聞 (participatory journalism) 應運而生：一名或一群公民在蒐集、報導、分析及散布新聞與資訊上扮演積極的角色。其參與目的是為了提供民主社會所需之獨立、可靠、精確、廣泛及適切的資訊 (Bowman & Willis,. 政治大快速地擴散，社群平台如臉書已成為個人參與政治的重要場域。立. 2003)。在這樣的傳播模式之中，各式政經消息與政治活動透過各種社群媒體廣泛且. ‧ 國. 學. 麥克魯漢曾言：「我們塑造工具，而後工具又塑造了我們。」 (We shape our tools, and thereafter our tools shape us.) (McLuhan, 1964)。太陽花運動作為數位時代中. ‧. 的公民運動，而臉書在太陽花運動中作為內容擴散之主要平台，充分展現數位時代. sit. y. Nat. 中社群媒體與數位原生世代 (digital natives) 之崛起。數位原民泛指 1980 年後出生者，. io. er. 他們活在多媒介共存的時代裡，在網路的特性影響下，網路成為這時代主要媒介時，它的位置早已不是工具，而是滲透進數位原民之生活中，成為決策時的隱形力量. al. n. (吳裕勝，2015)。. Ch. engchi. i n U. v. 本研究假設太陽花運動參與者以數位原民為主。陳婉琪 (2014) 問卷抽樣調查顯示，太陽花運動參與者之年齡以「20-29 歲」所占比例最高，為 66.8%。參與者平均年齡 28 歲，學生樣本的平均年齡為 22 歲，社會人士則為 35 歲。每五歲分為一組的話，「20-24 歲」這組占 44.5%，為數最眾；「25-29 歲」占 22.3%，次高。此年齡輪廓恰為數位原民世代。. 數位原民是伴隨網路成長的新世代，以具有「多元」及「去中心化」特性的網路作為傳播工具，他們習慣快速地接收新資訊、去中心化地透過交叉比對各種資訊以及快速流通的訊息來認識世界、習慣以多元及多工並行的方式工作、喜歡圖像勝. 5.

(12) 過文字、喜歡隨機訊息連結。他們渴望頻繁的獎勵與即時的回饋、傾向趣味性的遊戲勝過嚴肅的工作。對於數位原民來說，學校和家庭只是知識來源的一部分，網路為他們的第一訊息來源，網路是數位原民生活的一部分，而非僅是工具而已 (Prensky, 2001)。. 本研究將太陽花運動視為數位時代之公民新社會運動。與過往以經濟及階級為主的舊社會運動不同，新社會運動以認同政治為主 (Crook, Pakulski, & Waters, 1992)，它並不是支持特定團體，而是支持特定價值或議題。新社會運動鼓勵民眾用民主、開放、離心化的方式參與，強調民主參與之扁平化組織型態。鼓勵多元民主參與而較無上下層級關係。就算有機會也不會進入政府體制，而是保持距離以輿論及. 政治大而非將其作為自我實現政治抱負的工具 (Metzger and Smetana, 2009)。而這些積極參立. 政治壓力來影響政策 (王甫昌，1999)。青年參與政治之動力源自道德感及集體價值，. ‧ 國. 社會擁有正面態度及熱誠 (Quintelier, 2015)。. 學. 與政治的青年多將政治參與視為道德義務，也更尊重參與政治事務之人，他們也對. ‧. 陳順孝 (2012) 認為，早在 1993 年，台灣年輕人就已開始利用網路來抗爭或連. Nat. sit. y. 結，在之後的社運推動上，網路亦是不可或缺的選擇，至今網路與社會運動早已是. al. er. io. 親密戰友。臉書提供其使用者一個可以以各種不同的形式參與政治之社群平台，而某些使用者，尤以年輕族群為甚，藉由臉書參與政治 (Vitak et al., 2011)。隨著時日. n. v i n Ch 推移，社群媒體對於政治的影響力愈見明顯，即使有些人仍無法連結社群媒體、政 engchi U 府及政治這三者之間的關係，這些人仍認為接收政府及政治訊息是有用的 (Bridges, Appel, & Grossklags, 2012)。過往研究顯示社群媒體的政治性使用，已從政治人物之募款及募員的工具演變為公民表達自我意見及參與政治之工具。不同的社群媒體提供不同機會給使用者參與政治，而使用者也愈來愈把握這些機會 (Macafee, 2013)。超過三分之一的社群媒體使用者在社群平台上參與各式政治活動，包括按讚、分享政治性內容、鼓勵人們投票、發佈自己關於政治及社會的想法、分享他人的政治性發文、以及鼓勵人們就政治及社會問題採取實際行動 (Rainie, Smith, Schlozman, Brady, & Verba, 2012)。. 臉書的技術及能供性 (affordance) 都足以支持政治性活動，臉書平台讓使用者能. 6.

(13) 夠透過粉絲頁、社團等功能，尋找分享相同政治理念的人。無論是公開或私人的功能，臉書都有利於使用者將政治性訊息分享給社交圈內的朋友 (Vitak et al., 2011)。 Vitak 針對臉書使用者對 2008 美國總統大選之政治參與研究發現，臉書是年輕族群表達自我及分享政治觀點的渠道，而這類型的政治參與在目前盛行的社群媒體中，某種程度上只在臉書的環境中發生。由於臉書這種特殊的能供性，該研究結果並不能套用在其他線上論壇如留言版中，因為那裡的使用者擁有一定程度的匿名性。更重要的是，研究顯示這類在臉書上的政治參與方式與一般傳統的政治參與行為廣泛連結 (Vitak et al., 2011)。阿姆斯特丹大學針對 16-24 歲數位原民之研究亦發現，線上的互動交流與政治參與有顯著正相關，使用網路媒介比使用傳統媒介更能加強政治參與度 (Bakker & Vreese, 2011)。. 政治大人們被資訊、社交及尋求社會地位認同的動機給驅動，在社群媒體上分享新聞立. ‧ 國. 學. 連結 (Lee & Ma, 2012)。相關研究亦顯示，如果使用者費時費工地從臉書上分享政. 治性貼文或新聞連結，他們也很可能同時尋求其他媒體渠道獲取訊息。當使用者對. ‧. 政府正在作什麼事極有興趣時，臉書的能供性有利於他們這項「關注時事」的興趣 (Macafee, 2013)。透過社群媒體所做出的政治性行為若能表述良好，甚至能對非傳. Nat. al. v i n Ch 按讚、回應與分享之臉書行為 engchi U. n. 第二節. er. io. sit. y. 統的政治參與行為產生影響，包括參與街頭抗爭 (Macafee & De Simone, 2012)。. 過往研究顯示臉書使用動機廣泛，Macafee (2013) 研究年輕族群對臉書上的政治活動之參與度，與他們在 2012 美國總統大選前，透過臉書參與政治的心理動機；結果顯示，其主要動機圍繞著「與他人進行社交連結」、「分享資訊給他人」、與「向他人展現自我」。Foster、Francesucci 和 West (2010) 探討使用者參與社群網站的動機，發現促使他們使用社群網站的五項主要影響因素為「維繫友情 (friendship connections)」、「資訊價值 (information value)」、「參與的信心 (participation confidence)」以及「參與的隱憂 (participation concerns)」。「參與的信心」為使用者擔心在社群網站上提供或發佈訊息，可能會影響甚至損害個人形象。而「參與的隱憂」指使用者擔心隱私外洩，及陌生人閱讀自己發佈的訊息後可能帶來的困擾。. 7.

