國立臺東大學資訊管理學系 碩士論文
Department of Information Science and Management Systems
National Taitung University Master Thesis
應用資料探勘技術以建立社群網站使用者寂寞感預 測模式之研究
Applying Data Mining Technology into Building User Loneliness Predictive Models of Social Networking
Sites
李欣怡 Hsin-Yi Li
指導教授：謝昆霖 博士 Advisor: Kun-Lin Hsieh, Ph.D.
中華民國 102 年 7 月
July, 2013
謝誌
感謝我的指導教授 謝昆霖老師這幾年來的教導與勉勵，在求學路上，主任與師母 是我的老師，在人生路上，更是我所敬重的兩位長輩，離家在外求學，人在外鄉常有遇 到困難或無助的時刻，謝謝主任與師母總是給予像家一樣的溫暖照顧。
感謝口試委員 施能木老師與 趙家民老師，謝謝兩位老師的勉勵，更謝謝兩位老師 在忙碌的學期中撥冗審查我的論文，並給予寶貴的修改建議，使本論文更臻完善。
感謝 林俊男老師，對論文撰寫的諸多指導，不厭其煩的回答問題，老師亦師亦友 的教導在研所的求學路上受益良多，非常謝謝你，俊男老師。
…若要詳細的形容學生的感謝之情，大概就和一百份的改腿雞香堡藍蜻蜓套餐一樣多！
感謝琢瑋學長在程式撰寫時的大力協助，感謝班導 廖國良老師的教導，感謝大一 到研一在計中工讀的日子，感謝美秀姐、楊哥許多時刻的幫助、研所學長阿志哥的打氣、
郭 sir 當年的錄取、世泓哥當年鼓勵念資管研的契機、守成哥、中秋哥、晶蓉姐、王大 哥、淑倖姐的指導，還有，兩位在計中遇到的老師，Mag 與王大當年的用心教導。
感謝大學的老師與大學學長、同學、學弟妹們，感謝阿姨口試時的諸多協助，感謝 小郁當初的許多幫助，感謝研所生活，學長、同學、學弟妹的陪伴，文馨、建堯、清欽、
鎧奇、亮聿、ARC、摔車、柏元、振家、宗勳、長盈。
感謝文獻裡的每一位前輩，謝謝，能引用那麼精彩的論文是我最大的榮幸。
另外，特別感謝意然學長和政勳的畢業流程救援(和甜甜圈)，政勳，雖然不能成為 彼此的引用文獻，可是你看你出現在謝誌了耶，真是太好了！
最後，感謝我的家人，爸媽從小到大各方面的支持、栽培、愛和養育，雖然我可能 會很害羞讓你們兩個看到這段…當然還有姊姊專用的人肉文法檢查機欣安，還好你念英 文系啊！超愛你，還有貓咪。
謝誌寫滿感謝，因為當初來推甄臺東資管所是最棒的決定。
天上的外婆，在您當初離開的七月向您報告，感謝許多人，欣怡研究所畢業了。
李欣怡 謹誌 國立臺東大學資訊管理研究所 中華民國一百零二年七月
i
摘要
社群網站的興起，使得人際關係的維繫方式有了不同以往的新風貌，網路科技滲入 日常生活中，其所引發之後續現象，從思考方式的改變、行為傾向、社群的形態、個人 的自我認同等，這都會使人們對實際生活產生衝突，產生了許多在真實生活中感到寂寞 而無法解決的人，以社群網站取代現實生活人際的互動，並沉迷其中以尋找慰藉。
本研究聚焦於社群網路對其使用者寂寞感之關聯性，以全球最大的社群網站 Facebook使用者為代表，使用心理學領域之UCLA寂寞量表第三版(UCLA Loneliness Scale Version3)對社群網站使用者進行寂寞感的量測，並以Facebook API建立應用程式蒐 集使用資料，再輔以資料探勘方式分析寂寞者社群網站使用之情形，進而建立預測模 式。
本研究以邏輯斯迴歸分析、決策樹演算法與類神經網路等方式，分析各寂寞程度者 在社群網站使用行為上之特徵，決策樹演算法與類神經網路較優於邏輯斯迴歸，能建立 適切的模式進行預測分析，期盼未來可將模式建立於線上實際運用，為社群網站使用者 檢測使用行為並預測寂寞程度，形成成本低廉之寂寞預防機制，更可與相關單位合作，
適當導入心理輔導機制，使預防體制更加完善，有效預防高度寂寞感引發的後續負面效 應如自殺、自我傷害等。
關鍵詞：社群網站、寂寞感、資料探勘。
ii
Abstract
The development of social networking sites makes the ways of maintaining interpersonal relationship different than ever before. Internet technology infiltrates into daily life; its influences, such as changes in way of thinking, behavioral tendency, community models and self-identification, create people clashing with real life and feeling lonely with actuality. They replace face-to-face interpersonal interactions with the ones on the social networking sites and get intoxicated into them, for their loneliness can’t be solved by reality.
This research focuses on the correlation between social networking sites and the loneliness of their users, taking users of Facebook, the largest social networking site, as participants and uses UCLA Loneliness Scale Version3 to assess the participants' degree of loneliness. The data is collected by an application created with Facebook API and analyzed by data mining for investigation of the lonely people’s usage of social networking sites, and its result can be used to generate forecasting models.
This research utilizes Logistic Regression, Decision Tree and Artificial Neural Network to analyze participants’ features of using social networking sites with different degrees of loneliness. In this case, Decision Tree and Logistic Regression are more suitable than Logistic Regression for creating proper models for forecasting and analyzing. Hopefully, the models can be used online in the future for practical application, such as probing using behavior and estimating the degrees of loneliness, and form a low-cost loneliness prevention system; furthermore, to make system more comprehensive and effective for preventing side effects caused by high degree of loneliness like self-harm and suicide, it’s possible to cooperate with authorities concerned and advisably import some processes of psychological guidance.
Keywords: Social networking sites, Loneliness, Data mining.
iii
目次
