農產品行銷概念之知識結構建立與類別差異分析

全文

(1)國立屏東大學資訊管理學系碩士班碩士論文指導教授：李來錫博士. 農產品行銷概念之知識結構建立與類別差異分析. Constructing and Comparing the Knowledge Structures of Marketing Concepts of Several Agricultural Products. 研究生：黃聿彤撰. 中華民國一○九年六月.

(2)

(3) 致謝時光流逝，從大學到研究所經過了六年的時間，這段時間的學習以及生活，跟老師以及同儕之間的互動，有艱辛有快樂等等回憶，這些回憶刻劃在我的人生當中，是我有所成長的一個印證。在我即將進入人生的下一個階段的時候，我想要好好感謝一些人。首先，我要感謝我的指導老師李來錫老師，在大學三年級的時候，老師鼓勵我們選擇學校的四加一課程，在過程中有過放棄的念頭，但是老師每次都會溫柔地陪伴鼓勵，並且在我撰寫論文的過程當中不斷地給予指導，讓我的論文可以順利完成。系上的其他老師也是在我求學的路途上，帶給我學識上的啟發，引導我如何去思考以及如何跟同學之間互相幫助，也謝謝儀梅助教在我任何需要幫助的時候，盡力的幫我解決問題。其次，要感謝黃允成與葉惠忠老師老師，在百忙之中抽空幫忙審查我的論文，並且在當中給予我許多寶貴的建議，讓我的論文可以更加的完善。再來是要感謝在求學的過程當中，學長姐和同學在這段時間當中給予我的幫助，不論是在課業上的幫助或者是在我在撰寫論文的過程當中給予協助，又或者在我萌生退意的時候給予我鼓勵與建議，他們都是讓我可以完成學業與論文的最大功臣。 I.

(4) 最後是要感謝我的家人，是他們全然的支持與鼓勵，讓我有勇氣地就讀研究所，在我茫然的時候指引我一盞明燈，不論過去、現在還是未來都是我的強力支柱，陪著我走過人生的每個階段。黃聿彤謹致于國立屏東大學資訊管理系研究所中華民國一零九年六月. II.

(5) 摘要農產品行銷是政府與農民共同努力的目標，對於各項的農產品生產過程與品質也不遺餘力的推廣，然而，再這些努力的過程中，有些農產品的產品價格卻可以保持高價不墜，有些則很難提高價格出售，若仔細觀察消費者對於農產品消費內容以及其關心的消費知識，或許可以協助了解與增加農產品的價格定位。本文嘗試從知識概念結構的角度，了解消費者在不同的農產品是否有不同的使用概念上認知。研究的對象是共有三種農產品:茶、咖啡、米，資料的抽樣來源來自網路檢索資料，並以形式概念分析法分別探討此三種農產品在網路討論上的知識概念結構差異，在最後使用質化的方法來探討咖啡、茶和米，可能會因為不同的面向來去影響消費者購買的依據。研究結果發現，咖啡以及茶主要都會以主觀感受為主，但是米主要會注重於價格以及產地為主。關鍵詞: 農產品、知識結構、形式概念分析. III.

(6) Abstract Agricultural product marketing is the goal of the joint efforts of the government and farmers, and spares no effort to promote the production process and quality of various agricultural products. However, in the course of these efforts, the prices of some agricultural products can be kept high, while others are difficult to raise prices. If you carefully observe the consumer's consumption content of agricultural products and their consumer knowledge, they may be able to help understand and increase the price position of agricultural products. This paper attempts to understand whether consumers have different concepts of different use of different agricultural products from the perspective of the conceptual structure of knowledge. The study was aimed at three agricultural products: tea, coffee, rice, and the sample source of the data came from the network search data. The formal concept analysis method is used to explore the differences in the knowledge and conceptual structure of the three agricultural products on the Internet. In the end, using qualitative methods to discuss coffee, tea, and rice may affect the basis of consumer purchases because of different aspects. The results of the study found that coffee and tea will mainly be subjective feelings, but rice will mainly focus on price and origin.. Keywords: agricultural products, knowledge structure, formal concept analysis. IV.

(7) 目錄. 致謝............................................................................................................. I 摘要...........................................................................................................III Abstract .................................................................................................... IV 目錄............................................................................................................ V 表目錄..................................................................................................... VII 圖目錄....................................................................................................VIII 第壹章. 前言 ...........................................................................................1. 第一節. 研究動機 ............................................................................1. 第二節. 研究目的 ............................................................................3. 第三節. 研究架構 ............................................................................3. 第貳章. 文獻探討 ...................................................................................5. 第一節. 虛擬社群 ............................................................................5. 第二節. 知識分享 ............................................................................9. 第三節. 產品涉入 ..........................................................................12. 第四節. 知識結構 ..........................................................................15. 第五節. 正規化概念分析 ..............................................................18. 第參章. 研究方法 .................................................................................22. V.

(8) 第一節. 資料抽樣 ..........................................................................22. 第二節. 知識概念定義 ..................................................................29. 第三節. 正規化概念分析 ..............................................................31. 第肆章. 農產品知識概念結構 .............................................................32. 第一節. 咖啡的知識結構 ..............................................................32. 第二節. 茶的知識結構 ..................................................................35. 第三節. 米的知識結構 ..................................................................38. 第四節. 小結 ..................................................................................41. 第伍章. 知識概念比較 .........................................................................43. 第一節. 咖啡、茶和米探討內容比較 ..........................................43. 第二節. 一般米跟品牌米討論內容的比較 ..................................48. 第陸章. 結論 .........................................................................................52. 第一節. 結論 ..................................................................................52. 第二節. 研究限制與後續發展 ......................................................53. 參考文獻...................................................................................................54. VI.

(9) 表目錄表 2-1 文章討論內容概念表 .................................................................20 表 3-1 產品涉入知識概念定義..............................................................30 表 3-2 正規化概念分析矩陣表..............................................................31 表 4-1 咖啡正規化概念分析之重要意涵表 ........................................34 表 4-2 茶正規化概念分析之重要意涵表 ............................................37 表 4-3 茶正規化概念分析之重要意涵表 ............................................40 表 5-1 知識概念彙整範例表.................................................................47 表 5-2 品牌米討論相關範例.................................................................50. VII.

(10) 圖目錄圖 1-1 研究架構 ........................................................................................4 圖 2-1 文章討論內容屬性概念圖 ..........................................................21 圖 3-1 虛擬社群 Mobile01 論壇首頁 ....................................................23 圖 3-2 咖啡資料擷取範例 ......................................................................24 圖 3-3 虛擬社群臺灣 T4U 茶藝論壇首頁...........................................25 圖 3-4 茶資料抽取範例 ..........................................................................26 圖 3-5 露天拍賣首頁 ..............................................................................27 圖 3-6 米抽取資料範例 ..........................................................................28 圖 3 -7 社群討論內容範例（資料來源：Mobile01 討論區） ...........29 圖 4-1 咖啡之知識結構圖 ......................................................................32 圖 4-2 咖啡第二層重要節點 .................................................................33 圖 4-3 茶之知識結構圖 .........................................................................36 圖 4-4 茶第二層重要節點 .....................................................................36 圖 4-5 米的知識結構圖 .........................................................................39 圖 4-6 米第二層重要節點 .....................................................................39 圖 5-1 一般米談論內容範例 .................................................................48 圖 5-2 一般米談論內容範例(續) ..........................................................49. VIII.

(11) 第壹章前言第一節研究動機在現今的社會當中，政府以及農民們都致力於改善農產品的產量以及質量這個面向，並將農產品包裝成品牌口碑以利於提高售價。雖然目前農產品會因為各自的品種、品質以及受到供需的關係會造成各自擁有不同的定價，但是從長期看來，日常所需的農產品價格容易受到環境、政策等等改變而會有所變動，但是普遍看來價格仍是偏向低廉的，沒有辦法可以與高單價的經濟農產品有所比擬。舉例來說像是茶以及咖啡，這兩項農產品在市場上價格普遍都是偏高，而且價格較民生農產品波動較小。消費者對於各種農產品會有各自在意的面向，在日常生活當中，消費者對於價格較低的民生農產品，可能只較關注於農產品本身的外觀、售價等等外在因素，但是對於高單價農產品有所研究的消費者來說，他們會依據自己的主觀感受，像是香味、口感等等來作為自己購買的要素。因此在此研究針對消費者是否對於各種農產品具有不同的知識概念與結構，會因為消費者的涉入狀態不同，進而造成購買的意願差異。本研究探討的對象分別是民生的農產品–米，以及與其對應的. 1.

