國立屏東大學資訊管理學系碩士班

碩士論文

指導教授：李來錫博士

虛擬社群多回應數下之社會網絡指標與討

論型態分析-以 3C社群為例

Social Network Indexes and Discussion

Patterns under Multiple Reactions in

Virtual Community-An Example of 3C

Community

研 究 生 ： 王惠靜 撰

中 華 民 國 一○五年 五月

I

致謝

碩士兩年要感謝的人很多，首先非常感謝我的指導教授 李來錫 老師，

這兩年辛苦的引領與教導，讓我體會到思維上不要侷限自己才能引發不

同的思考模式與面對問題後如何解決問題，從老師指導過程學習到不同

事物，讓我這兩年有滿滿收穫。在此也感謝兩位口試委員林哲宏老師與

黃允成老師，蒞臨指導並給予寶貴的建議與肯定。接著也感謝一同努力

的好伙伴宛玲，這兩年來不管是課業還是論文都受你相助不少還有一群

課業一同努力的同學們與學姐程文、郁涵與書瑜的力挺相助及學弟妹志

正、軍聖、巧芳、柏吟、俊垚、翔婷，宜芸口試的協助。

也感謝我的摯友艾樺和靜璇與你們打鬧、抱怨、談著天馬行空的夢想

是我壓力爆表時最舒壓的時刻與獨自熬夜趕論文的時候永遠在陪伴在身

邊的妞仔。在此也感謝我親愛的家人在背後無條件支持才能無憂無慮讀

完這兩年，最後感謝每天陪伴在我身邊的人，不順遂的任何時候謝謝你

無限陪伴與包容，能順利完成學業是因為有你們的支持與陪伴。

王惠靜 謹誌

于 國立屏東大學資訊管理研究所

中華民國一○五年六月

II

摘要

網路科技的進步，目前虛擬社群論壇已成為消費者重要的資訊來源，

本研究以 Mobile01 論壇為例，針對 3C 產品討論區收集議題回覆量 3-20

間，共 300 筆議題討論樣本資料。本研究探討虛擬社群討論區成員回應

數比例並修正社會網絡矩陣表以及在不同回應數下透過社會網絡分析法

進行網絡指標計算，研究結果顯示在虛擬社群引發成員回應數增加之議

題討論是少數的，隨著社群成員回應數增加會使網絡密度提升，然而以

議題發起人為中心時，其網絡密度與程度中心性指標是成反比；另外，

本研究以集群分析將密集型態分成三群並進行比較，研究結果顯示分別

為低度回應、中度回應、高度回應三種型態群。高回應型態群之社群成

員參與討論程度與互動性較高，能引起熱絡回應，成員間密集討論回應

時間較短；中度回應型態群較不能激發社群成員在短時間內進行回覆，

回應時間較長；而低度回應型態群之社群成員參與討論程度低，成員回

應時間短暫。

關鍵字：虛擬社群、知識分享、社會網絡分析

III

Abstract

As technology improves every day, virtual community has become one of

the important information sources. This study is aim to explore the reaction

frequency for repliers in virtual communities and the related social network

indexes under different numbers of reaction. Totally, 300 data are collected

from the 3C forum of Mobile01, which the discussion reaction numbers are

3-20. The study has two main results. First, there are few discussion issues

can appeal high number of reaction. However, the density will grow under

high number of reaction but the centrality will reduce. The second result is

there are three clusters for the density of discussion. Members of high

response have high interaction and quick response. Members of middle

response have lower focusing on issues and slow response. Members in the

cluster of low response have the lowest interaction of each other. The

responses of them are shot and temporary.

Keywords: Virtual Community, Knowledge Sharing, Social Network Analysis

IV

目錄

致謝 .................................................................................................................... I

摘要 .................................................................................................................. II

Abstract ........................................................................................................... III

目錄 ................................................................................................................. IV

表目錄 ............................................................................................................. VI

圖目錄 ........................................................................................................... VII

第壹章、 緒論 .................................................................................................. 1

第一節 研究背景與動機 .............................................................................. 1

第二節 研究目的 .......................................................................................... 3

第三節 研究限制 .......................................................................................... 3

第四節 研究流程與架構 .............................................................................. 4

第貳章、 文獻探討 .......................................................................................... 9

第一節 虛擬社群 .......................................................................................... 9

第二節 知識分享 ........................................................................................ 13

第三節 社會網絡分析 ................................................................................ 21

第參章、 研究方法 ........................................................................................ 30

V

第一節 資料抽樣與樣本收集 .................................................................... 31

第二節 社會網絡分析 ................................................................................ 33

第肆章、 網絡指標分析與討論 .................................................................... 45

第一節 資料分析步驟 ................................................................................ 45

第二節 討論 ................................................................................................ 46

第伍章、 密集群別分析 ................................................................................ 53

第一節 集群變量 ........................................................................................ 54

第二節 集群分析 ........................................................................................ 57

第三節 群別分析 ........................................................................................ 63

第陸章、 結論與建議 .................................................................................... 68

第一節 結論 ................................................................................................ 68

第二節 未來研究方向 ................................................................................ 69

參考文獻 ......................................................................................................... 71

一、 中文文獻 ........................................................................................... 71

二、 英文文獻 ........................................................................................... 73

VI

表目錄

表 2-1、虛擬社群之相關定義 ...................................................................... 10

表 2-2、知識分享之相關定義 ...................................................................... 14

表 2-3、社會網絡分析之相關定義 .............................................................. 22

表 3-1、統計抽樣表 ....................................................................................... 31

表 3-2、原始社會網絡矩陣表 ...................................................................... 35

表 3-3、修正社會網絡矩陣表 ...................................................................... 36

表 3-4、網絡規模範例................................................................................... 38

表 3-5、原始網絡密度矩陣 .......................................................................... 39

表 3-6、修正網絡密度矩陣 .......................................................................... 39

表 3-7、程度中心性範例............................................................................... 43

表 5-1、密集型態集群分析 .......................................................................... 57

表 5-2、群別個數 ........................................................................................... 63

表 5-3、密集群別分析- MANOVA .............................................................. 64

表 5-4、密集群別分析-ANOVA ................................................................... 65

VII

圖目錄

圖 1-1 研究流程圖 ............................................................................................ 6

圖 2-1 內隱與外顯知識轉換 ......................................................................... 15

圖 2-2 知識分享的溝通過程 ......................................................................... 18

圖 2-3 社會網絡分析中行為者之關係網絡圖 ............................................. 23

圖 2-4 輪狀結構 .............................................................................................. 28

圖 2-5 網狀結構 .............................................................................................. 29

圖 3-1 研究流程圖 ......................................................................................... 30

圖 3-2 討論區介面 .......................................................................................... 32

圖 3-3 筆記型電腦討論區介面 ..................................................................... 33

圖 3-4 社會網絡分析步驟圖 ......................................................................... 34

圖 3-5 原始社會網絡結構圖 ......................................................................... 35

圖 3-6 修正社會網絡結構圖範例 ................................................................. 37

圖 3-7 社會網絡結構圖範例-程度中心性 .................................................... 42

圖 4-1 資料分析步驟...................................................................................... 45

圖 4-2 社群成員回應次數比例圖 ................................................................. 47

圖 4-3 不同回應次數之密度趨勢圖 ............................................................. 48

VIII

圖 4-4 以議題發起人為中心之不同回應數下密度趨勢圖 ......................... 50

圖 4-5 以議題發起人為中心之不同回應數下程度中心性趨勢圖 ............. 51

圖 5-1 密集群別分析步驟 ............................................................................. 53

圖 5-2 研究樣本篩選範例(1) ......................................................................... 55

圖 5-3 研究樣本篩選範例(2) ......................................................................... 56

圖 5-4 低度回應網絡結構圖範例 ................................................................. 58

圖 5-5 中度回應網絡結構圖範例 ................................................................. 59

圖 5-6 高度回應網絡結構圖範例 ................................................................. 61

