文化類的輿情分析-以新北市博物館產業為例

A Cultural Analysis of Public Opinion - A Case Study of the Museum Industry in New Taipei City

10.6342/NTU201601216

邱書豪

文化 ； 輿情 ； 關鍵字 ； 文字探勘 ； 臉書 ； Google 搜尋 ； culture ； public opinion ； keywords ； text mining ； Facebook ； Google Trends

臺灣大學國家發展研究所學位論文

2016年

碩士

唐代彪

繁體中文

為探討文化類輿情對新北市公立博物館平均活動入館人次是否有關聯性的之影響，本文以一般民眾最常使用之 Google 搜尋引擎及 Facebook 社群軟體作為輿情分析參考樣本，研究期間設定為2013年1月1日至2015年12月31日。分別利用 「Google Trends」 及 「fbCrawler」 軟體，針對「文化發展」、「藝文展演」、「藝文推廣」、「文化資產」、「文化設施」五大類文化關鍵字之搜尋行為及網路評論進行辭頻分析，期望以一種新的輿情分析方式，找出具影響力之文化類關鍵字，供博物館產業營運單位參考。 本文在探討六大類粉絲專頁發現，民眾在表達對文化相關議題之發聲管道集中在「藝文」類粉絲專頁，推測「藝文」類粉絲專頁是一般大眾及文史工作者追蹤文化類即時新聞及議題之主要傳播管道。在探討五大類關鍵字發現，「藝文展演」、「文化資產」及「文化設施」為研究期間熱門搜尋及討論之文化議題類型。當社會輿論或搜尋行為大量提及文化資產類相關之關鍵字時，對於新北市現有之5館1園(包括鶯歌陶瓷博物館、黃金博物館、十三行博物館、淡水古蹟博物館、坪林茶業博物館、林本源園邸)平均活動入館人次會有顯著之影響。

In order to explore the effect of public opinion towards culture affairs on the number of visitors attending activities in New Taipei City public museums, the following report analyzed user activity on the most common search engine (Google) and social media platform (Facebook) from Jan 1, 2013 to Dec 31, 2015. 5 categories of keywords including “cultural development,” “performing arts,” “promotion of the arts,” “cultural assets,” and “cultural facilities” were targeted to identify user search behavior and analyze word usage frequency using GoogleTrends and fbCrawler. The report hoped to use a new analytical method to measure public opinion to help identify influential keywords as a reference for museum operators. The analysis into the fan pages of 6 categories showed that when expressing or debating topics regarding cultural affairs, the public tended to use the fan page for “the arts.” The report believed that this fan page has become the primary channel for the general public and cultural workers to follow news and topics regarding cultural affairs. The analysis into the 5 keywords showed that “performing arts,” “cultural assets,” and “cultural facilities” are the most hotly searched and discussed. The report shows that when there are numerous online public discussions or search behavior linked to keywords under the “cultural assets” category, there is significant impact to the average number of participants present at activities in the 5 museums and 1 garden of New Taipei City (including Yingge Ceramics Museum, Gold Museum, Shihsanhang Museum, Tamsui Historical Museum, Pinglin Tea Museum, and Lin Family Mansion and Garden).

1. 陳亭愷（2015）。《國道計程電子收費實施後之網路輿情文本情感分析研究》。臺北：淡江大學運輸管理學系研究所，碩士論文。
   連結：
2. 陳譽晏（2015）。《運用R Shiny建立文字探勘平台之語意分析及輿情分析》。臺北：輔仁大學統計資訊學系研究所，碩士論文。
   連結：
3. Falk, J. and Dierking, L. (2010),“The 95 percent solution.”American Scientist (98): 486-493.
   連結：
4. Felipe, T., Andrew, S. and Vanitha, S. (2015),“Using Social Media Monitoring Data to Forecast Online Word-of-Mouth Valence: A Network Autoregressive Approach.”, Saïd Business School Research Papers, September.
   連結：
5. 壹、中文
6. 尹相志 (2013)。〈電子商務資訊面-大數據之分析與應用〉，《金總服務》(7)：6-13。
7. 林俊宏(譯)，麥爾荀伯格(原著)和庫基耶(原著)(2013)。《大數據》。臺北：遠見天下文化。
8. 翁慈宗(2009)。〈資料探勘的發展與挑戰〉，《科技發展》(422)：33-39。
9. 陳一帆(2014）。《探討博物館產業組織進行科技化創新所造成的能力轉換歷程 - 以國立故宮博物院為例》。臺北：政治大學資訊管理研究所，碩士論文。
10. 黃博羣（2015）。《房價指數、房仲類股與房市臉書粉絲專頁之關鍵字聯性探討》。臺北：世新大學財務金融學系研究所，碩士論文。
11. 鄒函升（2013）。《新聞輿情與民意偵測追蹤之研究－大資料之研究取向》。臺北：政治大學資訊管理研究所，碩士論文。
12. 貳、英文
13. Eric, F. and Pamela, P. (2014). Using Social Media as a Method for Early Indications & Warnings of Biological Threats. Florida International University, America.
14. Nowcasting food prices in Indonesia using social media signals. Global Pulse. Naciones Unidas, 2014.