(12) 高單價農產品–咖啡和茶，而在咖啡和茶的討論區當中，可以發現消費者有些會偏好他們喝起來的風味，有些在意的是他們喝的是哪個產地，但是在米的方面，大多所關注的則是價格，有些則是會在意他們原產地來自哪裡。從各個討論區中擷取到訊息看來，消費者會對於不同的農產品所在意的面相存在著差異，因此本研究要利用消費者對於不同種類得農產品的知識結構做出分析。建構知識結構有許多種方法，其中正規化分析（Formal Concept Analysis, FCA）是一種可以從資料集合當中發現概念結構的資料分析理論，Jiang (2019)提到 FCA 是源自數學的一種領域，其目的是為概念和概念層次結構的概念提供理論形式化，而且 FCA 可以將資料與其屬性作出關聯性，因而可以從中得到對於不同農產品的知識結構以及他們之間的關聯性，因此本研究適合用此方法做為資料分析的工具，分別探討消費者對於咖啡、茶、米的知識結構差異。並透過虛擬社群 Mobile01 論壇、臺灣 T4U 茶藝論壇和露天拍賣分別做為咖啡、茶和米的資料來源，並使用正規化概念分析來探討消費者對於相異農產品的知識結構。. 2.

(13) 第二節研究目的根據上述的研究動機，有鑒於目前的農作物基本上售價都不算高昂，有時還會因為氣候的不穩定造成售價的起伏大，但是在許多專家與農民們致力於改善都不見其成效，因此本研究透過正規化概念分析法來探討茶、咖啡、米的個別知識結構，並且將這三農產品作相互比較，來了解消費者對於不同農產品的知識架構，進而了解到消費者對於各項農產品的涉入狀態會不會影響到消費者對於農產品的購買意願，並期望這項研究成果可以帶給農作物價格上的改善。. 第三節研究架構本研究架構分成四大部分，一開始是尋找有興趣並且合適的主題，經過一段簡單的收集資料與了解，已確立研究的方向，接下來開始蒐集大量資料，並擷取有效資料。再來是深入相關內容找尋適合相關文獻，並且找尋適合本研究的研究方法，進行研究的資料蒐集和分析，並且在最後呈現出成果。因此研究架構分別為研究主題、文獻探討、研究方法及研究成果，如圖 1-1 研究架構圖所示。. 3.

(14) 研究主題與方向. 文獻探討. 研究方法虛擬社群資料抽樣內容分析與屬性定義正規化概念分析. 研究成果資料分析結果結論研究成果與限制. 圖 1-1 研究架構. 4.

(15) 第貳章文獻探討本研究透過 Mobile01 論壇、臺灣 T4U 茶藝論壇和露天拍賣來分別探討咖啡、茶和米，因此文章當中將會來了解虛擬社群的定義以及其相關研究，並且還會著重在消費者對於這三種農產品中的知識結構，輔以正規化概念分析來了解消費者對於不同的農產品的知識結構，因此本研究將針對虛擬社群、知識分享、產品涉入、知識結構以及正規化概念分析這五個方面找出相關文獻並整理。. 第一節虛擬社群 Rheingold（2000）認為虛擬社群是透過網路所組成的一個虛擬空間，在這個虛擬空間當中是與現實世界相似的，使用者可以在這裡進行溝通交流，進而產生出情感，慢慢地發成一個虛擬組織社群，而 Spaulding（2010）認為虛擬社群之所以會成功是因為使用者建立了一個關鍵的群體並且也滿足了他們對於虛擬社群的一個需求。Abfalter, Mueller, and Zaglia（2012）覺得人們互動已經從現實中的互動，逐漸發展成虛擬空間之間彼此之間的互動，Cristofari, and Guitton（2014）認為虛擬社群已經發展成不論在現實還是在虛擬空間來說都是一個很大的社區，Teng（2015）認為虛擬社群之中，使用者間的相互依存和網絡融合是其發展的關鍵，從上述的學 5.

(16) 者論述當中可以得知到，目前的虛擬社群已經漸漸發展到與現實世界相差不會太多的社會，也將社會逐漸從要人面對面交談，演變成為只需要透過網路就可以有所交流與互動。 Lee, Limayem, and Vogel（2003）認為虛擬社群是可以提供使用者一個共同參與活動的平台，可以與其他有相同愛好的使用者一同分享、討論彼此愛好的主題，隨著時間的演化，逐漸發展成一種互相連結的關係，Franz, and Wolkinger（2003）認為虛擬社群是個人或者是組織間使用媒體有共同的價值觀和利益的時候，會在共同的空間當中進行交流，王熙哲和丁耀民（2008）認為不論任何的人事物都可以在網路上發展成一個專屬的虛擬社群。綜合上述學者所提論點，虛擬社群是一個提供使用者可以在網路平台當中可以與具有共同話題的使用者彼此互相分享、交流、討論的一種媒介。朱文禎和陳哲賢（2007）認為藉由網路所形成的虛擬社群對於使用者之間的互動以及分享知識提供了一個良好的環境，而且建立在網路平台上的虛擬社群也可以因應使用者所愛好的主題不相同進而劃分出不同主題的虛擬社群，可供使用者使用，而 Chou, and Sawang（2015）認為虛擬社群也算是知識共享的平台，可以讓來自不同地區的人彼此之間互相交流，另外，Chen, Min, Wang, Wei, and Yang（2018）也提出了使用者在虛擬社群當中，使用他們所擁有的 6.

(17) 知識來實現他們所合作的目標。Fesenmaier, Wang, and Yu（2002）提及在過去幾年當中，許多使用者加入了一個或者多個線上群體，這些群體滿足了使用者對於通信以及娛樂的需求，另外，張玉琳和吳惠萍（2015）提及使用者之所以會使用虛擬社群平台，除了是要滿足個人價值以外，也是為了可以與人群有所互動，尋找出與知有相似價值觀的使用者，在逐漸建立出友誼的關係，Johnson, and Lowe （2015）認為虛擬社群的情感支持，可以幫助參與者面對各自的挑戰。在現今的社會當中，虛擬社群不只是提供使用者一個互相交流的平台，也可以像是在現實社會當中，尋找相似的人建立朋友關係。虛擬社群發展到現今，不單只是一個平台，他漸漸地跟我們現實世界相互融合，當初只能在現實社會中面對面維繫情誼，但是隨著虛擬社群得普及，使用者也可以在上面跟相互不認識得陌生人一起討論、談心。此外，虛擬社群所探討的範圍是相當的廣泛，Bruggen, Valck, and Wierenga（2009）認為消費者透過網路進行交換彼此的知識以及觀點，在這篇文章當中描述了消費者如何利用了虛擬社群做為他們交換資訊，以及進而去影響到消費者的決策，另外，Chen, Chung, and Wu（2010）認為在傳遞消息以及保留客戶的方面，虛擬社群是網路供應商的媒介，因為在互動之間彼此的信任度上漲，並且增強 7.

(18) 彼此的關係得承諾。另外，張原誠（2012）探討使用者利用虛擬社群後，其社群意識會去影響到社群忠誠度，並增加其使用意願，Liu, and Zhang（2012）將虛擬社群應用在學習外語的方面之上，他們發現有許多人會沒有時間在學校學習外文，然而學習語文需要一個良好的環境，因為他們結合了虛擬社群改善了學習環境，而 Alexias, Brailas, Dafermos, and Koskinas（2015）提出將虛擬社群帶入到學習的方面，通過利用虛擬社區，並且經由協作行動、衝突和干擾，教育團體逐漸適應了託管虛擬社區的文化，從而形成了近端發展的集體區域，為學習帶來新的方式，最後，Becker, Betzing, and Kurtz （2020）提出目前消費者的消費型態逐漸地從現實世界的街道上，逐漸的轉變成透過虛擬社群上。由此看來，虛擬社群不只是扮演著讓使用者彼此聯繫的用途，他也可以用於企業對於顧客之間或者是其他更加廣泛的範圍。本研究是從三個虛擬社群當中，擷取消費者對於各種農產品的購買心得，以及得知道消費者對於各項農產品各自著重的面向，這樣也許可以幫助農民們提高他們所栽種農產品的的售價。. 8.

(19) 第二節知識分享知識分享是一種活動，朋友、家人、組織可以透過這個活動互相交換知識，K. G. Harris, and P. R. Harris（1996）認為在訊息量增長的時代，分享彼此的知識以及技能，並且可以因此提高此績效， Anderson, Finkelstein, and Quinn（1996）提出了知識的資產會隨著使用，價值也會跟著增加，吳盛和林東清(2007)提出了組織內的成員如果積極地分享知識，那麼知識就會更加有所價值，Chappin, and Evers（2020）也提及提升了知識共享的，進而可以增加項目當中產生的價值，Noe, and Wang（2010）提出了知識分享的五個重點領域：組織背景，人際和團隊特徵，文化特徵，個人特徵和動機因素，蔡至欣和賴玲玲（2011）資訊的分享是人們相當自然的且普遍的行為，而這也代表著使用者將個人將所獲取的資訊傳遞給他人的過程，因此資訊分享是一種資訊的獲取與分享，Ghabban, Ibrahim, and Selamat（2018）提到知識獲取，知識共享和知識利用是知識管理的三種類型。而 Chen, Fang, Wei, and Zhang（2010）提到信任是知識分享的推手，楊台寧和陳昱臻（2018）提出了組織的信任度跟成員之間分享的意願存在著正向的影響，因此組織內的知識一開始獲取的部分，必須要有所使用、分享，這樣知識才能散播出去，並且可以得到最佳的利用。 9.