1

第壹章、 緒論

本章節共分為四節，第一節為「研究背景與動機」，說明研究緣起；

第二節「研究目的」，為研究探討之議題；第三節「研究限制」；第四節

為「研究流程與架構說明」。

第一節 研究背景與動機

網路科技之進步快速，虛擬社群成為現代人重要的知識分享平台，

社群成員透過網路的知識分享平台不再侷限於任何限制，例如：時間、

地點、區域等，使社群成員可以隨時隨地不斷進行討論與經驗交流，且

能藉由彼此知識分享來獲得重要的資訊決策來源。在虛擬社群分享平台，

社群成員可以發起議題也可以回應其它議題，通常對有相同興趣的議題

常引起社群成員們熱絡的回應，這些回應關係中可顯示於社群成員們之

間的網絡關係。從社群成員回應的過程可以觀察到，在大部分的議題討

論，議題發言人的影響力很大，相對之下，社群成員回應數會受到發言

人的議題內容而有所影響，但實際上會引發回應的量未必很多，因此，

引起本研究主要的研究興趣與動機。

社群成員透過知識分享平台，彼此之間會產生相互依賴且相互作用，

社群成員之間互相傳遞訊息時會形成錯綜複雜的網絡關係。在複雜的網

2

絡關係中，社會網絡分析方法是一種常被用來研究行為者與行為者之間

網絡結構關係的工具，在社會網絡分析中節點可以代表著回應者，以線

連接方式表示回應者之間的關係，由節點和線來呈現的圖稱為社會網絡

結構圖，社會網絡結構圖能夠了解所有回應者的社會網絡關係。

本研究採用社會網絡分析法（Social Network Analysis , SNA），SNA

繪製成社會網絡關係圖，瞭解社群成員互動關係，因此，適合運用在本

社群網絡結構之探討。研究觀察，社群成員討論的過程，成員回應數可

能不只有 1 次，會有 2 次或是多次以上，而原始社會網絡結構概念僅以 1

和 0 表示關係，1 代表成員之間有相互關係，反之 0 代表沒有相互關係。

不管社群成員回應數多少都只以數值 1 表示，無法呈現社群成員的回應

數，如黃盟文(2014)虛擬社群在頻繁討論下之溝通型態探討以及徐郁涵

(2015)虛擬社群之網絡溝通情緒與回應關係之研究，因此，本研究進一步

探討在不同回應數下社會網絡關係的變化。

另外分析對象上，由於科技進步 3C 產品盛行，已成為現代人生活必

備品之一，各種 3C 產品資訊大量的在社群平台產生，消費者可參考前人

們的消費心得或評論不僅可以提供消費者充份的資訊，更成為影響購買

決策的重要資訊。研究將社群討論在 3C 產品的主題上，資料來源是以

Mobile01 論壇進行抽樣對象，根據資策會 MIC 2014 年統計該論壇是目前

台灣熱門的虛擬社群是網友最常使用討論區，每天討論內容與種類相當

3

多，因此對於本研究討論議題具代表性。

本研究分為兩個階段，首先從社群成員在論壇討論過程收集大量資

料，第一階段分別探索 Mobile01 論壇 3C 產品討論區社群成員回應數比

例與社群成員在不同回應數可能會產生不同網絡關係，透過 SNA 法探討

不同回應數溝通網絡結構指標的變化。第二階段研究更進一步透過集群

分析探討針對社群成員間密集討論型態下是否存在不同群別。

第二節 研究目的

綜合上列研究動機所述，本研究目的是

一、 探索虛擬社群討論區成員的回應數比例並修正社會網絡矩陣表。

二、 不同回應數下透過社會網絡分析法進行網絡指標計算

三、 探討密集型態群與其特性

第三節 研究限制

研究由於人力與時間的因素，在「樣本主題」與「論壇」有限制，

敘述如下：

一、 樣本主題

本研究採用熱門流行的 3C 主題為樣本，因人力與時間上的限制，無

4

法針對各類主題進行抽樣分析，因此，抽取 3C 產品的討論區，除了 3C

產品議題討論區之外，也有生活、運動、旅遊美食、遊戲、汽車等主題

討論，研究尚未廣泛的運用於其他主題，僅針對 3C 產品為主題做探討於

本研究分析，而不能廣泛運用到其他的討論區主題。

二、 虛擬社群的類別限制

由於人力與時間上的限制無法針對多數的虛擬社群進行抽樣分析，

本研究僅以目前 3C 產品討論論壇熱門的平台「Mobile01」論壇為抽樣對

象，因此，不能廣泛應用到所有論壇討論區，例如「伊莉論壇」、「微風

論壇」、「卡提諾論壇」或其他不同類型的論壇等。

第四節 研究流程與架構

此章節將從「研究流程與架構」做敘述，主要介紹本研究章節大綱，

研究流程分為六個階段敘述如下：

一、 研究流程

1. 第一階段：

經由相關探討之研究瞭解研究的主題與方向，進一步規劃出研究動

機與目的。

2. 第二階段：

收集國內與國外與研究有相關的文獻並加以整理。

5

3. 第三階段：

擬定研究樣本蒐集的對象與方法，進行蒐集樣本數據與資料數據建

置，再透過社會網絡分析資料。

4. 第四階段：

將樣本資料的數據進行社會網絡指標分析，探索樣本資料網絡關係。

5. 第五階段：

針對社群成員熱絡的回應，進一步探索密集討論，透過集群分析進行

分群瞭解密集討論型態。

6. 第六階段：

將所有分析結果做個結論，並針對研究內容提出未來可衍生與能探

討的方向與建議，如圖 1-1。

6

圖 1-1研究流程圖

第壹章

第貳章

第參章

第肆章

第伍章

第陸章

研究動機與目的

文獻探討

資料抽樣與樣本收集

社會網絡指標

網絡指標分析與討論

密集型態群別分析

結論與建議

7

本論文共分為六個章節，各章節主要內容如下：

第壹章、 緒論

此章節敘述本研究的研究背景與動機、研究目的與研究限制。

第貳章、 文獻探討

此章節是依據研究主題，收集與研究之相關資料進行整理。文獻包

含有虛擬社群(虛擬社群的定義相關研究與應用)及知識分享(知識分

享的定義、知識分享的過程與相關研究與應用)與社會網絡分析(社會

網絡分析的定義相關研究與應用)。

第參章、 研究方法

此章節主要分為兩個階段，第一階段為資料收集的對象與資料收集

方法進行說明；第二階段為收集樣本後之後說明社會網絡指標分析過

程。

第肆章、 網路指標分析與討論

網絡指標資料分析與討論，在此章節將探討分析結果與說明。

第伍章、 密集群別分析

此章節為進一步在密集討論狀態下探索是否存在不同之型態，並以

集群分析進行分群再加以說明。

8

第陸章、 結論與建議

本章節將研究內容加以整理與總結，並對未來之研究發展方向進行

建議說明。

9

第貳章、 文獻探討

此章節針對研究內容進行相關文獻探討，分別為「虛擬社群」、「知

識分享」、「社會網絡分析」三個章節做文獻整理和敘述。

第一節 虛擬社群

現代科技的發達，虛擬社群打破了傳統面對面互動聯繫，克服了必

頇同時對談限制，不在侷限於區域限制可與各種對象的人們進行交流，

在這種時空限制大為減少溝通方式下，帶動了虛擬社群，創造多元的知

識分享 (Zhang, Fang, Wei & Chen, 2010) 。

一、 虛擬社群的定義

Rheingold(1993)定義虛擬社群是人群聚合而成，一群人於特定地區內

透過網路溝通，彼此相互交流與共享，經過一段時間，彼此擁有足夠的

情感之後，所形成人際關係的網路。後續不斷有不同學者針對虛擬社群

加以定義，例如 Governatori & Iannella(2011)認為虛擬社區是一個虛擬空

間，結合交流平台和社交網絡，提供人們在網路上有共同興趣、價值觀

與目標而齊聚一堂，並和他人交換經驗資訊，使成員能夠互相知識的分

享和接收；Chia & Pritchard(2014)也認為由於網路的發展資訊流通廣布，

10

使虛擬社群形成有意義的接收與共享的平台，間接影響著人們現實生活

中的思想、意識、文化與認知等，成為虛擬學習社群。

本研究將各學者對虛擬社群的定義整理於表 2-1。

表 2-1、虛擬社群之相關定義

由上所述，學者對虛擬社群的定義不盡相同，大多認為虛擬社群是

指一群人於特定的地區，提供彼此相互共享與分享資訊與服務的網路空

間，使成員感到認同感。

學者 年代 內容

Rheingold 1993

由人群聚合而成，一群人於特定地區內

透過網路溝通，彼此相互交流與共享

Governatori & Iannella 2011

是一個虛擬空間，結合交流平台和社交

網絡，和他人交換經驗資訊，使成員能

夠互相知識的分享和接收

Chia & Pritchard 2014

虛擬社群會形成有意義的接收與共享

的平台，進而間接影響著人們現實生活

中的思想、意識、文化與認知等進而成

為虛擬學習的社群

11

二、 相關研究與應用

有關虛擬社群的研究範圍非常廣泛有許多過內外學者提出，如 Chan

& Li(2010)認為虛擬社群討論中的意見交流，因互惠性使人們會有幫助他

人這種自願行為；在吳雅鈴、邱耀漢與魏家惠(2012)研究指出，虛擬社群

願意分享者多容易吸引更多成員，尌愈容易凝聚成較大的社群，使社群

呈現成長的趨勢；另外邱光輝與紀東昀(2014)認為虛擬社群之成員忠誠度

高，會使成員分享知識意圖會提高，因此成員忠誠度是持續分享意圖的

因素；而 Tamjidyamcholo, Baba, Shuib & Rohani(2014)研究指出虛擬社群

資訊安全風險會影響社群成員知識共享行為；在 Leal, Hor-Meyll & de

Paula Pessôa(2014)研究認為消費者會從虛擬社群討論區尋求別人意見以

解決消費相關問題，這可能會影響其購買決策，其他消費者也可透過共

享獲得各種資源；Chou & Sawang(2015)提出社群成員價值觀會影響到成

員之間的互惠行為。

另外 Spaulding(2010)研究以社會契約論和信任理論解釋企業在虛擬

社群成功進行商業行為，探討虛擬社群如何創造企業價值進行商業行為。

Kim, Song & Jones(2011)提出了虛擬社群知識獲取的認知選擇框架，知識

接受者的認知因素更容易激發他們如何選擇獲取知識的認知；在 Chou,

Wang & Tang(2015)研究指出在虛擬社群具有較高的知識品質及來源可信

度，使成員更可能選擇採用；而 Al-ghamdi & Al-ghamdi(2015)指出基於

12

web2.0 獲取隱性知識可以克服知識管理障礙以實踐虛擬社群知識共享與

協作的優勢。

虛擬社群也可以應用到生活上或務實上，例如 Liu & Zhang(2012)利

用虛擬社群提高良好的學習環境，社群成員彼此交流；另外駱碧蓮與施

致平(2012)認為虛擬社群經營者，主動提供有趣話題激發社群成員討論，

促進參與、提升網站流量，能帶來商業收益；Day, Jones & Taylor(2014)

也使用虛擬社區，加強護生對於衛生保健護理的理解，實現醫療服務的

品質要求；而 Butter, Valenzuela & Quintana(2015)提出透過虛擬社群以跨

文化人才管理模式，促進協作學習，透過文化間交流，提拔人才等；王

聖銘(2015)提出專業社群網絡的經營，於災害發生時，可提供多元化的災

害資訊蒐集，增進災害應變的效率；另外 Teng(2015)將虛擬社群運用在

線上遊戲玩家，探討玩家彼此之間的互動、行為關係與忠誠度關係。

網路普及推動虛擬社群的發展，增加知識分享的機會，知識分享的

意義係將個人所獲得的知識傳遞給他人的過程，是一種知識的獲得與分

享，下一節知識分享做文獻敘述。

13

第二節 知識分享

知識的分享是存在於虛擬社群或現實之中，人們可透過各種方式做

知識分享，故知識分享可以說是無所不在的。

一、 知識分享的定義

Davenport & Prusak(1998)提出知識分享的公式：知識分享=送+吸收，

分享自己的知識給他人，如同將知識分散出去，與對方共同擁有知識，

協助他人能知曉；Hendriks(1999)認為知識分享是一種溝通的過程是雙方

面的，是其中一方必頇向另一方學習其所擁有的知識方能獲得，是一種

必頇有重建(Reconstruction)的行為，頇具備知識去學習知識與知識分享。。

另外林東清(2003)研究中指出知識分享係指組織成員，彼此透過各種方式

(例如會議、網路、知識庫)交流、討論知識，透過知識的交換與分享，同

時擴大知識的利用價值。Wang & Noe (2010)知識分享是組織中重要的資

源，可創造組織價值更能增進競爭優勢提升組織績效。Xu & Bernar (2011)

認為知識分享是一種將個人知識傳遞給其他人所產生的互動行為。

本研究將各學者對知識分享的定義整理於表 2-2。

14

表 2-2、知識分享之相關定義

學者 年代 內容

Davenport & Prusak 1998

提出知識分享的公式：知識分享=送+吸

收，分享自己的知識給他人，如同將知

識分散出去，進而與對方共同擁有知識

Hendriks 1999

知識分享是一種溝通的過程是雙方面

的，是其中一方必頇向另一方學習其所

擁有的知識方能獲得，是一種必頇有重

建(Reconstruction)的行為

林東清 2003

指組織成員，彼此透過各種方式(例如會

議、網路、知識庫)交流、討論知識，透

過知識的交換與分享，同時擴大知識的

利用價值

Wang & Noe 2010

知識分享可創造組織價值更能增進競爭

優勢提升組織績效

Xu & Bernar 2011

知識分享是一種將個人知識傳遞給他人

所產生的互動行為

15

由上述學者們定義可以看出，知識分享都是一種溝通方式，透過分

散知識與接收知識的過程，分享給他人，而知識分享可透過各種方式進

行知識交換與知識分享，同時也能擴大知識價值。

二、 知識分享模式

Nonaka & Takuichi(1997)提出知識分享包含四種分享的模式，分別是

外部化 (Externalization)、內部化(Internalization)、社會化(Socialization)

