站內搜尋：
依欄位搜尋：


【107-2】政治與資訊

POLITICS AND INFORMATION

廖達琪 (國立中山大學)

 1. 開課動機：資訊時代已經深植每一個人的生活，然政治乃是人民每一天的內
容，尤其現代人類已與社群媒體緊密結合，自然地，政治與社群軟體也是合而
為一，政治與資訊的...

Ch 1. Introduction /  廖達琪 /  黃三益 /  劉正山 /  蔡芸琤 /  莊澤生
Ch 2. Information in Political Science /  廖達琪
Ch 3. R翻轉教室自學方案與資料分析技巧介紹 /  蔡芸琤 /  廖達琪
Ch 4. 基礎R語法自學 /  蔡芸琤 /  廖達琪
Ch 5. 基礎R語法自學 /  蔡芸琤 /  廖達琪
Ch 6. 使用R進行臉書資料與分析 /  蔡芸琤 /  廖達琪
Ch 7. 期中報告準備
Ch 8. R facebook 複習與總結 /  蔡芸琤 /  廖達琪
Ch 9. ICT as a tool in Political Analysis – Example... /  廖達琪
Ch 10. 政治資訊結合對業界的重要性 /  莊澤生 /  廖達琪
Ch 11. 高雄市議會議事資料及系統介紹 /  莊澤生 /  廖達琪
Ch 12. 高雄市議會議事資料的文本探勘(一) /  莊澤生 /  廖達琪
Ch 13. 高雄市議會議事資料的文本探勘(二) /  莊澤生 /  廖達琪
Ch 14. 高雄市議會議事資料之價值與限制 /  莊澤生 /  廖達琪
Ch 15. 高雄市議會議事資料實作 /  莊澤生 /  廖達琪
Ch 16. 高雄市議會議事資料實作 /  莊澤生 /  廖達琪
Ch 17. 期末成果展示與討論 /  廖達琪 /  劉正山 /  蔡芸琤 /  莊澤生

計畫主持人資訊

姓　名 廖達琪
電子信箱 dcliao@mail.nsysu.edu.tw
服務學校 國立中山大學
系所單位 政治學研究所
職 稱 特聘教授

教師簡介 (更多資訊)

姓　名 廖達琪
現　職 特聘教授
E-Mail dcliao@mail.nsysu.edu.tw
個人網頁 http://https://ips.nsysu.edu.tw/people/faculty/dcliao

最高學歷

博士

研究專長

比較政治、比較地方政府與政治、組織理論、比較議會、政治與資訊

近年研究主題

大數據與選舉

中文課程名稱： 【107-2】政治與資訊
英文課程名稱： POLITICS AND INFORMATION
教師姓名： 廖達琪
蔡芸琤
莊澤生
開課學校/系所： 國立中山大學
開課學期： 1072
學分數： 3 學分
課程關鍵字： 網路聲量
選戰趨勢
R語言
人文技術
課程領域： 社會科學
課程階層： 中階
應用數位技術/工具：

 R語言、Python

先備課程： 政治學研究方法
延伸及相關課程： 社群媒體分析
參考網站： R語言翻轉教室

課程概述

 1. 開課動機：資訊時代已經深植每一個人的生活，然政治乃是人民每一天的內
容，尤其現代人類已與社群媒體緊密結合，自然地，政治與社群軟體也是合而
為一，政治與資訊的課程藉此機會，不僅開啟學生對於政治理論的深化，也能
夠將資訊技術帶入政治理論的應用。該課程的開設，將取消學生與研究者間巨
大的隔閡，即使不是進階的研究人員，也能夠透過資訊技術的運用，進行政治
現象的分析，更成為了有「發言權」的存在，撼動世界的基礎是存在宣傳上，
而宣傳的基底則是建立在利用資訊技術結合政治思想的結果。
2. 課程主題、焦點、內容：重建學生對於政治理論的觀念、R語言的深化與應用、
尋找政治理論與社群現象的連結、利用資訊技術的分析能力達到問題意識的實
際建築、多種資訊技術的學習能過廣泛應用不同的系統與內涵、達成政治理論
與資訊技術解決當初問題意識的實踐、深入議會實際與政治現實做出聯想與結
合。