(20) 目前現在的網路社會當中，Chen, Zhao, and Zhou（2008）認為現在互聯網的快速發展，而虛擬社區已成為最重要的知識共享平台，Chen, Lin, and Yen（2014）認為現在的網路時代，知識分享是最大效益的關鍵，Mansor, Mustaffa, and Salleh（2015）認為持續了解知識分享，因為在共同創造使用者感興趣的產品時傳達他們的想法和建議，Chen, and Kuo（2017）提出虛擬社群是經由社交媒體用戶所組成的，用戶可以通過信息和知識轉移以及成員之間的互動來加強關係，但 Chen, Fang, Wei, and Zhang（2010）提出了虛擬社群目前面對得最大難關是知識的可用性，然而這個難關卻是由知識分享所造成的， Y. J. Chen, and Y. M. Chen（2012）也提到虛擬社群因為網路的應用，而導致信息過量以及過多的垃圾信件，因此虛擬社群才會存在著大量的低質量的知識，因此 P. Y. Chen, T. Y. Chen, Y. M. Chen, and Lin（2010）在文章當中提到管理和知識分享已經成為虛擬社群知識管理的重要事情了，在現今的社會當中，虛擬社群是知識分享的一個方便的平台，但是如果沒有管理好的話，依然會帶給虛擬社群方面不小的困擾。Lyu, Mu, Teo, Yang, and Zhang （2020）提出了知識的深度以及其廣度會影響到知識分享的意願，而 Horsman（2020）提出了對於知識分享其中有兩個障礙，分別為「我們如何分享知識」以及「我們分享什麼」，知識分享雖然是個 10.

(21) 很普遍的活動，但是對於成員以及組織來說彼此之間有著正向相關的聯繫，並且知識必須要擁有內涵不能只是表面的知識，流於表面的知識，對於使用者來說效用並不大。知識管理是針對個人、團隊、組織所有不論顯性或隱性知識，所有的創新、使用、分享以及傳播進行一種有效的管理，Charband, and Navimipour（2016）認為知識共享作為其中一個重要的部分，也因此不論個人、團隊、組織通常都會以各種形式來和其他成員進行，Kang, Kim, and Lee（2017）認為知識管理的成功歸功於知識共享，組織之間成員們互相分享知識，也將零碎的知識整合起來變成了一個結構，讓組織裡的成員都能夠快速地應用這些知識。知識分享也應用在很多範圍當中，Kwok, Lee, Ting, and Tsang （2010）將知識分享應用在了醫療界，借助醫療體系將各個醫生的醫療知識分享之後，之後對於該案例就有範例可循，Ambos, Raab, and Tallman（2014）深入探討跨國公司是如何利用知識分享，並且對跨國公司內部知識流研究中適當分析水平的傳統假設提出挑戰， Hafiza, and Saide（2017）研究發現知識分享的成功將幫助學生實現和發展他們的潛力，而結果顯示在人格和自我效能等因素對知識共享活動的影響更大，而對信息技術方面，社交媒體之間的影響更大，Du, Hu, Xu, Yao, and Zhou（2019）將知識分享應用在了機器人 11.

(22) 身上，之前的是由工業雲結合了機器人，但是其中的知識共享受到了限制，但是經由知識分享以及大數據得優化，效能已有改善， Jiang, and Xu（2020）將知識分享應用在 IT 產業，探討知識分享對於 IT 產業有何影響。消費者在虛擬社群當中，彼此分享各自的購買感受，彼此之間互相的知識分享，並且了解消費者大多比較偏好什麼樣的口感風味，這也可以當作改善農產品的一種知識分享。. 第三節產品涉入除了價格之外，消費者對於農產品的理解代表著他對於農產品的涉入狀態，並且願意付出其所願意付出的價格，因此在本節想要探討消費者針對農產品涉入的概念以及對於農產品的理解程度。產品涉入是消費者對於產品的需求、興趣、價值觀的程度， Krugman（1965）提到電視廣告會因為涉入狀態的不相同，在對於購買產品的方面上會有所差異，而 Zaichkowsky（1986）指出了涉入是對於每個人對於產品的需求、興趣以及價值觀的相關程度，在此論點之後，涉入理論逐漸受到重視，並且逐漸應用到其他領域， Hoyer, Krohmer, Malär, and Nyffenegger（2011）認為是消費者對於商品的涉入狀態是取決自己對於商品的喜好程度是有所不同的，Shim ,. 12.

(23) and Warrington（2000）提到涉入呈現一種從低到高的層次分布，消費者會對於不同的產品資訊產生不同的涉入狀態。此外，Liang （2012）提及消費產品涉入越高，產品知識和衝動購買行為就越高，Drossos, Fouskas, Giaglis, and Kokkinaki（2014）提出了產品涉入和衝動的認知會影響到購買意願，Campbell, et al. (2014)也提到了產品涉入程度對於願意付費的價格以及其質量有著一定得相關性， Cui, Dai, Huang, and Wang（2016）產品涉入狀態對於賣方聲譽和產品展示彼此有交互作用，並對於購買意願有所影響。由上述的學者所述，消費者對於商品的涉入狀態的不同，進而造成消費者對於產品的購買意願造成相對的影響。除了對於不一樣的產品涉入狀態會影響購買意願外，不同的文化背景當中，也會影響到消費者對於各項商品的涉入狀態，進而影響到了購買意願，Hoonsopon, and Puriwat（2016）提及消費群體在不同的涉入之下，會對於產品的購買意願造成了影響， Eiamkanchanalai, and Tejavibulya（2011）認為不同得文化背景以及產品涉入程度的不同造成了產品的購買意願不相同，由此得知，不同的文化或者是生活得背景不相同，對於產品的涉入狀態也會有所不同，或者是說當對於商品得涉入狀態不進相同，也會對於商品的購買意願造成一定的差異。 13.

(24) 涉入這個議題可以應用在廣泛的議題上，在廣告的方面來看的話，可以將其應用在不同的廣告面向，Suh, and Youjae（2006）產品涉入會降低產品滿意度對品牌態度和忠誠度的直接影響，但會增加廣告態度和企業形象的間接影響，Kim, Lee, and Sundar（2015）也提出這項研究探討了信息剪裁，位置一致性和產品參與對用戶對移動設備上基於位置的廣告態度的心理影響，廣告的可感知干擾也會影響到消費者對於產品涉入，Belanche, Flavián, and Pérez-Rueda （2017）提出了在觀看影片的時候，使用者會對於廣告當中的產品的涉入狀態，會影響到使用者跳過廣告得時機，由此看來，產品的涉入狀態對於廣告以及品牌得形象會有所影響，Broeck, Poels, and Walrave（2018）將其應用在 Facebook，認為如果將廣告放置在 Facebook 的適當展示位置的時候，對於產品的涉入狀態會有一定得影響。此外，Cowan, and Ketron（2019）提到 VR 透過了產品涉入與品牌參與度會對其產品的購買意願，Cheng, Lee, and Shih（2017）將產品涉入應用在醫療器具方面，探討產品屬性，產品參與度，口碑和購買意向對醫療設備在線購物的影響，另外，Apostolakis, Dijk, and Kraanen（2016）將涉入結合到社會投資，可以得知投資者是否會對於購買組合投資產生影響。消費者對於農產品的涉入狀態可能包括了農產品的產出地點、 14.

(25) 風味感受、沖泡方式……這些都是產品涉入的內容，所以本研究想要去探討產品涉入的概念有哪些部分，並且影響到其購買意願。. 第四節知識結構知識結構是透過各式各樣的知識組合而成，具有開放、動態的特性，Gordon（2000）提到知識是一種複雜的概念，透過連接這些複雜的知識概念之間的關聯，建構出一個專業的知識結構。Curtis, and Davis（2003）知識結構是任何專業領域專業知識的主要決定因素，Chiu, Pan, and Yu（2009）提及知識結構能夠呈現各方領域的主題、問題等等面向，有效的幫助了解到各方面的知識結構，Qin, Yan, and Zeng（2018）在知識庫當中給定關係去劃分區域，這樣會形成知識顆粒，而這些知識顆粒則是會結構成了知識結構。由上述可以得知到知識結構是經由許多的知識概念組合而成，並且是結合了各方領域的知識概念。 Guerra-Zubiaga, and Young（2008）認為建構出一個專業的知識概念其中一個方面是建構知識的邏輯，以方便後來的獲取新知識以及維護已經獲得的知識，而且知識並非不會變動，而是會隨著時間的推移而有所變化，Carrasco et al.（2012）在文章中提出了知識結構是具有多功能、動態、可遷移的、共享性等等特徵，Hanham, and 15.