(14) 綜上所述，使用臉書主要動機環繞著社交連結、分享資訊、展現自我、娛樂性等，而這些動機也可能隨著使用者使用臉書方式的不同而改變 (Vitak et al., 2011)。. 使用者使用臉書的原因不盡相同，但主要是為了了解他人、娛樂自己、尋求認同、追求情感上的支持、擴增社交網絡，以及維繫既有社交網絡 (Zhang, Tang, & Leung, 2011)。在網路上彼此連結 (being connected) 與線上及離線的政治參與行為都有正相關 (Bakker & Vreese，2011)。那些傾向在網路上誠實表述自我意見的人，用臉書來建立新的社交關係或終止既有關係 (Tosun, 2012)。除了透過臉書表述自我，有些使用者透過臉書以行「監視 (surveillance)」行為，如尋找新聞及資訊。研究發現大專生認為從社群媒體上閱讀新聞是獨特且重要的訊息收集經驗 (Baumgartner &. 政治大愈高 (如擁有大量朋友以及很高的發文頻率)，他們愈可能透過臉書獲取新聞及資訊立 Morris, 2010)，而大體來說，愈常使用臉書的使用者以及他們在臉書上的活躍程度. ‧ 國. 學. (Glynn, Huge, & Hoffman, 2012)。. 根據臉書目前設計，使用者除了可發佈貼文外，主要可針對臉書貼文作出三. ‧. 種回饋：按讚、回應、分享。即使面對相同訊息，不同使用者仍可能作出不同行. Nat. io. 而有些則會「分享」。. al. er. sit. y. 為反應。也就是說，有些使用者可能會對某一貼文「按讚」，有些可能會「回應」，. n. v i n 而每個使用者在臉書上所扮演的角色及使用習慣也不盡相同，有些使用者在臉 Ch engchi U 書上扮演「意見領袖」的角色，他的分享或留言往往能引起他人共鳴；有些使用者擅長「傳遞訊息」，較常附和別人意見，並將訊息快速傳遞給其他使用者；當然，也有些使用者保持沉默，永遠不會給予回饋及評價 (傅珮雯，2011)。. 人們使用臉書參與政治的方式不盡相同，並不能一以蓋之 (Vitak et al., 2011)。因此我們不能以使用者如何發佈貼文、如何運用「按讚」、「回應」、「分享」這三種臉書回饋機制以參與政治的方式，來明確界定使用者的行為動機。但概略而論，臉書的「狀態」讓使用者可以傳播關於政治議題的想法與資訊，而他們也希望藉此告知及影響其他使用者 (Macafee, 2013)。當更新狀態 (即貼文) 時，使用者知道他們的同儕很可能會看到這個狀態，不論是直接從臉書時間軸上看到或是從動態時報上瞥. 8.

(15) 見。因此使用者認為「更新狀態」是個有效的方式，能讓他們的朋友對這個政治事件持有與自己一樣的看法 (Macafee, 2013)。愈常更新政治性狀態的臉書使用者，平時愈關注來自其他渠道的新聞，對時事也更有興趣 (Vitak et al., 2011)。他們可能平時就對政治議題比其他人還有更深的了解，因此，他們可能認為發佈狀態是一個能分享新聞或政治性知識給他人的重要機會 (Macafee, 2013)。. 「按讚」只需點擊一個按鈕就能表達對訊息的認同及支持 1。當人們對臉書內容按讚時，他們知道其他臉書使用者也能看到他們「喜歡」什麼樣的內容。也由於這項行為對互動性的需求較低，使用者可能認為這是一個簡單卻極為具體的方式以呈現他們對某個政治人物或政治議題的忠誠度，而他們也可能覺得自身的臉書社群. 政治大. 網絡 (朋友圈) 能藉此得知他們的立場 (Macafee, 2013)。. 立. 「回應」代表使用者願意就貼文表達自己的意見。研究顯示在臉書上張貼回. ‧ 國. 學. 應的動機並不包含尋求陪伴與排解寂寞 ( Smock et al., 2011)，但不難理解臉書使用者張貼回應是為了與他人互動。當有些人看到臉書貼文，而他們對貼文有意見或想. ‧. 法時，他們很可能會在貼文底下作出回應，這些回應可能附和或是挑戰原貼文。當. Nat. io. (Kwok & Yu, 2013)。. al. er. sit. y. 使用者回應粉絲頁貼文時，比按讚還要更進一步想和粉絲頁進行互動與連結. n. v i n 而當使用者回應政治性貼文時，這些回應的內容不只是政治性，也是社交性的 Ch engchi U (Fernandes, Giurcanu, Bowers, & Neely, 2010)。研究顯示，使用者發表「回應」是為了與其他臉書使用者社交，並且分享訊息給他們。而能夠充滿自信地在家人及朋友面前談論政治話題的年輕族群，也能自在地在臉書上以「回應」這項功能，與臉書朋友談論政治。 (Macafee, 2013)。. 「分享」貼文可能基於認同或為了反駁該貼文觀點，使用者在分享時可以不表意見純粹分享該連結，或加註自己的評論。在分享來自粉絲頁或追蹤者的貼文時，許多使用者因而成了該粉絲頁的「品牌代言人」：將該粉絲頁的訊息傳播到使. 臉書於 2016 年推出新的按讚功能，除了原本的讚之外，也有「憤怒」、「悲傷」、「大笑」等表情符號供使用。但本文以 2014 年太陽花運動為個案研究，當時臉書尚未推出此功能，故不在此討論。 1. 9.

(16) 用者自身的動態時報與朋友圈，幫助該貼文快速在網路上散播。. 當讀者認可某則臉書貼文或對其感興趣時，他們並不一定會分享該則內容。讓讀者決定分享的主因在於內容的社會價值：內容是否有讀者所認可的意義、是否可以為讀者的社交圈帶來更多的互動，以及是否能形塑或創造讀者在網路上的社會形象 (Jenkins, 2013)。也因為分享後的貼文將出現在使用者的動態時報上，被使用者的朋友圈檢視，因此在分享之前，使用者需評估訊息之傳播價值、是否願意為訊息背書、是否希望與自己的臉書朋友一起討論該訊息、以及訊息是否能獲得友人之認同 (如按讚) 與進一步互動 (如回應及分享)，這些都會影響使用者之分享意願 (Kwok & Yu, 2013)。. 政治大既有研究顯示在臉書上分享貼文的主要原因為與他人互動及展現自我。在社群立. 媒體上分享新聞是為了其社交性及塑造自身形象與社會地位 (status-seeking) (Lee &. ‧ 國. 學. Ma, 2012)，最常在臉書上幫朋友分享訊息的使用者則具有「重視形象」的人格特質 (傅珮雯，2011)。當使用者分享粉絲頁貼文或外部連結到自己的臉書頁面時，可能. ‧. 鼓勵其他使用者去回應或按讚。另外，當使用者展現他們跟得上最新的時事時，也. Nat. sit. y. 較有可能帶給他們自信。研究顯示，當使用者在臉書上分享新聞連結時，他們可能. al. er. io. 覺得這樣做能賦予自己「對政治性議題有一定程度的了解 (“in-the-know” politically)」的形象 (Macafee, 2013)。對很多人來說，社群媒體上的政治參與已經成為他們的. n. v i n Ch 「政治自我 (political self)」的很大一部分 (Lariscy, Tinkham, & Sweetser, 2011)。 engchi U. 根據線上評測工具 AgoraPulse Barometer 統計超過一萬筆臉書粉絲頁資訊，並取各粉絲頁最新前五十則貼文以統計，每則貼文觸及到的平均粉絲數百分比 (fans reached) 約為 10% (2015 年 6 月 28 日統計資料)，即在臉書上每則貼文平均觸及到的粉絲，約佔整體粉絲的 10%。除非粉絲頁的參與度和互動率已經很高，否則要增加這個數字的關鍵，就是要增加貼文的擴散率，也就是說，專頁經營者要爭取獲得更多的讚數、留言數，及分享數。. 10.