和結合化(Combination)，可透過這四種知識分享的模式來了解知識創造

與成長的過程，以圖 2-1 內隱與外顯知識的轉換來表示。

圖 2-1 內隱與外顯知識轉換

資料來源：Nonaka & Takuichi(1997)

1. 社會化

社會化(Socialization)是內隱知識轉換，人與人間的知識分享，是內隱

知識和內隱知識的交流，也尌是說人與人之間透過觀察、模仿與練習

16

得以將知識轉移至另一人所產生的知識轉換過程。

2. 外部化

外部化(Externalization)是透過交談，表達內隱知識，將內隱知識轉變

成外顯知識，如人與人之間利用隱喻、模型、概念的模式將知識轉換

成可理解、圖文化方式的表現出來。

3. 結合化

結合化(Combination)是將外顯知識和現有知識結合，擴大知識之基礎，

如人們利用溝通工具(郵件、文件、電腦網路)，將不同的知識、訊息、

資訊加以分析、歸類、運用和重組來產生新知識的過程。

4. 內部化

內部化(Internalization)是學習新知識，將外顯知識變成自己的內隱知

識，即人們透過模擬、實務經驗、行動學習等方法，藉由教育與學習

來協助將外顯知識內部化。

綜上所述，經由四種知識分享的模式，將可有效地移轉個人的知識

到組織中，並擴大個人與組織的知識基礎，創造出更多的知識。而

Hendriks(1999)則提出知識分享過程會牽涉到兩個主體，分別是知識擁有

者(Knowledge Owners)與知識重建者(Reconstruction)，以下為知識分享模

式兩個步驟：

17

1. 知識擁有者

知識擁有者(Knowledge Owners)之知識「外化」是有意願將個人的知

識經驗以多種形式表現來提供知識，例如：文字、圖片、演講、參與

討論、建構檔案或建立知識資料庫等形式表現出來，藉由行為者所表

現的一個動作、參與討論解釋一個知識過程去學習。

2. 知識重建者

知識重建者(Knowledge Reconstructions)之知識「內化」這種行為角色，

知識接收者可稱為「知識需求者」。其內化的行為也發生於很多種不

同的形式，包括：閱讀學習、了解知識庫的知識等行為，使自己能擁

有該知識。

Hendriks（1999）將知識擁有者與知識重建者視為可以互換的主體，

描繪了知識分享過程，主體同時具備擁有者與重建者的角色。如圖 2-2

所示。

18

圖 2-2 知識分享的溝通過程

資料來源：Hendriks (1999)

由上述可知，知識分享的模式過程的兩個步驟，其中存在的障礙，

可能會干擾使知識無法達到分享的目的，這些干擾可能是時間、空間與

語言文化的限制也有可能心智與概念上的差異等。

三、 相關研究與應用

國內外知識分享相關研究眾多例如：Chen & Hung(2010)認為人際信

任、知識共享、自我效能和感知規範是會影響到虛擬社群的知識共享行

為；另外蔡至欣與賴玲玲(2011)認為虛擬社群成員的互動是社群發展的關

鍵，不一樣類型的成員因其特質會有不同的分享動機，隨著加入社群的

19

階段會影響成員資訊與知識分享動機；而 Hashim & Tan(2015)認為組織成

員在知識分享方面內在的心理報酬，例如：信任感、歸屬感、尊重感等

會促進成員知識分享意圖。Wang & Hou(2015)也認為提供有效的獎勵機

制是一種促進組織成員相互自願知識分享行為的方法；另外 Kwahk &

Park(2016)認為一個組織建立有助於成員之間交流的訊息系統會促進成

員之間的積極知識分享而提高工作績效；而在 Loebbecke, van Fenema &

Powell(2016)研究提出組織間知識分享配置，在知識轉移、整合與創造過

程能提升組織的競爭力。

知識分享可以用來應用在公共安全、教育或醫療機構等方面皆有其重

要性，不只侷限於企業或者是網際網路，例如：邱雅萍、莊文隆與溫淑

戀(2010)公司應提供成員資訊交流溝通與討論的線上工具，並加強成員間

互動交流，以利於員工進行知識分享，提升公司的生產力與創新能力；

朱子君(2013)認為促進教育工作者知識分享意願行為，以其制度、薪資、

福利等方式，提高工作者之工作成尌感；而 Lee & Hong(2014)研究顯示，

醫院應嘗試建立各部門內部互相信任，保持互惠互信關係，可提高醫療

人員的知識分享行為會促使醫療機構中醫療人員的知識發展；另外

Chumg, Cooke, Fry & Hung(2015)研究顯示，幸福感會使員工傾向於與人

交往時引發更多的知識共享行為，這將提高組織的競爭優勢，管理者應

重視員工的知識共享行為；Ibrahim & Heng(2015)也認為中小企業的成功

20

取決於他們如何管理自己的知識，重要的是透過知識共享創造新知識，

進而提高企業績效。在Huang, Chang & Lou(2015)研究發現，感知易用性、

感知有用性和自我效能對知識共享態度會有顯著的影響；而 Nesheim &

Hunskaar(2015)認為組織內部員工與外部員工一起工作時之知識共享會

有圈內與圈外兩種行為；Yang, Yu, Liu & Rui(2016)研究指出供應鏈中的隱

性知識和顯性知識分享夥伴之間的交流，能提高貿易夥伴之間的聯盟關

係。而 Kaewkitipong, Chen & Ractham(2016)研究結果，知識分享在公共

安全應用上使用社交媒體作為一個與危機相關的重要工具，透過社交媒

體傳播訊息維護社會大眾安全；另外 Yang, Yu, Liu & Rui(2016)認為透過

知識共享可以增進買家與供應商之間聯盟的關係。

綜上所述，知識的分享過程的知識分享者提供新知識，可對組織帶

來正面的效益，提高組織工作績效、組織的競爭力以及醫療服務的品質

等等，也會有更多組織成員加入參與討論和分享。

社群成員透過平台知識分享了解資訊，而發文者與回應者之間的互

動尌會引發回應結構，形成網絡，要了解回應結構之網絡關係，尌需透

過社會網絡分析法，下一節將以社會網絡分析做文獻敘述。

21

第三節 社會網絡分析

社會網絡分析的運用範圍很廣，小從個人到團體，大到國家層次都

能使用網絡分析。社會網絡代表著一種結構關係，它可反映行為者之間

網絡關係。

一、 社會網絡分析定義

社會網絡分析的運用，是透過互相傳遞訊息，分析成員網絡關係，

可探討行為者彼此的關係與網絡結構的性質 (Wasserman & Faust, 1994；

Borgatti, Everett & Freeman, 2002)。Hanneman & Riddle(2005)研究指出構

成社會網絡之主要要素是：

1. 行為者(Actors)，為網絡中的主體可代表不同的角色。

2. 關係(Relationships)，行為者之間因不同關係的存在而影響之間的互

動。

3. 連結(Linkages)，以表示行動者之間建立起關係時，直接或間接的去

建立彼此的關係。

社會網絡中除了多個節點表示各行為者(如：人、事、物)，節點之間

以線連結表示互動關係外，Haythornthwaite(1996)提出可呈現連結具方向

性(單、雙向關係)代表網絡資訊或關係的流動方向以及網絡的強絡程度其

可是一種緊密程度。

22

本研究將各學者對社會網絡分析的定義整理於表 2-3。

表 2-3、社會網絡分析之相關定義

學者 年代 內容

Wasserman & Faust；

Borgatti, Everett &

Freeman

1994；

2002

社會網絡分析的運用，是透過互相傳

遞訊息，分析成員網絡關係，可探討

行為者彼此的關係與網絡結構的性質

Hanneman & Riddle 2005

社會網絡之主要三要素：行為者

(Actors)、關係 (Relationships)與連結

(Linkages)

Haythornthwaite 1996

社會網絡之連結具方向性(單、雙向關

係)代表網絡資訊或關係的流動方向

以及網絡的強弱程度其可是一種緊密

程度

綜上所述，藉由節點與線能完整呈現行為者彼此關係的圖形為社會

網絡結構圖。如圖 2-3，行為者 A 與行為者 B 彼此關係是呈現單向關係，

行為者 C 與行為者 D 彼此關係是雙向關係等，各種網絡結構圖可以看出

行為者之間的關係。

23

圖 2-3 社會網絡分析中行為者之關係網絡圖

資料來源：Haythornthwaite(1996)

在社會網絡分析指標有「社會網絡規模」、「社會網絡直徑」、「社會

網絡密度」與「社會網絡的中心性」(Haythornthwaite, 1996；Hanneman,

2005)，分別介紹如下：

(一)社會網絡規模：

社會網絡規模(Social Network Size)指網絡大小，在社會網絡結構中節

點的總數量，即為網絡規模。

(二) 社會網絡直徑：

社會網絡直徑(Social Network Diameter)是在社會網絡結構中，代表網

絡節點與節點之間最長路徑的加總，即為網絡直徑。

(三) 社會網絡密度：

社會網絡密度(Social Network Density)在社會網絡結構中，網絡密度

24

主要是了解節點與節點之間的緊密程度。

(四) 社會網絡中心性：

社會網絡中心性(Social Network Centrality)在社會網絡結構中，網絡中

心性主要是用以衡量單一節點對其他節點影響程度的多寡。

而 Faust(1997)也提出網絡中心性是由三種指標分別為「程度中心性」、

「接近中心性」以及「居間中心性」所組成的。

本研究分別介紹如下：

(一) 程度中心性：

程度中心性(Degree Centrality)是利用鄰近之節點數量來衡量社會網

絡的區域中心程度，當程度中心性較高者表示其在網絡中與較多節點

有所關聯。

(二) 接近中心性：

接近中心性(Centrality Closeness)主要是測量節點與節點間訊息接收

之緊密程度，當接近中心性值較高，則較快接收到訊息，反之，則較

慢接收到訊息。

(三) 居間中心性：

居間中心性(Centrality Betweenness)主要是探討節點之間是否透過中

間節點互相聯繫訊息。

以上社會網絡指標敘述是本研究的主要探討主軸架構。

25

二、 相關研究與應用

社會網絡分析已成為國內外學者們研究群體網絡的方法，例如 Toral,

Martinez-Torres & Barrero(2010)研究指出社會網絡分析適用於識別社群

成員之間的角色關係，虛擬社群在知識共享中扮演著重要的角色；Rödder,

Brenner & Kulmann(2014)認為社會網絡分析除了圖形化結構之外，還提

出訊息理論，成員透過網絡交談訊息而形成網絡知識基礎，同時也是成

員之間有效和持續的重要基礎；Chi & Suthers(2015)也認為在網絡結構分

析應探討多個節點位置與網絡關係，每位行為者之間的關係，在方向和

關係強度不相同時也會影響網絡；而 Różewski, Jankowski, Bródka

& Michalski(2015)研究指出社會網絡中知識流動是合作學習過程最重要

元素；以及 Luo & Zhong(2015)研究提出在網絡結構中，成員訊息溝通與

互動的口碑對現實關係也有相當的影響。在反應結構研究議題上使用社

會網絡分析法來探討虛擬社群的回應結構，藉由虛擬社群成員的行為之

間回應過程，探索出一些回應結構的特徵，例如，李來錫與張順評(2013)

