2023-12-05
巨量資料、大數據等詞彙受到大眾注意已經超過十年，已有越來越多將網路輿情運用在公共政策上的嘗試。商業平台瞄準的受眾，除了有行銷需求的企業和有選舉分析需求的政客以外，服務的對象也漸漸拓展到了學術界和新聞媒體。這篇文章將帶你了解，那些公共政策輿情分析中的得失利弊，以及商業輿情平台不會在與你合作之前透露的事情。
輿情分析的優勢
首先，輿情分析的確可以做到許多民調做不到的事情：
- 輿情分析搜集的是網友「主動分享」的意見，而不是他們撰寫問卷時勉強填寫的答案；
- 輿情分析可以看到連續的時間段內，意見和討論熱度如何變化，而實現類似效果的 panel survey 非常昂貴、耗時和費力；
- 輿情分析都是開放式的問題，可以針對文字內容做更進一步地深入探索分析，回答一些民調很難或很少回答的問題。
以創新民主中心所做的核廢料相關研究為例，有許多有趣的發現都來自輿情分析。比如， 2019 年蘭嶼貯存場的核廢料鋼桶破損，這個事件引起了環保團體和在地居民的擔憂。研究人員發現，5 月出現事故的時候，網路輿情並沒有大量討論；然而一直等到 11 月調查結果出爐，政府決定補償蘭嶼 25.5 億元，才引發大量討論。研究人員認為，容易引起輿情討論的議題，通常與人們的自身利益相關，比如在這個例子中，裁定的補償金來自稅金，才會引起廣泛討論。
又比如，6 月底台電重啟「中火」（台中火力發電廠），台中市政府陷入一系列爭議；10 月日本欲排放核廢水，在野黨開始主打食安問題。這兩個議題因為被納入了選舉攻防而引發大量討論。政府在 7 月底分別於金門縣與新北市萬里區舉辦公聽會，想在科學議題上與公眾溝通，雖然相關討論反饋的情緒是正面的，但總討論量遠遠不及「中火」議題，這可以看出：
- 被納入選舉攻防的議題會蓋過其它重要的、需要溝通的科學議題（比如同時期發生的公聽會、有關核廢料選址的不實資訊相比之下不受關注）；
- 與第一點相結合，比起嚴肅的科學議題，人們更願意在乎與切身金錢利益或生活需求有關的議題，這些議題也更容易被拿來進行選舉攻防。
網路輿情還能做到一些橫跨時間向度的嘗試：研究人員發現，通過檢查過去「中火」議題在網路輿情中的表現，我們能夠判斷它過去是否被關注討論過。結果發現，這是一個全新的擁核論述，這似乎能幫助政策制定者和環運人士理解，我們需要追溯到首次出現的時空背景，才能加以擬定策略來應對。
商業輿情平台沒有告訴你的事
創新民主中心的研究團隊做出了這些有趣的成果，然而輿情分析研究並非沒有限制。以往認為社群媒體輿情可以直接解讀樣本而無需統計抽樣的假設，近年研究卻顯示輿情分析一樣要面對代表性的挑戰，而且資料偏差通常比民調嚴重很多。此外，學術研究團隊遇到的最大挑戰，往往在於合作的商業輿情平台。
- 商業輿情平台，所能提供的數據其實一點都不大？
大部分商業輿情平台的官方網站上，都可以看到他們標榜自己抓取的資料量有多大、更新頻率高。然而，如果要將其資料下載下來，通常單次能夠下載的量僅為數千筆左右，每次下載都需要少許等待時間。如果要下載的資料量超過單次限制，則要手動調整日期、多次下載後再將其手動合併。一旦觀測的議題稍微寬泛，分析原始資料就成了不可能的任務，研究者往往會增加關鍵字篩選程度，來減少分析的資料量，這又會遇到「既然網路相關討論這麼少，特別分析如此小範圍的討論又有何代表性？」這一類的問題。
雖然商業輿情平台宣傳「每日更新千萬筆資料」、「總共收錄數億筆資料」，但實際在文字探勘的過程中，以學術研究為目的的實際使用體驗上，還是有很大的落差。
- 商業輿情平台附有的許多功能，在實際使用上缺乏彈性
商業輿情平台通常也能生成一些簡單的圖表，比如描述性的折線圖，幫助我們了解資料（討論度）隨時間的趨勢。以下圖為例，會發現平台自動生成的折線圖中，如果兩個主題的則數差距太大會影響視覺化的效果；其中原住民議題討論高低差異則完全看不清楚；兩個議題的每日則數也有許多地方交叉在一起。除此之外，平台默認的折線顏色過於相近，這點也是依賴平台製圖功能無法調整的。如果只想呈現單獨的天數，應該從平台上每日資料下載下來，另外依照需求將資料重新視覺化。
來源：核廢料與原住民議題，《110年度核廢社會溝通規劃案》
結論
總的來說，商業輿情平台所提供的功能，在商業環境下或許尚能使用，但在學術環境就有許多不足。這些功能的調整空間太少，如果我們想為語料庫中的資料加上停用詞（stop-words）、建立自定義字典（user dictionary）、又或者將資料以不同n-gram的形式作排序，觀察談到特定詞彙時的前後文，這些在平台上則不太可能做到，更別說學術發表需要的資料驗證（validation）程序了。
今天的輿情分析仍需面臨許多挑戰，以往很多人指出了代表性上的限制，本文則認為商業平台上的限制也非常多，目前尚難適應學術需求。社會科學學者應該將目光轉向跨學科合作，在輿情分析上建立起一套嚴謹的方法論規範和標準，培養橫跨資料科學和社會科學的專家和研究者。另外，在輿情分析尚未建立完整的方法論以前，我們仍需結合傳統實證研究來加強研究結果的穩健性。
