課程資訊
課程名稱
 社群媒介輿論分析
Social Media and Public Opinion Analysis 
開課學期
 106-2 
授課對象
 社會科學院  新聞研究所  
授課教師
 謝吉隆 
課號
 JOUR7088 
課程識別碼
 342 M3040 
班次
  
學分
 3.0 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期一3,4,5(10:20~13:10) 
上課地點
 新聞103 
備註
 社群媒介輿論分析之學生應有修過程式設計課程，本課程使用R。,含學術倫理 受試者保護0.50小時
限本系所學生(含輔系、雙修生)
總人數上限：25人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1062SocialOpinions 
課程簡介影片
 
核心能力關聯
 核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

1. 本課程將帶領學生擷取臉書、推特、Youtube或其他社群討論版等社群資料，以探索社群輿論背後的立場、階級、組織、情緒、傳播策略、性別或其他資訊社會學、社會心理學的相關議題。
2. 本門課將講述文字探勘方法與機器學習模型（N-gram、Topic modeling、Word2vec、Linear Regression, Clustering, SVM）、基礎資訊擷取與自然語言處理、以及社會網絡分析方法，學生將被要求能自行根據範例實作模型。 

課程目標
 1. 透過社會網絡方法了解社群結構。
2. 能夠理解文字探勘過程並建立分析工具。
3. 透過資料科學方法探究社群媒介上的意見或政治傾向極化現象。
4. 建立專殊領域的關鍵字並作為趨勢預測的基礎。
5. 能夠閱讀晚近相關研究並重製、實作該研究。
 
課程要求
 1. 本門課為台大社科院新聞所的理論與研究方法課程。課程著重專題實作且需實際產出為研究論文。
2. 欲修課的學生本身應有基礎程式語言能力。或，已經確定要以社群文本做碩士論文題目卻全然不會寫程式，但願意跨領域了解文字探勘方法如何輔助內容分析的學生，如果您屬於第二種情形，請來信向授課教師詢問。
3. 學生能夠隨課程進行，訂定研究問題、涉獵參考文獻、擬定研究方法、實作分析方法並完成一篇研究論文或自己的碩士論文。
4. 本門課希望修課學生應積極完成論文，請見諒無法接受旁聽。 
預期每週課後學習時數
  
Office Hours
 另約時間 
指定閱讀
 - David Robinson and Julia Silge (2017). Text Mining with R: A Tidy Approach. O’Reilly. http://tidytextmining.com/
- Garrett Grolemund and Hadley Wickham (2017). R for Data Science http://r4ds.had.co.nz/index.html 
參考書目
 - R Graphics Cookbook http://www.cookbook-r.com/Graphs/
- Quick-R http://www.statmethods.net/
- http://www.rdatamining.com/
- Learning R in Y minutes https://learnxinyminutes.com/docs/r/
- Datacamp for R https://www.datacamp.com/courses/tech:r 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 Readings 
20% 
 每位修課學生將被要求針對一類社群或社群輿論分析方法進行文獻回顧並報告。 
2. 
 Reproduction 
30% 
 根據自己所選定的社群輿論分析主題，應用自己的研究資料以重製該主題的分析方法。 
3. 
 Term paper 
50% 
 針對興趣主題獲取資料、定義問題、文獻分析、建立方法、分析並完成論文。並將結果投稿。 
 
課程進度
週次
日期
單元主題
第1週
 2/26  Introduction to Social media and social opinions 
第2週
 3/05  Reviewing R: Part I. R for Data Science.  
第3週
 3/12  Reviewing R: Part II. R for data Science. 
第4週
 3/19  Literature Review: PCA for social media analysis 
第5週
 3/26  Sentiment Analysis: Chap01 and Chap02. Text Mining with R 
第6週
 4/02  Spring Vacation 
第7週
 4/09  Word and Document Frequency: Chap03. Text Mining with R 
第8週
 4/16  Literature Review: Social network Analysis method for social media 
第9週
 4/23  Relation between Words: Chap05. Text Mining with R 
第10週
 4/30  Proposal and Literature Review: Topic modeling and Word2vec 
第11週
 5/07  Introduction to Social Network Analysis 
第12週
 5/14  Social Network Analysis, Using Rfacebook and SocialMediaLab 
第13週
 5/21  PCA to detect segregation over social forums 
第14週
 5/28  Topic Modeling: Chap07. Text Mining with R 
第15週
 6/04  Word2Vec to detect the discourse difference between web forums 
第16週
 6/11  SVM for predicting ups and downs of stock markets 
第17週
 6/18  Dragon Boat Festival 
第18週
 6/25  Final report