摘要 i Abstract ii 目次 iii 圖次 v
第一章 緒論 ... 1
1.1. 研究背景與動機 ... 1
1.2. 研究目的 ... 2
1.3. 研究流程 ... 3
1.4. 研究範圍 ... 4
1.5. 研究對象 ... 4
1.6. 研究限制 ... 4
1.7. 名詞解釋 ... 4
第二章 文獻探討 ... 6
2.1. 社群網站探討 ... 6
2.1.1. 虛擬社群的定義 ... 6
2.1.2. 虛擬社群的分類 ... 9
2.1.3. 社群網站 ... 11
2.1.4. Facebook ... 15
2.2. 寂寞感探討 ... 19
2.2.1. 寂寞感 ... 19
2.2.2. 寂寞感與網路使用探討 ... 22
2.3. 資料探勘 ... 25
第三章 研究方法 ... 29
3.1. 研究流程 ... 29
3.2. 研究資料 ... 31
3.3. 研究架構 ... 34
3.4. 研究工具 ... 36
3.4.1 UCLA 寂寞量表 ... 36
3.4.2 Weka 介紹 ... 37
3.5. 資料分析方法 ... 38
3.5.1 邏輯斯迴歸 ... 38
3.5.2 決策樹演算法 ... 39
3.5.3 類神經網路 ... 40
3.6. 模式評估方法 ... 41
3.7. 驗證方式 ... 43
iv
第四章 資料分析 ... 44
4.1. 資料前處理 ... 44
4.2. 資料敘述 ... 48
4.3. 資料分析 ... 51
4.3.1. 邏輯斯迴歸參數設定 ... 51
4.3.2. 決策樹 ... 53
4.4. 研究討論 ... 77
4.4.1. 低度寂寞決策樹 ... 77
4.4.2. 中度寂寞決策樹 ... 85
4.4.3. 高度寂寞決策樹 ... 95
4.4.4. 寂寞感與社群網站功能類型 ... 105
第五章 結論與建議 ... 106
5.1. 研究結論 ... 106
5.1.1. 社群網站使用者之使用情形預測寂寞程度的可能性 ... 106
5.1.2. 使用者不同程度的寂寞感與使用社群網站之間的關係 ... 106
5.2. 研究建議 ... 108
5.3. 研究限制與未來研究方向 ... 108
參考文獻 ... 110
v
圖次
圖 1–1 研究流程 ... 3
圖 2–1 我國網路使用社群比例圖 ... 13
圖 2–2 我國國人使用社群網站原因調查 ... 14
圖 2–3 臺灣 Facebook 用戶數統計 ... 16
圖 3–1 應用程式介面 ... 30
圖 3–2 研究架構 ... 34
圖 3–3 Weka 模式選擇介面 ... 37
圖 3–4 Weka Explorer 介面 ... 38
圖 3–5 ROC 曲線 ... 42
圖 4–1 邏輯斯迴歸相關參數設定 ... 51
圖 4–2 以 J48 決策樹、randomSeed=1 進行 Resample 30 次測試 ... 53
圖 4–3 Resample 相關參數設定介面 ... 54
圖 4–4 決策樹相關參數設定 ... 54
圖 4–5 低度寂寞決策樹 ... 61
圖 4–6 中度寂寞決策樹 ... 63
圖 4–7 高度寂寞決策樹 ... 65
圖 4–8 以類神經網路、randomSeed=1 進行 Resample 30 次測試 ... 68
圖 4–9 Resample 相關參數設定介面 ... 69
圖 4–10 類神經網路相關參數設定 ... 69
圖 4–11 低度寂寞規則一、二、五、六決策樹 ... 77
圖 4–12 低度寂寞規則三、四、七、八、九、十決策樹 ... 79
圖 4–13 低度寂寞規則十一、十二、十三、十四決策樹 ... 81
圖 4–14 低度寂寞規則十五、十六決策樹 ... 83
圖 4–15 中度寂寞規則一、二、六決策樹 ... 85
圖 4–16 中度寂寞規則三、四、五、七、八、九、十、十一決策樹 ... 87
圖 4–17 中度寂寞規則十二、十三決策樹 ... 89
圖 4–18 中度寂寞規則十四、十五、十六、十七決策樹 ... 91
圖 4–19 中度寂寞規則十八、十九、二十決策樹 ... 93
圖 4–20 高度寂寞規則一、二、四決策樹 ... 95
圖 4–21 高度寂寞規則三、五、六、七、八、九決策樹 ... 97
圖 4–22 高度寂寞規則十、十一、十二、十三決策樹 ... 99
圖 4–23 高度寂寞規則十四、十五、十六決策樹 ... 101
圖 4–24 高度寂寞規則十七、十八、十九決策樹 ... 103
vi
表次
表 2–1 國內外不同學者所定義的虛擬社群 ... 8
表 2–2 不同學者所提出的虛擬社群分類 ... 11
表 2–3 不同學者所定義的寂寞感 ... 20
表 2–4 寂寞感 8 種方法論 ... 21
表 3–1 Facebook 使用變數資料列表 ... 33
表 3–2 本研究使用之 Facebook 變數說明 ... 35
表 3–3 混亂矩陣 ... 41
表 3–4 AUC 判別規則 ... 43
表 4–1 已經過資料前處理之資料屬性表 ... 45
表 4–2 469 筆寂寞感使社群網站使用資料之描述性統計 ... 48
表 4–3 以傳統分析方法邏輯斯迴歸進行分析 ... 52
表 4–4 決策樹數據總表(randomSeed 1-30) ... 55
表 4–5 randomSeed=25 各項數值 ... 60
表 4–6 低度寂寞決策樹規則整理 ... 62
表 4–7 中度寂寞決策樹規則整理 ... 64
表 4–8 高度寂寞決策樹規則整理 ... 66
表 4–9 各屬性 GainRatio 熵值 ... 67
表 4–10 類神經網路數據總表(randomSeed 1-30) ... 70
表 4–11 randomSeed=18 組各項數值 ... 75
表 4–12 邏輯斯與決策樹成對樣本 T 檢定 ... 76
表 4–13 邏輯斯與類神經成對樣本 T 檢定 ... 76
表 4–14 Facebook 功能分類與 GainRatio 熵值 ... 105
1
第一章 緒論
1.1. 研究背景與動機
隨著網際網路逐漸的解除商業限制並向公眾開放(Harris & Gerich,1996)，亞洲的網 際網路發展也跟隨歐美的步伐，在1980年代晚期到1990年代早期開始迅速拓展，緊接其 後的二十一世紀邁入了網際網路的世紀。由於具有互動、多媒體等特性，網際網路成為 一個備受矚目的新興媒體(梁德馨, 2009)，不但提供即時、多元的社會訊息，滿足閱聽人 對新聞、新知的需求，亦提供了立即、雙向溝通的管道，舉凡資訊的取得、資料的搜尋、
商業的經營，甚至休閒娛樂、通訊溝通，皆少不了對網路的依賴(董潔如，2002)。網路 滲透於人類各項活動的領域中，為人類社會的互動模式、生活方式、技術創新等帶來全 新的轉變 (Castells, 1997)。網路和通訊科技不單僅做為生活和工作的工具，鄭石岩(2003) 為此現象下了註解：「它儼然成為生活的一種方式和場景。這種現象被通俗地稱為e化 社會，或者稱它為e世代的生活。」
延續e世代網路走入生活的思維，2004年由O'Reilly率先提出的Web2.0概念，不但將 網際網路應用引導到新的「Web2.0時代」，其使用者參與、公開性及網路效應的特性 (Musser & O'Reilly, 2007)更是帶動了社群網站(Social Network sites)的全球現象。
根據英國經濟學人(The Economist)在2010年的統計，全球各種網路社群的總使用者 約9.4億人。而到了2012年末，全球最大的社群網站Facebook2012年度報告中的資料顯示，
單就Facebook站內統計，其就已擁有10.6億名的活躍用戶，顯見社群網站的影響力已涵 蓋全球。
由臺灣網路資訊中心(Taiwan Network Information Center, TWNIC)在2012年所提出 的「2012台灣寬頻網路使用調查」報告則指出全國12歲以上上網人口總計1,753萬(統計 至2012年5月27日)，其中使用過網路社群服務者比例更高達67.72%，換算約1,187萬，相 當於我國人口的一半皆使用過社群網站。
社群網站的興起，使個人維繫與發展人際關係的方式有了不同以往的新風貌。財團
2
法人資訊工業策進會(簡稱資策會)於「2012民眾ICT應用調查」中將「社群網站」做為「數 位溝通」衡量項目的一環，顯見社群網站已被視為日常生活重要的溝通模式之一，其重 要性不言可喻。
網路科技滲入日常生活中，其所引發之後續現象，從思考方式的改變、行為傾向、
