Online Communication Dynamics During Natural Hazard Events

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Spiro, Emma S., J. Sutton, S. Fitzhugh and C. T. Butts. (2014) “Online Communication Dynamics During Natural Hazard Events.” International Communication Association Annual Conference. Seattle, Washington.

導讀者：王劭文

原作摘要：

訊息的非正式交換在日常生活中一直不斷發生，而這些先前就存在的溝通模式在災難或緊急狀況發生時非常重要。 近年來，非正規的通信管道已經移置到社交媒體技術和行動裝置上。雖然社群媒體的救災能力愈來愈受到從業者(practitioners)認可，但對於災難事件中線上非正式溝通動力的了解還是不多。為了處理這個差距，我們採用一個縱向和比較的取徑，去檢驗美國龍捲風事件發生期間線上溝通和訊息交換的動態。

相關理論整理：

訊息的非正式交換在日常生活中一直不斷發生溝通、和陌生人非正式的問候、朋友間聊八卦和各種傳聞，這些都是人類行為的特性。這些非正式互動有很大的比例是出現在已經建立的社會連結和每天的溝通管道。個人利用這些連結去獲取重要的或流行的資訊(Granovetter, 1974)，理論上個人是可以和任何人溝通及互動的，但在現實中溝通的管道卻處處受到限制。然而，因為社群媒體與行動裝置的發展，改變了非正式溝通的頻道，和以前相比，這些發展讓個人可以接觸到更大量、更多數的人。

先前即存在的非正式管道通常可以第一時間傳遞災難相關的訊息，災難相關的研究發現，行動者有明顯的傾向使用自身的社群網絡(social network)來獲取即將發生的災難訊息，在此時訊息的即時性可能可以拯救生命或是成為決策的關鍵。事實上，當官方管道不管用或不夠即時的情況下，社會連結提供一個訊息傳遞的主要管道，甚至這樣的管道可以超過正式管道。這樣研究的觀察支持了行動者在要獲得負面或引起焦慮的事件訊息時會使用自身的社會連結，除此之外研究者亦發現在危機環境下，行動者使用社群媒體科技的現象會增加。

雖然社群媒體的救災能力愈來愈受到從業者(practitioners)認可，但對於災難事件中線上非正式溝通動力的了解還是不多，尤其是線上環境的部分，這樣的差距就是本研究所要處理的。對於這個現象比較好的了解方法是同時了解理論與實務的意涵，從舊理論出發發展一個集體社會壓力的情境下個人與群體間行為的新理論。

在危機事件時的資訊傳遞(Informal Communication During Crisis Events)

相關文獻表示，危機事件會激起大眾意識，塑造出「用各種方式關心那些擾亂日常生活的事件」的群眾。這樣的群眾是隨時改變的、行動也是多樣的、空間亦是分散的，但他們都因注意某一危機事件而被連結在一起。在這樣的情況下群眾需要「新聞」，讓他們可以在變化的環境下調整面對事件的資訊。當正式管道不能傳遞那樣的訊息，個人則會轉向非正式管道的來源和引起傳聞。

雖然有很多對傳聞(rumor)的討論，在這篇文章的脈絡中，傳聞指的是與事實相關的溝通或是沒有出現在正式、機構化管道中的事件相關消息。在這個研究中並沒有要去判斷訊息精準與否，所以傳聞一詞並不等同於錯誤訊息，傳聞可以出現在許多不同的情況下。傳聞行為在先前已有許多重要研究，但關注於比較災難或危機事件的非正式溝通管道的社會進程(social processes)研究卻較因為難以驗證而較為罕見。

這個議題最早的研究來自Scanlon (2007)的田野調查，他的團隊關注在緊急事件時資訊如何透過口語傳散，而這樣的研究是不可能透過對整個社群的調查法來執行，所以Scanlon和他的團隊選用一段時間的連續追蹤研究。在一個社群內傳散特定訊息，在詢問聽過該訊息的人從哪裡聽到。為了瞭解人際間的傳播，他們追蹤下一個聽過的個人並重複這個過程。經過時間的投入與結過衡量，他們找到幾條訊息鍊可以追朔回源頭。雖然這個方法只是單一個案例研究並有資訊範圍的限制，他沒有大量的人口規模與訊息內容。然而線上環境提供另一個出口，讓人們可以衡量這樣社會進程如何發生。簡單來說，社群媒體和社會網絡平台是災難期間社會進程的一個新的研究主題。

社群媒體的角色(The Role of Social Media)