(17) 第三節. 內容擴散力探討. Jenkins (2013) 在擴散性媒介 (Spreadable Media) 裡提到，具備以下七種特質的內容較具在社群網路上廣泛擴散的可能：共同的幻想、幽默、諧擬及引用、未完成的內容、神祕性、即時的爭議，以及謠言。他並指出，擴散性 (spreadablity) 的準則在公民媒體中最為常見。公民媒體含括政治參選人、草根團體 (含激進組織)、與以個人身分發言的一般公民，其發佈之內容著重於提昇公民對於議題及政治的參與度。它們運用各式內容形式與傳播策略，增進免費的訊息擴散循環 (free circulation)，並增加媒體曝光。. 政治大 it’s dead.) 內容擴散性有部分代表著科技的能供性，如 YouTube 影片能易於擴散是因立為官方允許使用者將影片鑲嵌至部落格及臉書等其他平台，同時這些鑲嵌進其他平. 擴散性媒介的中心思想是「如果它不能擴散，就已死亡。」 (If it doesn’t spread,. ‧ 國. 學. 台的影片之介面，也容易將使用者導回 Youtube。. ‧. 乍聽之下擴散性媒介和病毒行銷極為類似，兩者的核心訴求皆為內容如何在. sit. y. Nat. 草根群體間廣泛擴散，超出原內容創作者之控制。然而兩者的利基點卻是完全不. io. er. 同的。「病毒」兩字神秘化了內容擴散的形式，當人們說某項內容爆紅 (go viral) 時，多數認為那些內容是不之所以就紅了，他們無法解釋為何這個內容可以掌握大眾. n. al. Ch. i n U. v. 的注意力。也有人將之定義為內容超出控制地廣泛傳播，在病毒行銷裡，人們就. engchi. 好比毫無自覺的感染源，將難以撲殺且傳染力極強的病毒帶到工作場所、家中或其他社交場合，傳染給親友 (Jenkins, 2013)。. Jenkins (2013) 所提出之擴散性媒介則由另一個角度出發，他認為人們是有意識地決定自己要幫助哪些內容加速傳播，因為人們將這些內容視為一份適合、或應該分享給他們所關心之人的禮物、一項對他們的社交圈有意義的貢獻。當人們做出「分享內容」這個舉動時，他們已在資訊爆炸的網路世界中評價了這個內容的價值，也不斷疊加 (如二次創作) 或重新定義這些內容，幫助這些內容成為適合在當前社會裡適合人們談論與互動的話題。換言之，人們可能分享的是原有內容，也可能些微調整內容讓它更適合既有社交圈，或改造內容、將這些內容重新混和、再造、轉換. 11.

(18) 出更廣泛的內容，這些舉動都能延長這些內容在網路世界中的保鮮期，讓它們能夠更廣泛地在網路上擴散與流通。. 不同於以往的病毒行銷，擴散性媒介希望找出關鍵讀者，創造他們會產生共鳴、樂於參與、共同擴建內容的主題，讓擴散內容的過程成為一個有意義的循環。擴散性媒介是跨領域的傳播，具擴散性的內容常常橫跨不同的媒體平台，如臉書、 YouTube、部落格、網站等，社群創造出易於擴散的內容，然後鼓勵閱聽眾傳播這些內容，讓使用者成為塑造內容的參與者。其傳播形式並非由官方主導、非由上及下的內容傳播循環，甚至官方常喪失內容控制權。來自各方的讀者將內容掌握在手中、主動創造、改製、及豐富內容、並將內容分享至自己的社交網絡。. 政治大 Jenkins (2013) 認為，擴散性的準則在低預算的公民媒體中最為常見。他以立. 2009 年伊朗綠色革命為例，在 2009 年伊朗總統選舉後，大批民眾走上街頭抗議選. ‧ 國. 學. 舉不公和連任的艾哈邁迪內賈德政府，並要求伊朗進行改革，實現自由和民主。示威抗議活動由伊朗首都德黑蘭蔓延到全國各地，而至海外伊朗僑民，超過 300 萬人. ‧. 在德黑蘭參與示威。伊朗革命的特色之一是網絡技術的廣泛應用，由於伊朗政府進. Nat. sit. y. 行信息管制，封鎖和驅逐媒體，導致伊朗國內局勢不能及時傳遞給國際，伊朗民眾. al. er. io. 利用新興的網絡工具，如 Twitter、臉書、YouTube 和代理伺服器，將示威和政府鎮. n. 壓的實況報導出去，因此該運動也被稱為「Twitter 革命」。. Ch. engchi. i n U. v. 這樣的內容擴散方式像極了蒲公英式的傳播。原始內容如同一株蒲公英絨球，無數的種子被風一吹，就隨風傳播到不同方向。花罷成絮，因風飛揚，落濕地即生。無論種子飄落在哪裡，只要有水有土壤，即使在夾縫裡也可以生長。它們適應環境的能力非常強，到哪都能長成自己的姿態；即使落在石磚縫或土壤貧瘠的土地，仍能勉勵成長，而長成的花球可能就開得小一點，但照樣能達到繁衍的目的。若種子剛好飄到一處沃土，花球可能就會開得大些，當花開好時，再次隨風被飄向遠方，散佈得愈來愈廣。. 擴散性媒介的傳播形式也如是，廣泛散播且不斷循環。當內容發佈者發佈消息之後，來自不同領域的閱聽眾將訊息有意識地分享至自己的社交網路或再發佈到其. 12.

(19) 他媒體平台，如蒲公英的種子被吹送至不同的生長環境。在這樣的傳播模式下，內容像是蒲公英適應環境一般，由閱聽眾再製與再解讀後，成為新的內容，再次傳播給另一批閱聽眾。閱聽眾的社交網絡大小與環境的貧瘠或豐饒一樣，可能會影響內容擴散的廣度，但仍能達到擴散內容的目的。在這樣的訊息擴散循環之下，這些內容被傳播至不可預知的方向，遇見不同領域的閱聽眾內容被不斷地分享、擴散，能見度愈來愈大，閱聽眾參與度也可能愈來愈高。. 第四節. 貼文內容與「按讚、回應、分享」. 立. 一、知識類內容. 治行為之關係政大. ‧ 國. 學. Harris (1996) 提出知識是資訊 (information)、文化脈絡 (context) 以及經驗. ‧. (experience) 三者之結合。文化脈絡係指人們觀察生活時的框架，包含社會價值、宗教、傳統與天性 (heritage)、及性別等的影響。經驗是人們先前已獲得的知識，而資. Nat. sit. y. 訊則是資料 (data) 經過排序、重組、分析與解釋之後所產生的內容。然而資訊雖具. al. er. io. 有內容與目的，卻不具意義。唯有當資訊與文化脈絡即經驗結合之後，才能成為知. v i n 家洞見之流動綜合體。NonakaC 與h Takeuchi (1995) 則認為知識與資訊有兩項差異：不 engchi U n. 識。Davenport 與 Prusak (1998) 亦認為知識是經驗、價值觀、具脈絡的資訊，及專. 同於資訊，知識是動態的，通常是含有某特定目的行動。另外，知識也涉及信仰及承諾，包含著特定立場、觀點與意圖。知識含有主觀判斷，即可能無法成為「唯一且絕對的真理」。. Jenkins (2013) 指出，「即時的爭議」具易於在網路上擴散的特質。當面對即時的爭議時，若內容能闡明一個團體對特定議題的立場，把那項議題表述得比閱聽眾自認所能表述的還要更佳完善時，內容就易於擴散。過往研究顯示，在臉書上分享貼文的主要原因為與他人互動及展現自我。透過臉書參與政治的心理動機圍繞著「與他人進行社交連結」、「分享資訊給他人」、與「向他人展現自我」 (Macafee, 2013)。而姜定宇、林沛樺 (2013) 亦發現，知識分享為一種建立社交關係的途徑，. 13.

