1930年代起，有人開始對報紙內容進行研究，逐漸發展成了重要的研究方法之一，稱為內容分析法（content analysis），是對於傳播內容，做系統性客觀和量化的歸類統計，進行敘述性的解說[1]。與問卷調查法不同之處，在於內容分析法為「非介入性的研究（unobtrusive research）」，有其特殊價值 [2]
隨著資訊科技的突飛猛進，原本習用於內容分析法的次數統計，由搜尋引擎與意見分析（opinion analysis）技術所取代，並且改以軟體系統，一致性地處理更大規模的內容資料。而新興的文字探勘（text mining）技術，能自動找出高品質的資訊，例如趨勢、關聯、新議題等，成為敘述解說的重要線索。
本研究團隊運用搜尋引擎與意見分析技術，以網路新聞為資料範圍，針對每篇新聞，解析出各方意見，計算提及每位選舉候選人的次數，並設計一加權指標。之後，藉由比較不同選舉候選人的加權指標，預測可能的選舉結果。假設加權指標愈高者，其當選機率愈高。
本研究團隊依上述方法，發展出一套網路意見分析系統，實際應用在台灣選舉預測：於2009年縣市長選舉，17個縣市的選舉預測結果有15個正確[3, 5]，預測正確率達88.23%；於2010年五都市長選舉，5個縣市的選舉預測結果有4個正確[4, 6]，預測正確率達80%。此外，該系統運用Text Mining技術，可列出與各個政黨相關的熱門關鍵詞。
2009年的預測結果中，宜蘭縣長候選人呂國華因「童玩節事件」致使有較高的加權指標，但仍落選；花蓮縣長候選人傅崑萁脫黨參選，在最後一週的加權指標才急速拉高，因此雖然整體加權指標較低，仍然當選。2010年的預測結果中，新北市長候選人蔡英文因身兼民進黨主席，因此在加權指標上較有利。扣除上述預測錯誤的個案，二次選舉的整體預測正確率可達86.36%。
展望未來，為了能更加掌握網路選情，一方面可加入情緒分析（sentiment analysis）技術，了解選民的正負面態度，另一方面將擴大資料範圍至網路社群內容（user-generated content） [7]。伴隨著這些進步，可以預見這套系統的預測與分析能力將更加提升，成為選舉預測方法的主流。
- 參考資料
- Bernard Berelson., Content Analysis in Communication Research. Macmillan Publishing, 1971
- Earl R. Babbie, The Practice of Social Research (10th Edition). Wadsworth Publishing, 2003.
- 2009第十六屆縣市長開票一覽, http://mag.udn.com/mag/vote2009/storypage.jsp?f_ART_ID=223118
- 2010年中華民國直轄市市長暨市議員選舉, Wikipedia
- OpView Vote 2009, http://vote2009.opview.com.tw
- OpView Vote 2010, http://vote2010.opview.com.tw
- OpView Vote 2012, http://vote2012.opview.com.tw
作者：
楊立偉博士 Li-wei Yang, Ph. D.
台灣大學資訊管理學博士，現任教於台灣大學與台灣科技大學。研究領域為搜尋引擎、知識工程（knowledge engineering）、知識管理等，擁有近20項技術專利。楊立偉博士參與了OpView系統共同設計，該系統為國內最大的網路商情與口碑監測平台。