  大眾與組織行動者的社群媒體和訊息通訊技術(ICTs)使用增加，造成大規模的資訊產製與消耗，讓個人可以在數分鐘內接收或更新來自全球各地的事件。而當危機發生時，這些熟悉的溝通管道會被挪用為交換緊報、相關訊息以及家人朋友的安危。明顯的可以看到像是Twitter在近幾年就被當作工具使用於救災和災難重建，甚至連政府機關在災難期間或緊急狀況發生時都會在社群網站上發出指示。

儘管在危機期間社群媒體和訊息通訊技術(ICTs)的使用急速的增加，但相關研究還是有限。在這個領域內的初步研究著重於使用方式和論證的描述，例如，Twitter在金融危機期間作為調動資源、合作與公民報導的機制。研究還發現，許多在災難時常見的行為模式，同樣也出現在網路上，包含大量集中志工和援助、增加當地行動者的關注和緊急小組的形成。這點的認知很重要，因為這表示線上環境可以提供研究者一個關於公告事件集體行為(post-event collective behaviors) 的不同觀點，而這在以往很難被研究。

新科技擴展了人們涉入災難回報與重建的方式，社群媒體工具則被用於當作溝通工具、訊息蒐集、意義建構和增加志願者、物資和全球資源的平台。儘管在這個領域內有愈來愈多人從事研究，在危機脈絡下的大規模溝通流動研究卻很少。本研究就是要填補這個空白。

經典的傳聞理論(Classical Rumor Theory)

傳聞研的起源來自討論戰爭時期，在那種焦慮與不確定性高的情況下又缺乏訊息。早期作品多注重於訊息怎麼在透過人群傳遞時被扭曲，發現資訊不單只是在傳遞間喪失細節，細節也會受到挑選，個人會潛意識的將以共同經驗來扭曲訊息細節。

另外一個關於傳聞的重要研究是Shibutani (1966)的研究，他將傳聞像成一種集體的過程，個人試圖透過彌補他們知識中的空白來理解模糊的情況，對Shibutani來說，當個人對資訊的需求超過可以得到的資訊時就是產生傳聞的最佳條件。他也點出促成傳聞的因素：取決於事件的組成群體地理分佈的大小、可以溝通的管道、集體情緒(興奮或緊張)程度(Shibutani, 1966, p.165)。

總結其他跟傳聞相關的理論，歸納出三個傳聞的重要因素，分別是：(1)對事件重要性的感知(2) 事件周圍的不明確程度(3)事件行為的相關性。

災難脈絡(The Disaster Context)

對於災難研究者，危機情況是他們調查的核心，但災難研究中的社會行為的種類是多樣的(Drabek and McEntire, 2003)。事實上，社會學家一直對研究緊急情況和災難有興趣，探索人類對在這些事件的反應，顯示了社群和社會的價值觀和結構。因此，在災難研究中可以闡明人類的核心行為模式和約束行為的相關因素。

例如Barton (1969)的書《Communities in Disaster》探討在集體壓力的情況下，個人和集體所衍生的現象，其中溝通是一個重要的環節。Barton對於本研究來說的重點是事件和人口特徵和危險傳播的關聯。Barton的理論中，對物質和社會環境的複雜交互作用的處理是相當廣泛的，但其中還是有一些特別突出的因素。在災難傳播模式中Barton指出以下因素：影響嚴重程度、突發性、其相對於社會類別的隨機性(randomness with respect to social categories) (Barton, 1969, p.217)。在第三個因素中，Barton考量到受到災難影響的人口特徵，災害研究者們早就注意到，經歷災害事件的社區的人口特徵是確定災害損失和復原的重要因素。所以在我們的研究中，我們特別的考慮社會脆弱性和社會地位的兩種理論。

個人在社會中是不平等的，某些人比其他人擁有更多的權力，地位和影響力（Tilly，1998），社會階層研究揭示社會的某些方面會依某些標準對人口進行分層（Davis和Moore，1945; Tumin，1953; Rosenbaum，2011）在美國，社會地位財富和收入、性別、教育和種族等有一些相關的特徵（Cutter et al.，2003）研究發現，在許多情況下，高社會地位群體發生的負面結果，如破壞性龍捲風，比起發生在低社會地位群體上，能引發更多的關注（Mileti et al., 1999）。這種異常關注背後的機制是複雜的，高社會地位的人可能有更多或更多樣的社會連結。高社會地位的人通常更有機會進入媒體之中。在災難發生的案例之中，受影響群體的社會地位與傳播速率有所關聯。

社會地位的效應源自社會不平等，研究發現在非正式溝通中，公眾的行為答覆會因為受影響的人群而有不同的結果。社會脆弱性理論亦表明，種族和少數民族在災害之後經歷了不成比例的損失，主要是因為他們生活在品質的住房，而災難更加劇了貧困(Mileti et al., 1999)。