(20) 當個人愈是認為分享知識給他人能增進彼此的關係時，分享知識之動機愈強。. 二、行動類內容在行動力方面，Jenkins (2013) 認為，在社群媒體上分享及擴散訊息之主要目的並不是組織抗議行動，而是為了讓人們得到消息，知道外面的世界裡發生了什麼事，進而促使人們的情感投入。如低預算的公民團體運用各式內容形式與傳播策略，增進免費的訊息擴散循環 (free circulation)，並增加媒體曝光。當公民團體需要觸及他們核心支持者以外的群眾時，他們就需要直接呼籲他們的粉絲 (call for action)，尋求粉絲的幫助以傳播訊息。. 政治大. 立. 三、情緒類內容. ‧ 國. 學. 情緒構面理論將情緒反應分為兩個面向：由「價向」 (valence) 與「喚起」 (arousal) 組成。「價向」為人類的動機系統 (motivational system) 被啟動時，欲求系. ‧. 統 (appetitive system) 所導致之正面或嫌惡系統 (aversive system) 所導致之負面情緒。. y. sit. io. n. al. er. (陶振超，2011)。. Nat. 「喚起」則是動機系統被活化的程度，由平靜 (活化強度低) 到激動 (活化強度高). i n U. v. Berger 及 Milkman (2011) 研究發現，當內容引發閱聽眾之情緒反應時，該內容. Ch. engchi. 被分享的機率將提高。即無論引發正面或負面情緒，都比那些無法激起情緒反應的內容，更容易被分享。若比較情緒價向，正面情緒內容較負面情緒內容更容易被傳播，然而傳播度不僅受價向影響。悲傷、憤怒、焦慮等皆屬負面情緒，但研究發現「悲傷」的內容傳播度較低，而激起焦慮及憤怒的內容，傳播度則較高。Berger (2011) 認為，線上內容若激起高喚起的情緒，則更容易被傳播，不論這些情緒是正面 (如具驚奇及娛樂感的「哇！」) 或負面 (如憤怒及焦慮)。而內容若引發低喚起的情緒 (如悲傷)，則較難被傳播。曾乙婷、汪志堅與楊運秀 (2013) 發現，廣告使用正面情緒時，消費者的廣告態度較高，以激動的情緒訴求效果最好，嚴肅的情緒訴求效果最差，悲傷的情緒訴求則對閱聽眾涉入程度的需求大於其他廣告。吳姮憓與羅偉峰 (2014) 則發現，若臉書. 14.

(21) 貼文引發正面情緒反應，則較容易讓使用者產生按讚、留言及分享意願。當臉書訊息引發負面情緒反應時，僅能引發使用者的分享意圖，與按讚及留言意圖無關。黃厚銘、林意仁 (2013) 則以「流動的群聚」 (mob-ility) 來理解當前「網路起鬨」的現象：在離線世界的社會互動，如選舉的造勢集會、流行音樂演唱會、乃至職業運動賽事中，參與者常有集體亢奮式的情緒感受，這樣的集會儀式也能夠加強參與者對於團體的認同與向心力。而在虛擬社群中，媒介既隔離又連結的特性，為集體亢奮的現象提供絕佳舞台。而透過社群媒介的網路起鬨，正是以情緒共感共應為基礎的群聚，進而產生集體亢奮，尋求與他人的連結及強化群體認同。. 若「共感」之論可發生在網路聚集上，那麼太陽花學運得以獲得大規模的動員，. 政治大. 或許正是群眾處於共感情緒下所油然而生的行動 (吳裕勝，2015)。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 15.

(22) 第三章. 研究方法. 第一節. 數位方法. 本研究以 Rogers (2009) 所提之數位方法，先抓取所需之網路內容 (web scraping)，爬梳社群媒體訊息後進行數據整理 (data cleaning)，抽取可用與需要之資訊，如連結、圖片、發佈時間、內文等，剔除不必要的資訊，再研究該如何良好地分析與運用這些訊息。. Rogers (2009) 將問卷調查、訪談、觀察與田野調查等社會科學方法稱為虛擬方. 政治大研究法來佐證網路研究，將網路視為工具或研究對象來研究線上文化。他認為這些立方法可能轉移人們對網路媒介上的數據之注意力，使我們錯失透過這些數據來探索. 法 (virtual methods)，這些研究法多以社會科學及人類學為基礎，依賴非網路為本的. ‧ 國. 學. 遠超過線上文化的機會，甚至誤導我們對網路的了解。而我們該注意的，早已不再是網路能呈現多少社會及文化，而是如何用網路來診斷文化變遷及社會現狀。. ‧ sit. y. Nat. 因此 Rogers (2009) 提出數位方法，將線上動態視為數據集 (data set)，利用數位. io. er. 原生工具與數據資料，如連結、標籤 (tags)、搜尋引擎、網站、系統等來分析，不只用以研究線上文化，更跨越虛擬與現實的鴻溝，研究整體文化、社會及政治變遷. al. n. 狀況。. Ch. engchi. i n U. v. 數位方法將傳統線上與離線研究方法反轉，線上資訊成為研究地基，而其他社會狀況則用以協助評估研究。Rogers 將之稱為線上紮根理論 (online groundedness) 之以線上資訊為本的研究法。此研究法追隨數位媒介，捕捉其動向，並透過網路反過來使離線世界要求文化與社會面的改變。此方法論更廣泛的目標為重新思考網路與離線世界的關連。Rogers (2013) 在後續研究中提到，數位方法的關鍵之一為不能將內容從媒介中抽離，而僅只分析內容。必須將媒介特性與內容同時納入考量與分析。在進行網路資料分析時，媒介特質有重要影響。. 16.

