心理學任意門
14 Dec 2019
最新研究
社群媒體上分手文章的性別差異:文本分析取徑

 


 延伸閱讀 —

楊立行許清芳(2019):〈社群媒體上分手文章的性別差異:文本分析取徑〉。《中華心理學刊》,61209-230。DOI:10.6129/CJP.201909_61(3).0003。


      隨著大數據分析的崛起,如何從龐大資料中回應研究問題、如何從大量的資料中洞悉數據背後所蘊含的意義,成了現今研究的趨勢。透過許多社群媒體的興起,如FACEBOOK、Dcard及Instagram,給予了社會科學家相當多的研究素材,透過大數據分析,可以從中了解特定族群的行為、想法及態度。近年來,許多研究也陸續透過人們在社群媒體上發表的文字,以預測性格測驗的結果、性別、年齡或個人特質等。楊立行與許清芳(2019)針對社群媒體上分手文章為分析對象,以Dcard匿名社群平台上的文章為主,針對以下兩種文本分析方式進行優劣比較,分別為封閉式詞彙分析(close vocabulary analysis)及開放式詞彙分析(open vocabulary analysis)。
  
      透過封閉式詞彙分析,研究根據中文版LIWC辭典中的人稱代
名詞(如,你、妳、我、他、她等)與非代名詞類(如,認知歷程詞、因果詞、否定詞、正負向情緒詞等)為預測變項,並建立邏輯回歸模型,以檢驗這兩種詞類是否可以用以預測作者性別,結果顯示,人稱代名詞對於作者性別有較佳的預測力,但無法反映出分手文章的特性。而開放式詞彙分析,則是以寫作風格分析的演算法,分別從男性及女性的分手文章中篩選出最能代表不同性別的關鍵詞,例如:「愛你」、「等待」或「大哭」等,為女性分手文章中常出現的關鍵詞;「另一半」、「心中」或「假如」等,為男性分手文章中常出現的關鍵詞。由於抽取出的關鍵詞數量過多,僅選取前1%最常出現的關鍵詞建立模型,並同樣以作者性別為依變項,結果發現即使只有選取前1%的關鍵詞建立模型,相較於封閉式詞彙分析所建立的模型,開放式詞彙分析所建立的模型更能夠預測作者的性別。
    
      然而,儘管開放式詞彙分析可以用以分析出文章結構的特徵,卻沒辦法顯示出文章特徵所代表的心理意涵,因此,仍需要透過封閉式詞彙分析的協助。研究者透過中文版LIWC詞類,並同時採用網路分析(network analysis),將中文版LIWC詞類(如,動詞、社交歷程詞、情感歷程詞、正向情緒詞等)視為節點來建構網絡,並將關鍵詞所對應到的詞類節點進行連線,例如:「愛」這個關鍵詞,所對應的詞類有「動詞」、「社交歷程詞」、「情感歷程詞」等,以上節點之間將會形成連線。透過這樣的歸納方式得以獲得具重要性的中文版LIWC詞類,並藉由這些詞類背後所蘊含的心理屬性,來對分手文章的性別特性進行說明。研究結果發現,動詞、副詞、關係詞、社交歷程詞、生理歷程詞和認知歷程詞為兩性分手文章中共有的LIWC心理語文特徵,結果顯示出分手文章內容涉及的面向很廣泛,包含了社會關係、個人思考及生理歷程的描述,不過,唯獨女性的分手文章才有情感歷程詞、性詞和否定詞,由此可見,台灣社群媒體的使用者中,女性比男性在分手文章中更常表現出情感歷程的描述。

登入
會員登入
更新驗證碼