(26) Kalyuga（2011）提及可以透過靈活的知識結構當中學習如何去解決各式問題的能力，Sanin, Shafiq, Szczerbicki, and Toro（2014）提出了知識結構是動態的，可以靈活應用於現存的知識結構之中,方便利用在其中的知識，知識結構是利用知識概念互相靈活連結應用在知識結構當中，並且隨著時間改變，裡面的內容也會跟著有所更動，因此知識的運用可以相當的快速。在 Barrenechea, et al. (2016)研究中提出有許多不相同的知識結構圖，利用統一的觀點去深入分析知識當中的關聯，做為以後更多領域的知識模板，知識結構並非永遠的一成不變，他也會跟隨著用者的不同，而演變成使用者所需要的模式，幫助使用者可以更加便利的使用。而知識結構對於企業或者是組織來說，也是扮演著重要的角色， Kumar, Levy, and Sharma （2000）提到如果銷售人員掌握得知識結構要素越強，他們就較容易提供顧客的需求，對於管理階層也可以有效的監督以及培訓， Liang（2007）在文章當中提及，明確的介紹了知識結構可以將培訓計畫有所增強，並且可以讓知識有效德發展，Jauregui-Becker, and Wits（2012）認為可以透過全面的知識架構可以有效的改善產品開發的流程以及縮短研發的時間，Chang, and Chen（2016）這項研究將專利領域轉換為可視化的概念圖，以探索專利領域的知識結構並定義度量標準，像是概念單位，層次結構，鏈接，分支和示例， 16.

(27) Butel, and Wulf（2017）在文章提及說知識結構對於知識相關的決策和後續得競爭是相當重要的，在企業當中，會因為知識結構的關係，使得工作的流程變得較簡潔，效率也會有所提升。知識結構也可以應用在很多範圍當中，J. Lee, and Z. Lee （2000）將知識結構應用到 ERP 當中，並且會為組織提供了競爭優勢，Chou, Hwang, and Su（2006）將知識結構建立在台灣的機車維修系統，透過知識結構可以作為維修人員的培訓工具，可以縮短所需的時間，Chiu, and Pan（2014）提及他們將知識結構應用在找出文章當中的收藏主題以及找出採用在已發表的論文當中。而 Nian, Qiu, and Wang（2014）提及，知識結構對於新產品的戰略決策很有幫助，並且可以加速組織之間的知識差距，並幫助組織創新，Hayashi, and Ohsawa（2015）也提及配合著介面，幫助使用者得到正確得信息並且可以做出決策並解決問題。Gu, Li, Wang, X. Yang, Z. Yang （2019）則是將知識結構與電子健康相互融合，Belkadi, Furet, Laroche, and Meski（2019）認為知識結構結合數據可以利用在之後的新興產業之上，可以在醫療變化相當快速的環境當中快速的掌握重點，另外，Hong, Li, and Zhang（2020）將知識結構應用在評論文獻以及總結成果的部分，配合其他研究方法進行技術許可研究並明確預測的未來研究的可能性。知識結構的應用範圍是圍繞著我們日 17.

(28) 常生活，可能是我們日常所做的事情，又或者是在不知不覺當中，我們已經應用到知識結構而不自知。. 第五節正規化概念分析正規化概念分析(Formal concept analysis, 簡稱 FCA)不單只是數據分析，他還結合了知識概念的形式，加上使用了數學的方法描繪出知識概念的模型，這個模型可以將知識概念表現透過圖形將結果顯示出來（Wille,1992），Dubois, and Prade（2012）認為形式概念分析是一種理論概論，而其中概念中的每個對像都具有其意圖的所有屬性，而每個屬性在其範圍內的所有對像都具有，Liu, Meng, Pei, and Ruan（2013）認為正規化概念分析是涉及層次結構，並廣泛應用在數據分析和資訊檢索，Blašković, and Škopljanac-Mačina （2014）認為正規化概念分析是一種數據用於分析與表示的一種方法，這個方法從輸入的數據當中找出形式概念，並且所有的形式概念都會依照層次的排列。Li, and Lin（2016）認為正規化概念分析可以做為知識轉移的過程中提供理論的依據，而 Neto, Song, and Zárate （2018）認為 FCA 使用概念，是從對象、屬性與其分層的組織概念。Cellier, and Ferré（2019）認為 FCA 可以用於好幾種的目的，並且可以將利用 FCA 所畫出的圖加以探索和分析，Li, and Zhai 18.

(29) （2019）認為 FCA 是將所有對象的集合並且分析這些對象當中所共有的所有屬性，Janostik, Konecny, and Krajča（2020）認為 FCA 會在目標及其屬性當中識別出有趣的形式概念，並且將其組織成一個結構。因此，利用 FCA 是可以將虛擬社群上所建構出的知識結構分層表示，並且為理論當中提供出依據，發覺概念之間的關係並顯示出圖結構，因此正規化概念分析是適合用來分析知識結構的方法。 FCA 的應用範圍相當廣泛，首先應用在 DNA 方面， Kaminskaya, and Lihonosova（2014）進行不同的 DNA 序列研究，透過 FCA 提出了不同生物中強大的的基因，再來包括應用在雲服務， Mezni, and Sellami（2017）為了提供高質量的多雲服務，利用 FCA 來組合並表示出多的雲的信息並且進行分類，對於網路方面， AbdelRahman, Bahgat, Bahgat（2017）建立於 FCA 的一種搜尋引擎，可以用來分析之中的屬性概念連結，接下來應用在智能家居方面，Bouzouane, Gaboury, and Hao（2019）提及將利用 FCA 應用在智能家居當中，使他可以自動的是應具有新類別或新功能的訓練數據，由上述可知，正規化概念分析應用得範圍十分廣大，從電腦的相關可以應用到生物的部分。正規化概念分析可以將資料結構化，並且分析概念彼此之間的關聯，讓使用者可以較容易的觀察出資料之間的關聯。本研究使用 19.

(30) Concept Explorer 軟體將資料建立為如表 2-1 的概念表，第一行代表的是文章內所提到的概念集合，如果文章討論的與內容屬性有相符合的則在表格當中以「X」符號表示。以文章 O1 為例，在表 2-1 當中，可以得知道文章物件 O1 的討論內容有「風味」、「通路」和「產地」三種概念，其餘文章以此類推。表 2-1 文章討論內容概念表內容屬性. 風味. 通路. 產地. 文章物件 O1. X. X. O2. X. X. O3. X. X. X. … O250. X. 填完上述概念表後，以表 2-1 作為分析資料，即可產生圖 2-1 正規化概念分析矩陣圖。概念矩陣圖中的節點及為概念，圖中每個上下節點具有繼承的關係，與一般物件導向的繼承觀念相似，物件是由下往上繼承，概念則是由上往下繼承，因此形成如圖 2-1 文章討論內容概念矩陣圖：. 20.

(31) 第一層 A｛(風味)(O1,O2,O3)｝. B｛(風味、通路)｝ (O1,O2)｝. C｛(風味、產地) 第二層. (O1,O3)｝. 第三層 D｛(風味、通路、產地)(O1)｝. 圖 2-1 文章討論內容屬性概念圖. 在圖 2-1 當中的第一層節點 A 的「風味」是所有文章(O1,O2,O3) 都有討論的概念，也代表著重要的概念。第二層節點 B 的風味、通路的是(O1,O2)兩篇文章當中有提到的概念，節點 C 的風味、產地則是(O1,O3)中有提及的，而節點 B、C 皆具有繼承了節點 A 的「風味」之概念。因而得知，節點 D 繼承了節點 B、C 的「風味」、「通路」、「產地」的概念，亦即為所有的概念集合，代表著在此層會擁有所有的戴念。此外，在矩陣圖當中同一層的圓點較大，表示擁有此概念的文章在此層所佔的比例較大。. 21.

(32) 第參章研究方法第一節資料抽樣本研究在抽取資料的過程當中，發現目前沒有一個虛擬社群是大量討論咖啡、茶和米的虛擬社群，因此選擇了虛擬社群 Mobile01 論壇、臺灣 T4U 茶藝論壇和露天拍賣進行資料抽取和分析， Mobile01 論壇截自目前為止有超過 300 萬名會員，約有 6900 萬篇文章，累積訪客數量到達 21 億人次；臺灣 T4U 茶藝論壇累積訪客數量達到 19 億人次；露天拍賣會員也超過 1100 萬名，每月總瀏覽頁面量超過 10 億次。這三個網站的資料量充足，適合做為本研究抽樣的虛擬社群。抽樣期間為 2019 年 7 月往前回朔，採取系統抽樣的方式，擷取每個星期的前 10 筆資料，達到有效樣本各為 250 筆，共 750 筆的網路社群討論資料，下面介紹咖啡、茶和米詳細抽樣過程。一、咖啡抽樣步驟一：一開始進入 Mobile01 論壇首頁，在首頁橫標找到「生活」討論區，接下來將滑鼠移至上方，在其之間找到「就愛咖啡香」討論區，點擊之後進入，如圖 3-1 所示：. 22.