(23) 第二節. 研究設計. 本研究分為關鍵字詞頻分析設計及文本分析設計。關鍵字詞頻分析的部分，計算 27 個臉書專頁共 8103 篇貼文樣本中，1036 個關鍵字之出現頻率。文本分析分為兩階段，貼文聯集文本分析篩選 540 篇貼文，對「使用者在臉書動態時報 (timeline) 上第一眼看得到的內容」進行內容分析。貼文交集文本分析則取 8103 篇樣本中，使用者迴響最熱烈的 80 篇貼文，除重複貼文聯集文本分析之內容分析法外，也將分析「使用者需進行第二層動作點擊以觀看」的內容，如點進連結方可閱覽之網頁內容。除文字內容外，貼文交集文本分析亦將貼文發佈時之社會情境、文章脈絡、發文時機點、內文長度、附圖形式、連結內容、貼文發佈者人氣等納入考量，並比對關鍵. 政治大. 字詞頻分析結果，作進一步的探討。. 立. ‧ 國. 學. 壹、研究樣本. 太陽花運動起於 2014 年 3 月 18 日反服貿群眾佔領立法院，於該年 4 月 10 日. ‧. 退場。本研究以數位方法進行太陽花運動個案研究，挑選在運動期間，22 個相關臉. n. al. er. io. sit. 13 日間所張貼之臉書貼文共 8220 篇，全部蒐集樣本包括：. y. Nat. 書粉絲頁及 8 位臉書意見領袖個人頁，蒐集共 30 個臉書專頁，在 3 月 17 日至 4 月. 1. 在太陽花運動期間偏向發言或決策群之粉絲頁. Ch. engchi. i n U. v. (1) 黑色島國青年陣線 (2) 反黑箱服貿協議 (3) 捍衛苗栗青年聯盟. 2. 在 318 後因運動而生之粉絲頁 (4) 你們守護民主，我們修復立院。(5) Appendectomy Project 割闌尾計畫 (6) 〈進擊的向陽〉公民論述國際媒體資訊整合平台 (7) 賤民解放區 (8) 公民不服從 (9) 台大法律學生挺 318. 3. 太陽花直播、網路通訊、4am.tw 網站等程式支援之粉絲頁 (10) g0v.tw 台灣零時政府. 4. 資訊統整或獨立媒體之粉絲頁. 17.

(24) (11) The News Lens 關鍵評論網 (12) 沃草！ (Watchout) (13) 幹誌 (14) 公民行動影音紀錄資料庫 (15) 獨立評論在天下 (16) 【懶人時報】 (17) 關注台灣社會信息圖表 (18) 台大新聞 E 論壇 (19) 民報(20) 風傳媒 (21) 台灣立報 (22) 新頭殼 newtalk. 5. 對太陽花運動及服貿議題關注度高之臉書意見領袖個人頁 (23) 陳為廷 (24) 林飛帆 (25) 黃國昌 (26) 魏揚 (27) 柳林瑋 (28) 沈伯洋 (29) 呂秋遠 (30) 黃哲斌. 抓取之資料包含此 30 個臉書專頁在 3 月 17 日至 4 月 13 日期間發佈之所有公開. 政治大貼文 ID、發佈日期與時間、讚數、回應數、分享數，以及回應文內容。表 1 列出本立貼文共 8220 篇，含貼文之文字內容、圖片、連結網址、臉書粉絲頁或個人頁 ID、. 研究所蒐集之編號 1-30 臉書專頁，各專頁於太陽花運動期間所發佈的文章數、平均. ‧ 國. 學. 單篇讚數、回應數、分享數及標準差。. ‧. 30 個臉書專頁進行資料清理後 (將於本章第三節詳述)，剔除 3 個信度較低的粉. n. al. er. io. sit. y. Nat. 絲頁 (見表 1 編號 5、6、8 粉絲頁)，得 27 個臉書專頁，共 8103 篇貼文。. Ch. engchi. i n U. v. 18.

(25) 表 1 各臉書專頁於太陽花運動期間之發文數與平均單篇讚數、回應數、分享數平均單篇讚數 9460 5304 538. 黑色島國青年陣線 405 反黑箱服貿協議 418 捍衛苗栗青年聯盟 232 你們守護民主， 36 3494 我們修復立院。 Appendectomy Project 52 4870 割闌尾計畫〈進擊的向陽〉公民論述國際媒體 20 107 資訊整合平台賤民解放區 50 364 公民不服從 45 38 台大法律學生挺 318 125 449 g0v.tw 台灣零時政府 6 3648 The News Lens 578 350 關鍵評論網沃草！ (Watchout) 332 870 幹誌 405 591 公民行動影音紀錄 493 748 資料庫獨立評論在天下 185 98 【懶人時報】 165 229 關注台灣社會信息 27 170 圖表台大新聞 E 論壇 1279 1879 民報 560 256 風傳媒 762 97 台灣立報 286 90 新頭殼 newtalk 1072 552 陳為廷 40 23716 林飛帆 38 50622 黃國昌 40 9785 魏揚 47 4007 柳林瑋 264 1946 沈伯洋 127 1733 呂秋遠 98 4492 黃哲斌 33 1730 全部貼文數：8220. 回應數標準差 333 143 22. 平均單篇分享數 612 301 53. 分享數標準差 1164 543 178. 4189. 125. 220. 569. 1346. 4219. 114. 113. 610. 1606. 83. 1. 2. 14. 22. 243 55 410 2047. 14 1 10 63. 17 2 16 33. 20 5 128 1498. 72 16 304 841. 555. 13. 26. 54. 125. 1799 565. 17 10. 34 19. 175 76. 491 170. 869. 11. 14. 54. 103. 131 215. 1 3. 2 3. 30 51. 57 97. 268. 6. 10. 65. 227. n. engchi. ‧. io. Ch. 40 66 128 6 7 33 4 7 11 2 3 10 21 28 49 353 383 623 711 624 665 132 131 686 47 91 389 5 6 314 65 110 332 37 24 1155 16 12 398 資料清理後貼文數：8103. y. 2651 221 231 101 664 20059 38930 9953 5572 2460 2597 5081 1842. 學. Nat. al. 平均單篇回應數 267 104 10. 政治大. ‧ 國. 立. 讚數標準差 9687 4975 1636. sit. 貼文數. er. 臉書專頁. i n U. v. 277 61 33 25 89 1264 1038 1097 1196 797 1355 2798 704. 19.

(26) 貳、文本分析設計以太陽花運動為個案，本研究假設知識類、行動類、情緒類三類內容為影響臉書使用者「按讚、回應、分享」三項行為與貼文擴散力之變項： (一) 知識類內容知識類貼文內容為影響使用者分享貼文之變項之一，使用者基於「與他人互動」及「展現自我」之動機 (Macafee, 2013)，對知識性內容之分享意願較高。又因服貿協定涉及知識層面廣及政治、經濟、法律、社會、資訊等多重面向，本研究將知識類內容之取樣範圍限縮於「法律」及「經濟」類。. 政治大權越權不符三權分立、先立法再審查 (制定兩岸協議監督條例，聲請釋憲，由立院立實質審議) 之訴求、召開公民憲政會議、公民不服從、非暴力運動、集會遊行法、警察執法爭議、國家暴力爭議等。. 學. ‧ 國. 法律類內容如解釋公聽機制付之闕如、談判程序違憲、三十秒黑箱爭議、行政. ‧. 經濟類內容如服貿對台灣產業影響、就業問題、中資來台、不完善的自由貿易. al. er. io. sit. y. Nat. 退場機制與救濟機制、全球化與反全球化運動、反新自由經濟主義、勞工權益等。. n. v i n Ch 本研究將行動類貼文內容分為「號召參與行動」與「現場行動狀況」兩類。現 engchi U (二) 行動類內容. 場行動狀況定義為內容涉及國內現場狀況及國際聲援活動連線；號召參與行動定義為內容呼籲響應街頭行動、推廣線上串連及聯署、募款募資、徵求專業人才、徵求現場影像記錄、尋求國際關注等。. (三) 情緒類內容本研究假設情緒性形容詞及情緒激發詞為影響臉書使用者行為之變項之一，又受情緒價性為正面情緒、負面情緒、或正負共生情緒之影響。. 當貼文內容出現情緒性形容詞，如喜怒哀樂、踐踏、激動、勇敢、感謝、黑暗、暴力等，或易於引發情緒之情緒激發詞，如中正一、行政院、國家暴力、手無寸鐵、. 20.

