Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Pew Research Centre (2014). Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. From http://www.pewinternet.org/2014/02/20/

mapping-twitter-topic-networks-from-polarized-crowds-to-community-clusters 

導讀者：蔡依桃                    

原作摘要：

•       Twitter當中的對話毫無疑問呈現了不同的網絡模式。

•       不同的對話內容、話題的主導人，也會讓對話結構呈現不同的樣貌。

•       此研究歸納6種最常見的樣貌：集化群Polarized Crowds、牽連群Tight Crowd、品牌群聚Brand Clusters、社區群聚Community Clusters、廣播網絡Broadcast Network &支援網絡Support Network

•       幾種樣態：分群的divided, 集合的unified, 分裂的fragmented, 群聚的clustered, 往內集中 inward & 往外outward hub, 對話結構spoke structures等。 

•       由於Twitter用戶只佔網際網路用戶的18%以及人口的14%，因此，此模式仍然無法推論到全球的使用者。

•       不過Network maps顯示了每一種社群媒體群組都有其獨自的連結與對話結構。在maps可發現主要的使用者在網絡當中以集點（hubs）和橋樑（bridges）突顯了自身重要的位置。

重點整理：

集化群Polarized Crowds: Political conversations in Twitter 

·      集化群（*波動朝著多種方向振盪的性質）

·      多出現在政治議題：一般是熱門的政治話題

·      一般出現兩個集化群，經常不互相溝通，明顯出現自由/保守兩派人馬，討論同一議題但各說各，互相忽略。

·      這群人的對話中：一般使用非常不一樣的URL，特別的#與關鍵字。

·      自由派多採用主流媒體的新聞連結；保守派多使用保守派的新聞網站及社論。

·      意見領袖通常會出現：這群人經常被replied，mentioned，兩組人都各自連結到一群/一組具有影響力的人物/機構。

·      而且，Twitter當中的言論經常都不一致。

·      Why this matters: It shows that partisan Twitter users rely on different information sources. While liberals link to many mainstream news sources, conservatives link to a different set of websites. 

牽連群Tight Crowd: 討論者相互牽連，很少有被隔離的參與者。

·      研討會、專家議題、嗜好群組等都是吸引使用者加入社群，成為牽連群的一員。

·      因為成員以外的人，是不會懂得這些有牽連的人的用語。例如：技術語言，程式語言等。所以這些群體的話題，都是那些很少會吸引普羅大眾，但對有興趣的群體能起到作用的議題。

·      Why this matters: 這些結構顯示了社群媒體也可以扮演著一種讓群體之間學習、分享與互相支持的功能。

·      與集化群不同：牽連群的使用者互相擁有強連結，而且互相認識彼此且有交流。

品牌群聚Brand Clusters: 著名品牌或服務或個體（名人）在Twitter被討論之時出現的模式。

·      一般呈現“留言”，而且是來自四面八方，互不相干的參與者。

·      著名品牌能夠吸引分裂（fragmented）的Twitter群眾針對品牌tweet。

·      越多的使用者討論此品牌，就會發現使用者的關係是越分裂的。

·      Why this matters: 討論某個機構、品牌的Twitter用戶都是互相沒有連結的（互不相干），而這些用戶依賴的卻是透過某個用戶的訊息傳遞，或是透過機構的傳達，來把訊息傳送出去。例如：Nike在粉絲頁發一則文，或Twitter用戶某天說Nike鞋子很爛，然後他的朋友按贊（訊息傳遞），而這傳遞之間是沒有任何意見的交換的。

社區群聚Community Clusters: 出現在熱門話題

·      有可能出現許多小群組，經常圍繞著幾個集點（hubs），並有自身的觀眾群、影響者以及消息來源者。

·      這些社群群聚的對話，構成了不同的中心點。

·      像是國際新聞，會吸引不同的新聞機構報導之，而這些新聞機構就有其追尋者，因此這就構成了許多中型的群聚。

·      Why this matters: 有些議題能引起多個對話，而每個對話群都有自己的觀眾和社群，因此這就可以說明話題可基於不同的受眾而有不同的角度，並進一步顯示了社群媒體話題討論與觀點的多樣性。

廣播網絡Broadcast Network: Twitter的留言多圍繞在即時新聞，而且這些新聞是由著名的新聞機構所發出

·      使用者的留言則是透過重複tweet這些內容而產生的對話網絡

·      在這個廣播網絡當中的成員，通常是連結到新聞來源的集點，而不是經由連結其他成員而獲知訊息的。

·      但在有些例子當中，會出現一些較小的次群組，也就是在組內相互討論有關議題的人。

·      Why this matters: 在社群媒體的世界裡，議題設定與話題創造agenda setters and conversation starters仍然非常強大。企業以及名人（有忠實粉絲）還是會帶給話題討論很大的影響力。

支援網絡Support Network: 出現在客戶針對某商業或品牌投訴，並由Twitter的客服人員處理之

·      出現集點-與-對話（hub-and-spoke）結構，與廣播網絡模式不同。因為集點會回應許多互不連結的使用者，這形成了一種向外（outwards）的對話模式。廣播模式，是集點獲得互不連結的使用者的回應/retweet，形成了一種向內（inwards）的對話模式。

·      Why this matters: 政治機構、商業和組織紛紛透過社群媒體提供服務與支援，因此支援網絡結構就成為這些機構衡量表現的機制。譬如客戶服務所提供的建議、服務、回饋等，可以透過社群媒體網絡地圖來計算其有效性及針對性。 

與本研究問題意識相關的概念與延伸對話：

延伸閱讀：(請用學術體例將參考文獻中值得延伸閱讀之文章、書籍或網址列於此處)

資料狀況：

□ 電子檔（摘要／全文）:           

□ 紙本（摘要／全文）:           

□ 其他狀況：           

如有重要相關圖表及附件請附在本頁後面，並在「其他狀況」項目內註明，如：附圖二張。