社群的形態、個人的自我認同等，這都會使人們對實際生活產生衝突(黃少華、陳文江，
2006)，也因此，自網路興起的二十一世紀初始，教育學家、社會學家和心理學家，就 持續關注網路生活對人類心理健康、生活適應和人格發展的影響(蘇文進，2006)。
由上述資料中可知，近年來逐漸崛起的社群網站目前已然成長至具全球規模的範圍，
其對於日常生活與人際溝通的影響力亦日趨重要，如此廣泛應用的社群網站將為使用者 心理層面帶來何種影響？美國新聞週刊Newsweek在2009年報導指出，許多在真實生活 中感到寂寞而無法解決的人，以社群網站取代現實生活人際的互動，並沉迷其中以尋找 慰藉，社群網站彷彿成為寂寞星球。
本研究聚焦於社群網路對其使用者寂寞感之關聯性，以心理學領域常用之UCLA寂 寞量表第三版(University of California, Los Angeles, Loneliness Scale Version3)對社群網站 使用者進行量測，並以程式蒐集其使用資料，以資料探勘方式分析寂寞者社群網站使用 之情形，進而能以社群網站使用資料對使用者寂寞感進行預測，揭露社群網站對人們生 活層面乃至於心理層面產生影響之一隅。
1.2. 研究目的
本研究之主要探討臺灣 Facebook 使用者，其社群網站使用情形與寂寞感的關聯性，
期待研究結果能夠作為社群網站使用與寂寞感防治的參考依據。
本研究利用 Facebook API，以建立 Facebook 應用程式的方式蒐集使用者資料，配 合 UCLA 寂寞量表第三版(UCLA Loneliness Scale Version3)進行研究。本研究之研究目 的為：
1. 探討使用者不同程度的寂寞感與使用社群網站之間的關係。
3
2. 探討以社群網站使用者之使用情形預測寂寞程度的可能性。
1.3. 研究流程
經由研究動機與相關文獻彙整，確定本研究之研究目的，再根據研究目的進一步對 相關文獻加以探討，以瞭解相關研究，並開始正式進行蒐集數據與資料，將所蒐集的問 卷資料加以整理進行資料探勘分析，探討 Facebook 使用者與寂寞感之間的關聯性，最 後提出結論與建議，本研究流程如圖 1-1 所示。
確認研究動機
與研究目的 第一章 緒論
進行文獻探討 第二章 文獻探討
資料蒐集 資料處理
第三章 研究方法 建立研究方法
資料分析
探勘實作 第四章 資料分析
結果驗證
結論與建議 第五章 結論與建議
圖 1–1 研究流程
4
1.4. 研究範圍
本研究以 Facebook API 建立的應用程式進行社群網站使用者相關資料的蒐集，應用 程式透過使用者點選同意 Facebook 授權以及填答量表的介面，蒐集使用者的基本資料、
使用資料以及寂寞量表得分，資料蒐集期間從 2013 年 5 月 6 日自 2013 年 6 月 6 日，為 期一個月，使用功能資料擷取範圍包含：塗鴉牆的近況動態、相片與影片功能、興趣功 能、讚功能、社團功能、活動功能、姓名功能、性別功能、年齡功能、性別功能、所在 地點功能與家鄉地點功能。
1.5. 研究對象
由於時間、人力、物力和經費等限制，本研究的樣本僅以 Facebook 的使用者為調 查對象進行研究，希望能藉此瞭解社群網站使用者在使用 Facebook 與寂寞感的關聯性。
1.6. 研究限制
根據 Facebook 所制訂的註冊規定，使用者至少必須年滿 13 歲才能註冊 Facebook 用戶，因此樣本年齡皆在 13 歲以上，此外，由於 Facebook 平台對外部應用程式的限制，
在使用資料的擷取因權限問題具有一定程度的受限。
1.7. 名詞解釋
為使本研究使用的名詞能更為明確，故將所涉及之重要名詞加以詮釋或做主要的操 作性定義，整理如下：
1. 社群網站
為虛擬社群的其中一種形式(Dwyer，2007)，使用者可在系統中建構一個公開或半 公開的檔案，同時，使用者具有彼此可共通的社群成員列表，且在此系統中，使用者可
5
檢視與瀏覽前述列表中所聯繫的使用者和他們的列表(Boyd & Ellison, 2007)。目前全球 最大的社群網站為 Facebook (Alexa, 2013)。
2. 寂寞感
寂寞感是個人基於人際關係的親密感和需求無法滿足時，所產生的主觀性且不愉快 的感受(Peplau & Perlman，1982)。本研究採用 UCLA 寂寞量表第三版(UCLA Loneliness Scale Version3)(Russell, 1996)來作為量化寂寞感的指標。
3. 資料探勘
資料探勘是從大量資料中，尋找事前未知、有效且可以付諸行動的規則或知識(梁 定澎，2006)，所使用的技術可概分為傳統技術與改良技術兩大類，傳統技術以統計分 析為主，現代改良技術則如決策樹分析、類神經網路等 (Tseng et al., 2005)；本研究所採 取的是傳統技術中的邏輯斯迴歸分析與現代改良技術中的決策樹分析、類神經網路，並 且 以 提 供 教 育 與 研 究 為 主 而 廣 受 歡 迎 的 免 費 軟 體 Weka(Waikato environment for knowledge analysis, WEKA)懷卡托智慧分析環境作為本研究的資料探勘工具。
6
第二章 文獻探討
針對本研究的背景和目的，本章文獻探討分成兩大部分，第一部分探討社群網站相 關文獻，從虛擬社群的定義出發，進一步探討虛擬社群的分類，再延伸到近年熱門的社 群網站，並以前述文獻為社群網站的功能區分；第二部分為寂寞感的相關文獻探討，由 寂寞感的定義與理論探究相似的形成因素與行為脈絡，進一步延伸探討到網路和社群網 站與寂寞感關聯性。
2.1. 社群網站探討
2004 年由 O'Reilly 率先提出的 Web2.0 概念，將網際網路應用引導到新的「Web2.0 時代」，Web2.0 與過去網站最主要的差異並非技術層面的提升，而是在於行為模式上的 改變，使用者從原本單向於網路上接收資訊，轉變為雙向的互動，使用者不再僅是資訊 的接收者，同時也具有資訊的創造者、傳遞者的身分，可以即時分享和參與網路上的內 容。這種使用者參與、公開性及網路效應的特性改變了虛擬社群的型態(O'Reilly &
Musser, 2007)，讓原本以網站內容為主體的虛擬社群，將重點轉移到使用者上，藉由網 站上使用者之間的相互連結與互動，虛擬社群形成新的網路型態，造就了社群網站 (Social Network Sites)的全球現象。
2.1.1. 虛擬社群的定義
虛擬社群(virtual community) 的概念，最早為廣泛指稱所有以電子媒體(電話、傳真、
電視、廣播或電腦)作為溝通與聯絡媒介的群體 (Creulo, Ruane & M.Cayko, 1992)，學者 Rheingold 則在 1993 年的著作中進一步明確的將聯絡媒介的形式縮減至以網路為平台，
並將情感支持納入定義中，確立了虛擬社群的基本概念，認為虛擬社群是「一群主要透 過網路溝通的人們，有相當程度的認識並彼此分享知識和資訊，具有類似友誼情感的團
7
體」。(Rheingold, 1993)
虛擬社群的定義延續了「社群」(community)被廣泛認同的概要架構，從社會學的角 度切入，社群乃是指一定地理區域內的人及其社會性活動及現象的總稱(蔡宏進，1985)，
因此當社群轉換進入至網際空間，原本社群定義架構中的兩項重要條件「地理區域」以 及「社會性活動與現象」的構成條件即代換為網路所呈現的共同在場(co-presence)，以 及進行不受傳統時空限制的電子互動 (Foster, 1996)，也因此虛擬社群的定義早期多著重 在以網路的媒介特性與群體的共同活動及現象做出解釋；Jones & Sasser (1995)即指出虛 擬社群雖然彼此位於不同的地理位置，但是在以電腦為媒介的溝通環境下，仍可藉由共 同的信任及經驗溝通。Hagel & Armstrong (1997)認為，虛擬社群能夠滿足網路使用者聯 繫、分享資訊及娛樂的需求，因而聚集人們，藉由網路的跨時空性質，以網際網路進行 互動與分享，這樣的形式更容易將一群具有相同興趣、目標與背景的人連結在一起。
除了上述以網路的媒介特性與群體的共同活動或現象為主的定義外，後期亦有學者 以關係或情感等的人際面向對虛擬社群做出解釋。Chang et al. (1999) 和 Fion et al.(2002) 皆將虛擬社群中發展的關係納入定義之中。Tapscott (1998)更明確指出，虛擬社群的組成 並非單純由技術、交易或是使用者，應包含情感、行為互動、價值觀、語言、時間與空 間。Wellman 在 1999 年也談論到虛擬社群對使用者的情感支持，認為虛擬社群是「以 電腦維持的社會網路，為其中的成員提供友誼、社會支持、資訊及歸屬感」。Wenger et al.