將反應結構分為單輪狀、網狀和多輪狀反應結構；李來錫與黃盟文(2014)

進一步將反應結構分為單一輪狀結構、集中式輪狀結構、發散式輪狀結

構與發散式網狀結構；李來錫與徐郁涵(2015)更進階將輪狀結構又細分成

集中式與衍生式輪狀結構，網狀結構則細分為多核式與發散式網狀架構，

來預測社群間成員之行為差異。

26

社會網絡分析可應用在生活上與實務問題之分析相當廣泛，例如，

陳以明與陳蜜媛(2011)運用網絡分析在企業流程建置或改善上並組合既

有流程與創造新流程，可因應企業內外部快速的環境變化，提昇企業競

爭力；黃教益、陸定邦與孔憲法(2012)也將網絡運用在教學上，探索學生

學習成效，透過研究顯示學生學習中還教導別人的互動行為會影響學習

成效；以及劉賢文與王思峰(2012)採用網絡分析在尌業進行職業關係層次

上的分析，協助學生探索更認識自己，發展未來有意義的職涯；打破企

業以往傳統科系名義分類甄選，以實質通性來甄選具有潛力的社會新鮮

人；而 Zheng, Zhang & Yang(2012)使用社會網絡分析方法，探索網絡內部

關係並分析其屬性，從而找出生態園區的管理問題。在 Smythe, Thompson

& Garcia-Quijano(2014)研究表明社會網絡分析法能夠揭示一個海洋生態

系統管理內部合作過程的優點和局限性；王光旭(2015)也運用社會網絡分

析其在公共行政與政治學領域的研究議題與可能的應用效益提供管理的

策略；Shafiq, Alhajj & Rokne(2015)將社會網絡分析運用在虛擬社群，可

根據成員自己喜好提出個性化 Web 搜尋的方法，以便社群成員按自己喜

好找到正確的訊息；在 Weishaar, Amos & Collin(2015)的研究，使用社會

網絡分析幫助實現政策成功，使無菸政策的支持者們成功地推動了有效

的煙草控制政策；而 Meisel, Clifton, MacKillop & Goodie(2015)研究結果

指出以社會網絡分析法探討出成癮行為趨向網絡成員之間的共同發生，

27

成員基於共同發生成癮行為而聚在一起；另外 Tran, Jeeva & Pourabedin

(2016) 將網絡分析運用在旅遊服務，有助旅遊經營者和旅行社之間合作。

最後Marquetoux, Stevenson, Wilson, Ridler & Heuer(2016)使用社會網絡方

法分析農場家畜移動網絡顯示可能感染的一個小數目以防止和監測傳染

性疾病在動物群體中的傳播。

小結

綜上所述，過去研究議題上使用社會網絡分析法來探討虛擬社群的

回應結構，以社群成員之間的回應過程，探索回應結構的特徵關係，如：

徐郁涵(2015)針對社群之不同討論區探索該議題網絡結構與互動性，將輪

狀結構又細分成「集中式」與「衍生式」輪狀結構，網狀結構則細分為

「多核式」與「發散式」網狀架構，以預測社群間成員的行為差異。

以下將輪狀與網狀之反應結構簡易敘述如下：

1. 輪狀結構

集中式輪狀結構是所有回應者都集中與版主相互溝通，此結構皆定

義為「集中式」輪狀結構，而「衍生式」輪狀結構依然呈現輪狀狀態，

但因外圍的回應者衍生了較多的相互交流狀態，進而形成另一個網絡

核心，稱為「衍生式」輪狀結構。

「集中式」輪狀結構與「衍生式」輪狀結構，如下圖 2-4 所示。

28

圖 2-4 輪狀結構(徐郁涵，2015)

2. 網狀結構

「發散式」網狀結構的反應結構由於多數人的討論，而形成節點之間

複雜的結構，各個節點不再只是回應單一回應者，成員間彼此也互相

回應，不再只回覆單一節點，形成複雜的交流，稱為「發散式」網狀

結構。

「多核式」網狀結構的反應結構不再以版主為回應中心，多數成員

回應的網絡中心不再形成單一網絡中心，而是有多個網絡核心，有些回

應者是和版主做互動，另外卻有些成員是沒有和版主做交流，沒有和版

主做互動的成員，彼此互動而又形成多個網絡中心，稱為「多核式」網

狀結構。「發散式」網狀結構與「多核式」網狀結構，如圖 2-5 所示。

29

圖 2-5 網狀結構(徐郁涵，2015)

