洪暉鈞胡銘洲2026-06-142026-06-142018-07-02https://203.71.86.71/handle/123456789/58054學位別：碩士 語文別：中文 指導教授：洪暉鈞 口試委員：謝邦昌;莊正昀;張詠淳 中文關鍵字：Facebook粉絲專頁;非正式學習;自然語言處理;多元分類模型;字詞轉向量;勞工保險局 英文關鍵字：Facebook fanpage;informal learning;natural language processing;multi-category model;word2vec.論文名稱：社群網站的非正式學習效果─勞保局Facebook粉絲專頁留言主題標注之分析與探討 臺北醫學大學大數據科技及管理研究所 研究生姓名：胡銘洲 指導教授：洪暉鈞 臺北醫學大學大數據科技及管理研究所 助理教授 2016年7月，Facebook在台灣的每月活躍用戶數約有1800萬人，因為使用者很多，所以政府與企業紛紛在Facebook成立粉絲專頁。勞工保險局在2011年也成立Facebook粉絲專頁，用於宣導政策、導正觀念、回答民眾問題以及粉絲分享經驗。 本研究使用Python語言撰寫網站資料爬取、自然語言處理與分類模型程式，並以Tableau軟體將資料以視覺化方式呈現。資料來自2011年至2018年六月的勞保局Facebook粉絲專頁的留言，並建立多元分類模型預測留言的主題。最後，探討粉絲與管理者在勞保局Facebook粉絲專頁的非正式學習效果。 本研究第一階段透過網路爬蟲技術取得勞保局Facebook粉絲專頁的留言。第二階段以字詞比對方式對留言內容進行分類標注，以重新抽樣方式處理資料不平衡問題，並建立多元分類模型。第三階段以「利用資源」與「與他人分享與討論」的角度探討勞保局Facebook粉絲專頁的非正式學習效果。 從多元分類模型在測試資料的預測結果發現字詞比對與重新抽樣方式確實可行。從「經營成效」、「訊息分享」、「討論熱度」的結果發現勞保局Facebook粉絲專頁對粉絲與管理者在產生非正式學習效果。多元分類模型可對於粉絲專頁提供即時的留言主題分類標注，並以留言次數、Tag次數，辨識粉絲關切的議題，加快粉絲專頁管理員回答問題的速度以及調整不同主題的貼文筆數，引導粉絲討論方向。因此，研究成果可以作為Facebook粉絲專頁經營者之參考。系所名稱：大數據科技及管理研究所thesis