(27) 流血、自己國家自己救、鎮壓等，將分類為含情緒類內容之貼文。. 綜上所述，本研究假設含知識、行動、情緒類貼文內容為影響貼文擴散力之因子。知識類定義為涉及法律或經濟知識之內容，行動類定義為涉及號召行動或現場狀況之內容，情緒類定義為涉及情緒性形容詞或情緒激發詞之內容。以此內容分類法分別分析 540 篇貼文聯集文本及 80 篇貼文交集文本. 一、貼文聯集文本分析設計本研究蒐集之臉書專頁包含 22 個粉絲頁及 8 個臉書個人頁。篩選貼文聯集文本. 治政讚數超過 1000 之粉絲頁，共 14 個。在 8 個臉書個人頁中，取太陽花運動期間媒體大立報導篇幅最大之陳為廷、林飛帆、黃國昌、魏揚，共 4 個臉書個人頁 (見表 2)。. 分析樣本時，於 22 個粉絲頁中，取發文數超過 100 篇、最高分享數超過 300、最高. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 1 貼文聯集文本分析之樣本圖示. 以此 18 個臉書專頁進行貼文聯集文本分析。各專頁取全部發文中按讚數、回應數、分享數三項各居前 10 名的貼文分析 (見錯誤! 書籤的自我參照不正確。 )，即一個臉書專頁取 30 篇貼文。因根據臉書之設計，使用者可針對一則貼文複選「按讚、回應、分享」三項回饋行為：可能只進行其一、同時有兩種以上反饋 (如按讚並分享)，或僅瀏覽而不作反應。因此錯誤! 書籤的自我參照不正確。按讚數、回應. 21.

(28) 數、分享數三項各居前 10 名的貼文，有重覆之可能。此階段研究樣本共 540 篇貼文。. 表 2 貼文聯集文本分析取樣之臉書專頁 (共 18 個). 篩選條件篩選數. 臉書專頁. 粉絲頁. 個人頁. 發文數超過 100 篇、最高分享數超過 300、最高讚數超過 1000 之粉絲頁 14 黑色島國青年陣線反黑箱服貿協議捍衛苗栗青年聯盟台大法律學生挺 318 The News Lens 關鍵評論網沃草！ (Watchout) 幹誌公民行動影音紀錄資料庫獨立評論在天下【懶人時報】台大新聞 E 論壇民報風傳媒新頭殼 newtalk. 媒體報導篇幅最大. 政治大. 學 ‧. ‧ 國. 立. 4 陳為廷林飛帆黃國昌魏揚. 以臉書提供的 API 抓取此 18 個臉書專頁的貼文文字內容。貼文所附之圖片、. y. Nat. 影片與連結標題，則另以人工手動抓取資料，並將檔案存取至該粉絲頁專屬資料夾。. io. sit. 所蒐集的資料統整至「按讚數」、「回應數」、「分享數」三項 Excel 檔案，三個檔案. n. al. er. 分別有 18 個表單，其輸出格式如表 3 (此以分享數為例)。. Ch. engchi. i n U. v. 蒐集完所需內容後，將此 540 篇貼文進行內容分類。閱覽「使用者在臉書動態時報上第一眼看得到的內容」，即該貼文之文字內容、圖片、影片、連結標題及連結縮圖後 (不包含使用者需進行第二次點擊後才能觀看的內容，如所附連結的網頁內容)，依研究者判斷將其分為知識 (法律或經濟面)、行動 (號召行動或現場行動狀況)、情緒 (正面或負面情緒) 三類 (見圖 2)；三項分類可複選或皆不選，如同一則貼文可能同屬知識與情緒類，或不屬於任一分類 (見表 3)。. 22.

(29) 知識法律. 行動經濟. 號召行動. 情緒現場. 正面. 負面. 圖 2 文本分析之內容分類階層示意. 參照表 3 及圖 2，在分類知識、行動、情緒三類時，「有」註記為 1，「無」註記為 0。在加總時，若第二層 (法律、經濟；號召行動、現場狀況；正面情緒、負面情緒) 為複選，將歸類為同屬第一層 (知識、行動、情緒) 分類。. 政治大貼文內容涉及號召行動但並無現場狀況的描述，因此「行動：現場」註記為 0而立. 如表 3 黑島青之分享數排名前 10 的貼文中，排序 1 (即分享數最高) 的貼文，其. ‧ 國. 學. 「行動：號召」註記為 1，行動類總和為 1。該貼文亦涉及法律及經濟，因此在「知識：法律」及「知識：經濟」的欄位皆註記為 1，但知識類總和仍為 1 (因處於. ‧. 第二階層的「法律」與「經濟」同屬第一階層的知識類)。同上，該貼文「情緒：負面」註記為 1，「情緒：正面」註記為 1，情緒類總和則為 1。. sit. y. Nat. n. al. er. io. 二、貼文交集文本分析設計. i n U. v. 本研究在完成貼文聯集文本分析後，將以關鍵字詞頻分析作進一步檢驗，之後. Ch. engchi. 進行貼文交集文本分析。在 27 個臉書專頁中，取各粉絲頁及個人頁之按讚數、回應數、分享數三項各排名前 10 之貼文，共 798 篇 (「g0v.tw 台灣零時政府」因 3 月 17 日至 4 月 13 日間之發文僅有 6 篇，但該粉絲頁在太陽花運動期間具影響力，負責網站、直播等各項程式支援，因此在未足 10 篇貼文的狀況下，全取 6 篇貼文，故研究樣本為 798 篇而非 810 篇)。再以 798 篇貼文中，按讚數、回應數、分享數皆重複出現的交集貼文共 80 篇為研究樣本 (見圖 3)。進一步對此 80 篇迴響熱烈的貼文之發佈日期、時段、附圖形式、連結、貼文發佈者人氣等進行文本分析，並研究其與太陽花運動時間軸與關鍵字詞頻之關連。. 23.

(30) 圖 3 貼文交集文本分析之樣本圖示. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 24.

(31) 表 3 貼文聯集文本分析資料輸出格式 (以黑島青之分享數為例) 日期. 177308745785713_ 241331462716774. 2014/3/18 下午 10:48:06. 分享數. 內文. 13674. 【318 青年佔領立法院反對黑箱服貿行動宣言】我們不願看見台灣青年十年後，還過著 22K 的生活！…略 (文長)。. 黑島青. 2014/3/30 下午 11:18:34. 2576. 1. 0. 0. 知識經濟 1. 行動現場. 行動號召. 情緒負面. 情緒正面. 總和. 1. 0. 1. 1. 1. 1. 1. 1. 0. 1. 1. 0. 1. 0. 1. 1. 立院內圖. 政治大略. 【島嶼天光動畫版凱道首播，再現銀色十字燈海】… 略 (文長)。. Nat. 177308745785713_ 800669556613446. 影片. io. 0. Ch. 0. 1 島嶼天光 MV. n. al. 0. ‧. 10. 連結. 學. 2-9. ‧ 國. 立. 知識法律. 圖片. y. 黑島青. 主文 ID. sit. 1. 粉絲頁 ID. er. 排序. engchi U. v i n. 25.