(2002) 則認為虛擬社群的重點並非形式，而應是在於人群互動而產生的情感：「不只是 網頁、資料庫或是論壇的集結，而是一群人藉由互動建立緊密的關係，分享擁有的資訊 與共有的情緒，並在此過程中產生歸屬感與承諾」。
除了國外學者，國內學者也提出相似之觀點，吳齊殷(1998)即認為虛擬社群僅僅是 網路技術所創造出來不同的「社群」表現形式，其內涵仍與現實社群相同，都是社會性 的關係網絡。王鈿(2000)則以需求的角度切入解釋虛擬社群，其認為虛擬社群使用者在 網路上進行社交行為，除了滿足交易等經濟需求，也包含如情感層面等相關非經濟需求。
黃厚銘(2001)則將虛擬社群定義為基於資訊分享與情感支持的副文化團體。綜合以上文 獻，本研究將虛擬社群國內外學者的相關定義整理如表 2-1。
8
表 2–1 國內外不同學者所定義的虛擬社群
學者 年代 定義
Rheingold 1993 一群主要透過網路溝通的人們，有相當程度的認識並彼此分享知 識和資訊，具有類似友誼情感的團體。
Jones & Sasser 1995 在以電腦為溝通媒介的環境下，使用者雖處於不同的地理位置，
但基於共同的信任與經驗而聚集交流。
Hagel &
Armstrong
1997 能夠滿足網路使用者聯繫、分享資訊及娛樂的需求，因而把人們 聚集起來，藉由網路的跨時空性質，以網際網路進行互動與分 享，透過持續性的互動培養出信任與相互瞭解的氣氛，讓一群具 有相同興趣、目標與背景的人連結在一起。
吳齊殷 1998 僅僅是網路技術所創造出來不同的「社群」表現形式，其內涵仍 與現實社群相同，都是社會性的關係網絡所建構而成的。
Chang et al. 1999 一群網際網路使用者因相同興趣或情感而在網際網路上參與討 論區討論，或於聊天室中與其他人互動，並且交換資訊而產生人 際關係。
Wellman 1999 以電腦維持的社會網路，為其中的成員提供友誼、社會支持、資 訊及歸屬感。
王鈿 2000 虛擬社群形成於網路上，人們在此進行社交行為，在此滿足經濟
(如交易)或非經濟(如情感)的需求，並且在之中具有連結性，使 人們願意定時回來。
黃厚銘 2001 電腦網路所構成的虛擬社群，打破了以地域性為核心的社區構 想，形成一種基於資訊分享與情感支持的副文化團體。
Fion et al 2002 在基於科技的網際網路空間中，以參與者的溝通與互動為主體，
而建立彼此之間的關係。
Wenger et al. 2002 不只是網頁、資料庫或是論壇的集結，而是一群人藉由互動建立 緊密的關係，分享擁有的資訊與共有的情緒，並在此過程中產生 歸屬感與承諾
資料來源：本研究整理
透過上述文獻可得知，虛擬社群雛型之形成，是基於網路的媒介特性與群體的共同 活動或現象，而隨著虛擬社群的成型，成員間開始發展關係而形成彼此的情感支持，並 成為虛擬社群維持社群型態的主軸。
9
2.1.2. 虛擬社群的分類
過去文獻中指出眾多的虛擬社群網站分類方式，各種區分準則間雖有所差異，但大 多以使用者之使用動機、社群網站之功能性以及特性等分類方式為主，例如 Armstrong &
Hagel(1997)認為人們在虛擬社群中藉由彼此的互動溝通，漸漸瞭解和信賴對方，而此種 互動和溝通的基礎是建立在人們的四種基本需求，包含：興趣(interest)、人際關係 (relationship)、幻想(fantasy)、交易(transaction)等，茲條列闡述如下：
1. 興趣導向社群：地理位置分散各地的虛擬社群使用者基於某種共同的興趣和專 長而聚集。
2. 人際關係導向社群：具有特定生命經驗的使用者聚集於此社群，著重於個人經 驗的交流，並透過互動建立更深入的人際關係。
3. 幻想導向社群：社群滿足使用者抒發自身想像的需求，允許使用者開創新的人 格，並於其中創造個人化的故事情節、扮演不同的角色。
4. 交易導向社群：社群滿足使用者進行買賣交易或資訊交流的需求。
同樣以使用者的動機目的作為區分條件，Chaudhury et al. 在 2001 年亦提出將虛擬 社群概分為關係聚焦導向(relationship-focused)社群和任務聚焦導向(task-focused)社群的 論點。
Kozinets(1999)則以虛擬社群使用者之間的互動模式切入，將社群分為資訊模式 (Informational Model)、娛樂模式(Recreational Model)、關係模式 (Relational Model)、轉 換模式(Transformational Model)四種類型。
除了以虛擬社群使用者需求為觀點，以功能性觀點作為分類的，則如 Safko & Brake，
在 2009 年 提 出 了 四 個 主 要 的 社 群 媒 介 (Social Media) 運 用 活 動 ， 分 別 是 通 訊 性 (communication)、協同性(collaboration)、教育性(education)、與娛樂性(entertainment)，
條列闡述如下：
1. 通訊性社群活動：以溝通聯繫為主的活動，從早期的電子郵件到現今的微網誌，
使用者透過此類社群媒介功能與彼此溝通聯繫。
10
2. 協同性社群活動：以協同作業為主的活動，如使員工利用此類社群媒介功能進 行協同工作，或是利用線上論壇與客戶相互協作。
3. 教育性社群活動：以教學傳播為主的活動，組織透過此類社群媒介功能傳播資 訊、產品及服務，例如主題性講座的傳播與下載。
4. 娛樂性社群活動：以娛樂休閒為主的活動，如利用上傳 YouTube 影片等此類社 群媒介功能使其達到娛樂效果。
以社群特性區分則是如 Adler & Christopher 在 1999 年提出的研究，其將虛擬社群分 為人口特質型(demographic)、專業型(professional)以及個人興趣型(personal interest)三種 類型，條列闡述如下：
1. 人口特質型社群：使用者具有共同的特定身份或生命經驗。
2. 專業型社群：使用者具有共同專業知識。
3. 個人興趣型社群：使用者具有共同興趣嗜好。
以下表 2-2 列出各學者以不同觀點對虛擬社群做出分類的分類條件。
11
表 2–2 不同學者所提出的虛擬社群分類
學者 年代 觀點 分類條件
Armstrong &
Hagel
1997 虛擬社群使用者 的需求
興趣(interest)
人際關係(relationship) 幻想(fantasy)
交易(transaction) Kozinets 1999 虛擬社群使用者
之間的互動模式
資訊模式(Informational Model) 娛樂模式(Recreational Model) 關係模式 (Relational Model) 轉換模式(Transformational Model) Adler &
Christopher
1999 虛擬社群特性 人口特質型(demographic) 專業型(professional)
個人興趣型(personal interest) Chaudhury et
al.
2001 虛擬社群使用者 的動機
關係聚焦(relationship-focused) 任務聚焦(task-focused)
Safko & Brake 2009 社群媒介運用活 動
通訊性(communication) 協同性(collaboration) 教育性(education) 娛樂性(entertainment) 資料來源：本研究整理
各種區分準則間雖有所差異，但各種社群類型之間並非彼此互斥(Hagel & Armstrong, 1997)，為了迎合使用者的需求，虛擬社群的趨勢也逐漸走向多元發展而非單一取向，
近年來新興的虛擬社群網站普遍提供使用者的基本服務與功能大多涵蓋了過去學者所 提出的分類依據因素，單一個多樣化的虛擬社群往往就能同時滿足參與者各項不同的需 求(Hagel & Armstrong, 1997)；換言之，同一個虛擬社群網站中所提供的各項功能可能即 涵蓋了好幾項傳統分類的社群類型。
2.1.3. 社群網站
社群網站(Social Network Sites, SNSs)作為虛擬社群的其中一種形式(Dwyer，2007)，
12
其原始雛型可回溯到 1997 年以社交為主的網站 SixDegrees.com 開始，一直發展到 2002 年的 Friendster、2003 年的 LinkedIn、Myspace，服務與功能顯得越來越多元，型態也 漸漸接近現在的社群網站，並逐漸走向主流(Boyd & Ellison , 2007)。2004 年由 O'Reilly 提出的 Web2.0 概念將網際網路應用引導到新的「Web2.0 時代」，與過去網站最主要的 差異並非技術層面的提升，而是在於網站使用行為模式上的改變，使用者從原本單向於 網路上接收資訊，轉變為雙向的互動；使用者不再僅僅只是作為資訊的接收者，同時也 具有資訊的創造者、傳遞者的身分，可以即時分享和參與網路上的內容。這種使用者參 與、公開性及網路效應的特性更是改變了虛擬社群原本的型態(O'Reilly & Musser, 2007)，
原本以網站內容為主體的虛擬社群，將重點移轉到使用者上，如分別在 2004 年與 2006 年推出服務的 Facebook 以及 Twitter 就是以使用者為核心，而非主題導向。
社群網站作為以網站上使用者之間的相互連結與互動為主的新興網路型態，受到了 廣泛的歡迎並成為全球性現象(Boyd & Ellison, 2007)。英國經濟學人(The Economist)在 2010 年的統計，全球各種社群網站的總使用者就已突破 9.4 億人。而到了 2012 年末，
全球最大的社群網站 Facebook2012 年度報告中的資料顯示， Facebook 已擁有 10.6 億名 的活躍用戶，顯見社群網站的影響力已涵蓋全球。
而在我國，由臺灣網路資訊中心(Taiwan Network Information Center, TWNIC)在 2012 年所提出的「2012 台灣寬頻網路使用調查」報告中的最新資料則指出全國 12 歲以上上 網人口總計 1,753 萬(統計至 2012 年 5 月 27 日)，其中使用過網路社群服務(如 Facebook、
噗浪、Blog、微網誌等)者比例更高達 67.72%，換算約 1,187 萬，相當於我國人口的一 半皆使用過社群網站，顯見社群網站對於我國之影響力。圖 2-1 為我國網路社群使用比 例圖。
13
圖 2–1 我國網路使用社群比例圖 資料來源：TWNIC，2012
根據 Boyd & Ellison(2007)的定義，社群網站為以網路為基礎(web-based)的服務，並 具有以下三項特性：
1. 個人可在系統中建構一個公開或半公開的檔案。
2. 使用者具有彼此可共通的社群成員列表。
3. 在此系統中，使用者可檢視與瀏覽前述列表中所聯繫的使用者和他們的列表。
社群網站作為虛擬社群的其中一種形式(Dwyer，2007)，也擁有虛擬社群所具備的 相關特質。Lenhart & Madden(2007)在定義中除了闡述社群網站讓使用者建構個人檔案 的特性，也提及使用者將社群網站作為建立人際網路的線上空間。Rau et al. (2008)也提 到社群網站使用者能公開並主動的在平台上建立及維持與其他使用者的關係，於其中分 享興趣並獲得情感支持。
除了具有虛擬社群所共通具備的性質，社群網站亦具有相異於其他虛擬社群的特點。
相對於早期虛擬社群的由上而下，社群網站具有由下而上(bottom-up)的概念(Mayfield, 2005)，早期虛擬社群的使用者是因網站資訊而聚集、交流並形成社群，但社群網站卻 是先以公開的線下個人檔案交流形成社群後才開始分享資訊。
使用者接觸社群網站是基於滿足情感性需求而非資訊性需求的期待 (Rau et al.