相較之下與過去研究不同的是本研究是針對社群成員的回應數，首

先，探索虛擬社群不同回應數比例以及進一步透過社會網絡分析法在多

回應數下，探討網絡結構指標的變化；再針對社群成員熱絡回應產生密

集討論是否存在不同型態。

本研究將透過社會網絡分析法探索在社群成員不同回應總數下 3C

產品討論區之網絡結構指標。

30

第參章、 研究方法

本研究以社會網絡分析法，探討在社群成員不同回應數 3C 產品討論

區網絡指標探討。研究方法主要分為「樣本收集對象與資料抽樣」是說

明樣本收集對象與資料收集的過程，最後在運用「社會網絡分析法」做

分析。本研究以 Mobile01 論壇之 3C 產品為樣本收集對象，研究流程圖

如下：

圖 3-1 研究流程圖

本章分別以「樣本收集與資料抽樣」、「社會網絡分析」各研究流程

敘述如下：

樣本收集

資料抽樣

社會網絡分析

31

第一節 資料抽樣與樣本收集

本研究以 Mobile01 論壇 3C 產品討論區為樣本，其中 3C 產品討論區

最常見之主題討論，包括「筆記型電腦」、「個人電腦」、「智慧型與

傳統手機」、「相機與攝影」與「GPS」。Mobile01 論壇為台灣熱門討

論 3C 產品的平台，研究樣本數目標為 300 筆，故平均抽樣 3C 產品討論

區「筆記型電腦」、「個人電腦」、「智慧型與傳統手機」、「相機與

攝影」與「GPS」主題，統計抽樣數量如下表 3-1 所示。

表 3-1、統計抽樣表

編號 3C 產品 抽樣數量 百分比

1 筆記型電腦 60 20%

2 個人電腦 60 20%

3 智慧型與傳統手機 60 20%

4 相機與攝影 60 20%

5 GPS 60 20%

合計 300 100%

根據資策會MIC調查Mobile01為台灣網友最常使用的平台討論區，

且有上萬名會員人數及擁有數十萬篇文章。因此為研究樣本收集目標。

本研究收集資料數量，筆記型電腦為 60 筆、個人電腦為 60 筆、智慧型

與傳統手機為 60 筆、相機與攝影為 60 筆、GPS 為 60 筆，總共收集 300

32

筆樣本數。

圖 3-2 討論區介面

如圖 3-2 與圖 3-3 所示，本研究主要以立意抽樣進行資料收集，在

Mobile01 論壇 3C 產品討論區，分別收集筆記型電腦、個人電腦、智慧型

與傳統手機、相機與攝影、GPS，討論區以成員回覆總量 3 到 20 次的議

題做抽樣，回應量 20 以上所呈現結構較不同，可作為後續研究。收集完

相關的資料，即可進行社會網絡分析。

抽取 3C產品最常見之討

論區樣本

33

圖 3-3 筆記型電腦討論區介面

第二節 社會網絡分析

本研究將透過社會網絡分析法探索在社群成員不同回應數下 3C 產

品討論區之網絡結構指標。社會網絡分析步驟

社會網絡分析過程步驟分為四個階段，分別為「樣本收集」、「建

立網絡矩陣表」、「網絡分析」與「網絡圖」，如下圖 3-4。

收集回覆量 3到 20間

樣本

34

圖 3-4 社會網絡分析步驟圖

第一階段：以 Mobile01 論壇 3C 產品討論區為研究樣本，共 300 筆樣本。

第二階段：建立回應者之間互相回應關係之網路矩陣表。

第三階段：再透過分析軟體進行矩陣表分析。

第四階段：最後得出社會網絡結構圖。

以下為研究之社會網絡矩陣表與網絡結構圖進行範例說明：

社會網絡關係矩陣表是由 0 與 1 組成，以下表 3-2 舉例說明，當發

起人與回應者 A 雙方之間有回應，在關係矩陣表上顯示 1，代表有互相

連結，網絡圖形會呈現「雙箭頭」，而回應者 C 只有單向回應發起人，

則網絡圖形呈現「單箭頭」；當回應者之間沒有回應關係，雙方不會有

連結，在矩陣表上面顯示 0，代表雙方沒有連結關係。

樣本收集

建立網絡矩陣表

網絡分析

網絡圖

35

表 3-2、原始社會網絡矩陣表

終點

起點

發起人 回應者

A

回應者

B

回應者

C

回應者

D

回應者

E

發起人 0 1 1 0 1 1

回應者 A 1 0 0 0 0 0

回應者 B 1 0 0 0 0 0

回應者 C 1 0 0 0 0 0

回應者 D 1 0 0 0 0 0

回應者 E 1 0 0 0 0 0

當社會網絡關係的矩陣建立完後，再透過網絡分析軟體 UCINET 進

行分析，而得出以下圖 3-5 原始社會網絡結構圖。

圖 3-5 原始社會網絡結構圖

36

圖 3-5 所示，回應者 A、B、D、E 與議題發起人有著互相交談關係，

但研究發現，社會網絡結構僅以「1」、「0」呈現交互關係，在議題討

論過程中社群成員回應數可能不只有 1 次，會有 2 次或多次以上，而社

會網絡結構不管回應次數多少，都以「1」表示，因此本研究進一步探討

在多個回應數下，社會網絡關係與相關分析的變化，首先在社會網絡矩

陣表上尌頇修改為具多次回應數的矩陣表，如表 3-3。

表 3-3、修正社會網絡矩陣表

終點

起點

發起人 回應者

A

回應者

B

回應者

C

回應者

D

回應者

E

發起人 0 2 2 0 1 2

回應者 A 1 0 0 0 0 0

回應者 B 3 0 0 0 0 0

回應者 C 1 0 0 0 0 0

回應者 D 1 0 0 0 0 0

回應者 E 2 0 0 0 0 0

加總 8 2 2 0 1 2

表 3-3 所示，依回應者的回應數填寫，沒有回應亦填寫「0」，如回

應者 B 回應議題發起人的回應數為「3」，而議題發起人回覆回應者 B 的

回應數為「2」，回應者 E 回應議題發起人的回應數為「2」，而議題發

起人回覆回應者 E 的回應數為「2」等，以此方式進行網絡矩陣表填寫，

37

得出以下圖 3-6 修正網絡結構圖。

圖 3-6 修正社會網絡結構圖範例

如圖 3-6 所示，與圖 3-5 相較之下，差別在於修正後可以清楚看見，

回應者 A、B、E 與發起人有「1 以上」顯著的交談關係，而其餘皆是「1」

或 0「無回應」。

由上所述，在社群成員之間不同回應數可能會產生不同的網絡關係，

本研究進一步探討議題發起人與回應者之間不同回應數之下網絡結構指

標的變化，研究收集所有矩陣表累加大於 2 的量，算其次數，本研究以

「網絡規模」、「網絡密度」及「網絡中心性」分別做說明：

一、 網絡規模

網路規模係指網絡的大小，代表社會網絡中回應者數量的加總，主

要了解回應者實際互動數目，本研究之網絡規模為參與議題討論的所有

社群成員數加總，故網絡規模為：發起人+所有回應者。

38

表 3-4、網絡規模範例

節點 發起人 回應者 A 回應者 B 回應者 C

發起人 0 1 1 2

回應者 A 1 0 0 0

回應者 B 2 0 0 0

回應者 C 3 0 0 0

如表 3-4 範例：發起人與回應者 A+回應者 B+回應者 C 三位之間存

在互相交談之關係，此一社會網絡規模為發起人+所有回應者=4。

二、 網絡密度

網絡密度以衡量網絡結構中回應者彼此間緊密程度指標。本研究網

絡密度為回應者之間對此議題討論的緊密程度，網絡密度數值越高，表

示較多人回應此討論議題，代表此討論主題熱絡程度較高，密度指標數

值越低，表示越少人回應此討論議題，可能回應者對此議題較無興趣感，

網路密度計算公式如下：

網絡密度=[ L/n（n - 1）] * 100%；

L 為社會網絡成員回應量加總；

n 為網絡規模，也尌是社會網絡成員總數。

研究將原始社會網絡矩陣與修正後社會網絡矩陣進行網絡密度指標

比較，分別敘述如下：

39

表 3-5、原始網絡密度矩陣

節點 發起人 回應者 A 回應者 B 回應者 C

發起人 0 1 1 1

回應者 A 1 0 0 0

回應者 B 1 0 0 0

回應者 C 1 0 0 0

加總 3 1 1 1

以表 3-5 原始網絡密度矩陣為例，L 為社會網絡中回應量加總其為

3+1+1+1=6，而N網絡規模為：發起人+回應者A+回應者B+回應者C = 4，

其密度計算帶入公式： [6 / 4 (4 - 1)]*100%=50%，網絡密度為 50%，密

度指標之高低，代表回應此討論議題的熱絡程度。

接下來表 3-6 為修正網絡密度矩陣。

表 3-6、修正網絡密度矩陣

節點 發起人 回應者 A 回應者 B 回應者 C

發起人 0 1 1 2

回應者 A 1 0 0 0

回應者 B 2 0 0 0

回應者 C 3 0 0 0

加總 6 1 1 2

40

以表 3-6 為例，L 為社會網絡中回應加總其為 6+1+1+2=10，而 N 網

絡規模為：發起人+回應者 A+回應者 B+回應者 C=4，其密度計算帶入公

式為： [10/4(4 - 1)]*100%=83%，網絡密度為 83%，密度較高，表示較多

人回應此討論議題，社群成員討論較熱絡。

經上所述，原始社會網絡矩陣與修正後社會網絡矩陣，網絡密度從

50%提升至 83%，密度指標在加入回應數，指標有向上提升的趨勢，明

顯改變網絡結構關係。

本研究進一步針對議題發起人與回應者有互動的回應，在不同回應

數 2、3、4、5、6(含以上)次分別以 SNA 法計算密度指標，社群成員回

應關係只有單向則不列入研究範圍。

以表 3-6 為範例在不同回應數分別計算如下：

1. 回應數為 2：

有回應者 A 其網絡密度= [ 2 / 2 (2-1)]*100%=100%，其網絡密度為

100%

2. 回應數為 3：

有回應者 B，其網絡密度= [ 3 / 2 (2-1) ]*100% =150%，其網絡密度為

150%

3. 回應數為 5：

有回應者 C，其網絡密度= [ 5 / 2 (2-1) ]*100% =250%，其網絡密度為

250%

41

以表 3-6 為範例，可見回應數為 2 之回應者 A 其密度為 100%、回應

數為 3 之回應者 B 其密度為 150%與回應者數為 5 之回應者 C 其密度為

250%。綜上所述，隨著社群成員回應量的增加，會使整個網絡密度指標

明顯的大幅提升，而這些網絡關係變化是在原始社會網絡尚未得到的訊

息。

三、 網絡中心性

行為者在社會網絡中之位置會影響個人所能控制的資源，社會網絡

中心性係衡量個人在網絡的影響力大小。而代表中心性概念的三種形式

為程度中心性、居間中心性及接近中心性(Freeman, 1979；Faust, 1997)，

本研究主要探索社群成員回應數的網絡結構指標，而居間中心性則主要

探討成員間是否透過中間行為者聯繫訊息及接近中心性為衡量某節點與

其他節點的接近緊密度較不是本研究所探索主軸，僅以程度中心性敘述

如下：

1. 程度中心性：

主要判斷網絡程度中心，利用鄰近之個體數量來衡量社會網絡的區

域中心程度，可以看出個體控制範圍大小，程度中心性較高者表示其在

網絡中與較多行為者有所關聯。

42

圖 3-7 社會網絡結構圖範例-程度中心性

以圖 3-7 為例，有 10 位成員(A、B、C、D、E、F、G、H、I 與 J)