(33) 圖 3-1 虛擬社群 Mobile01 論壇首頁. 步驟二：進入到「就愛咖啡香」討論群組之後，可以看到這邊的討論內容，根據本研究的主題咖啡找尋符合的主題後，就可點選進入這個主題的討論頁面了，瀏覽過相關主題以及相關留言之後，在每一則有提及相關的留言，就會視為一筆樣本，如果有符合本研究的知識概念，則抽取為有效樣本，如圖 3-2 所示：. 23.

(34) 圖 3-2 咖啡資料擷取範例. 二、茶抽樣步驟一：一開始進入臺灣 T4U 茶藝論壇，在首頁橫標找到「專業討論區」討論區，接下來將滑鼠移至上方，在其之間找到「台茶集雅軒」討論區，點擊之後進入，如圖 3-3 所示：. 24.

(35) 圖 3-3 虛擬社群臺灣 T4U 茶藝論壇首頁. 步驟二：進入到「台茶集雅軒」討論群組之後，可以看到這邊的討論內容，根據本研究的主題茶找尋符合的主題後，就可點選進入這個主題的討論頁面了，瀏覽過相關主題以及相關留言之後，在每一則有提及相關的留言，就會視為一筆樣本，如果有符合本研究的知識概念，則抽取為有效樣本，如圖 3-4 所示：. 25.

(36) 圖 3-4 茶資料抽取範例. 三、米抽樣步驟一：一開始進入露天拍賣，在首頁縱標找到「名產、食品」討論區，接下來將滑鼠移至上方，在其之間找到「米、麵、穀物」討論區，點擊之後進入，如圖 3-5 所示：. 26.

(37) 圖 3-5 露天拍賣首頁步驟二：進入到「米、麵、穀物」討論群組之後，按下白米就可點選進入這個主題的討論頁面了，進入到「白米」討論群組之後，可以看到這邊的討論內容，瀏覽過相關內容之後，在每一則有提及相關的留言，就會視為一筆樣本，如果有符合本研究的知識概念，則抽取為有效樣本，如圖 3-6 所示：. 27.

(38) 圖 3-6 米抽取資料範例. 28.

(39) 第二節知識概念定義在收集網路社群的討論資料後，由於討論資料皆為非結構化資料，必須先將其主要討論的內容進行概化分析，萃取出個討論篇章內的討論概念。本研究參考黃鈺凈(2018)研究中的 KJ 法概念分類基礎，將各個論內容主要的討論內容主題進行匯總與整理，討論內容的範例如圖 3-7 所示。. 圖 3 -7 社群討論內容範例（資料來源：Mobile01 討論區）. 在範例當中提到了「巴拿馬聖特蕾莎莊園密處理」，這裡分別提到了「產地」、「通路」、「製造程序」；「手沖壺」則是對映著「泡法」；「香氣佳，尾韻飽滿」則是對照到「風味」。 29.

(40) 本文再以 KJ 法將虛擬社群當中成員們提及的相似的知識結構進行彙整，歸納出以下 7 種概念，分別為「風味」、「添加」、「通路」、「價格」、「產地」、「製造程序」、「泡法」，概念定義如下列表 3-1 所示：. 表 3-1 產品涉入知識概念定義知識概念. 概念定義. 風味. 產品品嘗的風味. 添加. 將其他產品添加進產品當中. 通路. 產品出自哪個銷售管道. 價格. 產品本身的售價. 產地. 產品之原產地. 製造程序. 產品如何製造而成. 泡法/煮法. 如何沖泡或者烹煮方式. 風味是農產品品嘗起來的感受為何，像是咖啡會提及帶有蜜香；添加部分，像是消費者會在煮好的咖啡當中添加入牛奶；通路部分，米會提及到他是來自小農；價格部分舉例來說，米會提及一斤多少；產地方面，咖啡會提及到他出產衣索比亞；製造程序茶會提及是輕焙；最後是泡法，茶會提及到他是利用紫砂壺沖泡而來。 30.

(41) 第三節正規化概念分析將知識概念定義完畢後，接下來以人工判讀的方式進行輸入資料，可以由下表 3-2 可看出各列為 O1 到 O250 代表的是所討論的農產品的 250 資料，而欄代表的是所有文章的概念「風味」、「添加」、「通路」、「價格」、「產地」、「製造程序」、「泡法」。若文章當中有提及的概念則以「X」表示他們之間有所關連。如表 3-2 所示，文章 O1 概念包含了「風味」、「通路」、「產地」、「製造程序」、「泡法」，以「X」符號代表，接下來的資料依照此模式，依次填寫入表格。. 表 3-2 正規化概念分析矩陣表文章. 風味. O1. X. O2. X. O3. X. 添加. 通路. 價格. X. 產地製造程序 X. X. X. X. 泡法 X. X. … O250. X. 接下來透過 Concept Explorer 軟體將正規化概念分析矩陣表進行分析，得到正規化概念之點陣圖形。. 31.

(42) 第肆章農產品知識概念結構透過 Concept Explorer 軟體分別繪製了咖啡、茶和米的 FCA 知識結構圖，以下為咖啡、茶和米的個別的敘述：第一節咖啡的知識結構依據農產品的知識概念基礎，利用知識概念進行運算，第一層的節點代表的是歸類出的七個獨立概念，而第二層則是由第一層的各個獨立的節點交集而成，其百分比代表的是該點屬性在此層所佔比例。圖 4-1 為咖啡的知識結構圖，圖 4-2 為第二層重要節點圖。. 圖 4-1 咖啡之知識結構圖. 32.

(43) 圖 4-2 咖啡第二層重要節點. 將正規化概念分析矩陣圖的第一層級以及第二層級的重要節點表示意涵整理如表 4-1：. 33.

(44) 表 4-1 咖啡正規化概念分析之重要意涵表第一層知識概念. 百分比 85%. 風味. 第二層知識概念泡法/煮法和風味的交集. 百分比 42%. 4%. 添加. 32%. 通路. 9%. 價格. 32%. 產地製造程序泡法/煮法. 22% 50%. 一、咖啡之正規化概念分析矩陣圖第一層分析以及結論在第一層當中，「風味」、「泡法」，為整體比例中的前一、二順位，分別為 85%和 50%，而「價格」、「添加」所佔的比例為最少的比例，分別為 9%以及 4%，至於「通路」、「產地」、「製造程序」則是居於中間。 1. 從社群討論內容當中可以發覺到，消費者對於咖啡品嘗起來的風味如何會是較為注重的，每個消費者有自己較喜好的風味，並且加以分享。 2. 不同的產區出產的咖啡，風味也會有所差異，因此消費者在 34.

(45) 談論的過程當中，會針對自己所偏好的風味來選擇哪個產區的咖啡。 3. 相同的咖啡經由不同的泡法，口感也會有所差異，因此消費者在談論的過程當中，也會分享當初是如何沖泡咖啡，而此作法沖泡出來的口感又為如何。 4. 消費者對於咖啡的談論當中，大部分都對於咖啡的價格有一定的了解，因此在內容當中較少會提及價格的部分。二、咖啡之正規化概念分析矩陣圖第二層分析以及結論由表 4-1 當中可以發現，在第二層當中共同提到「泡法/煮法」和「風味」的比例最高，為 42%。對比第一層而言，這也是相對消費者較注重的面向，因此消費對於咖啡所在意的面向是較偏向於主觀的感受。. 第二節茶的知識結構依據農產品的知識概念基礎，利用知識概念進行運算，第一層的節點代表的是歸類出的七個獨立概念，而第二層則是由第一層的各個獨立的節點交集而成，其百分比代表的是該點屬性在此層所佔比例。圖 4-3 為茶的知識結構圖，圖 4-4 為第二層重要節點圖。. 35.

(46) 圖 4-3 茶之知識結構圖. 圖 4-4 茶第二層重要節點. 將正規化概念分析矩陣圖的第一層級以及第二層級的重要節點表示意涵整理如表 4-2： 36.

(47) 表 4-2 茶正規化概念分析之重要意涵表第一層知識概念. 百分比 96%. 風味. 第二層知識概念泡法/煮法和風味的交集. 百分比 48%. 0%. 添加. 2%. 通路. 1%. 價格. 28%. 產地製造程序泡法/煮法. 26% 48%. 一、茶之正規化概念分析矩陣圖第一層分析以及結論在第一層當中，「風味」、「泡法」，為整體比例中的前一、二順位，分別為 96%和 48%，而「通路」、「價格」、「添加」所佔的比例為最少的比例，分別為 2%、1%以及 0%，至於「產地」、「製造程序」則是居於中間。 1. 消費者在談論的內容當中通常都會分享他們所品嘗的茶葉的風味如何，而有些口味較相似的消費者會彼此交換品嘗各自的茶葉，並且在論壇上分享心得。 2. 不同的產地所出產的茶葉風味也會有所差異，不同的地區會 37.

