課程名稱 |
社群媒介輿論分析 Social Media and Public Opinion Analysis |
開課學期 |
112-2 |
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 |
星期五2,3,4(9:10~12:10) |
上課地點 |
新聞315 |
備註 |
限學士班三年級以上 總人數上限:15人 外系人數限制:5人 |
|
|
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 |
如欲加簽的同學,請於開學第一週前將近300~500字研究提案以E-mail寄送給開課教師(如果已經考過Proposal或報題者,請直接繳交Proposal或報題表單即可),研究提案內容包含:
1. 你感興趣的研究議題是什麼?
2. 你打算處理什麼輿情資料?
3. 你修這門課的主要目的是什麼?是為了興趣還是學程?
因為在社群平台上,人人都可以是資訊生產者,因此,巨量、去中心化、扁平化、流動、匿名、即興等社群平台的特色亦影響著訊息的特性、傳散方式與效果,與過往的集中式、權威式的訊息大不相同。尤其是Twitter或Youtube這樣的社群平台,留過什麼言、Follow過誰、Retweet過誰都被記錄下來。近期Twitter甚至開放一則Tweet被閱讀過幾次的功能。透過這樣的平台,我們可以研究例謠言的流傳、用語的流變、意識形態或政治立場的極化、泛政治化的現象、數位公眾外交的互動網絡、網軍偵測、對性別議題的看法、民粹主義、負面黨性的言談等。
本課程採用的方法會是大數據方法、量化方法、文本探勘方法。甫接觸計算機方法在社會議題的應用時,往往會過度粗暴地運用計算工具對文本資料直接做分析。也因此在講課的同時,本課程也希望帶同學也必須思考,相較於過往社會科學的研究方法,無論是質性或量化,計算機科學是一個新方法嗎?還是他只是用以克服大數據的挑戰?他和傳統方法又有何異同?使用上要特別注意哪些環節呢?如何適切地用這些演算法工具?而過去內容分析方法必定有許多常見的理論,又有哪些理論所關係到的研究,常常被計算機方法所運用呢? |
課程目標 |
本門課有兩個重點,第一個是社群輿論的研究方法與寫作。本課程將帶學生從事社群媒介上的輿論分析研究。常見的社群媒介分析對象包含臉書、PTT、推特、YOUTUBE等,但由於資料取用限制,本課程將以YOUTUBE與推特為主。授課過程將從選讀文獻、尋找研究議題、撰寫研究目的與問題、規劃文獻、實作研究方法並進行信效度評估、到結果分析完成一個小論文。
第二個重點是介紹文本探勘的各種方法,包含詞嵌入、文本分群、文本分類、網絡方法、主題模型等。除了方法的使用介紹外,將著重在閱讀前人研究的應用來了解方法的適用時機與信效度的驗證。學生會需要在老師引導下,閱讀並報告論文。 |
課程要求 |
本學期課程將帶學生撰寫個人Essay,需以社群輿論為分析對象,以傳播為議題如政治傳播、科學傳播、災害傳播、計算社會科學等。Essay內容應包含問題意識、研究問題、文獻探討架構與核心論文摘要、研究方法、和初步研究成果。大學生應以大專生研究計畫、中華傳播學會年會、資訊社會學年會、計算傳播年會投稿為目標;碩士生應以寫出嚴謹的研究計畫書為目標,並提供初步的分析結果。
本課程並非程式語言教學課程,修課生應至少修過一學期的程式課程,且需有能夠自行撰寫程式的自信。學生將被要求依照所介紹的論文與分析方法,就自己的研究議題自行實作。 程式部分會有線上課程可以看,亦列計在授課時數中。 |
預期每週課後學習時數 |
|
Office Hours |
|
指定閱讀 |
待補 |
參考書目 |
1. Pozzi, F., Fersini, E., Messina, E., & Liu, B. (2016). Sentiment analysis in social networks. Morgan Kaufmann.
2. |
評量方式 (僅供參考) |
|
|