推特等社群網站上已經成為重要研究範疇
推特(Twitter)上什麼樣的訊息比較容易被轉推(retweet)呢?Anatoliy Gruzd(部落客),Sophie Dorion 與 Philip Mai 幾位研究者針對46,097則有關於2010年冬季奧運的推特訊息進行分析,發現正面積極的推比負面批評的推更容易被轉推。
….我很想就這樣把這篇文章結束。但我不行;看完這篇論文(pdf)之後,我發現其實這篇論文除了研究結果以外,在研究方法上還有不少有趣的重點,值得我更詳細介紹。
快樂有感染力嗎?如果我們說的是所在位置很近,彼此之間有極強社會連結的人們,答案是「有」;但是如果我們現在談論的是位在天南地北,彼此之間可能根本不認識,也沒有見面過的一群人呢?這就是這三位研究者想知道的,他們選定推特作為研究場域,因為在推特上,每分每秒都有大量訊息噴發,用戶之間的連結也十分清楚(透過follow機制)。研究問題包括:
有網路研究者將網路空間視為工作與家庭之外的「第三地」(the third place),取代了網路蓬勃發展之前的咖啡廳或是榕樹下;而網路也漸漸成為家庭價值轉變,工作環境原子化之後,一個讓人找到歸屬感,參與感,降低人際疏離焦慮的最直覺選擇。所以透過參與網路社群可以獲得「快樂」這件事基本上已獲得證實,但這種快樂能同樣具有感染力嗎?這就要看我們怎麼測量「快樂」了。過往測量網路上的快樂主要透過問卷調查,或是網路內容分析,兩種方式都對大量訊息沒轍(除非能請幾百幾千個研究助理…),於是能夠判斷意見跟情感的自動文本分析系統成為研究者首選,準確率可比人肉coder。
以2010年冬季奧運作為案例是有原因的,首先,因為三位研究者都是加拿大人,如果你還記得,當時不少網路評論家都認為這場奧運是社會媒體跟公民記者全面取代主流媒體的一場大型運動賽事,而且比賽總是伴隨著許多豐沛的情緒(不管是替選手加油還是臭罵對手),所以推訊裡的感情也會比較容易判斷。研究者從去年2月12號,也就是冬奧開幕日起,收集推訊到冬奧結束後幾天的3月4號。透過Twitter的開放API,每小時擷取一百則提到奧運(Olympics)的訊息,總共收集了46097則訊息。
Gruzd等人用的自動文本分析系統是SentiStrength(v2.1),由Wolverhampton大學的教授跟學生共同開發,可免費下載使用,而且判斷效度高。透過SentiStrength,電腦可以根據訊息中的情感,給每則推訊正面(1到5)以及負面(-1到-5)的分數,這麼做的原因是因為一則推訊可能包含正面情緒跟負面情緒(例如,「冬季奧運開幕式好精彩!但是我們國家代表隊的服裝好遜!」),所以研究者把兩個數值相加,1到-1都被視為「中性」,2以上或-2以下才被視為正面訊息或負面訊息。
(待續)
View Comments