教學目標

 本課程目的在於導引學生對資訊與政治聯結相關研究的了解，及培養利用資訊技術做研究之興趣。其目標可分為短期與長期之目標：短期而言，本課程培養修課學生運用現成資訊分析軟體抓取資料，並且撰寫成研究短文。長期而言，則希望可以對立法院的法案資料有系統性的整理，未來預期可以建置以「議題」為導向的資料庫，一方面希望建置一個對於使用者友善的資料庫，讓民眾可以透過議題的關鍵字快速的查詢相關法案與會議記錄，另一方面則促進政府資料的開放度以及透明度，強化民主的課則機制。

修課條件

 對政治理論與資料技術感興趣且思想豐富的同學們

授課方式

課堂教學+小組討論 (佔總授課時數 1/3 以上)

成績評量方式

 1.課前文獻整理：10%
2.課堂發言討論：10%
3.期中報告：30%
4.期末報告（以高雄市議會議事系統資料為基礎的報告）：25%
5.期末報告（將高雄市議會未建置之議事資料建構為問題或議題導向之資料架構）：25%

教學進度

 週次 日期 授課內容及主題
Week Date Content and topic
1 2019/02/18~2019/02/24 Introduction
2 2019/02/25~2019/03/03 Information in Political Science
3 2019/03/04~2019/03/10 R翻轉教室自學方案與資料分析技巧介紹
4 2019/03/11~2019/03/17 基礎R語法自學
5 2019/03/18~2019/03/24 基礎R語法自學
6 2019/03/25~2019/03/31 使用R進行臉書資料與分析
7 2019/04/01~2019/04/07 準備 Rfacebook 期中研究報告
8 2019/04/08~2019/04/14 R facebook 複習與總結
9 2019/04/15~2019/04/21 ICT as a tool in Political Analysis – Example Discussion (I)
10 2019/04/22~2019/04/28 政治資訊結合對業界的重要性
11 2019/04/29~2019/05/05 高雄市議會議事資料及系統介紹
12 2019/05/06~2019/05/12 高雄市議會議事資料的文本探勘(一)
13 2019/05/13~2019/05/19 高雄市議會議事資料的文本探勘(二)
14 2019/05/20~2019/05/26 高雄市議會議事資料之價值與限制
15 2019/05/27~2019/06/02 高雄市議會議事資料實作
16 2019/06/03~2019/06/09 高雄市議會議事資料實作
17 2019/06/10~2019/06/16 高雄市議會議事資料實作
18 2019/06/17~2019/06/23 期末成果展示與討論

授課對象

 修課人數為7 人，旁聽4 人

單元 1   Introduction

主要閱讀材料

(1) 姜新立、張錦隆主編，2010。《政治與資訊的交鋒》，台北：揚智。第一章。(圖B2 312.07 8753 2010)
(2) 張錦隆、孫以清主編，2006。《政治與資訊的對話》，台北：揚智。第一篇。
(3) 廖達琪，2007，〈政治學與資訊科技的整合〉，李炳南主編《邁向科際整合的政治學研究》，台北：揚智。第七章。
(4) 梁定澎主編，2014。《電子商務與網路社會新境界》，高雄：中山大學電子商務研究中心。
(5) 梁定澎主編，2016。《電子商務與網路社會新境界》，高雄：中山大學電子商務研究中心。
(6) James Gleick, 賴盈滿譯，2016。《資訊：一段歷史、一個理論、一股洪流》(The Information, A History, A Theory, A Flood.)新北：衛城。
(7) King, G. 2014. “Restructuring the Social Sciences: Reflections from Harward’s Institute for Quantitative Social Science.” PS: Political Science & Politics 47(1): 165-172.
 

單元 2   Information in Political Science

主要閱讀材料

 1. Downs, Anthony. 1957. An Economic Theory of Democracy. Part III.
2. Converse, P. E., 1985. “Power and the Monopoly of Information.” American Political Science Review 79(1): 1–9.
3. Krehbiel, Keith. 1991. Informaiton and Legislative Organization. Pp. 61-192.
4. Edelman, Murray. 1977. Political Language: Words that Succeed and Policies that Fail. New York: Academic Press. Pp. 23-41 and 103-118. (7F HM291 E33)
5. Huckfeldt, Robert & Sprague, John, 1987. “Networks in Context: Social Flow of Political Information.” APSR 81(4): 1197-216.
6. Liao, Da chi. 1990. The Influence of Culture on Information Gathering in Organizations: An Authoritarian Paradigm. Pp. 1-17.