直接連接議題發起人，而網絡中包含議題發起人總共有 11 個行為者，為

判斷連結議題發起人之回應者範圍。

本研究主要判斷議題發起人與回應者的區域中心程度，計算公式如

下：

程度中心性=[有回應議題發起人成員數加總/（n - 1）] * 100%；

有回應議題發起人的成員數總和為所有節點與節點 i 有回應關係，

將有回應關係成員數加總得出該值；

i 為中心點；

n 為網絡規模，也尌是社會網絡成員總數。

43

表 3-7、程度中心性範例

節點 發起人 回應者 A 回應者 B 回應者 C

發起人 0 1 1 2

回應者 A 1 0 0 0

回應者 B 1 0 0 0

回應者 C 3 0 0 0

以表 3-7 為範例，中心點 i 為議題發起人，n 網絡規模為發起人＋回

應者 A+回應者 B+回應者 C=4，有回應議題發起人之成員數為回應者 A+

回應者 B+回應者 C 總和為 3，其程度中心性= [3 / (4-1)]*100%= 100%，

此程度中心性範圍為 100%，回應者 A、回應者 B、回應者 C 三位與發起

人有所關聯。

本研究以議題發起人為中心，進一步針對與議題發起人有互動的回

應者，在不同回應數 2、3、4、5、6(含以上)次之回應者分別以 SNA 法

計算其程度中心性指標，社群成員回應關係只有單向不列入研究範圍。

以表 3-7 為範例在不同回應數分別計算如下：

1. 回應數為 2：

有回應者 A 與 B 其程度中心性= [2 / (4-1)]*100%=66%，程度中心性

範圍為 66%

2. 回應數為 5：

有回應者 C 其程度中心性= [1 / (4-1)]*100%=33%，程度中心性範圍為

44

33%。

由上所述，以議題發起人為中心時，隨著回應者之回應總數的增加，

其程度中心性是下降的，社群成員之回應數與程度中心性呈現反比狀態。

原程度中心性是以發起人為核心探討其影響程度，而在多回應數下可觀

察其他回應者的中心影響程度，中心可換成其他回應者，不一定以發起

人為中心與原程度中心性相較下呈現訊息較多。

45

第肆章、 網絡指標分析與討論

本章為兩節分別是「資料分析步驟」與「討論」其中討論又分別為

「回應次數比例圖分析」、「不同回應數網絡密度趨勢圖分析」與「以

議題發起人為中心之網絡密度及網絡中心性趨勢圖比較分析」進行敘

述。

第一節 資料分析步驟

圖 4-1 資料分析步驟

實務上觀察成員回應數可能不只一次

觀察成員回應數比例

探索不同回應數網絡指標變化

分析不同回應數下網絡指標

46

研究資料分析步驟如圖 4-1 所示：

第一步驟：首先實務觀察虛擬社群討論過程，社群成員之回應次數

可能不只 1 次會有 2 次是多次以上。

第二步驟：以上本研究將探索一般虛擬社群討論區社群成員回 應次數

比例。

第三步驟：進一步探討在不同回應次數下其社會網絡指標的變化為何。

第四步驟：最後針對不同回應數下之網路指標進行分析與討論。

本研究主要將針對所觀察到社群成員回應次數可能不會只有 1 次，

會有多次的回應次數，探討虛擬社群討論區成員之回應次數比例與在不

同回應次數下其社會網絡指標變化為何。

最後更進一步探討在以議題發起人為中心時，社群成員之不同回應

數其網絡密度與程度中心性之網絡結構指標變化是為何。此部分在第二

節「討論」進行說明。

第二節 討論

由於原始社會網絡分析，僅以數值 1 和 0 表示回應者之間的回應關

係，本研究實務觀察虛擬社群討論區，社群成員回應次數可能不只有 1

次，在回應次數 2 以上，原始社會網絡分析不管回應次數是多少次，數

值輸入部分都是以輸入 1 為表示關係，因此，本研究主要目標為修正具

多次回應次數的矩陣表。本研究收集所有成員回應 2 次以上，算其次數。

以下為研究敘述：首先觀察虛擬社群之「回應次數比例圖之分析」、

47

進一步探討「在不同回應次數之狀態下網絡密度趨勢圖分析」與「以議

題發起人為中心時其網絡密度與網絡中心性趨勢圖分析」，依序說明：

一、 回應次數比例圖之分析

研究實務觀察，在 3C 產品討論區之社群成員回應次數比例，社群成

員回應數大多落在回應數 2 次而回應數 6 次以上是少數的，因此研究將

分類，回應數為回應數 2 次到回應數 6 次，依序做介紹。

以下為社群成員回應數比例結果分析，如下圖 4-2，為本研究之 3C

產品討論區社群成員回應數之比例圖。

圖 4-2 社群成員回應次數比例圖

圖 4-2 所示，隨著社群成員回應次數增加，回應數 2 次到回應數 6

次(含)以上之各回應次數在整個討論區的總比例分別是回應數2次為26%、

回應數 3 次為 8%、回應數 4 次為 2%、回應數 5 次為 0.8%、回應數 6 次

(含)以上為 1%。

由此可見，根據社群成員回應次數之增加其總比例數是逐漸下降的，

26%

8%

2% 1% 1.3%

0%

5%

10%

15%

20%

25%

30%

回應2 回應3 回應4 回應5 回應6以上

回應次數

48

社群成員回應次數之比例圖中，回應數 2 次到回應數 3 次之總比例，該

數值從 26%急遽下降至 8%，代表社群成員回應數 3 次以上是呈現少數，

大部分回應次數是聚集回應數 2 次，反應在 3C 產品社群討論會引發社群

成員大量回應是少部分。

本研究進一步探索在社群成員不同回應次數其網絡密度指標之變化

為何。

二、 不同回應次數網絡密度趨勢圖分析

本研究探討在社群成員不同回應次數下，其溝通網絡結構指標的變

化。結果如下圖 4-3 所示，社群成員回應次數與網絡密度是呈現正比例狀

態，隨著社群成員回應次數的增加會使網絡緊密程度提高。

圖 4-3 不同回應次數之密度趨勢圖

β 值 0.915

F 值 2421.86

R2 0.836

P 值 0.000***

圖 4-3 所示，隨著社群成員回應次數的增加，各回應次數之網絡密度

分別是回應數 2 次為 73%、回應數 3 次為 130%、回應數 4 次為 180%、

回應數 5 次為 250%、回應數 6 次(含)以上為 370%的逐漸增加。

49

在議題討論中社群成員回應次數增加的過程中，網絡密度會產生相

當的變化，社群成員回應次數的增加會使網絡密度提高，尤其回應數 5

次與回應數 6 次觀察到網絡密度是大大提升很多。

以上是原始社會網絡分析的網絡關係中所沒有呈現出來的訊息，在

本研究未修正具多次回應次數的矩陣表之前，網絡密度只到 100%，如圖

4-3 箭頭指示之虛線處所示，代表隨著社群成員回應次數的增加同時也會

影響到其網絡密度。不同回應數密度以簡單迴歸分析相關數據為參考

β=0.9，R2=0.8 代表本研究此模式具有高解釋力。

本研究發現隨著社群成員回應次數的增加同時也會影響到網絡密度，

更進一步探索以議題發起人為中心時，網絡密度與程度中心性指標變化

為何。

三、 以議題發起人為中心之網絡密度及程度中心性趨勢圖分析

研究更進一步探討以議題發起人為中心時，在社群成員不同回應數

比較其網絡密度與程度中心性之網絡指標。

以下圖 4-4 與圖 4-5 所示，以議題發起人為中心，在社群成員不同回

應次數之下，比較其網絡密度和程度中心性網絡變化的趨勢圖，敘述如

下。

50

圖 4-4 以議題發起人為中心之不同回應數下密度趨勢圖

β 值 0.939

F 值 3022.97

R2 0.882

P 值 0.000***

首先，圖 4-4 密度趨勢圖所示，以議題發起人為中心時，在社群成員

不同回應次數之網絡密度分別是回應數2次為65%、回應數3次為130%、

回應數 4次為 190%、回應數 5次為 230%、回應數 6次(含)以上為 380 %。

在以議題發起人為中心時，隨著社群成員回應次數的增加，其網絡

密度會提升使整個社會網絡緊密程度提高。密度趨勢圖以簡單回歸分析

相關數據為參考 β=0.9，R2=0.8。

以下圖 4-5 為程度中心性做敘述：

51

圖 4-5 以議題發起人為中心之不同回應數下程度中心性趨勢圖

β 值 -0.265

F 值 30.939

R2 0.068

P 值 0.000***

圖 4-5 所示，以議題發起人為中心在不同回應數之程度中心性，分別

是回應數 2 次為 42%、回應數 3 次為 28%、回應數 4 次為 25%、回應數

5 次為 24 %、回應數 6 次(含以上)為 23%。

社群成員回應次數的增加與其程度中心性呈反比例狀態。程度中心

性趨勢圖以簡單回歸分析相關數據為參考 β=-0.26，R2=0.06 解釋力較低

其原因可能是資料呈現得變異程度太大導致 R2變小。

綜上所述，圖 4-4 與圖 4-5，以議題發起人為中心時，密度會隨著社

群成員回應次數的增加而使整個網絡密度提高，反之在程度中心性是隨

著社群成員回應次數的增加其程度中心性是呈現遞減狀態。

研究結果顯示，以議題發起人為中心時在不同回應次數，網絡密度

與程度中心性是成反比，此反應在虛擬社群討論可觀察引發熱絡討論時，

實際與議題發起人持續回應的成員是少數，即使網絡關係是呈現密集討

論，但討論已脫離議題發起人中心。

52

本章節是針對在社群成員不同回應次數下其網絡指標之探討，在回

應次數的增加會使網絡緊密程度提高而形成密集討論的狀態，下章節進

一步針對密集討論進行探討。

53

第伍章、 密集群別分析

本章內容包括第一節「變量定義」，第二節「集群分析」，第三節「群

別分析」。研究進一步探索在多回應數成員與成員間形成密集討論時是否

會存在不同型態與其之間是否有差異。

研究之密集群別分析步驟，如下圖 5-1：

圖 5-1 密集群別分析步驟

實務觀察當議題討論形成密集討論其並非均勻分散在某些特定的回

應者，表示回應者之間的密集討論會產生不同的型態，例如：一對一、

一對多或者多對一之討論。

密集型態變量篩選

變量定義

集群分析

群別分析

54

本研究將「回應量」、「回應人數」、「回應時間」、「密度」與「程度

中心性」透過集群分析分群並進行群別比較。本章節將進一步說明，當

議題討論形成密集討論時是否存在不同群別與群別間是否有差異性。研

究以回應者探討密集特性。

本研究密集群別分析步驟敘述如下：

第一步驟：針對密集討論進行研究變量篩選，當議題引發熱絡討論在「多

回應量」與「多回應人數」會形成密集討論，研究再加入

「回應時間」探討密集討論時效性。

第二步驟：篩選研究變量後，進行「回應量」、「回應人數」與 「回應

時間」變量定義。

第三步驟：研究以集群分析(Cluster Analysis)之 K 均值法(K-Means)

分為三群。

第四步驟：以集群分析結果之三群別，探討群別之間的密集型態是否有

差異性。

第一節 集群變量

以下為本研究之「回應量」、「回應人數」與「回應時間」變量定義，

分述如下：

1. 回應量：回應者之回應次數的總數量。

55

2. 回應人數：網絡成員人數。

3. 回應時間：以成員之回應時間計算，從成員開始回應到成員結束回

應這段時間之相差時間，以天數為單位。

研究探討密集討論是否有不同的型態，首先，將本研究總樣本數 300

筆進行條件篩選，挑選回應者之回應量為 2(含)以上之樣本，以下列圖 5-2、

圖 5-3 分別舉例：

圖 5-2 研究樣本篩選範例(1)

圖 5-2 所示，回應者之回應量為 2 以上之成員，為回應者 A 與回應

者 B 兩位，而回應者 C 之回應量為 1 則不列入研究樣本，以此類推，依

此條件篩選樣本完成後，將各變量數值輸入進行分析。如下列圖 5-3 所

示：

56

圖 5-3 研究樣本篩選範例(2)

1. 回應量：如圖 5-3 範例。回應者 A與回應者 B其回應量相加為 2+2=4，

此回應量值為 4。

2. 回應人數：如圖 5-3 範例。網絡成員=發文者+回應者 A+回應者 B=人

數 3 位，此回應人數為 3 位。

3. 回應時間：成員開始回應日期為 2015/4/21 到成員結束回應日期為

2015/4/22，相減後數值 1 即為回應時間，此回應時間為 1

天。

研究針對密集型態進一步以回應量多寡、回應人數多寡與回應時間

長短，探討在密集討論是否有不同的型態群以及不同型態群之間指標差

異性。首先，以集群分析分群後再進行群別比較。

57

第二節 集群分析

此部份以集群分析(Cluster Analysis)探討「回應量」、「回應人數」、「回

應時間」、「密度」與「程度中心性」所產生之群別是否有差異。本章中

心性指標未必以議題發起人為中心，是以所有回應者回應量為 2 以上計

算。

本研究使用 K 均值法(K-Means Methods)，研究實務觀察，密集討論

有三種狀態，因此，將群別設為三群。(周文賢，2004)

如表 5-1 分述如下：

表 5-1、密集型態集群分析

變量

群 1

平均值

群 2

平均值

群 3

平均值

回應量 2.59 3.41 6.87

回應人數 2.19 2.50 3.40

回應時間 0.81 5.91 1.87

密度 1.05 1.07 1.39

程度中心性 0.25 0.26 0.44

1. 群 1 回應量、回應人數、回應時間、密度與程度中心性平均值皆低於

58

群 2 與群 3，因此可命名為「低度回應型態群」。

以下是低度回應網絡結構圖範例。如圖 5-4 所示，回應者 formyking

回應量為 2，網絡成員為 2，回應時間 1 天。

圖 5-4 低度回應網絡結構圖範例

以下為 formyking 回應 youmeyeh 內容：

formyking:

「今早試過了～完全更新不了～只是把一個更新檔複製進機器裡而

已～可是機器完全不會自己跑更新步驟～還必須自己手動刪除更新

檔～」

formyking:

「問了客服得到回應說是聯結錯誤～會下架不過他回信有一串不得

轉貼聲明～這好像有點囂張～消費者的對話有這麼神秘嗎？不過我

59

怕有啥法律問題～還是不轉帖了」

由上述可知，低度回應討論範例之回應內容，如 formyking:「今早試

過了…」等，回應者是以表達自己想法、提供自身經驗與建議向議題發

起人進行回覆。

2. 群 2 回應量、回應人數、密度與程度中心性平均值介於群 1 與群 3，

而回應時間平均值皆高於群 1 與群 3，因此可命名為「中度回應型態

群」。

以下是中度回應網絡結構圖範例。圖 5-5 所示，回應者 GIGABYTE

客服回應量為 7，網絡成員為 4，回應時間 7 天。

圖 5-5 中度回應網絡結構圖範例

以下為中度回應討論之 GIGABYTE 客服回應 Riona、Wesley Hsu 與

暗影残風部分內容：

60

GIGABYTE 客服:

「Riona、Wesley Hsu 與暗影残風網友，你們好

有關三位網友反應筆電升級驅動程式後，無法正常運作，需請協助提

供筆電目前所使用的 BIOS / EC 版本及筆電序號

(如能直接提供筆電底部序號圖片尤佳)，以利相關單位進一步分析、

確認。謝謝。」

GIGABYTE 客服:

「Riona、Wesley Hsu、暗影殘風網友，您好

關於您反應 U2442 升級 Windows 10 後異常問題，建議您可以根據您

升前搭載的作業系統版本，更新下列版本 BIOS：

若您筆電的作業系統升級前為 Windows 8/8.1，請更新 BIOS 版本:

201508/mobile01-0805702d09b4f36484fd9b0e09e32d64.zip

若您筆電的作業系統升級前為 Windows 7，請更新 BIOS 版本:

