芋傳媒 TaroNews - 台灣觀點.芋見真相

《思為策略專欄》大數據告訴你 同志婚姻風向吹哪邊

圖片來源:中央社

大法官審理同性婚姻釋憲,這是否會是台灣同性婚姻合法的契機,眾所矚目。

思為策略資料分析團隊使用 QSearch 大數據工具,從 2016 年 10 月 17 日至 12 月 19 日,婚姻平權議題討論度最活躍的期間,抓取表態活躍的粉絲專頁,透過相同立場會聚集討論的同溫層概念,區分為挺同婚及反同婚兩大陣營,以滾動式民調的方式,七日為一循環,計算與兩方陣營互動的粉絲數量,製作成長條圖及折線圖,呈現人數與比例(詳細分析方法請見文末)。

圖片來源:思為策略提供

武力展示過頭,招來沈默的支持者大力反抗

社會議題像打球,如果沒有一來一往,好像就無法匯聚民意關愛的眼神。

婚姻平權由大法官點燃戰火,朝野立委提案拉開序幕。護家盟不斷號召集會遊行,以人海戰術展現支持度,買下四大報頭版廣告的行為,在挺同婚陣營眼裡,簡直是撒錢挑釁。擔心廣告戰影響輿論,同婚支持者除了發起廣告募資,原本沈默的人也開始加入這場輿論大戰。

2016 年 10 月 24 日朝野 48 位立法委員連署民法第 972 條修正草案,挺同婚陣營熱烈討論,反同婚陣營卻氣勢低靡,10 月 28 日(即 10 月 22 日至 10 月 28 日之不重複互動數據)明確表態婚姻平權立場的網友中,雙方陣營差距達到 43.32%。

10 月 29 日同志大遊行後,反同婚陣營彷彿受到刺激,互動人數節節高升,11 月 8 日號召支持者到立法院高喊「反修民法 972」抗議後,雙方出現上上下下的人數拉距戰。

11 月 13 日,下一代幸福聯盟上凱道舉辦「婚姻家庭、全民決定」的抗議活動,反同婚陣營氣勢一路碾壓,直到 16 日買下四大報半版頭版呼籲家長站出來反同婚,挺同婚陣營穩定的互動人數突然暴漲,連日節節高升,11 月 19 日挺同婚陣營互動人數正式超越反同婚陣營,紫色和粉色的折線圖走出一條空白通道。

雙方陣營人數最接近的時刻,是 12 月 3 日百萬家庭站出來遊行後一週,但挺同婚陣營仍大勝 15.45%。12 月 10 日挺同婚陣營畢其功於一役,在凱道舉辦婚姻平權音樂會,直至 12 月 19 日分析截止,都有平均 40.95% 的穩定差距。

如果民意有形狀,這條通道就是他的長相

很難找什麼話題和婚姻平權一樣,兩方陣營各自有這麼多主流媒體以外的社群參與討論。除了支持者,相信政治人物也都睜大眼睛在看,同溫層何時擴大到足以稱作「民意」?風向轉變的時刻,都被真實地呈現在每天的互動行為裡。

立委提案、集會遊行、買廣告,分別代表政治力、民意及金錢支持的武器展示,折線圖從拉扯,到架構出一條穩定不會崩塌的通道,雙方陣營互動人數的消長與每次武力展示的時間點,都有巧妙的關聯。

簡單分享,自娛娛人。2017 年 3 月 24 日憲法法庭同婚釋憲直播開庭,法律有時與時俱進,有時領先社會,無論結果如何,性別平等的倡議之路還要繼續,希望有一天,社會生存的本質,適合每一個生命生存。

  • 大數據工具:QSearch,原始資料下載
  • 資料來源:Facebook 婚姻平權社群不重複互動人數
  • 分析時間:2016 年 10 月 17 日~2016 年 12 月 19 日,共計 63 天。
  • 挺同婚社群共計 283,893 人參與討論,反同婚陣營共計 195,903 人參與討論,共計 14,235 人對兩方陣營社群均有互動。
  • 研究目的:綜觀全局,呈現婚姻平權網路支持度變化。
  • 研究方法:
  1. 資料分析團隊整理分析期間曾發布與婚姻平權相關貼文、且有臉書使用者對貼文按讚、分享或評論之粉絲專頁,依粉絲專頁之立場區分為挺同婚陣營及反同婚陣營。前者共採計 61 個活躍粉專,後者共採計 20 個活躍粉專。
  2. 滾動式民調的做法:以七天為循環,使用大數據工具 QSearch 計算七天內,分別有多少帳號對挺同婚陣營及反同婚陣營進行按讚、分享、評論的社群互動。同一帳號對同一陣營的所有社群行為只計算一次,不因行為次數影響統計結果。並扣除同時對兩方陣營都有互動的帳號,故每天反同婚陣營及挺同婚陣營的比例總和不到 100%。舉例:10 月 23 日的數據,是計算 10 月 17 日至 10 月 23 日間,與挺同婚及反同婚陣營互動的帳號數量。10 月 24 日的數據,則是計算 10 月 18 日至 10 月 24 日間的互動帳號數量,換言之,每次的數據,都有 6 天的重疊,讓統計曲線更細緻。
  3. 帳號數量統計以長條圖呈現,數據請對照左邊的 y 軸;雙方帳號數量計算成百分以折線圖呈現,數據請對照右邊的 y 軸。
  4. 挺同婚比例計算:(七日內與挺同婚社群不重複互動人數-雙方社群重複互動人數)/(七日內與挺同婚社群不重複互動人數+七日內與反同婚社群不重複互動人數-雙方社群重複互動人數)
  5. 反同婚比例計算:(七日內與反同婚社群不重複互動人數-雙方社群重複互動人數)/(七日內與挺同婚社群不重複互動人數+七日內與反同婚社群不重複互動人數-雙方社群重複互動人數)
  6. 無論是歷史悠久的統計分析,或是正在發展的大數據分析,資料分析者的野心,是透過數據及分析方法,逼近真實。這次則是透過每天滾動式的細緻分析,反應議題的即時概觀。

傳統民調透過主動設計問卷題組,統計性別、年齡、居住地區,並更細緻的從問卷子題分析受訪者其他看法,盡量逼近受訪者真意,抽樣訪問 1068 個有效問卷,即有數學可以證明統計結果具有 95% 的信心水準。但礙於經費,傳統民調很難做到像這次一樣長期的每日調查。

網路大數據的分析不是靠抽樣,而是每一位真實使用者的行為積累,使用者行為難以造假(除非你明明是反同婚支持者,卻長期對著兩個孩子的媽按讚),而且時間可以做得更久。

這次分析搜集了 46 萬 5561 個不重複臉書帳號的使用行為,但網路使用者的分佈,未必等於現實分佈,不可諱言,目前社群網路的使用者仍以年輕人為主,只能等待時間的輪轉,讓社群使用越發普遍、年齡層分佈更趨近現實。

原文發表於 2017 年 3 月 22 日憲法法庭同婚釋憲直播前

SaveSave

SaveSave

邀請您加入「芋傳媒」的粉絲專頁
我知道了
評論
Loading...