單元 3   R翻轉教室自學方案與資料分析技巧介紹

主要閱讀材料

 1. R語言翻轉教室http://datascienceandr.org
2. 範例程式與學生作業https://github.com/NTU-CSX-datascience

單元 4   基礎R語法自學

主要閱讀材料

 1. R語言翻轉教室http://datascienceandr.org
2. 範例程式與學生作業https://github.com/NTU-CSX-datascience

單元 5   基礎R語法自學

主要閱讀材料

 1. R語言翻轉教室http://datascienceandr.org
2. 範例程式與學生作業https://github.com/NTU-CSX-datascience

單元 6   使用R進行臉書資料與分析

主要閱讀材料

 1. R語言翻轉教室http://datascienceandr.org
2. 範例程式與學生作業https://github.com/NTU-CSX-datascience

單元 8   R facebook 複習與總結

主要閱讀材料

 1. R語言翻轉教室http://datascienceandr.org
2. 範例程式與學生作業https://github.com/NTU-CSX-datascience

單元 9   ICT as a tool in Political Analysis – Example Discussion (I)

主要閱讀材料

 1. Shaw & Benkler, 2012. “A Tale of Two Blogospheres: Discursive Practices on the Left and Right.” American Behavioral Scientist, 56(4): 459-87.
2. 施百俊等，2006，〈以文字探勘技術探究部落格之網路媒體特性〉，《淡江人文社會學刊》，第28期，頁95-122。
3. Hopkins, Daniel J., and Gary King, 2010. “A Method of Automated Nonparametric Content Analysis for Social Science.” AJPS 54(1): 229-247.
4. Junque’de Fortuny, et al., 2012. “Media Coverage in Times of Political Crisis: A Text Mining Approach.” Expert Systems with Applications 39(14): 11616-11622.
5. Leetaru, Kaleu Hannes, 2012. Data Mining Methods for the Content Analyst: An Introduction to the Computational Analysis of Content. New York: Routledge.
6. Barley, S.R., 1983. “Semiotics and the Study of Occupational and Organizational Cultures.” ASQ 28(3): 393-413.
7. Lucas, CN, et al. 2015. “Computer-Assisted Text Analysis for Comparative Politics.” Political Analysis 23(2): 254-277.
8. Grimmer, J., & Stewart, B. M. 2013. Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, mps028. https://doi.org/10.1093/pan/mps028
9. Evans. 2016. Machine Translation: Mining Text for Social Theory.

單元 10   政治資訊結合對業界的重要性

主要閱讀材料

 1. Arguello, Jaime, et al., 2008. “Recognizing Citations in Public Comments.” Journal of Information Technology & Politics 5(1): 49-71.
2. Klebanov, Beata Beigman, et al., 2008. “Automatic Annotation of Semantic Fields for Political Science Research.” Journal of Information Technology & Politics 5(1): 95-120.
3. Demiros, Iason, et al., 2008. “Media Monitoring by Means of Speech and Language Indexing for Political Analysis.” Journal of Information Technology & Politics 5(1): 133-146.
4. Kluver, Randolph, eds., 2007. The Internet and National Elections: A Comparative Study of Web Campaigning. In 2008. “Book Review.” Journal of Information Technology & Politics 5(1): 147-148.
5. Atteveldt, Wouter van, et al., 2008. “Good News or Bad News? Conducting Sentiment Analysis on Dutch Text to Distinguish Between Positive and Negative Relations.” Journal of Information Technology & Politics 5(1): 73-94.
6. Karpf, David. 2012. “Social Science Research Methods in Internet Time.” Information, Communication & Society, 15(5): 639-661.
7. Lin, Yu-Ru, Drew Margolin, and David Lazer, 2015. “Uncovering Social Semantics from Textual Traces: A Theory Driven Approach and Evidence from Public Statements of US Members of Congress.” Journal of the Association for Information Science and Technology 67: 2072-2089.
8. Gleditsch, K. S., & Weidmann, N. B. 2012. ”Richardson in the Information Age: Geographic Information Systems and Spatial Data in International Studies.” In M. Levi (Ed.), Annual Review of Political Science, Vol 15: 461–481. Palo Alto: Annual Reviews.
9. Stockmann, D. 2013. Media Commercialization and Authoritarian Rule in China. Cambridge University Press