201508/mobile01-e8ca2a1f4aec8582296fb2ad5c6e317e.zip」

由上述可知，中度回應討論範例之回應內容，3C 產品業者會主動積

極向議題發起人與其他回應者進行回應如「需請協助提供…以利相關單

位進一步分析、確認」等以提供相關資訊與解決方案。

3. 群 3 回應量、回應人數、密度與程度中心性平均值高於群 1 與群 2，

61

回應時間平均值高於群 1 和低於群 2，因而命名「高度回應型態群」。

以下是高度回應網絡結構圖範例。如圖 5-6 所示，回應量為 8，網絡

成員為 4，回應時間為 5 天。

圖 5-6 高度回應網絡結構圖範例

以下為高度回應討論之 3239、Annabel 與 ROBERT 27 之部份回應內

容：

3239:

「我覺得這是使用體驗的下限了，現在我換 htc 816 當然更順暢,而且

出國前我在臺灣開車有先開 sygic 起來適應，提供給你參考，如果你

出國有租車，我會建議你租內附導航的車子，我上次租的 bmw 530d

內建的導航非常強大，可以即時反應路況，遇到塞車天候不佳都會提

前反應，加上又能抬頭顯示還能提醒路況，所以後來我手機導航變成

輔助，確定我用車子找到的地方正確，就放旁邊了，以上提供參考。」

62

Annabel:

「找便宜的 Garmin 導航機加智慧型手機(有 Garmin 導航)，再搭配

行動電源，不需買新機，不會花太多錢，圖資好找，可以使用很多年，

智慧型手機也可以再安裝其他的導航軟體，可以考慮看看。」

ROBERT 27:

