The Refraction Chamber: Twitter as sphere and network
書名(以學術體例詳填資料,網路來源提供超連結及檢索日):
Rieder, Bernhard (2012). The Refraction Chamber: Twitter as sphere and network. First Monday, 17(11).
http://firstmonday.org/htbin/cgiwrap/bin/ojs/index.php/fm/article/view/4199/3359
導讀者:區國強
原作摘要:
本文以某群法國Twitter使用者作為樣本,比較三種不同「議題(issues)」的推文,來探討研究Twitter這種「微網誌(Microblogging)」平台時研究方法上取樣的問題。 本研究也以實證資料提出,我們必須延伸「資訊擴散」之概念,把意義、價值與意識形態納入考慮範圍,而進一步提出資訊「折射(Refraction)」之概念。
重點整理:
作者:Bernhard Rieder 阿姆斯特丹大學媒體研究系助理教授
本文主要探討:
(1)研究Twitter(或微網誌)時該如何抽樣?
(2)個案比較:突發事件(11天) vs. 長期事件(60天)
(3)提出「資訊折射」概念:強調推文不只是資訊的散播,更是意義之形成,研究者應進一步探討「共同理解(Shared understanding)」之議題。
(4)Hashtags作為資訊折射過程中能被「看見」,也值得被進一步探究的對象。
序論
• 2011年研究中指出,在法國Twitter雖然有一定規模,但並非當地前五名的社群網站。,在前12名新聞網站中,Twitter之使用者只佔0.2%。
• 但,許多媒體專業人士使用Twitter,並發出了大量推文。
• 本文提出, 以「使用者(user)」而非「主題(subject)」作為抽樣對象,並進一步把Twitter同時當作是「領域(sphere)」以及「對話(conversation)」平台。>>> 意義產生的地方
方法論:如何抽樣?
• 網際網路作為學術研究領域,應該以「扎根理論(grounded theory)」之研究方式,著重「現象」本身之持續發展,以歸納方式形成結論(簡單來說,透過現象歸納理論,而非以理論去看現象)。
• 傳統學術概念中的抽樣:以樣本推論母體,並可以諸如人口普查資訊作為參考。
• 當以網路作為研究對象,母體根本難以確認,如何抽樣成為困難問題。
• 研究Twitter時,五個抽樣時需考量因素:
o 問問題與進行研究的方式(例如,質化?量化?)
o 研究整個Twitter平台?只聚焦特定地理或語言區域?短期或長期的議題?
o 研究者本身俱備了什麼樣的科技工具?
o 取得資料之限制程度(例如,是否開放API)?
o 倫理問題(學術規範與國家文化)?
目前主要六種抽樣方式
• Full sample:並非不可能,但資料太大太雜,需要能解決問題的分析工具。
• Random sample : Twitter 有 提 供 參 考 資 料 , 但 「 非 常 態 分 佈 」 ( non-normal distributions)以及資料遺漏會造成微觀分析之困難。
• Topic sample:以Keyword和Hashtag抽樣,目前最常用之方式。但研究結果僅能解釋抽樣樣本。
• Marker-based samples:以語言別或地理位置抽樣。但效果不佳。
• Grap-based sampling:以人際網路抽樣(friend/follower)。但高密度之網絡或重要使用者作為抽樣對象,可能有解釋上的問題。(譯注:該地方應該指,以人際網路抽樣,難以推論到更大的母體)
• Manual sampling:以特定對象抽樣,例如特定名人或立法委員,適合質化研究取徑。
本研究抽樣方式
o 以使用者帳號(而非主題)抽樣,為了檢視更大量的議題。
o 以法國和法國語言使用者為抽樣對象。
o 針對對政治議題有興趣的使用者。
o 抽樣量足以解釋法國Twitter使用者。
o 把Twitter當作是一個公共議題平台,而不只是人際交流網站。
• 抽樣過程
o 496帳號:包括了Twitter上常見的政治人物、社會運動者、部落客、媒體人員。
o 再從496帳號的好友與追隨者中,整理出326532個帳號。