儘管在危機事件期間的社會過程已經有長期研究，但以前的研究缺乏對傳播理論的實證支持。觀察和收集關於非正式溝通的數據是在日常情況中就很難;，災難的情況更難。早期的研究受到兩個因素限制(1)通常只考慮單一或非常少的案例，沒有事件間的比對(2)因為容易觀察所以只注意成功的謠言，可能造成有偏誤的結論。我們的目標是解決這兩個問題。首先，我們以龍捲風為例，比較特定危險類型的多個事件的非正式溝通動態。此外，我們縱向的觀察與災難有關的傳播，這包括事件前和事件後的交流，以及哪些事件獲得關注和哪些沒有。

操作化過程：

非正式線上溝通(Informal Online Communication)

雖然有許多管道都可以用於蒐集非正式溝通的資訊，但本研究所選用的管道是Twitter，Twitter是一個社交網站，旨在讓個人能夠了解他們的朋友在做什麼。 它是目前最流行的微網誌網站之一，2012年有超過5億的活躍用戶，每天生產超過3.4億的tweets。

本研究所使用的數據來自Butts等人(2011)，數據的組成為包含「龍捲風」相關和控制關鍵字的公開推文，控制關鍵字從Ogden的基本英語單詞列表中隨機選擇，原始數據如表5.1所示。

表一：龍捲風關鍵字的描述性統計。使用2010年1月1日至2011年12月31日期間收集的數據，使用率以每小時估計。

數據集讓我們可以以小時為單位估計每個關鍵字的使用率。上表示這十個關鍵字在730天(2010.1.1-2011.12.31)的統計結果，每個語詞的使用率有很大的不同，像「風」和「損失」這兩個詞彙每小時平均使用幾千次，而像「漏斗雲」這樣的詞在我們的觀察期間平均每小時使用不到10次。此外，特定關鍵字的使用率變化很大。表2.1可以看到「龍捲風」的使用率在對大值時比平均值增加快要100倍。雖然個體詞彙使用率隨著時間的推移是重要的，但最終我們感興趣的是測量與主題相關的傳播。

物理事件和影響(Physical Events and Impact)

  本研究特別關注的是像龍捲風一樣嚴重的自然災害發生時，對於這件事Twitter上的非正式溝通程度間的關係。在這項研究中，我們關注的是在這些極端事件中傳播量可能如何變化。為了探討這個問題，我們收集美國龍捲風的數據。關於龍捲風警告和事件的相關數據可從美國國家海洋和大氣管理局（NOAA）獲得。我們收集在研究期間所有發布的龍捲風警告，以及不同災害影響評，例如規模、傷亡、經濟損失等等。

在研究中，許多衝擊相關的測量（死亡、傷害和損失估計）是高度相關的。我們發展一個總體指標來衡量衝擊造成的總體影響，指標來自各個衝擊測量的第一主成分分數。除了以事件區分的統計數據，我們還考慮了每個州的龍捲風事件每年頻率。如前面章節所討論的，龍捲風事件在不同地點意義不同，可能在某些地區是例行的警報，或許能表示該區有更高的防災水準。而透過龍捲風事件的發生頻率計算，可以作為我們對事件「驚喜度」的測量。

受影響者的社會與人口特徵(Social and Demographic Characteristics of A

ffected Populations)

上述的每個龍捲風事件皆與特定地理位置相關聯，通常是一個郡(country)或固定的一群郡。因此，透過將事件數據與其他數據（即美國人口普查和美國社區調查）進行比對，可以獲得郡級別的受影響人口的社會和人口統計特徵。典型數據包括家庭收入平均與中位數、人口統計、種族構成等。

人口特徵給出了不同龍捲風事件影響的人們的不同面向的總體情況。而這些人口特徵會被用於估計不同人群對災難的社會脆弱性。在此我們使用最著名的Cutter等人(2003)所創建的社會脆弱性指標Social Vulnerability Index (SoVI)，SoVI估計涵蓋美國所有的郡，與人口普查及NOAA數據的資料範圍相同。

方法：

處理本研究的研究問題需要能夠計算圍繞特定主題（龍捲風）的討論流行率。和主題有關對話的指標是與相關關鍵字在推文中的使用頻率，雖然特定關鍵字的存在既不必要也不足以斷定特定帖子與特定主題相關，但是對於多個主題相關關鍵字的出現頻率的聚集變化提供了與主題相關的討論流行的強力指標。研究方法利用潛在因素模型(latent factor model)，其觀察到關鍵字的數據流中的這種聯合變異性，提供與主題相關訊息傳遞的總體估計。