「其實我覺得您那不是問題耶，USB 可以直接供電和傳輸資料，需

要模擬導航語音，接上耳機或內建電源的喇叭，一樣可以發音。」

由上述可知，高度回應討論範例回應內容，回應者是以提供自身經

驗與建議、分析差異和相關資訊向議題發起人進行回應。

綜上所述，可集合成三種型態，包括低度回應、中度回應與高度回

應。實務觀察回應者之回應內容如「我覺得…」、「我建議您…」與「其

實我覺得您…」等等，皆以表達自己想法、提供自身經驗與建議、分析

其差異及解決方案，主要以提供相關資訊給議題發起人參考。

小節

在低度、中度、高度三群之回應內容，回應者主要以興趣進行回應，

然而當發起人或回應者有關注並回覆文章並進行互動，較能引起高密度

討論，相對之下，議題發起人發文後沒有後續與回應者進行互動，較無

法引起密集討論。

63

以下表 5-2 為本研究群別個數：

表 5-2、群別個數

群別

群 1 群 2 群 3

低度回應型態群 中度回應型態群 高度回應型態群

107 25 18

依條件篩選和剔除回應時間離異值(Outlier)，研究樣本數為 150 筆，

如表 5-2 所示，群 1 之低度回應數為 107，群 2 中度回應數為 25，群 3

之高度回應數為 18，實務上低度回應型態群較為多數，高度回應型態群

為少數。代表引起社群成員虛擬討論之高度回應型態群是少數的，大多

數回應社群成員皆是在低度回應型態群。

第三節 群別分析

本研究將回應量、回應人數、回應時間、密度與程度中心性進行群

別分析，集群分析結果之密集群別為「高度回應型態群」、「中度回應型

態群」、「低度回應型態群」三群。

首先，本研究應用 MANOVA 分析，探討密集討論之三群組的高低對

於回應量、回應人數、回應時間、密度與程度中心性是否有顯著的差異，

64

再以 ANOVA 分析，探討回應量、回應人數、回應時間、密度與程度中

心性於三種群組間之均值是否有顯著的差異並以 Scheffe 法比較。

本研究以MANOVA及ANOVA進行密集型態分析。首先，以回應量、

回應人數、回應時間、密度與程度中心性進行群別分析-MANOVA，如表

5-3 所示。

表 5-3、密集群別分析- MANOVA

註:*** P<0.01 **P<0.05 *p<0.1

經表 5-3 所示，回應量、回應人數、回應時間、密度與程度中心性之

MANOVA 分析 P 值小於 P<0.01 具顯著水準，故回應量、回應人數、回

應時間、密度與程度中心性皆為顯著。代表三群組的高低對於回應量、

群別

變量

群別

低度回應 中度回應 高度回應

平均值 平均值 平均值

回應量 2.53 2.80 6.56

回應人數 2.20 2.24 3.22

回應時間 0.64 4.24 1.61

密度 1.03 1.10 1.48

程度中心性 0.25 0.26 0.42

MANOVA 0.000***

65

回應人數、回應時間、密度與程度中心性是有顯著的差異。

表 5-4、密集群別分析-ANOVA

註:*** P<0.01; **P<0.05; * p<0.1

ANOVA 探討各群別顯著性差異，回應量、回應人數與回應時間

ANOVA 分析 P 值為 0.000 皆小於 0.01 而密度 P 值為 0.006 與程度中心性

P 值為 0.005，回應量、回應人數、回應時間、密度與程度中心性之各項

變量皆達到顯著性差異水準，各變量皆為顯著。代表回應量、回應人數、

回應時間、密度與程度中心性於三種群組間均值是有顯著。

本研究經 Scheffe 法事後比較發現

群別

變量

群別

ANOVA

P 值 事後比較 低度回應 中度回應 高度回應

平均值 平均值 平均值

回應量 2.53 2.80 6.56

0.000***

低,中<高

回應人數 2.20 2.24 3.22 低,中<高

回應時間 0.64 4.24 1.61 低,高<中

密度 1.03 1.10 1.48 0.006*** 低,中<高

程度中心性 0.25 0.26 0.42 0.005*** 低,中<高

66

(一) 回應量

高度回應型態群回應量相較於低度回應型態群與中度回應型態群

之回應量是倍數增長，代表社群成員願意參與討論程度較高；另在低

度回應型態群與中度回應型態群之社群成員願意參與討論程度，中度

回應型態群又高於低度回應型態群。

(二) 回應人數

實務上密集型態群之回應人數都是不多的，雖然低度回應型態群、

中度回應型態群與高度回應型態群三群之回應人數顯著差異不大，但

在高度回應型態群回應人數還是較多的。

(三) 回應時間

在低度回應型態群之社群成員參與程度與互動性低，相對的回應

時間短暫，成員不會再進行回應，話題結束快。相較之下中度回應型

態群與高度回應型態群之回應時間，在中度回應型態群較不能激發成

員再短時間進行回覆，成員不會馬上回覆而是過一段時間，使回應時

間增加。高度回應型態群在參與程度與互動性最高，回應時間短，但

時間內成員會再進行回應。

(四)網絡密度

高度回應型態群網絡密度大於低度回應型態群與中度回應型態

群之網絡密度，代表社群成員較會熱絡討論，互動程度較高，網絡密

67

度較高；而低度回應型態群與中度回應型態群網絡密度值較低，代表

社群成員間互動程度較不頻繁，其密度值較低。

(五)程度中心性

程度中心性方面，多回應數下未必是以議題發起人為中心了，高

度回應型態群大於低度回應型態群與中度回應型態群，代表與中心點

互動之社群成員較多，故程度中心性較高；而在低度回應型態群與中

度回應型態群中，因低度和中度兩群與中心點互動成員數較少，故程

度中心性偏低。

研究結果顯示，高度回應型態群在參與程度、互動性最高，其討論

之緊密程度較高且有互動之成員也較多。中度回應型態群較不能激發社

群成員在短時間內回覆，其回應時間較長。在低度回應型態群之社群成

員參與程度與互動性較低，相對回應時間短暫，成員不會再繼續進行回

應，因此討論緊密程度較低。

68

第陸章、 結論與建議

本章將研究得出的結果整合，分別在「結論」、「未來研究方向」做

說明。

第一節 結論

網路時代來臨，多數人傾向透過虛擬平台獲取知識與資訊，本研究

以 SNA 法，探討 Mobile01 論壇 3C 產品（筆記型電腦、個人電腦、智慧

型與傳統手機、相機與攝影和 GPS）討論區回覆量 3 到 20 樣本資料的網

絡結構，平均抽樣 3C 產品討論區，分別筆記型電腦有 60 筆、個人電腦

有 60 筆、智慧型與傳統手機有 60 筆、相機與攝影有 60 筆、GPS 討論區

有 60 筆，總共收集 300 筆樣本數。

本研究探索一般虛擬社群討論區的成員回應數比例並修正具多次回

應次數的矩陣表，在不同回應數下以 SNA 法進行網絡結構指標計算。研

究結果顯示，在虛擬社群會引發成員回應數增加之議題討論是少數的，

隨著成員回應數增加會使整個網絡密度大幅提升；以議題發起人為中心

時，隨著社群成員回應數增加其網絡密度與程度中心性會是成反比狀

態。

69

在參與議題討論人的回應數增加，會逐漸改變溝通網絡結構進而影

響社會網絡關係，這是原始社會網絡所沒有呈現出來的訊息。反應在虛

擬社群討論一般參與熱絡的成員是不多的，其餘是搭話或只是觀看對象，

不要過於期待社群討論上會引發熱絡回應因大多數人都是冷漠；另外以

議題發起人為中心時，回應者會持續與發起人進行回應的成員是越來越

少的。

本研究進一步針對密集討論型態進行探討，密集型態是否存在不同

群別。研究結果顯示，密集討論可集合成三種型態群，分別是低度回應

型態群、中度回應型態群與高度回應型態群。在高度回應型態群之社群

成員在參與程度與互動性最高，相對其討論緊密程度較高有互動之成員

也較多，回應時間短。中度回應型態群較不能激發社群成員在短時間內

回覆，其回應時間較慢。低度回應型態群之社群成員參與程度與互動性

低，相對回應時間短暫，成員不會再繼續進行回應，其討論之緊密程度

低。

第二節 未來研究方向

研究分析結果，因時間因素，研究中的問題與可延續的主題，經由

本研究發現可從「樣本主題與主軸」深入探索未來的研究方向。

70

「Mobile01」論壇除了 3C 議題討論區外，也有生活、運動、旅遊美

食、影音、遊戲、汽車等主題討論，未來可延伸運用於其他主題，研究

僅以目前 3C 討論論壇著名的平台「Mobile01」論壇為抽樣對象，因此不

能廣泛應用到所有論壇討論區，未來可朝向不同主軸討論區進行探討，

例如「伊莉論壇」、「微風論壇」、「卡提諾論壇」或其他不同類型的論壇

等。

71

參考文獻

一、 中文文獻

王光旭(2015)。社會網絡分析在公共行政領域研究的應用。調查研究-方

法與應用，34，67-134。

王聖銘(2015)。群眾外包災情資訊之評估與檢證-以莫拉克颱風為例。災

害防救科技與管理，4(1)，31-48。

朱子君(2013)。知識尌是力量－幼教工作者知識分享意願研究初探。幼兒

教育，311，20-33。

吳雅鈴、邱耀漢、魏家惠(2012)。虛擬社群的知識分享程度對群聚效應之

影。資訊管理展望，14(1、2)，79-93。

李來錫、張順評(2013)。以社會網絡分析探討虛擬社群知識分享之回應結

構。電子商務研究，11(1)，079-99。

周文賢（2004）。多變量統計分析:SAS/STAT 使用方法。台北：智勝文化。

林東清（2003）。知識管理。台北：智勝文化。

邱光輝、紀東昀(2014)。共依附對虛擬社群成員繼續分享知識意圖之影響。

輔仁管理評論，21(1)，1-32。

邱雅萍、莊文隆、溫淑戀(2010)。物流業知識分享之研究。企業管理學報，

84，1-40。

72

徐郁涵(2015)。虛擬社群之網絡溝通情緒與回應關係之研究(為出版之碩

士論文)。國立屏東大學，屏東。

陳以明、陳蜜媛(2011)。應用社會網絡分析法於 IC 產品設計之流程改善。

資訊與管理科學，4(1)，1-29。

黃教益、陸定邦、孔憲法(2012)。教學相長：學生社會網絡中介電腦繪圖

學習動機與成效。設計學報，17(3)，23-44。

黃盟文(2014)。應用社會網絡分析法於虛擬社群在頻繁討論下之溝通型態

探討(未出版之碩士論文)。國立屏東商業技術學院，屏東。

劉賢文、王思峰(2012)。以社會網絡方法分析工作世界：科系尌業樣態與

職能潛在通性的探索。人力資源管理學報，12(3)，51-73。

蔡至欣、賴玲玲(2011)。虛擬社群的資訊分享行為。圖書資訊學刊，9(1)，

161-196。

駱碧蓮、施致平(2012)。中華職棒虛擬社群參與行為意圖模式之研究。體

育學報，45(2)，113-125。

73

二、 英文文獻

Al-ghamdi, H. A. K. & Al-ghamdi, A. A. K. (2015). The role of virtual

communities of practice in knowledge management using web 2.0.

Procedia Computer Science, 65, 406-411.

Borgatti, S. P., Everett, M. G., & Freeman, L. C. (2002). Ucinet for windows:

Software for social network analysis. Harvard, MA: Analytic

Technologies.

Butter, M. C., Valenzuela, E. S., & Quintana, M. G. B. (2015). Intercultural

talent management model: Virtual communities to promote collaborative

learning in indigenous contexts. Teachers’ and students’ perceptions.

Computers in Human Behavior, 51, 1191-1197.

Chan, K. W. & Li, S. Y. (2010). Understanding consumer-to-consumer

interactions in virtual communities: The salience of reciprocity. Journal

of Business Research, 63(9-10), 1033-1040.

Chen, C. J. & Hung, S. W. (2010). To give or to receive? factors influencing

members’ knowledge sharing and community promotion in professional

virtual communities. Information & Management, 47(4), 226-236.

Chi, R. & Suthers, D. (2015). Assessing intercultural communication

competence as a relational construct using social network analysis.

International Journal of Intercultural Relations, 48, 108-119.

Chia, H. P. & Pritchard, A. (2014). Using a virtual learning community (VLC)

to facilitate a cross-national science research collaboration between

secondary school students. Computers & Education, 79, 1-15.

Chou, C. H., Wang, Y. S., & Tang, T. I. (2015). Exploring the determinants of

knowledge adoption in virtual communities: A social influence

74

perspective. International Journal of Information Management, 25(3),

364-376.

Chou, C. Y. & Sawang, S. (2015). Virtual community, purchasing behaviour,

and emotional well-being. Australasian Marketing Journal (AMJ), 23(3),

207-217.

Chumg, H. F., Cooke, L., Fry, J., & Hung, I. H. (2015). Factors affecting

knowledge sharing in the virtual organization: Employees’ sense of

well-being as a mediating effect. Computers in Human Behavior, 44,

70-80.

Davenport, T. H. & Prusak, L. (1998). Working knowledge: How

organizations manage what they know. New York: Harvard Business

School Press.

Day, J., Jones, T. L., & Taylor, A. C. T. (2014). Using a virtual community to

enhance nursing student's understanding of primary health care.

Collegian, 21(2), 145-150.

Faust, K. (1997). Centrality in affiliation networks. Social Networks, 19(2),

157-191.

Freeman, L. C. (1979). Centrality in social networks: Conceptual

clarification social networks, 1, 215-239.

Governatori, G. & Iannella, R. (2011). A modeling and reasoning framework

for social networks policies. Enterprise Information Systems, 5(1),

145-167.

Hanneman, R. A. & Riddle, M. (2005). Introduction to social network

methods. University of California.

Hashim, K. F. & Tan, F. B. (2015). The mediating role of trust and

commitment on members’ continuous knowledge sharing intention: A

75

commitment-trust theory perspective. International Journal of

Information Management, 35(2), 145-151.

Haythornthwaite, C. (1996). Social network analysis: An approach and

technique for the study of information exchange. Library & information

science research, 18(4), 323-342.

Hendriks, P. (1999). Why share knowledge? the influence of ICT on the

motivation for knowledge sharing. Knowledge and Process Management,

6(2), 91-100.

Huang, H. C., Chang, S. S., & Lou, S. J. (2015). Preliminary investigation on

recreation and leisure knowledge sharing by LINE. Procedia-Social and

Behavioral Sciences, 174, 3072-3080.

Ibrahim, S. & Heng, L. H. (2015). The roles of learning in stimulating

knowledge sharing at SMEs. Procedia-Social and Behavioral

Sciences, 172, 230-237.

Kaewkitipong, L., Chen, C. C., & Ractham, P. (2016). A community-based

approach to sharing knowledge before, during, and after crisis events: A

case study from thailand. Computers in Human Behavior, 54, 653-666.

Kim, J., Song, J., & Jones, D. R. (2011). The cognitive selection framework

for knowledge acquisition strategies in virtual communities. International

Journal of Information Management, 31(2), 111-120.

Kwahk, K. Y. & Park, D. H. (2016). The effects of network sharing on

knowledge-sharing activities and job performance in enterprise social

media environments. Computers in Human Behavior, 55(B), 826-839.

Leal, G. P. A., Hor-Meyll, L. F., & de Paula Pessôa, L. A. G. (2014). Influence

of virtual communities in purchasing decisions: The participants'

perspective. Journal of Business Research, 67(5), 882-890.

76

Lee, H. S. & Hong, S. A. (2014). Factors affecting hospital employees'

knowledge sharing intention and behavior, and innovation behavior.

Osong Public Health and Research Perspectives, 5(3), 148-155.

Liu, X. & Zhang, J. (2012). Foreign language learning through virtual

communities. Energy Procedia, 17(A), 737-740.

Loebbecke, C., van Fenema, P. C., & Powell, P. (2016). Managing

inter-organizational knowledge sharing. The Journal of Strategic

Information Systems, 25(1), 4-14.

Lun, Y. V., Quaddus, M., Naim, M., & Disney, S. (2016). Special issue on

innovative service and manufacturing design. International Journal of

Production Economics, 171, 163-164.

Luo, Q. & Zhong, D. (2015). Using social network analysis to explain

communication characteristics of travel-related electronic word-of-mouth

on social networking sites. Tourism Management, 46, 274-282.

Marquetoux, N., Stevenson, M. A., Wilson, P., Ridler, A., & Heuer, C. (2016).

Using social network analysis to inform disease control interventions.

Preventive Veterinary Medicine, 126, 94-104.

Meisel, M. K., Clifton, A. D., MacKillop, J., & Goodie, A. S. (2015). A social

network analysis approach to alcohol use and co-occurring addictive

behavior in young adults. Addictive behaviors, 51, 72-79.

Nesheim, T. & Hunskaar, H. M. (2015). When employees and external

consultants work together on projects: Challenges of knowledge sharing.

International Journal of Project Management, 33(7), 1417-1424.

Nonaka, I. & Takeuchi, H. (1997). The knowledge-creating company. Harvard

Business Review Press.

Rheingold, H. (1993). The virtual community: Homesteading on the

77

electronic frontier, Addison-Wesley.

Rödder, W., Brenner, D., & Kulmann, F. (2014). Entropy based evaluation of

net structures – deployed in social network analysis. Expert Systems with

Applications, 41(17), 7968-7979.

Różewski, P., Jankowski, J., Bródka, P., & Michalski, R. (2015). Knowledge

workers’ collaborative learning behavior modeling in an organizational

social network. Computers in Human Behavior, 51(B), 1248-1260.

Shafiq, O., Alhajj, R., & Rokne, J. G. (2015). On personalizing web search

using social network analysis. Information Sciences, 314, 55-76.

Smythe, T. C., Thompson, R., & Garcia-Quijano, C. (2014). The inner

workings of collaboration in marine ecosystem-based management: A

social network analysis approach. Marine Policy, 50, 117-125.

Spaulding, T. J. (2010). How can virtual communities create value for

business?. Electronic Commerce Research and Applications, 9(1), 38-49

Tamjidyamcholo, A., Baba, M. S. B., Shuib, N. L. M., & Rohani, V. A. (2014).

Evaluation model for knowledge sharing in information security

professional virtual community. Computers & Security, 43, 19-34.

Teng, C. I. (2015). Drivers of inter dependence and network convergence in

social networks in virtual communities. Electronic Commerce Research

& Applications, 14(3), 204-212.

Toral, S. L., Martinez-Torres, M. R., & Barrero, F. (2010). Analysis of virtual

communities supporting OSS projects using social network analysis.

Information and software technology, 52, 296-303.

Tran, M. T. T., Jeeva, A. S., & Pourabedin, Z. (2016). Social network analysis

in tourism services distribution channels. Tourism Management

Perspectives, 18, 59-67.

78

Wang, S. & Noe, R. A. (2010). Knowledge sharing: A review and directions

for future research. Human Resource Management Review, 20(2),

115-131.

Wang, W. T. & Hou, Y. P. (2015). Motivations of employees’ knowledge

sharing behaviors: A self-determination perspective. Information and

Organization, 25(1), 1-26.

Wasserman, S. & Faust, K. (1994). Social network analysis: Methods and

applications. Cambridge University Press.

Weishaar, H., Amos, A., & Collin, J. (2015). Best of enemies: Using social

network analysis to explore a policy network in european smoke-free

policy. Social Science and Medicine, 133, 85-92.

Xu, Y. & Bernard, A. (2011). Quantifying the value of knowledge within the

context of product development. Knowledge-Based Systems, 24(1),

166-175.

Yang, J., Yu, G., Liu, M., & Rui, M. (2016). Improving learning alliance

performance for manufacturers: Does knowledge sharing matter?.

International Journal of Production Economics, 171, 301-308.

Zhang, Y., Fang, Y., Wei, K. K., & Chen, H. (2010). Exploring the role of

psychological safety in promoting the intention to continue sharing

knowledge in virtual communities. International Journal of Information

Management, 30(5), 425-436.

Zheng, H. M., Zhang, Y., & Yang, N. J. (2012). Evaluation of an

eco-industrial park based on a social network analysis. Procedia

Environmental Sciences, 13, 1624-1629.