Embedded Files
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？
摘要＿the refraction chamber.pdfGoogle Sites
Report abuse