圖一：2011年5月和6月的因子模型觀測分數。每個垂直紅線代表一個至少造成一人死亡的龍捲風事件。 

圖一中的的波動，指出每天對訊息傳遞量的影響。4月的最後一周，龍捲風事件頻率極高。第一眼看來，可以看到增加的資訊量（因素分數）和這些龍捲風事件之間似乎存在關聯。5月的第三週，在密蘇里州喬普林龍捲風之後，資訊量有第二波的增長。此外，在事件發生後一段時間內(post-event period)，可以觀察到相對高的資訊量。隨著時間的推移，主題相關討論的變化及其與災難事件的關係是我們所關注的。為了測試先前的謠言理論和社會脆弱性理論，我們希望能夠測量在一定時間內資訊量和事件特徵之間的關聯性，在這樣的研究框架下我們所採用的是時間序列分析(time series analysis)。

分析：

在2011年4月，美國出現748次龍捲風，其中300個發生在該月的最後一周，大多數的紀錄季中在在24小時內。2011年5月22日，密蘇里州喬普林的龍捲風是1947年以來美國最致命的龍捲風，造成158人死亡，超過25億美元的損失。總體而言，2010年1月至2011年12月期間，是美國龍捲風事件的活躍時期，增加了嚴就期間的重要性。

本研究以觀察數據建立回歸模型，在時間t的觀測速率被假定為跟時間t-1的有線性關係，所使用的工具是統計軟體R，並使用Akaike資訊準則來評估模型。

圖二：龍捲風和控制相關傳播模型的周期性估計 

從表二顯示了在Twitter上非正式龍捲風相關傳播模型的參數估計，可以從回歸看到資料內有高度的自相關。另外值得注意的是高度正面的傾向，表示隨著時間的推移，傳播的總體增長率。這可能表明隨著時間推移，Twitter平台的整體使用增加。

傳播的周期性(Seasonality in Communication)

如同許多社會動態過程，非正式溝通也有週期性（Golder and Macy，2011）。一天中的不同時段或是一周中的某一天有所影響，像是晚上大家都在睡覺，傳播通訊量也會降低。而我們的數據集的大小也使我們能夠分析像是「月中的星期」或「年中的月」這種更久的周期性效應。

我們從兩個模型討論週期性，(1)龍捲風和傳播動態的相關性，如上節所討論(2)一個自回歸模型，只包括控制相關內容的周期性。控制關鍵字隨機選自Odgen的英語單詞列表，接著研究使用驗證性因素模型 (conrmatory factor model)計算多個控制關鍵詞時間序列的因素分數。使用控制相關的傳播率作為比較，讓我們探索哪些模式可能是災難時期的特定傳播，哪些則是一般時期。

圖2a顯示一天之中龍捲風溝通動態和控制參數的共變項參數模型。圖中的時間轉換為太平洋標準時間(PST)，以方便解釋。如圖所示，龍捲風和控制參數估計都清楚的顯示白天的傳播量會增加。雖然晝夜的動態在龍捲風和控制相關內容方面是相似的，但它們不相同，龍捲風相關的訊息會有一些延遲，其中上午8:00-11:00的不會像控制內容一樣那麼高。而這有趣地反映了龍捲風發生的時間，在下午3:00和8:00（當地時間）之間可能會較頻繁地發生。

此外，研究還觀察到控制內容的通訊量巔峰在12:00-17:00，一種解釋是美國東西岸的使用者時區差異所造成，因此參數估計模型得橫跨兩個時區，也許第一個高峰真的是東岸的下午3點到5點，隨後在西岸也出現一個類似的高峰。控制內容的地理分佈會更廣，但是美國的龍捲風活動明顯的集中在中西部，俗稱為「龍捲風道」(Tornado Alley)。未來可以進一步探討單日參數估計與災難種類。

從圖2b我們可以觀察以周為單位的周期性，在這兩個情況我們可以發現周間的通訊量較高，周末較低。傳播量從工作日開始增加，週三達到顛峰，接著開始下降，周末就變得最低。

圖三：每月的龍捲風和控制模型，右圖為美國每月龍捲風事件平均數。 

圖三顯現龍捲風與控制內容在以年為單位時每月的模型，明顯的前面兩者(日/周為單位)的模型有所不同，控制相關的傳播量在一年中的前幾的月(1-5月)大致保持一致，一進入夏季期間就開始下降，爾後逐漸回復到秋冬的水準，這裡的一個例外是10月之時的下降。在此，龍捲風的災難傳播相比有明顯的差距，龍捲風傳播量一月到春季間增加，在四月和五月達到巔峰，之後在夏季和秋季下降。將這個模型與NOAA的資料相比，顯現月度的周期性估計和龍捲風發生率相符。

