近年來，網路上的討論已經變成一股不可忽視的聲量。眾人藉由網路論壇，成功發起多次社會運動；政治人物紛紛到臉書、YouTube等平台建立自己的帳號，以便宣傳自己的理念與想法；新聞記者也從網路找尋新聞故事或事件題材，並做進一步的報導；這些現象皆說明在網路上的輿論資料是值得研究的對象。

本研究希望藉由調查問卷及網路輿論資料，來探討民眾對議題的重視程度，與新聞媒體及社群媒體的議題討論熱度是否相同。在調查問卷方面，將進一步分析民眾關注議題之間的關連性，以及是否因為接收訊息來源的不同而有一定的程度差異；在網路輿情資料方面，分別對新聞媒體與社群媒體進行資料探勘與主題模型分析，以取得關注的討論主題以及討論熱度，進一步分析這兩大平台所重視的議題為何。最後與調查問卷結果進行關注議題的比較，以瞭解各項議題的重視程度及異相之處。

本次透過數位敘事專題方式，希望能以較為親切的方式，跟讀者分享可能略為生硬的研究成果。在「挑戰」頁面中，我們試著將研究內容轉化為小遊戲形式（如圖1至圖3）。而在「延伸閱讀」頁面，則透過互動圖表、動畫呈現本次的分析結果（如圖4），邀請您來閱讀與挑戰（點我閱讀）！

圖1、利用研究產出的議題關鍵字，設計成小遊戲

圖2、應用議題網絡分析結果，設計成小遊戲

圖3、應用問卷調查之議題重要程度結果，設計成小遊戲

圖4、應用動畫說明網絡分析方法

資料來源

• 問卷調查
  採用小組自編之問卷，並委託中研院調查研究中心進行調查，調查期間為2021年12月1日至12月15日，共取得3,982筆回答。問卷題組：
  • 基本題：「社會人口變項」、「對政府態度」、「公民參與行為」、「媒體使用情形」、以及「議題調查」。
  • 議題調查：題組分兩大類，一是議題重要程度、二是議題關聯。除了問受訪者自己的想法以外，也請填答者提供「他們認為網友關心的議題」是什麼。
  • 議題清單有32個議題，區分為三個部份：1. 「長期議題」（醫療、社會治安…等，共18個議題）、2. 「傳播議題」（新聞素養、網路霸凌…等，共8個議題）、3. 「熱門議題」（防疫、公共安全…等，共6個議題）。
• 網路輿情資料
  分為新聞網站與社群媒體二部份。新聞網站以四大報（自由時報、中時新聞網、聯合新聞網、蘋果日報）的網路新聞資料為研究對象；社群媒體以批踢踢實業坊（PTT）的八卦版（Gossiping）為研究資料來源，配合問卷調查資料，篩選出2021年1月至2021年11月底的新聞及發文。

分析方法

• 媒體使用樣態
  利用潛在類別分析（Latent class analysis, LCA），將填答者使用各類平台獲得新聞資訊的頻率。在本次分析中，我們依填答者的媒體使用情形區分為4種媒體使用樣態。
• 議題網絡分析
  問卷中詢問填答者「哪些議題重要」、以及「重要議題之間的關聯性」 ，藉由網絡分析方法產生長期、傳播、熱門3大類議題網絡。同時也詢問填答者「覺得網友關心哪些議題」，應用同樣分析流程產生網友的議題網絡。
• 篩選網路輿情資料
  我們建立了一組議題關鍵字詞典，來篩選並計算議題在網路上的熱度，用來與問卷調查結果進行比較。我們使用了兩個方法來確保議題關鍵字詞典的品質。首先，我們利用問卷調查結果，選出民眾最關心的十個議題，並利用新聞及PTT文章所建立的Word2Vec (Mikolov et al., 2013) 語言模型，我們利用該模型得到初步的議題關鍵字詞典；接著，參考 Maier et al. (2018) 的資料清理方式，當進行主題模型分析找到潛在的分類後，若某一群的結果，都是由特定的關鍵詞所產生的，那麼該詞彙會對我們的分析結果造成不良的影響，因此會刪除該詞彙；最後，再將議題關鍵字詞典進行人工標記，以避免選到不相關的詞彙。

網站設計思維

為了讓更多的讀者瞭解我們的研究，本次數位敘事專題盡可能採取通用設計，嘗試遵循部分無障礙網站建置的原則，降低我們知識所及的一些障礙。例如，除了優先使用nav、figure、figcaption等語意標籤外，也在導覽列、核心、頁尾加入定位點，讓使用鍵盤的讀者可以透過快捷鍵瀏覽（如圖5）。

圖5、導覽列加入定位點

在「延伸閱讀」頁面呈現的圖表內，考量使用閱讀器的讀者，我們盡可能加入meta資訊，也在figcaption內加入文字敘述圖表畫面（類似口述影像形式），希望不透過影像形式也能夠適度傳遞圖表的資訊。例如，在調查對象居住地分布的圖表背後的程式中，我們加上了下圖6這樣的描述「這是一張臺灣地圖圖表，在不同區域有…」，可以讓讀者用閱讀器聽取相關資訊。

圖6、圖表背後我們使用文字敘述畫面

另外，圖表的用色上，我們也希望能考量通用設計，使用色彩主題，能夠提供足夠的鑑別度讓色弱或色盲的讀者區分不同的圖例。

圖7、模擬色弱、色盲眼中看到的Okabe & Ito (2008)色彩主題

以上，有關通用、可近性的設計，如仍有疏漏還請不吝聯繫我們，讓我們能夠設法補救、改善。

最後，2022年「民眾關心大小事」調查將於12月進行，我們誠摯邀請您持續關注、甚至實際參與相關調查，讓我們能夠瞭解更多元的意見及想法。 

參考文獻

Maier, D., Waldherr, A., Miltner, P., Jähnichen, P., & Pfetsch, B. (2018). Exploring Issues in a Networked Public Sphere: Combining Hyperlink Network Analysis and Topic Modeling. Social Science Computer Review, 36(1), 3–20. https://doi.org/10.1177/0894439317690337

Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781. https://arxiv.org/abs/1301.3781

 Okabe, M., & Ito, K. (2008). Color Universal Design (CUD) – How to make figures and presentations that are friendly to Colorblind people -. Jfly Home Page. https://jfly.uni-koeln.de/color/