2008)，社群網站藉由使用者個人檔案所透露的現實社交網絡關係形成彼此的聯繫，並
14
提供平台讓使用者對彼此分享線下世界的情感(Boyd & Ellison,2007)，而這樣的連繫方式 更貼近真實的人際交往，使社群網站中的社交關係如同實際社交(Donath & Boyd, 2004)。
Haythornthwaite(2005)指出，社群網站之所以廣受歡迎，並非在於讓使用者結識虛擬的 新朋友，而是由於社群網站能讓使用者與線下的社群溝通聯繫並分享資訊。
根據我國 TWNIC 的「2012 台灣寬頻網路使用調查」數據資料顯示，在我國 12 歲 以上使用過社群網站的民眾中，「使用網路社群服務原因」最高的項目即為「因為朋友 在使用，所以我也跟著用」(如圖 2-2)，顯見社群網站的確為現實世界社群關係的延伸 (Haythornthwaite, 2005)。
圖 2–2 我國國人使用社群網站原因調查 資料來源：TWNIC，2012
對照上一小節 Hagel & Armstrong(1997)對於社群類型的四種分類：興趣導向、人際 關係導向、幻想導向、交易導向等類型來說，社群網站較不具有幻想(fantasy)導向，開 創新人格、滿足幻想的特質。社群網站整體來說，主要符合人際關係導向社群的描述，
但如前述文章所提及，為了迎合使用者的需求，虛擬社群的趨勢也逐漸走向多元發展而
15
非單一取向，其提供的基本服務與功能大多涵蓋了過去學者所提出的分類依據因素，單 一個多樣化的虛擬社群往往就能同時滿足參與者各項不同的需求(Hagel & Armstrong, 1997)，社群網站雖以滿足人際需求的功能為主，但各項子功能往往涵蓋了好幾項傳統 分類的社群類型。
綜合上述文獻探究可得知，社群網站為現實世界社群關係的延伸，較不具有一般虛 擬社群開創新人格、滿足幻想的特性，且社群網站各項子功能往往涵蓋了好幾項傳統分 類的社群類型，因此，本研究採用 Armstrong & Hagel(1997)的分類並綜合前述文獻，將 社群網站各子功能所涉及的類型在扣除幻想導向類型後分為三類：
1. 關係類型：對照 Armstrong & Hagel(1997)分類中的人際關係 (relationship) 導 向，並參考 Chaudhury et al.(2001)與 Kozinets(1999)的觀點，以和他人維持聯繫 且具社交性的功能。
2. 興趣類型：對照 Armstrong & Hagel(1997)分類中的興趣 (interest) 導向，綜合 Safko & Brake(2009)、Adler & Christopher(1999)的觀點，將以興趣和娛樂為主 的功能歸為此類。
3. 分享類型：對照 Armstrong & Hagel(1997)分類中的交易 (transaction) 導向，並 取其定義中分享資訊的部分。資訊分享可分為資訊分享(information sharing) 和 資訊接收(information acceptance)等兩種不同方向的行為(Ridings et al. 2002)，如 同交易行為的買與賣。
2.1.4. Facebook
Facebook 最早的用途是創始人 Mark Zuckerberg 於 2004 年建立給美國哈佛大學學 生宿舍的校內線上通訊錄服務(何宛芳，2007)，原本用以促進學生之間的結識與交流，
而後因廣受歡迎而在 2006 年進一步向一般大眾開放，掀起全球的熱潮。
Facebook 在 2012 年度報告中的資料中自行統計，其已擁有 10.6 億名的活躍用戶。
著名流量統計網站 Alexa 於 2013 年 6 月的最新統計資料顯示 Facebook 為目前全球最大
16
的社群網站。而 Facebook 用語中用以解除好友關係的”unfriend”更在 2009 年被《新牛津 美語字典》(New Oxford American Dictionary)選為年度新單字，顯見 Facebook 的影響力 已涵蓋全球並滲透於生活中。
而在臺灣使用者方面，社群分析機構 Socialbakers 在 2013 年 5 月間的統計資料顯示 臺灣 Facebook 用戶數突破一千三百萬，如圖 2-3 所示。數位時代雜誌於今年 3 月發表 2013 年的「臺灣網站 100 強」中， Facebook 自 2011 年首次拿下排名第一後，更已連 續三年蟬聯冠軍。由上述各項資料顯見，Facebook 不僅在全球，也同樣是臺灣使用者網 路生活的重心之一，因此本研究以 Facebook 作為社群網站的代表，具有相當程度的代 表性。
圖 2–3 臺灣 Facebook 用戶數統計 資料來源：Socialbakers，2013
使用者要成為 Facebook 用戶，只要於首頁輸入姓名及有效的電子郵件就可以註冊 並擁有個人的帳戶(Cain, 2008)。Facebook 在主頁面提供了一些基本功能，方便用戶可以
17
和朋友或是其他使用者交流互動(謝龍卿，2012)。本研究根據過往文獻及官方網站整理 一般使用者較常使用的 Facebook 的基本功能，並以前述綜合文獻整理的功能類型：興 趣類型、關係類型及分享類型加以分類，茲介紹如下：
1. 塗鴉牆(The Wall)
塗鴉牆位於首頁的中央欄，是個人檔案的空間，讓使用者與朋友進行發佈 與分享(Facebook, 2013)。類似留言板或論壇(West, Lewis, & Currie, 2009)，使 用者可在上面貼文(Post)：如近況動態(Status)、相片(Photo)與影片(Video)等，
與其他人分享。在塗鴉牆功能部分，擷取主要組成：近況動態、相片與影片，
茲說明如下：
(1.) 近況動態(Status)
塗鴉牆的主要內容，也是 facebook 最早推出的功能之一。使用者輸入 文字，與朋友分享自己的心情或正在做的事(Wikipedia, 2013)，具有分享 的性質，因此本研究將近況動態歸為分享類型。
(2.) 相片(Photo)
塗鴉牆的主要內容之一，透過相片功能，所有的 Facebook 使用者都 可上傳、更換照片 (Lewis et al., 2008)並儲存於相簿中，分享給朋友觀賞。
於 Facebook 官方瀏覽主題中被分類為「分享的功能」(Features for Sharing) ， 因此本研究將照片功能歸為分享類型。
(3.) 影片(video)
塗鴉牆的主要內容之一，如同相片功能，使用者也可對影片作出上傳、
編輯及刪除等動作，於 Facebook 官方瀏覽主題中被分類為「分享的功能」
(Features for Sharing)。因此本研究將影片功能歸為分享類型。
2. 興趣(activities)
Lampe et al. (2007)研究顯示，Facebook 的個人檔案是使用者必定會使用的
18
功能，其內容分為四類：控制元素(control elements)、關係(referents)元素、喜 好(preference)元素以及聯繫(contact)元素。其中控制、關係及聯繫元素皆為個 人隱私資料，如使用者居住地、故鄉、學歷、生日、e-mail 等。喜好(preference) 元素則是指填寫的興趣項目，其包含自傳、嗜好、最喜歡的書、電影、音樂、
電視節目、座右銘及政治觀點等屬於個人的興趣，因此本研究擷取興趣 (activities)項目並歸類於興趣類型。
3. 讚(Like)
於 Facebook 官方瀏覽主題中被分類為「連結」( Connecting)，並於用語詞 彙中解釋使用者可透過點讚「給予正面回應，並與使用者所關注的內容進行聯 繫」，除了點擊使用者有興趣的內容讚，給予正面回應以外，使用者也會為了 與 Facebook 朋友互動連繫，而藉由按讚行為來維持與朋友之間的關係 (鄭竣 丹，2012)。因此，本研究將讚歸類為關係類型及興趣類型
4. 社團(Groups)
是一群人在 Facebook 上分享與保持聯繫的方式(Facebook, 2013)，於 Facebook 官方瀏覽主題中被分類為「聯繫的方式」(Ways to Connect)。透過社 團群組這項功能，使用者可以建立社團，或加入任何有興趣的團體或社群(謝 龍卿，2012)，並在當中進行社交活動。因此本研究將社團功能歸類為關係類 型及興趣類型。