o 再以好友數(至少10人)和推文數,整理出22322個帳號,其中17361個使用者帳號在研究期間至少推文1次(其中1549帳號自稱「記者」)。
o 推文數(2011.2.15-2011.4.15): 5883657(580萬)
o (研究者根據資料估計,法國Twitter常用者約3-8萬,認為樣本數可推論到一般
使用者之母體數)
觀察議題:兩個突發事件(11天) + 一個長期事件(60天)
o 日本311大地震
o 加利亞諾事件 (Dior創作總監Galliano在酒吧大喊「我崇拜希特勒」,侮辱猶太人,被罰入獄半年)
o 法國Haopi法案(法國成立專責機關,監控網路侵權,事件持續兩個月。)
o (突發事件之所以用11天作為研究期間,因為本研究兩個議題在11天時,推文數大量下滑。)
研究分析(量化):
• 日本311地震屬於國際事件,引起大量推文,但有56%含URL,應屬於非法語的資料來源。
• Hadopi 事件也有大量推文含 URL,可能是因為推文內容大部份為「資訊」而非「情感」類別。
研究分析(質化):
• 推文語調(tone)
o 幽默、諷刺、挖苦
o Galliano事件: 每20條推文中13條屬此類別。
o 日本311地震: 每20條廣為流傳的推文中,5條為幽默語調。(e.g. 「教宗又不能罵他的老闆...」)。
o Hadopi事件: 推文以資訊為主,資料主要來自特定「專業」來源(頭兩個資料來源,佔了所有連結的46.8%)。透過每天推文和retweet,可描繪出事件發展脈絡。
內容分析
日本311大地震
• 「聯繫(cordination)」目的之推文,例如提供日本大使館年聯絡電話、求助資訊、尋找失蹤人口。
• 純報導(reporting)不多,更多的是特定議題的資訊報導。例如,日本地震與地球地殼移動。
• 從日本回法國,歷劫歸來的推文。
• 藉機批評Sarkozy政府之推文。 Galliano事件
• 大量幽默與諷刺語調推文
• 藉機批評法國政府有關其他種族歧視案件之推文
• 假總統夫人推文:「親愛的,你可以給Galliano當總統府的政治顧問嗎?」
• >>> 「主角轉移(subject drift)」:Galliano >> 種族問題 >> Sarkozy) 從「散播」到「折射(refraction)」
• Big data不只是資訊的散播,還會出模仿、變形、折射等現象
• 以政治議題來說,Twitter平台不只是資訊問題,更是共同理解、價值,與意識形態等之問題。
• 研究個案中, 資訊傳播不是最主要的twitter實踐方式。twitter往往成為了政治態度與道德之協調機制。
• 在個案中,很少不帶評論的純報導。(未知的資訊 >> 已知的資訊(取得資訊) >> 散播資訊 (inform others))
• 資訊折射,除了是推文本身之意義,更必須擴大至整個twitter網絡去了解。
• 連結網絡 >>> 文化場域(Cultural sphere)。
• 關鍵字應該被視為探討共同價值、爭論與刻板印象等等之重要線索。
• 研究案例中,「反右派政府」成為了重要框架(frame)。
• Twitter是一種「策略性媒介(strategic medium)」,使用者可能為了成名、為了找到觀眾,或為了參與政治意義之形構與對話。
• 「折射」除了是微觀地個別推文之意義建構,也可以透過宏觀角度去觀察。研究網絡中重要的hashtags。
o hashtags作為一種意義與連結的「文本」。
o 案例中,重要的hashtags,透過Gephi視覺化後,高密度區域顯示了網絡政治左偏的現象,也顯示了其他幾個重要議題。
結論
• 「共現字分析(co-word analysis)」將是分析網路空間著如twitter的重要工具。
• 網路平台也可能存在主流意見(而非所有意見同等地位)。
• Twitter作為一個「折射場域(refraction chamber)」:共同意見之形成,有目的性之意見表達 >>> 意義/意識形態分析
與本研究問題意識相關的概念與延伸對話:
• 不同社交網路平台之網民(鄉民)成份是否不同?當傳統學術要求的取樣難以達成時,我們是否該把焦點放在研究問題與研究對象上,也就是說,視研究問題之特性尋找分析對象與樣本數?
• 在社交網絡中,是否可能出現「沈默螺旋」之現象?我們是否需要重視社交網絡中的非主流意見?
![](https://www.google.com/images/icons/product/drive-32.png)