非正式溝通與外部事件(Informal Communication and Exogenous Events)

圖四：對事件和人口的預測係數估計。紅點代表顯著的正估計值，藍點代表顯著的負估計值。每個估計都是95%的信心水準。

從圖四可以看到Twitter上的龍捲風傳播模型的警告和事件相關的參數估計。這些預測因素可以被分為兩種類別，(1)屬於物理事件的因素(2)和受影響的人相關描述的因素。此外，本研究再將這些因素分成兩種，分別是「龍捲風警報」與「現實的龍捲風事件(龍捲風有實際觸及所造成之事件)」。

龍捲風事件通常從當地氣象單位的觀測開始，觀測發現當地的氣候條件可能形成龍捲風，接著就會進入龍捲風警告的過程，告訴民眾龍捲風的相關資訊。最後，不論龍捲風的大小規模，還獲得關於龍捲風行經、災害損失的數據。一段時間內的事件警報以及對警報的驚訝程度都是傳播動態模型的預測因子。

警告數和通訊量增加有較強的相關。對於警告的驚訝程度雖然在模型中但並沒有與通訊量顯著相關。警告數和後續事件是相關的但並不相同，因為並不是所有的警告都會轉為龍捲風。所以事件的驚訝程度和訊息量有著顯著的正相關，事件驚訝程度是最大的正相關預測因素。

此外，事件衝擊(event impact)在模型中和整體通訊量是負相關，這個結果與許的的理論都相違背，一個可能的解釋是，在嚴重災難期間，人們忙於對危及生命的情況做出反應，所以不會在Twitter發布消息和內容。然而，並不是所有的通訊量都來自那些直接受到龍捲風事件影響的人。

所以另一個可能的解釋是嚴重的事件發生在沒有什麼警報的期間，如果有發出龍捲風警報，人們就有時間行動和在各種管道傳遞資訊，減少傷亡。所以，若是沒有龍捲風警報，民眾沒有時間使用非正式的溝通管道來搜索訊息或採取適當的行動。這個解釋和先前的災害研究是一致的，警報的時間和造成的衝擊會有所關聯(Simmons, 2008)。

人口特徵(Population Characteristics)

每個事件都發生在特定的地區，所以本研究要去探索在受影響人口數量不同時的非正式溝通動態以及受事件影響的人口的特徵。研究結果發現，通訊量與受影響人口呈顯著正相關，所以受影響的人愈多，在線上交流的人也愈多。

最後，我們發現傳播動態與受影響人口的政治經濟特徵有關，雖然受影響人口在貧窮線以下的%作為預測因子並沒有顯著，但通訊量卻與自我認知(self-reports)是黑人或非裔美國人的%有顯著正相關。也就是說當龍捲風發生在較高比例是黑人的地區時，非正式管道溝通的訊息量就會較高。也許這反應出Twitter對非裔美國人的吸引力，因為他們的使用率高於其他種族和族裔群體（Duggan and Brenner，2013）。

最後，我們要來看社會脆弱性指數(SoVI)，這個指標用透過許多的因素綜合，衡量美國各州對環境災和的脆弱性（Cutter，2008）。社區的脆弱性和通訊量有正相關，顯示高脆弱性區域中發生的事件會在社交媒體中有更多的關注。雖然這個結果與本文先前的所說的社會地位效果不一致。事實上，許多研究者已經提到，災難消解了許多社會邊界，允許跨界的溝通、援助和支持。

結論：

災害不會例行發生，在發生的時候人們要面對危險與不完整的資訊，災難可能會直接衝擊一小塊的地區但間接的效應可能傳遞很遠。若要知道大規模災害事件如何影響群眾注意，可以透過研究2010年海地地震或2010年日本東北地震，但即使是地區性的災害也值得重視。在桑迪(Sandy)颶風襲擊美國東海岸期間，Twitter上發布了超過2000萬條消息，在社交媒體盛行的背景下，災難期間的非正式溝通行為才剛開始被研究者探索。

這是我們第一個在探討非正式在線交流的數量與災難間跨時間和跨事件的關係研究。我們分析了24個月的龍捲風相關數據，結合國家海洋和大氣管理局(NOAA)和美國人口普查的資料，我們評估了溝通量、事件特性與受影響人口之間的關係。結果顯示通訊量在日、周、月都有明顯的週期模式。另外我們也展現了傳聞理論的適用性，支持社會脆弱性理論，但找不到社會地位影響的相關證據。

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)

關鍵字：

informal communication, social media, natural hazards, social vulnerability

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。