5. 活動(Event)
於 Facebook 官方瀏覽主題中被分類為「聯繫的方式」(Ways to Connect)，
此功能讓使用者能夠舉辦各式各樣的活動：管理聚會、回應邀請，並了解朋友 所做的事情(facebook, 2013)。行事曆(Events Calendar)的功能，讓使用者可以提 前通知並邀請臉書上的好友參加外界的行動或事件，幫助使用者組織網路下線
19
(off-line)後的社交活動 (謝龍卿，2012) 。因此本研究將活動功能歸為關係類 型。
6. 遊戲與應用程式(Games and apps)
是在 Facebook 上使用的遊戲與應用程式，由於此項目是由外部開發人員 在 Facebook 開放平臺上建立(Facebook，2013)，與本研究主題關聯性較弱，
因此不需深入探討。
2.2. 寂寞感探討
本小節由寂寞感的定義與理論探究相似的形成因素與行為脈絡，進一步延伸探討到 網路和社群網站與寂寞感關聯性。
2.2.1. 寂寞感
寂寞感(Loneliness)是人們生活中相當常見的經驗，Heinrich & Gullone(2006)就形容 寂寞感是「一種影響心理功能與心理健康，常見且令人困擾的經驗」；Peplau & Perlman 更早於 1982 年時指出，寂寞感之所以持續地引發人們的好奇心，並在學術層面被頻繁 關注，正是由於寂寞感是人們相當普遍的親身經驗。
對於寂寞感的定義各家學說自有不同的見解，Gordon(1976)就認為寂寞感來自於缺 乏或失去人際關係而產生的被剝奪感。Peplau & Perlman(1982)則認為寂寞感是個人基於 人際關係的親密感和需求無法滿足時所產生的主觀性且不愉快的感受。Bauminger &
Kasari(2000)指出，寂寞感的產生，起因於社會關係的期望與實際社會地位之間的落差未 能被滿足，或是缺乏情感聯繫。表 2-3 整理不同學者所定義的寂寞感如下：
20
表 2–3 不同學者所定義的寂寞感
學者 年代 定義
Weiss 1973 是個人缺乏特定的社會關係所引起的反應。
Gordon 1976 由於缺乏或失去人際關係而產生的被剝奪感，可視作個人人際 關係不符合期待而產生之感受。
Perlman &
Peplau
1981 社會關係的量或質不足而形成的不愉快的感受
Young 1982 是個人在客觀條件或主觀意識上缺乏社會關係的滿足感，並具 有心理層面痛苦的特性。
Peplau &
Perlman
1982 是個人基於人際關係的親密感和需求無法滿足時所產生的主 觀性且不愉快的感受。
Schmidt &
Sermat
1983 因為主觀對人際關係產生的不滿足形成的負面感受，甚至會帶 來沮喪、孤立與消極的行為
Medora &
Woodward
1991 即便周圍未缺乏陪伴，但個人無法感受到親密感時，仍可能引 發寂寞。
Buchholz &
Catton
1999 個人過於渴求與他人接觸的進而引發之負向反應情緒。
Bauminger
& Kasari
2000 對社會關係的期望與實際社會地位之間的落差未能被滿足，或 是缺乏情感聯繫。
Heinrich &
Gullone
2006 常見且令人困擾的經驗，容易影響生理功能與心理健康，於個 人意識到社交關係非自身之期待而產生。
資料來源：本研究整理
綜觀上述文獻可初步得知，儘管各定義略有不同，但寂寞感與人際關係需求未能被 滿足具有一定的關聯性。進一步探討寂寞感於各領域的不同研究方式進而概念化的相異 觀點，Peplau & Perlman(1982)歸納了 8 種研究寂寞感的理論性方法論，列舉如下表：
21
表 2–4 寂寞感 8 種方法論
理論 研究角度 代表學者 描述
心理動力論 (Psychodynamic)
臨床 Sullivan(1953) Fromm-Reichmann
（1959）
以病理學角度探究，認為寂寞是 病態的，起源於個人兒童期經 驗。產生於親密關係基本需求未 能滿足。
現象學
(Phenomenological)
臨床 Rogers(1970) 寂寞是病態的，個人的真實自我 與展示於外界的自我有差距，因 此產生寂寞。
互動論
(Interactionist)
臨床 Weiss(1973) 寂寞是正常的，產生於人與環境 兩個變項間的交互作用。
隱私取向論 (Privacy)
臨床 Delrlega &
Margulis(1982)
寂寞是正常的，產生於過度隱 私，是個人與環境協調的正常經 驗。
系統論(Systems) 臨床 Flanders(1982) 寂寞是正常的，是適當的回饋系 統機制，協助個人脫離壓力、藉 以協調在人際關係質量的狀態。
存在論(Existential) 臨床 Moustakas(1961) 寂寞是普遍性(universal)的，寂寞 是基於人性而產生的常見且正面 的經驗，是人類存在的證明。
社會學
(Sociological)
社會研究 Bowman(1955) Riesman(1958)
寂寞是標準(normative)現象，社會 化、社會媒體與寂寞有關。
認知論(Cognitive) 社會研究 Paplau et al.(1979) 寂寞是正常的，認知是寂寞感與 社交能力不足兩者之間的中介因 素。產生於個人認知其人際關係 的實際狀況與期望狀況間，具有 質量上的落差。
資料來源：Peplau & Perlman，1982
綜合上述文獻可進一步得知，由不同方法論的視角切入，對於寂寞感釋義的論述縱 然差異甚鉅，但仍可察覺人際關係與寂寞感的產生有密切關聯性。Wenger et al.(1993)在 認知論的基礎上，進而提出社會網路對於寂寞感認知具有緩和效果的見解以補齊認知論 的不足處。Hawkley et al.亦在 2003 年指出，個人正負向感情在社交互動中與寂寞感相
22
關；不僅如此，Heinrich & Gullone(2006)更是將寂寞感視作人際關係缺失或是社交困難 的指標。
Delrlega & Margulis(1982)認為過度隱私造成寂寞感，而個人感到寂寞感後，將採取 自我揭露(self-disclosure)的行動來協調個人和環境平衡的狀態； Flanders(1982)則是將寂 寞感視為一種適當的反應機制，個人感受到寂寞感後，將採取更動外界互動頻率與型態 的行動，直至抵達可接受的理想狀態。Weiss (1973)則將寂寞感分為個人的「情緒性寂寞 感」(Emotional loneliness)與環境的「社會性寂寞感」(Social loneliness)兩種，並認為情 緒性寂寞感為個人缺乏親密情感所產生的現象，因感到空虛、不安以及孤獨，進而產生 尋求親密感的動機；社會性寂寞感則是缺乏接納自己之社會網路的環境與友誼關係，社 會性寂寞者會產生尋求社交活動之動機，從而建立新的友誼關係；Russell, et al. (1984) 引述 Weiss 推論並證實，為了因應寂寞感，人們會採取人際關係的替代性作為。
Andersson(1998)則從研究發現寂寞者有較大的可能性處於孤立的狀態，寂寞者的生活狀 態可能具有著某種共通性。Perlman & Peplau(1981)也指出具有寂寞感的人在可從社交行 為(如社交技巧不佳、人際聯繫薄弱、互動行為缺乏)中得知。
綜上所述，可得知不論是感受寂寞前的成因，抑或是感受寂寞後採取的作為，寂寞 者可能具有相似的人際關係狀態或行為模式。
2.2.2. 寂寞感與網路使用探討
隨著科技的演進，研究者亦開始關注寂寞感與科技媒介使用的關聯性，探討寂寞者 是否具有相似的使用科技媒介之行為模式。Perloff et al. 在 1980 年代研究了寂寞感、沮 喪感與收看電視關聯性。而隨著網路的普及化，基於網路具有讓使用者可以選擇想與誰 進行溝通(Morahan-Martin & Schumacher, 2003)，而形成一種具有歸屬感與被接納感 (Moore, 1995)，並能調節社交程度、親密程度(Turkle, 1995)的溝通交流方式。而因寂寞 感產生人際需求的使用者，可能因此採取以網路與人交流的方式。也因此在學術領域，
對於寂寞感與網路的相關研究也越來越多，但研究結果則大相逕庭。
23
而其中因其相反結果而著名的，則屬 Kraut 等人進行的兩次相同實驗：Kraut et al.
