【記者賴麒全報導】傳播學院邀請國際知名社群網絡分析學者Itai Himelboim蒞臨政大分享研究經驗與心得，第二場演講於12日舉行，講題為「Social Media Analytics for Communication and Marketing: from Big Data to Actionable Insights」，聚焦於介紹處理社群資料的基本原則。主持人傳播學院副教授林芝璇提到，社群資料分析是當下顯學，無論是學術研究或是行銷傳播都可以借鑑Himelboim博士的心法經驗。Himelboim博士則在演講開頭提到，身為一個教育者必須知道學生需要什麼，將最新的思想、方法融入教學和研究中，他很高興能夠來到政大與在座的業界人士與師生們分享自己的想法和經驗，交流處理社群媒體資料的「挫折」。

Himelboim博士提到，在社群媒體的情境下，注意力是研究者定睛所在，因此社群媒體研究中的其一重點為分析使用者的涉入活動（engagement），例如觸及、按讚、留言與分享等。而許多現有的資料在發展成有價值的洞見（insight）前，都還是需要經過逐步的人工梳理，接下來他將資料分成自有資料（owned data）以及無償資料（earned data）進行介紹。

以品牌或組織經營的臉書粉絲頁為例，臉書平台提供的後台數據即是一種自有資料，通常臉書會對這些現有的資料給予基本的經營洞見，然而Himelboim博士提醒大家，在社群媒體上「看似有道理的洞見不一定真實」，因此他建議將原始資料下載後，再經人工梳理才能得到更貼近真實的洞見。Himelboim博士提到，他曾藉由貼文屬性類型將資料做初步分類，再進一步逐一分析用戶涉入的情況，為的就是在一定程度上保有資料出現的脈絡。舉例來說倘若研究者想瞭解一則貼文為什麼能引起熱烈迴響，就不能只抓這類的貼文進行研究，也必須將未能造成熱烈迴響的貼文納入考慮，才能使得研究所得的發現更立體完整。

接著，他以研究者欲了解「颶風」在社群媒體上被大眾討論的情況為例，解釋分析無償資料時，可以援用布林邏輯（Boolean algebra）進行資訊抓取，讓抓取到的資料更聚焦貼近研究者與分析的議題。布林邏輯的其中三個基本原則為交集（and）、聯集（or）、差集（not），Himelboim博士解釋，交集可以讓條件更加具體限縮，聯集可以處理一意多字的情況，這些條件沒辦法處理的部分，則可以使用字典式的人工涵括條件（quote）進行處理。他說梳理資料需要相當程度的耐心，也必須限縮研究的時間區段與範圍，反覆嘗試並清楚知曉執行每個選取動作的意義何在，唯有如此才能畫出有意義的視覺化圖表資料，或是得到有價值的分析資料，透過統計模型分析才能獲得更深入的研究發現。

Himelboim博士說明，資料分析是跨學科（transdisciplinary）的研究範疇，無論使用群聚分析取徑（cluster analysis approach）或是情感分析取徑（sentiment analysis approach），都需要回顧不同學科的知識架構。以情感分析來說，社群媒體上單純的數字與比例已經失去意義，在判斷訊息中情感的正負向屬性時，必須依靠留言中的字詞使用來判斷，這就有賴語言學分析的概念，例如單詞、片語的斷詞等，同樣地在判斷訊息中用字遣詞的正負向時，也需要留意字詞出現的脈絡是否夾帶諷刺性的使用，或有習慣性錯字使用、與一字多意的情況。

會後與會聽眾針對社群媒體資料分析能不能夠處理文化性的問題進行提問，他舉例日本人使用臉書的方式不像台灣人會揭露許多個人性的內容，例如「討拍」或「曬恩愛」這種文類就鮮少出現在日本人的社群媒體使用上，日本人通常還是把社群媒體當作正式傳播渠道使用，故研究者是否能夠使用資料分析方法體現出這種文化差異。Himelboim博士回應，不同文化背景必然有不同的使用行為，因此在資料分析時也要將文化情境納入分析考量，並透過人工進一步整理，便有機會體現出社群媒體使用行為的文化差異。