G2專題詢問

[singhau01]

老師好，我們目前列出以下三個主題，想請問老師的看法，何者更適合作為主題研究？

目前三個主題如下，主要是想透過python爬蟲進行文本分析
1. 辱華藝人輿論 / 藝人道歉文是否為本人/是否真心？
從facebook、instagram、新聞報導中比較「藝人平常發文與道歉文的文章風格、用詞的一致性」，以及「藝人在發出道歉文前後，社群平台的輿論差異(台灣網友情緒反應)」

2. 分析ntu eater粉專
分析facebook、instagram的吃貨台大粉專，從文案、美食照片、食物品項對讚數、留言數、粉絲收藏數、分享次數等等的影響，研究「吃貨台大粉專發文與粉絲反應之相關性」

3. 網路語錄用詞分析及訓練機器人(eg.失戀語錄產生器)
對社群平台網路語錄（可能是Instagram雞湯文、失戀文等）進行文本情感分析，研究文案風格、用詞和讚數、留言數的相關性，探詢「能引發大眾共鳴的語錄是否有特定的規律性、關鍵字」以及「相同成功模式是否能被複製？」

[jirlong]

1. 不適合，因為沒辦法verify，沒辦法predict，且資料量也過少。
2. 題目是有趣的，但不適合作為經濟系課程的資料專題。尤其更不要以台大作為資料對象。
3. 其實語錄產生器我們只要套transformer很快就有了，比較像是一個作業level的東西。且這樣的題目過於工具性，不符合社會科學。

題目應盡量回到社會科學研究的本質來，提出議題，有自變項因變項，找因果關係，尤其是期末評審都是經濟系的老師或碩博班，做太工具性或太funny的東西，其實我看過他們也都看過了。這兩三年深度學習和BERT起飛後，當專題評審和競賽評審，至少看過不下30個XXX產生器，除了法律判決書的自動推薦寫作外，其實真的做深的沒幾個。大部分都拿作業套套招而已。

[Leon-LCC]

老師你好:

針對第三個題目的部分，如果是著重在網路語錄的分析，主要是想探討這些成功的勵志語錄或雞湯作家背後成功的關鍵為何，會不會是一個比較好的題目？
例如哪些強調的主題(愛情、友情)或是用詞上的選擇等等，會使大眾有更強烈的共鳴，可以就單一作家比較不同文章的大眾反應，或是從不同作家間找出相似的性質等等。

[jirlong]

但這仍然沒有界定出你的資料範圍。因為上面所描述的是「成功的勵志語錄」和「成功的雞湯作家」，那問題就會在這個作家是哪些人？他們的資料在哪裡？而如果你要統計上有意義，那你就要找另外一批不成功的作家，數據上才有統計方法可以去跑出關鍵字的相對權重，你所做的分析才有意義。而且成功和不成功你可能要各找15~30人才能夠做統計檢定，然後同一個作家的作品的量也不能太少，因為文章會受不同主題影響，資料會非常稀疏發散，照經驗來說要能夠mining出所謂的個人style，要上百篇。所以要讓你目前所列題目的最小條件會是成功與不成功作家各15人，然後每個人要有一百篇長度接近的文章。這樣一共是三千篇文章。

我對你們的建議是這樣。你看syllabus上那些前人做的題目都是非常data-driven，這也是之所以為什麼是資料科學。所以建議先找一個你們很確定爬得到、拿得到的資料來做分析。如果比較難想像，那就照目前課程所教的PTT、104.com、線上新聞、和下週會釋出的youtube comments。

[jirlong]

應該把你們經濟系對統計的經驗拿出來，如果你這個題目抽不出足夠的資料、變項做統計，那可能就做不出有意義的東西了。畢竟像是資工系真正要開發一個能用的東西的時候，後面都在跑統計，只是他們可能會用機率的方式來學統計。那些詞語要證明A族群有某種用詞上的特色，就得拿B族群來做為控制組，以統計檢驗A族群確實有這樣的現象。而怎樣的詞會過關，數學幾乎都是基於各位所學的統計、回歸、...。