於 1998 年發表的”Internet Paradox”，其調查網路使用對於個人的社會涉入與心理健康的 影響，以縱貫研究在 1995 至 1996 年間調查 169 人 1 至 2 年的網路使用行為，結果顯示 網路具負面影響，受測者網路使用頻率越高，則越少與家庭的互動、個人的社會網路亦 將縮小，並增加個人的沮喪感與寂寞感。但在 2002 年同樣由 Kraut 研究團隊開展 的”Internet Paradox Revisited”卻又顛覆了原先的結果，一樣以縱貫研究調查 1998 到 1999 年的 406 位電腦使用者，本次研究結果卻發現網路使用行為對個人的社會涉入與心理健 康皆具有正面的影響。
其後也有眾多學者投入網路使用與寂寞感的相關探討，研究結果正面與負面兩方影 響皆有人提出，如 Morahan-Martin &Schumacher(2003)研究 277 個大學生網路使用行為 與寂寞感，結果即為負面，偏向以網路尋求情感支持和電子郵件的人相較其他使用者寂 寞，線上溝通排擠人們線下相處的時間，加強網路使用者間的在現實生活中的隔閡。其 他如 LaRose, et al.(2001)認為使用者透過網路與線上同樣寂寞的網友進行互動，而疏離 線下關係；Engelberg & Sjoberg(2004)在寂寞認知理論上，調查網路使用、社會適應技能、
情緒管理技巧與寂寞感關聯；Hardie & Tee (2007)探討個人特質、網路使用習慣與寂寞 感程度的關係。這些研究顯示，網際網路使用與寂寞感具有負面的相關性。
在正面的論述方面，則如 Moody (2001)基於 Weiss (1973)的論述，針對情緒性寂寞、
社會性寂寞與網路做出探討，研究結果顯示，網路對於寂寞感大致上來說是正面的，其 網 友 數 隨 網 路 使 用 而 增 加 ， 並 降 低 社 會 性 寂 寞 感 程 度 。 其 他 如 Fogel (2002) 、 Amichai-Hamburger & Ben-Artzi (2003)與 Segrin & Domschke (2011)的研究中都傾向正面 解釋網路使用與寂寞感的關聯性，認為寂寞的人使用網路取得社會支持，降低寂寞感並 獲得身心的健康。
而近幾年隨著社群網站的興起，社群網站的使用狀況對人類生活的影響也開始受到 關注。如 Ellison et .al 就在 2007 調查了社群網站使用行為與社會資本的關聯性。較一般 網路使用略為不同的是，正如前面章節所探討，社群網站不只作為虛擬平台線上社群的 集合，同時也是現實世界線下關係的延展，Ellison et al (2007)認為，社群網站用途在於
24
維持舊有的關係，以及建立一段新的關係。Zywica & Danowski (2008)以認知理論為基礎，
提出以現實社交技巧等相關變項與 Facebook 使用情形的關聯。
在社群網站與寂寞感的研究方面，Ryan & Xenos (2011)將寂寞視為個人特質之一，
以 五 大 人 格 量 表 (Big Five Inventory, BFI) 、 自 戀 傾 向 問 卷 (Narcissistic Personality Inventory – 29-item version, NPI-29)、害羞量表修定版(Revised Cheek and Buss Shyness Scale, RCBS)與成人社交性及情感性寂寞感量表(Social and Emotional Loneliness Scale for Adults – Short version (SELSA-S).等人格特質相關量表，結合 Facebook 使用調查問卷 探究 Facebook 使用者族群的相關特質；Skues (2012)則使用 Facebook 問卷(Facebook Questionnaire, FQ)調查大學生的 Facebook 使用情況與人格特質、自尊、孤獨與自戀間的 關係。
探究文獻可發現，以往在社群網站使用的研究方式上多以問卷方式為主，以受測者 主觀認知作答，較少以使用數據作為研究依據，因此本研究遂以程式蒐集使用者的社群 網站各類型功能的使用數據資料，以期能以不同角度探究使用者的寂寞感與社群網站使 用情況。
25
2.3. 資料探勘
過往受限於傳統統計分析技術的侷限於小樣本問題的限制，無法從大量的資料中發 現潛在的規則和關係。由於大量資料的增長以及將其轉換為可用訊息或知識的需求，資 料探勘(Data miniing)逐漸受到社會與資訊業的重視(Han and Kamber, 2006)，有別於傳統 分析技術，資料探勘不受限於樣本數量，其除了能夠整合各資料庫資料，也能夠支援多 維度分析和決策(Witten et al., 2011)，以人工智慧、資料庫與統計等相關技術，從大量資 料中挖掘不易發現且有用的資訊或知識，以萃取的方法(Pattern Extraction Methods)將資 料中的知識聚集與公式化的步驟(Cios, 2002)，進而從大量資料中獲取其所潛藏之明確且 有用之資訊。
資料探勘所使用的技術可概分為傳統技術與改良技術兩大類，傳統技術方面以統計 分析為主，如因素分析 (factor analysis) 、區別分析 (discriminated analysis) 、群集分析 (cluster analysis) 等，而改良技術則是採用人工智慧，如類神經網路(Artifical Neural Network)、決策樹(Decision Tree)、基因演算法(genetic algorithms)、規則推論法(rules induction)以及模糊理論 (fuzzy logic)等(Tseng et al., 2005)。
資料探勘功能可分為下列五項(Berry & Linoff, 1997)，這些功能所使用的理論技術大 多為已建構的計量及統計分析方法，五項功能分別為：分類 (Classification)、推估 (Estimation)、預測(Prediction)、關聯分組(Affinity Grouping)、叢集(Clustering)。說明及 常用技術簡述如下：
1. 分類(Classification)
使用訓練資料集來建構分類或群集模式，之後再利用建構的模式進行資料 的分類，將一個新的範例分類到一個定義明確的範例(Roiger & Geatz,2003)。常 使用決策樹，記憶基礎推理(Memory-Based Reasoning)等。
2. 推估(Estimation)
26
類似於分類，但推估用於決定數值與特定輸出屬性的對應，且推估問題輸 出屬性為數值而非類別(Roiger & Geatz,2003)，根據現有的連續性數值之相關屬 性資料，對未知連續數值的趨勢與走向或某屬性未知的值做出預測。使用的方 法如統計方法上之相關分析、迴歸分析及類神經網路。
3. 預測(Prediction)
常用來判斷未來的結果(Roiger & Geatz,2003)，從資料中根據對象屬性之過 去觀察值確知屬性，並建構可預測的特定事件未來的結果公式。使用的方法包 括迴歸分析、時間數列分析及類神經網路方法。
4. 關聯分組(Affinity grouping)
觀察全體資料，確認關聯規則，判斷那些資料具相關性。
5. 群集 (Clustering)
辨識資料集合中組與組之間的差異以分組，使相似資料組成多個類別，此 一過程稱為群集。群集間之關係可為交集或互斥。
運用各式理論技術，資料探勘可以建立六種模式(Berry & Linoff, 1997)：分類 (Classification) 、 迴 歸 (Regression) 、 時 間 序 列 (Time Series) 、 叢 集 (Clustering) 、 關 聯 (Association)、以及序列(Sequence)，分列如下。
1. 分類(Classification)
分類是依據變數的數值計算並依照結果分類。分類傳統技術上通常會使用 邏輯斯迴歸以及區別分析，現代改良技術則如類神經網路以及決策樹。
2. 迴歸(Regression)
迴歸與分類類似，差別在於分類的預測值是離散的，而迴歸的預測值是連
27
續的，迴歸是使用一系列的現有數值來預測一個連續數值的可能值。類別變數 則可運用邏輯迴歸來預測，現代分析技術則如類神經網路或決策樹。
3. 時間序列(Time Series)
時間序列相似於迴歸，不同的是，時間序列運用現有的數值來預測未來的 數值且所分析的數值皆與時間有關，多用於處理時間特性資料，如時間階層性、
季節性、節日或是時間相關因素，如處理過去事件與未來事件的關聯性。
4. 群集(Clustering)
群集是將資料分組，找尋各組之間的相異性，與同組成員的相似性。群集 與分類的差異在於群集並非根據指定方式分類，無法確定將以何種方式分類，
需於事後作解讀。
5. 關聯(Association)
關聯的主要目的是找尋在資料中同時出現的相似處，也就是資料項目間的 關聯性關聯。
6. 序列(Sequence)
序列與關聯相若，差別是序列資料除了關聯性，亦具有時間意涵，序列資 料的相關性會依時序串聯。
在實作方面，Han & Kamber(2006)將資料探勘技術挖掘知識的流程步驟整理如下：
1. 資料清理(data cleaning)：移除雜訊(noise)及不一致的資料。
2. 資料整合(data integration)：將複數的來源之資料做整合。
3. 資料選擇(data selection)：從資料庫中選取以及分析相關資料。
4. 資料轉換(data transformation)：將資料經由彙總(summary)或整合(aggregation)，
28
使資料呈現資料探勘步驟之所需的形式，以利探勘步驟的進行。
5. 資料探勘 (data mining)：應用資料探勘技術來萃取資料的樣式。