(32) 參、關鍵字詞頻分析設計為蒐集太陽花運動期間臉書貼文內容，本研究以臉書提供之 API (Application Programming Interface)，抓取臉書粉絲頁 (如黑島青) 之貼文相關資訊。先利用臉書提供的 Graph API Explorer v1.0 來取得各貼文之主文 ID、發文時間、文字內容、讚數、回應數、分享數 (見附錄一)。取得主文 ID 後，再利用 FQL 來取得其回應文內容 (見附錄二)。. 觀察發現，臉書個人頁 (如陳為廷) 因沒有頁面所有者之授權，無法以臉書提供的 API 取得完整貼文及回應資料。因此需先解析 HTML 的內容以取得臉書個人頁公開貼文的主文 ID、發文時間、文字內容、讚數、回應數、分享數。得到主文 ID 後，. 政治大. 同粉絲頁抓取資料方式，再利用 FQL 來取得其回應文內容；若有抓不到的內容，再. 立. 以解析 HTML 內容的方式取得。. ‧ 國. 學. 全部共蒐集 3 月 17 日至 4 月 13 日間，22 個太陽花運動相關臉書粉絲頁及 8 位. ‧. 臉書意見領袖個人頁，共 30 個臉書專頁之貼文共 8220 篇，資料以 Excel 形式輸出，單一貼文輸出格式如表 4。. sit. er. io. 日期讚數回應數分享數 a2014/4/13 v 208 8469 252 i l下午C11:47:17 n hengchi U. n. 主文 ID 1773087457857 13_2514180050 41453. y. Nat 粉絲頁 ID 黑島青. 表 4 關鍵字詞頻分析樣本輸出格式. 內文「那超可怕的！」在太陽花學運中負責維安溝通工作的王雲祥，頂著顆光頭看似狠勁十足，談到不時現身立法院外圍的飆仔、幫派份子，回憶起曾在中山南路口目睹兩派人馬起衝突，一名男子駝著背撥開人群走出，掀開衣服竟帶有小指大小的刀插傷口，「血淋淋」畫面深植腦海，更堅定他「和平抗爭」的念頭。. 為檢驗知識、行動、情緒三項內容分類，本研究隨機挑選 10 個粉絲頁，觀察其按讚數、回應數、分享數三項各排名前 10 的貼文共 300 篇後，自訂 226 個太陽花運. 26.

(33) 動專屬關鍵字 (見附錄三)，加上 838 個出自情緒字庫2的情緒關鍵字 (見附錄五)，並進行資料清理、扣除代表性較低及重複出現於自訂關鍵字及情緒關鍵字的字詞，得 1036 個關鍵字 (見圖 4)。. 立. 政治大. 圖 4 本研究之取樣關鍵字圖示. ‧ 國. 學. 以 Python 將 Excel 表單之「內文」欄位 (如表 4 所示) 轉為獨立之 txt 檔後，計算 1036 個關鍵字在單篇 txt 檔中出現頻率，並加總其在所有樣本中出現次數，得. ‧. 8220 篇樣本中，1036 個關鍵字之詞頻。. sit. y. Nat. io. er. 以 30 個臉書專頁，共 8220 篇貼文進行初步分析後，取 27 個專頁共 8103 篇貼文，在按讚數、回應數、分享數三項各居前 10 名之貼文共 798 篇3為研究樣本。. n. al. Ch. engchi. i n U. v. 對此 798 篇樣本進行關鍵字詞頻分析，首先以 Python 計算 1036 個關鍵字在各篇貼文中的出現頻率，並加總在 798 篇貼文中的詞頻；再將 1036 個關鍵字分為「知識」、「行動」、「情緒」、「其他」四類，分析每篇貼文裡四類關鍵字出現頻率，以觀察貼文內容類別與使用者之「按讚、回應、分享」行為之間的關係，與知識類、行動類、情緒類內容在社交媒介的議題擴散中所扮演的角色。. 資料來源：《網路口碑研究:情緒字詞指標》，（陶振超、趙玉娟，2015）。「g0v.tw 台灣零時政府」因 3 月 17 日至 4 月 13 日間之發文僅有 6 篇，但該粉絲頁在太陽花運動期間具影響力，負責網站、直播等各項程式支援，因此在未足 10 篇貼文的狀況下，全取 6 篇貼文，故研究樣本為 798 篇而非 810 篇。 2 3. 27.

(34) 第三節. 前測分析. 壹、貼文文本分析前測貼文聯集文本分析將取 18 個臉書專頁，各專頁取按讚數、回應數、分享數三項各居前 10 名的貼文分析，共 540 篇貼文為研究樣本。. 自貼文聯集文本分析研究樣本中，挑選 10 個粉絲頁進行前測：(1) 黑色島國青年陣線 (2) 反黑箱服貿協議 (3) 捍衛苗栗青年聯盟 (4) 台大法律學生挺 318 (5) The News Lens 關鍵評論網 (6) 沃草！ (Watchout) (7) 幹誌、(8) 公民行動影音紀錄資料庫 (9) 獨立評論在天下 (10) 【懶人時報】。. 政治大觀察此 10 個粉絲頁之按讚數、回應數、分享數三項各排名前 10 的貼文，即一立. ‧ 國. 學. 個粉絲頁取 30 篇貼文，共 300 篇貼文為研究樣本。依研究者判斷將貼文內容分類為法律 (法律或經濟)、行動 (號召行動或現場狀況)、情緒 (正面或負面情緒) 三類，同. ‧. 一則貼文三類可複選或皆不選，得表 5。. al. n 黑色島國青年陣線反黑箱服貿協議. 各粉絲頁按讚數 Top 10 貼文知識行動情緒 0. C 1 h. 9. 各粉絲頁回應數 Top 10 貼文知識行動情緒. 10. e99n g 10c6 h i. er. io. 粉絲頁 Top 10 貼文彙總. sit. y. Nat. 表 5 貼文內容分類 (知識、行動、情緒類)彙總前測 (共 300 篇貼文) 各粉絲頁分享數 Top 10 貼文知識行動情緒. i v8 n 1U 5. 9. 7. 6. 9. 5. 6. 6. 6. 1. 6. 8. 3. 6. 9. 3. 捍衛苗栗青年聯盟. 0. 台大法律學生挺 318. 8. 1. 5. 9. 2. 4. 10. 3. 5. The News Lens 關鍵評論網. 1. 1. 9. 1. 0. 5. 2. 1. 7. 沃草！ (Watchout). 0. 3. 8. 0. 2. 9. 3. 5. 9. 幹誌. 1. 1. 10. 0. 0. 10. 0. 1. 10. 公民行動影音紀錄資料庫. 0. 10. 10. 1. 8. 9. 4. 6. 9. 獨立評論在天下. 3. 2. 9. 1. 1. 7. 3. 1. 5. 【懶人時報】. 2. 2. 10. 1. 1. 10. 5. 1. 9. 2. 5. 9. 2. 3. 7. 4. 4. 8. 平均. 觀察表 5 發現：含知識類的貼文內容在「分享數 Top 10 貼文」裡較「按讚數 Top 10 貼文」及「回應數 Top 10 貼文」多、含行動類的貼文內容在「按讚數 Top 10 貼文」裡較「分享數 Top 10 貼文」及「回應數 Top 10 貼文」多，而含情緒類的貼文. 28.