(48) 有不同的氣候，影響著茶葉的風味也會不同。此外，雖然在同一地區，但是不同的管理、年分……等等因素，都有可能造成茶葉的風味有所差異。 3. 同一種茶葉使用不同的器具或者以不同的水溫沖泡，品嘗起來的感受也會有所差異，以及沖泡時間也會造成差異。 4. 消費者在探討茶的內容當中對於價格談論極少，並且消費者在品茶的過程當中，幾乎不會再往茶葉當中添加其他物質。二、茶之正規化概念分析矩陣圖第二層分析以及結論由表 4-2 當中可以發現，在第二層當中共同提到「泡法/煮法」和「風味」的比例最高，為 48%。對比於第一層的比例，這也是消費者較在意的面向，因此可以推斷出消費者對於茶葉這項農產品，會比較偏向於自己的主觀感受。. 第三節米的知識結構依據農產品的知識概念基礎，利用知識概念進行運算，第一層的節點代表的是歸類出的七個獨立概念，而第二層則是由第一層的各個獨立的節點交集而成，其百分比代表的是該點屬性在此層所佔比例。圖 4-5 為米的知識結構圖，圖 4-6 為第二層重要節點圖。. 38.

(49) 圖 4-5 米的知識結構圖. 圖 4-6 米第二層重要節點將正規化概念分析矩陣圖的第一層級以及第二層級的重要節點表示意涵整理如表 4-3：. 39.

(50) 表 4-3 茶正規化概念分析之重要意涵表第一層知識概念. 第二層百分比 26%. 風味. 知識概念價格、產地和通路的交集. 百分比 47%. 0%. 添加. 70%. 通路. 100%. 價格. 69%. 產地製造程序泡法/煮法. 9% 12%. 一、米之正規化概念分析矩陣圖第一層分析以及結論在第一層當中，「價格」所佔比例為最高，為 100%，其次為「通路」、「產地」，這兩者相差不多，分別為 70%、69%，「風味」所占比例為 26%，其餘「添加」、「製造程序」、「泡法/煮法」三者的比例並不高。 1. 消費者對於米大多會去在意的是米的販售價格，通常會選擇消費者自己所能接受的價格，進而去選擇要購買的目標。 2. 在網站上面賣家有些也會提及到稻米的生產地為何，提供消費者選擇的依據。 40.

(51) 3. 在網站上可以發覺有些賣家並非只販賣單一種米，可能是販賣好幾種不同的種類的米，因此提供消費者消費的依據。 4. 賣家對於米品嘗起來的口感這類的描述，在網站當中，被提及的資訊量相對較少，並且可能只會集中在某些賣家身上，而其他賣家則是會相對不在意。二、米之正規化概念分析矩陣圖第二層分析以及結論由表 4-3 當中可以發現，在第二層當中共同提到「價格」、「產地」和「通路」的比例最高，為 47%。對比第一層而言，這也是相對消費者所注重的面向。. 第四節小結本研究透過虛擬社群來分析消費者對於不同種類的農產品會有不一樣的知識結構，像是茶和咖啡這類的高單價農產品所注重的會是偏向他們產品本身喝起來的感受，以及他們是用何方式來品嘗這些較主觀感覺。但是對於米，消費者所在意的就會較偏向是它的價格，有些會去在意他們是在何處生產的等等較外在的因素，因此我們透過消費者對於這些知識結構來了解彼此之間的差異。在研究當中針對茶、咖啡和米這三種農產品資料個別抽取了 250 筆資料來建置知識結構，接著使用正規化分析法，產生 FCA 知識結. 41.

(52) 構圖，了解到消費者對於相異農產品的知識結構圖。結果顯示由咖啡、茶和米的知識結構圖可得知到，咖啡比茶重視產品是出自何種通路銷售，但較不重視入口的風味如何，咖啡和茶兩者皆較少談論到產品本身的價格，但是米相對的重視價格的部分。總結來說，消費者對於高價的農產品較不會去在意他們的價格，而是會去在意他們嘗起來的風味會如何，而向米這類的民生農產品，消費者則較注重於他們的價格是否為自己所能接受的。從上面的結果可以得知，對於我們生活當中常會接觸到的農產品，消費者鮮少會去注意到他們品嘗起來的口感或者他們是由何種方式製造而成的，但是對於高價的農產品我們會去深究他們品嘗起來的風味會是如何，或者怎麼使用何種的方式品嘗會比較可口，消費不會去在意他們的價格多少，而是會以消費者主觀的感受去影響他們的購買意向。. 42.

(53) 第伍章知識概念比較. 第一節咖啡、茶和米探討內容比較一、風味 1. 咖啡提及入口喝起來會有果香或者是花香，在入口之時會有帶有微酸或者回甘的口感，並且描述咖啡喝起來的層次感，前中後都是不盡相同的感受。 2. 茶茶的風味描述相對來說比較多元，有的會有蜜香、果香或者花香，但是也會有鐵鏽味之類的風味描述。在茶的方面，分享比較多的茶韻的感受，像是純淨的感受或者味後韻重的感受，每種滋味都需要自己細細品嘗。 3. 米米的風味描述則是比較偏向單一，大多都是會描述米粒吃起來 Q 彈有嚼勁，又或者是米飯不管是在剛煮好的時候或者是放一段時間再食用都好吃，除了有些較特別的品種，像是芋香米，煮起來就會帶有淡淡的芋頭香。. 43.

(54) 二、添加在添加方面來說，只有在咖啡方面會有所提及，提及的部分會是添加牛奶居多。三、通路 1. 咖啡在討論得內容當中，有所提及的通路通常出自原產地當中的某個莊園，像是角雕莊園等等，但是也有消費者是選擇到大賣場或者是到有在販賣咖啡豆的店家當中購買。 2. 茶在論壇當中，提到的內容會是建議消費者親自跑一趟茶園，親自品嘗一杯之後再決定要不要購買。 3. 米在露天拍賣當中，大致分成的是小農自產自銷，又或者是賣家批貨過來再販賣給消費者。四、價格從內容來看，因為米是擷取自露天拍賣，因此米的售價會是最清楚的，但是從咖啡和茶的論壇內容來看，他們對於價格的提及則是較少的。. 44.

(55) 五、產地 1. 咖啡在內容當中提及的產地分布在衣索比亞、巴拿馬、哥倫比亞、馬拉威、肯亞、多明尼加等地。 2. 茶因為蒐集的資料僅限於台灣茶，因此提及茶的原產地則是會分布在阿里山、梨山、杉林溪等地。 3. 米在網站當中，米的產地較常被提及的有花蓮、台東、雲林等產地。六、製造程序 1. 咖啡咖啡的製造程序，大致分為日曬、水洗、蜜處理三大方式，目前水洗的方式則是較為廣泛使用。 2. 茶茶的製造程序在討論內容當中，大致分類成輕焙、中焙、重焙，這是依據茶葉經過烘焙的程度區分。不同程度的烘焙喝起來的口感也會有所差異。. 45.

(56) 3. 米米的部分則是簡單提及他是經由日曬或者風乾，將稻穀的水分減少，以利保存。七、泡法/煮法 1. 咖啡在內容當中，咖啡提及的沖泡方式大多是提及手沖、摩卡壺、虹吸壺、冰滴壺，另外除了搭配的器材外，也會提及到說他們如何研磨豆子的。不同的研磨方式搭配同樣的器材，又或者同樣的研磨方式搭配不同的器材，都會創造出另一番滋味。 2. 茶茶的討論內容當中，提及的沖泡器材十分的多元，像是紫砂壺、朱泥、白泥壺、瓷蓋碗等等，不同材質的器皿沖泡出來的風味也會有所差異。此外，沖泡的時間、沖泡的次數這些的因素改變，也會創造出不同的感受。 3. 米米的內容當中，大多數都只是表達說，米跟水的比例要多少，僅此而已。. 46.

(57) 將上述咖啡、茶和米擷取至網站討論內容做一個整理，範例如下列表 5-1 所示：表 5-1 知識概念彙整範例表農產品咖啡. 茶. 米. 啜飲有微柑橘、. 野薑花的香氣. 煮起來有微微. 黑巧克力、葡萄. 相當好,馨香迷. 的芋香味. 酒、鳳梨. 人且帶生薑的. 知識概念風味. 味道添加. 牛奶. 通路. 柏琳娜莊園. 薔帕娜莊園. 小農. 價格. 500g /五百元. 價位高. 50 元/一台斤. 產地. 哥倫比亞. 阿里山. 雲林縣西螺鎮. 製造程序. 日曬. 重焙. 人工日曬. 泡法. 手沖. 110cc 紫砂, 7g,. 可免浸泡並直. 30 秒起. 接烹煮。米與水分的比例約為 1：1.2，. 47.