6. 樣式評估 (pattern evaluation)：利用衡量指標來判斷有用的樣式。
7. 知識呈現 (knowledge presentation)：利用視覺化(visualization)與知識呈現來展 現探勘的知識。
隨著資料探勘技術的發展，資料探勘工具也逐漸多元化，如 SAS 的 Enterprise、IBM 的 Intelligent Miner、SPSS 的 CLEMENTINE、Megaputer 的 PolyAnalyst 等(Olson & Shi , 2007)，而近年非商業化軟體中相當受到歡迎的則是 Weka(Waikato environment for knowledge analysis, WEKA)懷卡托智慧分析環境，是 GNU General Public License 授權的 開放原始碼程式，並由 University of Waikato 所開發的，為免費、非商業化且功能完備，
以 JAVA 環境開發的機器學習(Machine learning)及資料探勘(Data Mining)軟體，以提供教 育與研究為目的之軟體，具備資料探勘所需求的機器學習演算法，包括對資料進行預處 理、分類、回歸、聚類、關聯規則，以及在互動式介面上的視覺化。
本研究之主要目的為探討 Facebook 使用者社群網站使用情形與寂寞感的關聯性，
因此本研究採用邏輯斯迴歸、決策樹演算法與類神經網路等分析方法進行分析，並以 Weka 作為探勘工具。
29
第三章 研究方法
本研究的目的在於採用對受測者 Facebook 使用資料的實證分析方式，探討社群網 站使用與寂寞感的關聯性。
本章節說明研究流程、研究架構、研究資料、研究工具以及模式評估方法與驗證方 式。
3.1. 研究流程
資料探勘有別於傳統分析技術，受限於樣本數量，其除了能夠整合各資料庫資料，
也能夠支援多維度分析和決策，是一門可從大量資料中，挖掘出資料間關聯性以及潛在、
明確且有用的資料分析技術 (Han and Kamber, 2006; Witten et al., 2011)，本研究在經由 文獻探討確立研究方向後，以資料探勘方式進行研究寂寞感與社群網站使用行為的關聯 性研究。
在挑選社群網站代表的部分，經由文獻探討得知，Facebook 為全球最大的社群網站，
Facebook 2012 年度報告中的資料中公布其已擁有 10.6 億名的活躍用戶，著名流量統計 網站 Alexa 於 2013 年 6 月的最新統計資料顯示 Facebook 為目前全球最大的社群網站，
除了數據資料，Facebook 用語中用以解除好友關係的”unfriend”更在 2009 年被《新牛津 美語字典》(New Oxford American Dictionary)選為年度新單字。在臺灣使用者方面，社 群分析機構 Socialbakers 在 2013 年 5 月間的統計資料顯示臺灣 Facebook 用戶數突破一 千三百萬，數位時代雜誌於今年 3 月發表 2013 年的「臺灣網站 100 強」中， Facebook 自 2011 年首次拿下排名第一後，更已連續三年蟬聯冠軍。上述各項資料皆可顯示，
Facebook 不僅在全球，也同樣是臺灣使用者網路生活的重心之一，因此本研究以 Facebook 作為社群網站的代表，具有相當程度的代表性。
因此，本研究遂以 Facebook API 建立的應用程式進行社群網站使用者相關資料的蒐 集，應用程式透過使用者點選同意 Facebook 授權後，蒐集使用者的使用資料，並配合
30
UCLA 寂寞量表第三版予使用者填答，以此取得使用者寂寞量表總分，應用程式使用者 介面如圖 3-1。
圖 3–1 應用程式介面
31
蒐集的資料建立分析案例資料庫，同時依研究的需要篩選、編碼、及轉換資料後，
進行資料探勘，使用邏輯斯迴歸、決策樹、類神經網路來進行寂寞感關聯因素的挑選，
藉以找尋關聯法則。
3.2. 研究資料
本研究以 Facebook API 建立的應用程式進行社群網站使用者相關資料的蒐集，應用 程式透過使用者點選同意 Facebook 授權以及填答量表的介面，蒐集使用者的基本資料、
使用資料以及寂寞量表得分，資料蒐集期間從 2013 年 5 月 6 日自 2013 年 6 月 6 日，為 期一個月，使用功能資料擷取範圍包含個人基本資料中的姓名(Name)、年齡(Age)、性 別(Gender)、所在地點(Location)與家鄉地點(Home)，根據本研究之研究目的，依變項(因 變數)為社群網站使用者的 UCLA 寂寞量表得分，獨立變項(自變數)為預測因素，即潛在 可能影響社群網站使用者寂寞感之因素，也就是 Facebook 的使用功能，包含近況動態 (Status)、相片(Photo)、影片(video)、興趣(activities)、讚(Like)、社團(Groups)、活動(Event)；
由於本研究為挖掘寂寞感與社群網站使用的關聯性，本研究先將社群網站使用依照功能 做出分類。
社群網站概觀來說，主要符合 Armstrong & Hagel (1997)對人際關係導向社群的描述，
但為了迎合使用者的需求，單一個多樣化的虛擬社群往往就能同時滿足參與者各項不同 的需求(Hagel & Armstrong, 1997)，社群網站提供的基本服務與功能大多涵蓋了過去學者 所提出的分類依據因素，社群網站雖以滿足人際需求的功能為主，但各項子功能通常涵 蓋了好幾項傳統分類的社群類型。因此，本研究主要引用 Armstrong & Hagel (1997)對虛 擬社群的分類，來為社群網站各使用功能作類型上的區別。
另外，由於社群網站是藉由使用者個人檔案所透露的現實社交網絡關係形成彼此的 聯繫，並提供平台讓使用者對彼此分享線下世界的情感(Boyd & Ellison,2007)，連繫方式 貼近真實的人際交往(Rau, Gao, & Ding, 2008)，在社群網站中建構與維持關係就如同實 際社交一樣(Donath and Boyd, 2004)。參考我國 TWNIC 的「2012 台灣寬頻網路使用調查」
32
數據資料顯示，在我國 12 歲以上使用過社群網站的民眾中，「使用網路社群服務原因」
最高的項目即為「因為朋友在使用，所以我也跟著用」，顯見社群網站的確為現實世界 社群關係的延伸(Haythornthwaite, 2005)，有鑒於此，社群網站較不具有 Armstrong &
Hagel (1997)的分類中，幻想(fantasy)導向的功能。
綜上所述，本研究主要引用 Armstrong & Hagel (1997)的分類，並將幻想導向類型 扣除，綜合其他文獻，將社群網站各功能分類如下：
1. 關係類型：對照 Armstrong & Hagel (1997)分類中的人際關係 (relationship) 導 向，並參考 Chaudhury et al.(2001)與 Kozinets(1999)的觀點，定義為和他人維持 聯繫且具社交性的功能。
2. 興趣類型：對照 Armstrong & Hagel (1997)分類中的興趣 (interest) 導向，綜合 Safko & Brake(2009)、Adler & Christopher(1999)的觀點，將以興趣和娛樂為主 的功能歸為此類。
3. 分享類型：對照 Armstrong & Hagel (1997)分類中的交易 (transaction) 導向，並 取其定義中分享資訊的部分。資訊分享可分為資訊分享(information sharing) 和 資訊接收(information acceptance)等兩種不同方向的行為(Ridings et al. 2002)，如 同交易行為的買與賣。
33
本研究將擷取的 Facebook 變數資料整理如下表 3-1。
表 3–1 Facebook 使用變數資料列表
Facebook 使用功能 功能簡介 Facebook 功能類型
近況動態(Status)
使用者輸入文字，與朋友分享自己 的心情或正在做的事(Wikipedia, 2013)，具有分享的性質。
分享類型
相片(Photo)
可上傳、更換照片 (Lewis et al., 2008)並儲存於相簿中，分享給朋友 觀賞。於 Facebook 官方瀏覽主題中 被分類為「分享的功能」(Features for Sharing)。
分享類型
影片(video)
可對影片作出上傳、編輯及刪除等 動作，於 Facebook 官方瀏覽主題中 被分類為「分享的功能」(Features for Sharing)。
分享類型
興趣(activities)
包含自傳、嗜好、最喜歡的書、電 影、音樂、電視節目、座右銘及政 治觀點等屬於個人的興趣。
興趣類型
讚(Like)
除了點擊使用者有興趣的內容讚，
給予正面回應以外，使用者也會為 了與 Facebook 朋友互動連繫，而 藉由按讚行為來維持與朋友之間的 關係 (鄭竣丹，2012)。
關係類型、興趣類型
社團(Groups)
使用者可建立社團，或加入任何有 興趣的團體或社群(謝龍卿，
2012)，並在當中進行社交活動。
關係類型、興趣類型
活動(Event)
於Facebook官方瀏覽主題中被分類 為「聯繫的方式」(Ways to
Connect)，此功能讓使用者能夠舉 辦各式各樣的活動
關係類型
34
3.3. 研究架構
根據文獻探討及研究問題，本研究之獨立變項(自變數)為預測因素，即潛在可能影 響社群網站使用者寂寞感之因素，包含近況動態(Status)、相片(Photo)、影片(video)、興 趣(activities)、讚(Like)、社團(Groups)、活動(Event)，並依功能類型分類。本研究使用 之寂寞感變數說明如表 3-2。根據本研究之研究目的，依變項(因變數)為社群網站使用者 的 UCLA 寂寞量表得分。
本研究提出之研究架構如下圖 3-2：
圖 3–2 研究架構