(35) 內容在分享數、按讚數及回應數各排名前 10 的貼文裡，皆在知識、行動、情緒三分類中佔最高比例，其中又以在「按讚數 Top 10 貼文」中所佔比例最高。. 觀察各粉絲頁按讚數排名前 10 的貼文共 100 篇，平均每 10 篇貼文裡，含知識類內容為 2 篇，行動類 5 篇，情緒類 9 篇。以情緒類內容所佔比例最高，行動類內容之標準差最大，而知識類內容除台大法律學生挺 318 (以下簡稱台大法律) 外普遍偏低。. 觀察各粉絲頁回應數排名前 10 的貼文共 100 篇，平均每 10 篇貼文裡，含知識類內容為 2 篇，行動類 3 篇，情緒類 7 篇。似按讚數前測結果，以情緒類內容所佔. 政治大. 比例最高，而知識類內容仍除台大法律外普遍偏低。. 立. 觀察各粉絲頁分享數排名前 10 的貼文共 100 篇，平均每 10 篇貼文裡，含知識. ‧ 國. 學. 類內容為 4 篇，行動類 4 篇，情緒類 8 篇。知識類內容明顯較在「按讚數 Top 10 貼文」及「回應數 Top 10 貼文」裡高，行動類內容之標準差較在「按讚數 Top 10 貼文」. ‧. 及「回應數 Top 10 貼文」裡低，而情緒類內容仍在知識、行動、情緒三分類中佔最. er. io. sit. y. Nat. 高比例。. 上述平均值亦受各粉絲頁特性影響。有些粉絲頁有特定敘述手法或取材偏好，. n. al. Ch. i n U. v. 如幹誌的貼文在按讚數、回應數與分享數三項，皆以情緒類貼文為主；而台大法律. engchi. 在分享數、按讚數與回應數三項，皆以知識類貼文為主。. 29.

(36) 貳、關鍵字詞頻分析前測同樣以上述 10 個粉絲頁之按讚數、回應數、分享數三項排名各居前 10 的貼文，共 300 篇貼文為樣本，進行關鍵字詞頻分析前測。以程式分析 226 個自訂關鍵字在此 300 篇貼文中出現頻率，得表 6 (此取出現頻率排序前 20 之關鍵字)。. 表 6 自訂關鍵字在 300 篇貼文中出現頻率. 政治大. n. engchi. y. sit. io. Ch. er. Nat. al. 分享數 Top 10 貼文自訂關鍵字次數民主 40 公民 40 監督 33 行動 32 國民黨 24 國會 23 審查 23 青年 22 佔領 20 憲政 18 現場 18 政府 17 訴求 16 守護 15 未來 14 需要 14 公聽 14 捍衛 13 法制化 13 站出來 12. ‧. ‧ 國. 立. 回應數 Top 10 貼文自訂關鍵字次數民主 24 現場 24 行政院 21 公民 18 行動 16 監督 14 憲政 14 暴力 14 佔領 13 政府 10 守護 10 訴求 9 夥伴 9 審查 8 支持 7 支援 7 鎮壓 7 需要 7 青年 6 國會 6. 學. 按讚數 Top 10 貼文自訂關鍵字次數現場 17 怕 13 佔領 9 聲援 9 暴力 7 行動 7 支援 6 希望 6 需要 6 權力 5 民主 5 非暴力 5 訴求 5 恐懼 5 土地 4 勇敢 4 感謝 4 夥伴 4 謝謝 4 守護 4. i n U. v. 觀察表 6 並比照自訂關鍵字分類表 (見附錄四) 後發現，知識類關鍵字，如監督、審查、憲政、公聽、國會、法制化等，在「分享數 Top 10 貼文」裡出現頻率較在「按讚數 Top 10 貼文」及「回應數 Top 10 貼文」裡多。. 情緒類關鍵字，如怕、恐懼、勇敢、感謝、希望、守護等，在「按讚數 Top 10 貼文」中所佔比例比知識類與行動類關鍵字高。而同屬情緒類關鍵字的情緒激發詞，如行政院、鎮壓等，在「回應數 Top 10 貼文」裡出現頻率高；上述情緒激發詞在太陽花運動脈絡中，通常指涉 3 月 24 日中正一分局以水車、鎮暴警察鎮壓佔領行政院群眾所造成的流血衝突，因此可能引起較多回應討論。. 30.

(37) 行動類關鍵字，如現場、行動、聲援、支援、需要等，在「按讚數 Top 10 貼文」中排序最前。. 比較文本分析前測與關鍵字詞頻分析前測發現： (1) 知識類內容與知識類關鍵字在分享數前 10 的貼文裡，所佔比例及關鍵字排序較在按讚數、回應數各居前 10 的貼文裡高。 (2) 情緒類內容與情緒類關鍵字在按讚數前 10 的貼文裡，所佔比例較知識類與行動類之內容與關鍵字高。情緒類內容在按讚數、回應數、分享數三項比例皆高於知識類及行動類。 (3) 行動類內容與行動類關鍵字在按讚數前 10 的貼文裡，所佔比例較在分享數、. 政治大在分享數、回應數各居前 10 的貼文裡高。立. 回應數各居前 10 的貼文裡高。行動類關鍵字在按讚數前 10 的貼文裡排序較. ‧ 國. 學. (4) 少數粉絲頁有特定敘述手法或取材偏好 (發文皆以情緒類內容或皆以知識類內容為主)。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 31.

(38) 第四節. 研究設計修正. 以 30 個粉絲頁共 8220 篇貼文為研究樣本，取 838 個情緒字庫關鍵字及 226 個自訂關鍵字，分別計算關鍵字出現頻率，得表 7 (此取出現頻率排序各為前 20 之關鍵字)。表 7 彙編關鍵字在 8220 篇貼文中出現頻率＊. 情緒字庫關鍵字關鍵字次數運動 1337. 學生. 4499. 自由. 1114. 台灣. 3972. 希望. 908. 立法. 3700. 支持. 879. 2437. 抗議. 683. 2158. 爭議. 402. 1947. 愛. 356. 1872. 接受. 302. ‧ 國. 自訂關鍵字關鍵字次數服貿 5062. 佔領. 1716. 結束. 243. 公民. 1631. 連署. 行動. 1607. 質疑. 203. 行政院. 1389. 分享. 188. 監督. 1116. 傷害. 自由. 1114. 離開. 國會. 1039. 理性. 訴求. 999. 擔心. 987. 改變. 951. TT. 現場. 希望. n. 經濟. Ch. 想要 e n929 hi c g 908 譴責. ‧. io. 參與. al. 學. Nat. 審查. 225. 187 185. y. 立. 人民. 政治大. 179. sit. 政府. 167. er. 民主. Un. iv. 164 155 154 148. *. 資料來源：《網路口碑研究:情緒字詞指標》， (陶振超、趙玉娟，2015). 觀察發現，「自由、希望、支持、抗議、譴責」等字詞在情緒字庫關鍵字與自訂關鍵字重複出現。情緒字庫關鍵字排名第一的「運動」，考量其在太陽花運動的脈絡中，字義多為「社會運動」，故將其從情緒字庫關鍵字中排除。上述兩點將在之後進行資料清理。. 隨機抽取 3 個粉絲頁 (黑島青、反黑箱服貿協議、捍衛苗栗青年聯盟)，以其按讚數、回應數、分享數排名各為前 10 之貼文，共 90 篇為樣本，分別計算關鍵字出現頻率，得表 8 (此取出現頻率排序各為前 20 之關鍵字)。. 32.