(58) 第二節一般米跟品牌米討論內容的比較根據之前 FCA 結果顯示出在米的結果顯示出，消費者對於米的在意的重點在於價格部分，其餘的則是比較少的探討，但是在一些論壇上面可以看到消費者對於品牌米做出一些購買心得討論，因此在研究當中想要做出一個更加深入的探討，並且比較出一般米跟品牌米之間的一些差異。圖 5-1、圖 5-2 為一般米的範例，可以看出在當中提及的內容包含著價格，以及從什麼通路所購買，這些由賣家所提供的資訊：. 圖 5-1 一般米談論內容範例. 48.

(59) 圖 5-2 一般米談論內容範例(續). 而表 5-2 是在論壇上談論品牌米的相關範例，在內容當中消費者會提及他們購買到是什麼品牌的米，產地在何處，利用何種方法烹煮，品嘗起來的口感為何這些各自注意的面向：. 49.

(60) 表 5-2 品牌米討論相關範例 xvft：之前在家樂福買了一包 1.5 公斤 225 元的台灣引進日本品種的越光米，也就是不是日本種的越光米，但是是台灣品種改良的越光米，各人覺得超級好吃！大概就像去吃老乾杯或鼎王的飯一樣好吃 teacat2815：上次領了馫米(台中 194)試吃包，生米有獨特香味，煮起來飯粒飽滿香 Q，口感很好，個人蠻愛的! kissung：花東米，池上、富里、關農 Tamaho：我訂過石虎米，那期是桃園 3 號煮的時候米飯香味很香，口感 QQ 的好吃，而且吃飯同時又能幫助在地小農保護石虎，何樂而不為 z1288：買個日本 ih 電鍋+日本米煮起來就都很好吃 siliconsand：大倉米鋪好幾種都很好吃，但就是單價較高，我買過大倉的兩種越光米和無毒栽培，煮起來都很香 Q. 從內容比較當中可以看到，在品牌米談論內容可以發現消費者會有各自對於品牌的喜好，也會提到他們對於該品牌的口感做出了描述，通常會是描述米飯吃起來香甜可口，Q 嫩有嚼勁等等。有些消費者則是會對於產地有所偏好，認為花東地區產出來的品牌米，吃 50.

(61) 起來的口感為自己所喜好。差異最大的是兩者的價格，從這討論範例當中可以看到，品牌米比一般的米，價格是其兩倍。而品牌米的價格相較於一般米的價格相較比較高，像是「牛奶皇后米」，目前栽種的地點限定在花蓮富里，品種源自於日本，是跟日本越光米同系，但是品質跟產量較越光米佳，品嘗起來口感極佳，吃起來會有淡淡的奶香味，目前售價 2 公斤售價 350 元左右。在觀察了品牌米所販賣的價格之後，可以發現到品牌米所販賣的價格普遍來說都高於一般米的價格，而會造成這樣的原因是因為這些品牌米他們的產量都較少，進而造成價格的上升。當然除了產量較少的原因之外，消費者對於這些品牌米的接受度，也是造成這些品牌米的價格偏高的理由。. 51.

(62) 第陸章結論第一節結論由於現在的社群軟體十分的普遍，消費者會在其上分享彼此的知識以及其相關購買心得，進而對消費者的購買意願產生影響，並且透過虛擬社群，使用者在當中分享的各方面知識，逐漸建構出各種類型的知識結構，因此本研究透過虛擬社群當中，消費者對於各項農產品的知識分享以及討論，可以逐漸建構成各種農產品的知識結構，並且將其加以比較並且分析。在農產品當中，民生農產品的價格普遍來說都是比較偏低廉，但是相對來說，經濟農產品的價格又偏向比較高的，因而本研究想要探討當中的差異，因此選擇了咖啡、茶和米作為研究的目標。初步從知識結構圖當中可以發現到，咖啡和茶這類的經濟農產品，消費者對於其主觀感受是相對注重，但是對於價格則較為不注重，而米這類民生農產品，消費者注重的在於其價格方面，反而不太會去注重其主觀感受。再來，將每個知識概念分別地去探討了咖啡、茶和米，了解各項農產品雖然概念會有些相似，但是其中的探討內容卻又會有些差異，在研究的最後更加深入地去探討一般米和品牌米之間的差異，可以發現到品牌米比一般米來說價格會較高，主要原因是因為品牌 52.

(63) 米的產地通常侷限在某些地區，範圍並不會太大，也因此產量就不會說像是一般米那般種植面積大，因此產量也多，並且這些品牌米對於消費者的接受度來說也是偏高的，因此在這種狀況下，品牌米的價格相較來說就會在偏高。. 第二節研究限制與後續發展農產品包含的部分不只包含咖啡、茶和米這三種農產品，但鑒於時間以及人力的限制，所以只選擇住三種農產品作為代表，無法在更廣泛的探討其他農產品的知識結構部分。期許未來可以有更多種類的農產品的探討，可以幫助提升民生農產品的價格的提升。. 53.

(64) 參考文獻中文文獻王熙哲和丁耀民（2008）。人際關係網路對虛擬社群使用意願的影響。資訊管理學報，15（1），53-72。朱文禎和陳哲賢（2007）。探討虛擬社群之知識分享行為:以線上遊戲社群為例。電子商務研究，5（1），55-80。吳盛和林東清（2007）。以計劃行為理論探討資訊人員的知識分享行為。資訊管理學報，14（2），75-110。張玉琳和吳惠萍（2015）。社群價值和人際吸引力對虛擬社群意識與黏著度之影響：兼論虛擬社群意識完全中介與社群類型調節效果。行銷評論，12（3），323-357。張原誠（2012）。虛擬社群意識與社群忠誠度對持續使用行為及推薦傾向影響之研究一以 Facebook 為例。創新與管理，9（4）， 85-111。黃鈺凈（2018）。產品涉入與消費者反應層級之知識結構關係探討– 以 VR 社群為例（未出版碩士論文）。國立屏東大學，屏東縣。楊台寧和陳昱臻（2018）。組織信任對組織成員間知識分享之影響─ 以組織主管領導風格為干擾因子。多國籍企業管理評論， 12（1），45-75。 54.

(65) 蔡至欣和賴玲玲（2011）。虛擬社群的資訊分享行為。圖書資訊學刊，9（1），161-196。. 英文文獻 AbdelRahman, S., Bahgat, E., and Negm, E. (2017). PREFCA: a portal retrieval engine based on formal concept analysis. Information Processing and Management, 53, 203-222. Abfalter, D., Mueller, J., and Zaglia, M. E. (2012). Sense of virtual community: a follow up on its measurement. Computers in Human Behavior, 28, 400-404. Alexias, G., Brailas, A., Dafermos, M., and Koskinas, K. (2015). Wikipedia in education: acculturation and learning in virtual communities. Learning, Culture and Social Interaction, 7, 59-70. Ambos, B., Raab, K. J., and Tallman, S. (2014). Strong or invisible hands? –managerial involvement in the knowledge sharing process of globally dispersed knowledge groups. Journal of World Business, 49(1), 32-41. Anderson, P., Finkelstein, S., and Quinn, J. B. (1996). Managing professional intellect: making the most of the best. Harvard Business Review, 74(1), 71-80. Apostolakis, G., Dijk, G., and Kraanen, F. (2016). Examining pension beneficiaries’ willingness to pay for a socially responsible and impact investment portfolio: a case study in the Dutch healthcare sector. 55.

(66) Journal of Behavioral and Experimental Finance, 11, 27-43. Barrenechea, E., Bustince, H., Fernández, J., Franco, C., Gómez, D., Montero, J., Pagola, M., and Rodríguez, J. T. (2016). Paired structures in knowledge representation. Knowledge-Based Systems, 100, 50-58. Becker, J., Betzing, J., and Kurtz, M. (2020). Customer participation in virtual communities for local high streets. Journal of Retailing and Consumer Services, 54, 102025. Belanche, D., Flavián, C., and Pérez-Rueda, A. (2017). Understanding interactive online advertising: congruence and product involvement in highly and lowly arousing, skippable video ads. Journal of Interactive Marketing, 37, 75-88. Belkadi, F., Furet, B., Laroche, F., and Meski, O. (2019). Towards a knowledge structuring framework for decision making within industry 4.0 paradigm. IFAC PapersOnLine, 52(13), 677-682. Blašković, B., and Škopljanac-Mačina, F. (2014). Formal concept analysis – overview and applications. Procedia Engineering, 69, 1258-1267. Bouzouane, A., Gaboury, S., and Hao, J. (2019). An incremental learning method based on formal concept analysis for pattern recognition in nonstationary sensor-based smart environments. Pervasive and Mobile Computing, 59, 101045.. 56.

(67) Broeck, E. V. D., Poels, K., and Walrave, M. (2018). An experimental study on the effect of ad placement, product involvement and motives on Facebook ad avoidance. Telematics and Informatics, 35(2), 470479. Bruggen, G. H. V., Valck, K. D., and Wierenga, B. (2009). Virtual communities: a marketing perspective. Decision Support Systems, 47, 185-203. Butel, L., and Wulf, A. (2017). Knowledge sharing and collaborative relationships in business ecosystems and networks. Industrial Management & Data Systems, 117(7), 1407-1425. Campbell, J., DiPietro, R. B., and Remar, D. (2014). Local foods in a university setting: price consciousness, product involvement, price/quality inference and consumer's willingness-to-pay. International Journal of Hospitality Management, 42, 39-49. Carrasco, E., Haoxi, Z., Mancilla-Amaya, L., Sanchez, E., Sanin, C., Szczerbicki, E., Toro, C., and Wang, P. (2012). Decisional DNA: a multi-technology shareable knowledge structure for decisional experience. Neurocomputing, 88, 42-53. Cellier, P., and Ferré, S. (2019). Graph-FCA: an extension of formal concept analysis to knowledge graphs. Applied Mathematics, 273(15), 1-22. Chang, K. H., and Chen, C. K. (2016). A new application for knowledge structure of novelty invention and scoring. Chinese Society of 57.

(68) Mechanical Engineers, Transactions of the Chinese Institute of Engineers, 37(5), 509-513. Chappin, M. M. H., and Evers, G. (2020). Knowledge sharing in smart grid pilot projects. Energy Policy, 143, 111577. Charband, Y., and Navimipour, N. (2016). Knowledge sharing mechanisms and techniques in project teams: literature review, classification, and current trends. Computers in Human Behavior, 62, 730-742. Chen, H., Fang, Y., Wei, K. K., and Zhang, Y. (2010). Exploring the role of psychological safety in promoting the intention to continue sharing knowledge in virtual communities. International Journal of Information Management. 30(5), 425-436. Chen, M., Zhao, L., and Zhou, J. (2008). The effect of virtual community culture and group cohesion on knowledge sharing: a case study of professional virtual community. 2008 International Conference on Computer Science and Software Engineering, 5, 105-108. Chen, P. T., Kuo, S. C. (2017). Innovation resistance and strategic implications of enterprise social media websites in Taiwan through knowledge sharing perspective. Technological Forecasting and Social Change, 118, 55-69. Chen, P. Y., Chen, T. Y., Chen, Y. M., and Lin, C. J. (2010). A fuzzy trust evaluation method for knowledge sharing in virtual enterprises. Computers & Industrial Engineering, 59(4), 853-864. 58.

(69) Chen, X., Min, X., Wang, J., Wei, W., and Yang, J. (2018). Psychological contract model for knowledge collaboration in virtual community of practice: an analysis based on the game theory. Applied Mathematics and Computation, 329, 175-187. Chen, Y. H., Chung, Y. S., and Wu, J. J. (2010). Trust factors influencing virtual community members: a study of transaction communities. Journal of Business Research, 63, 1025-1032. Chen, Y. H., Lin, T. P., and Yen, D. C. (2014). How to facilitate interorganizational knowledge sharing: the impact of trust. Information & Management, 51(5), 568-578. Chen, Y. J., and Chen, Y. M. (2012). Knowledge evolution course discovery in a professional virtual community. Knowledge-Based Systems, 33, 1-28. Chen, Y. J., Chen, Y. M., and Wu, M. S. (2012). An empirical knowledge management framework for professional virtual community in knowledge-intensive service industries. Expert Systems with Applications, 39(18), 13135-13147. Cheng, S. Y., Lee, W. I., and Shih, Y. T. (2017). Effects among product attributes, involvement, word-of-mouth, and purchase intention in online shopping. Asia Pacific Management Review, 22, 223-229. Chiu, D. Y., and Pan, Y. C. (2014). Topic knowledge map and knowledge structure constructions with genetic algorithm, information retrieval, and multi-dimension scaling method. Knowledge-Based Systems, 67, 59.

(70) 412-428. Chiu, D. Y., Pan, Y. C., and Yu, S. Y. (2009). An automated knowledge structure construction approach: applying information retrieval and genetic algorithm to journal of expert systems with applications. Expert Systems with Applications, 36(5), 9438-9447. Chou, C.Y., and Sawang, S. (2015). Virtual community, purchasing behaviour, and emotional well-being. Australasian Marketing Journal, 23(3), 207-217. Chou, Y. F., Hwang, S. L., and Su, K. W. (2006). Applying knowledge structure to the usable fault diagnosis assistance system: a case study of motorcycle maintenance in Taiwan. Expert Systems with Applications, 31, 370-382. Cowan, K., and Ketron, S. (2019). A dual model of product involvement for effective virtual reality: the roles of imagination, co-creation, telepresence, and interactivity. Journal of Business Research, 100, 483-492. Cristofari, C., and Guitton, M. J. (2014). Mapping virtual communities by their visual productions: the example of the second life steampunk community. Computers in Human Behavior, 41, 374-383. Cui, X., Dai, Y., Huang, L., and Wang, Q. (2016). Seller reputation or product presentation? An empirical investigation from cue utilization perspective. International Journal of Information Management, 36(3), 271-283. 60.

(71) Curtis, M. B., and Davis, M. A. (2003). Assessing knowledge structure in accounting education: an application of pathfinder associative networks. Journal of Accounting Education, 21(3), 185-195. Drossos, D. A., Fouskas, K. G., Giaglis, G. M., and Kokkinaki, F. (2014). The effects of product involvement and impulse buying on purchase intentions in mobile text advertising. Electronic Commerce Research and Applications, 13(6), 423-430. Du, H., Hu, Y., Xu, W., Yao, B., and Zhou, Z. (2019). Collaborative optimization of service scheduling for industrial cloud robotics based on knowledge sharing. Procedia CIRP, 83, 132-138. Dubois, D., and Prade, H. (2012). Possibility theory and formal concept analysis: characterizing independent sub-contexts. Fuzzy Sets and Systems, 196, 4-16. Eiamkanchanalai, S., and Tejavibulya, P. (2011). The impacts of opinion leaders towards purchase decision engineering under different types of product involvement. Systems Engineering Procedia, 2, 12-22. Fesenmaier, D. R., Wang, Y., and Yu, Q. (2002). Defining the virtual tourist community: implications for tourism marketing. Tourism Management, 23, 407-417. Franz, R., and Wolkinger, T. (2003). Customer integration with virtual communities. Case study: the online community of the largest regional newspaper in Austria. Proceedings of the 36th Hawaii International Conference on System Sciences, 13(2), 71-79. 61.

(72) Ghabban, F., Ibrahim, R., and Selamat, A. (2018). New model for encouraging academic staff in Saudi universities to use IT for knowledge sharing to improve scholarly publication performance. Technology in Society, 55, 92-99. Gordon, J. L. (2000). Creating knowledge maps by exploiting dependent relationships. Knowledge-Based Systems, 13(2), 71-79. Gu, D., Li, T., Wang, X., Yang, X., Yang, Z. (2019). Visualizing the intellectual structure and evolution of electronic health and telemedicine research. International Journal of Medical Informatics, 130, 103947. Guerra-Zubiaga, D. A., and Young, R. I. M. (2008). Information and knowledge interrelationships within a manufacturing knowledge model. Int J Adv Manuf Technol, 39, 182–198. Hafiza, W., and Saide, R. E. I. (2017). Information Technology and Individual Factors on Knowledge Sharing Activities. 2017 2nd International Conference on Knowledge Engineering and Applications (ICKEA), London, 162-165. Hanham, J., and Kalyuga, S. (2011). Instructing in generalized knowledge structures to develop flexible problem solving skills. Computers in Human Behavior, 27, 63-68. Harris, K. G., and Harris, P. R. (1996). Managing effectively through teams. Team Performance Management, 2(3), 23-36.. 62.

(73) Hayashi, T., Ohsawa, Y. (2015). Knowledge structuring and reuse system using RDF for supporting scenario generation. Procedia Computer Science, 60, 1281-1288. Hong, X., Li Q., and Zhang, H. (2020). Knowledge structure of technology licensing based on co-keywords network: a review and future directions. International Review of Economics and Finance, 66, 154-165. Hoonsopon, D., and Puriwat, W. (2016). The effect of reference groups on purchase intention: evidence in distinct types of shoppers and product involvement. Australasian Marketing Journal (AMJ), 24(2), 157-164. Horsman, G. (2020). Part 2:- quality assurance mechanisms for digital forensic investigations: Knowledge sharing and the Capsule of Digital Evidence (CODE). Forensic Science International: Reports, 2, 100035. Hoyer, W. D., Krohmer, H., Malär, L., and Nyffenegger, B. (2011). Emotional brand attachment and brand personality: the relative importance of the actual and the ideal self. Journal of Marketing, 75, 35-52. Janostik, R., Konecny, J., and Krajča, P. (2020). Interface between logical analysis of data and formal concept analysis. European Journal of Operational Research, 284, 792-800. Jauregui-Becker, J. M., and Wits, W. W. (2012). Knowledge structuring 63.