113 年 國立臺北大學社會學系碩士班《社會學》

本大題旨在測驗考生對社會學核心概念的理解與掌握程度。考生需從六個概念中選出四個，並提供精確的定義與解釋。以下為對所有概念的詳解，考生應從中選擇四題作答。

1. 社會資本 (social capital)
   社會資本係指個人或群體透過其社會網絡（social network）所能獲取的資源。這些資源可能包括資訊、情感支持、機會、影響力等。社會資本強調的是人與人之間的連結及其所帶來的潛在利益，而非個人擁有的財富或技能。概念由皮耶·布迪厄（Pierre Bourdieu）等人發展，與文化資本、經濟資本並列為個人社會成就的關鍵要素。

   【答案】定義：個人或群體透過其社會網絡所能獲取的資源。解釋：強調人際連結所帶來的潛在利益，如資訊、機會、支持等，是影響個人與群體行動及成就的重要因素。

2. 同構 (isomorphism)
   同構是組織理論中的一個概念，特別是新制度論（neo-institutionalism）所探討的現象。它指的是在相似的環境中，組織之間趨於變得越來越相似的過程。這種相似性並非源於效率的追求，而是由於組織為了合法性（legitimacy）而模仿其他成功的或被認可的組織，或者受到相同強制性壓力（coercive isomorphism）或規範性壓力（normative isomorphism）的影響。

   【答案】定義：組織在相似環境中趨於變得越來越相似的過程。解釋：源於對合法性的追求，透過模仿、強制或規範性壓力，導致組織結構、策略或文化趨同，而非純粹的效率考量。

3. 社會階層化 (social stratification)
   社會階層化是指社會中存在著不平等的社會結構，其中人們被劃分為不同的層級或階層，並根據其在社會中所擁有的資源（如財富、權力、聲望）而享有不同的地位、機會和待遇。這是一種普遍存在於許多社會中的現象，其基礎可能包括階級、種姓、性別、種族、年齡等。

本大題旨在測驗考生對英文社會學專業文本的閱讀理解能力，以及將其準確翻譯成中文的能力。

翻譯題 1：

原文：
Men make their own history, but they do not make it as they please; they do not make it under self-selected circumstances, but under circumstances existing already, given and transmitted from the past. The tradition of all dead generations weighs like a nightmare on the brains of the living. And just as they seem to be occupied with revolutionizing themselves and things, creating something that did not exist before, precisely in such epochs of revolutionary crisis they anxiously conjure up the spirits of the past to their service, borrowing from them names, battle slogans, and costumes in order to present this new scene in world history in time-honored disguise and borrowed language.

詳解：
此段文字出自卡爾·馬克思（Karl Marx）的《路易·波拿巴的霧月十八日》。
翻譯：
人們創造自己的歷史，但他們並非隨心所欲地創造；他們並非在自己選擇的環境中創造，而是在現有的、既定的、並從過去傳承下來的環境中創造。所有已故世代的傳統，像噩夢般壓在生者的大腦上。而正當他們似乎忙於革新自己與事物，創造出前所未有的東西時，正是在這樣的革命危機時代，他們焦慮地召喚過去的幽靈為他們服務，從過去借用名稱、戰鬥口號和服裝，以便以一種遵循傳統的偽裝和借來的語言，來呈現世界歷史的新場景。

本大題為簡答題，共三小題，每小題10分，總計30分，旨在測驗考生對「大數據」概念的理解，以及其在社會學研究中的應用、限制與挑戰。

核心觀念：
本題組探討的是「大數據」（Big Data）在社會學研究中的角色，包括其定義、與傳統量化數據的差異、其在處理社會學議題上的優勢與局限，以及社會學專業如何因應大數據時代的來臨。

(1a) 何謂大數據？請做出明確的定義；並說明大數據和傳統社會學領域的量化研究的「數據」有什麼不同？

定義：
大數據（Big Data）是指規模龐大、成長快速、種類繁多且難以用傳統資料處理應用軟體在可接受時間內擷取、管理、處理的資訊資產。其核心特徵常被歸納為「3V」：

• Volume (量)： 資料的規模極其龐大，遠超傳統資料庫的處理能力。
• Velocity (速)： 資料產生和處理的速度極快，常是即時或近乎即時的。
• Variety (樣)： 資料的類型非常多樣，包括結構化（如資料庫表格）、半結構化（如 XML、JSON）和非結構化（如文字、影像、聲音、影片、社群媒體貼文）資料。
  近年來更常擴展至 5V 或更多，例如 Veracity (真實性) 和 Value (價值)。

大數據與傳統社會學量化研究數據的差異：

特徵	大數據	傳統社會學量化研究數據
資料來源	來自數位軌跡（如網路搜尋、社群媒體、交易紀錄、感測器）、公開資料、API 等，通常是「自然產生」或「數位足跡」。	主要來自研究者主動收集，如問卷調查、實驗、訪談紀錄（量化處理後），或官方統計資料（如人口普查）。
資料規模	龐大，可達 TB、PB 等級，涵蓋廣泛的個體或群體行為。	相對較小，通常是抽樣調查，樣本數受限於成本與可行性。
資料結構	多樣，包含大量非結構化（文字、圖像、影音）及半結構化資料，也包含結構化資料。	絕大多數為結構化資料，經過預設的編碼與量化處理。
資料生成方式	被動收集，反映真實世界中的行為和互動，較少受到研究者干預。	主動收集，可能受到研究設計、問卷措辭等因素的影響（研究者偏差）。
即時性	許多資料是即時產生或近乎即時，可反映當下的社會動態。	資料收集與分析通常需要較長時間，較難捕捉即時變動。
分析方法	需要大數據分析工具（如 Hadoop, Spark）、機器學習、深度學習等。	傳統統計方法（迴歸分析、變異數分析、因子分析等）。
研究倫理考量	隱私權、資料安全、演算法的偏見、知情同意的取得更為複雜。	較為成熟的倫理規範，如匿名性、保密性。

【答案】大數據是指規模龐大、成長快速、種類繁多且難以用傳統工具處理的資訊資產，其特徵為量大、速快、樣多。與傳統社會學量化研究數據相比，大數據的資料來源更廣泛（數位軌跡、非結構化資料多），規模極大，能反映更即時、更全面的社會現象，但同時也帶來更複雜的研究倫理與分析挑戰。

(1b) 有什麼社會學議題是傳統社會學的研究方法難以處理，但透過大數據的技術現在可以研究或是做更精準的分析？哪些是社會學研究又是大數據分析無法取代的？為什麼無法被取代？

傳統方法難處理，大數據可加強研究的社會學議題：

1. 大規模社會趨勢與模式的識別：

   • 議題： 網路輿論的形成與傳播、特定社會事件（如疫情、災害）下的民眾行為模式、消費趨勢的變遷、勞動市場的動態變化、語言的演變與流行。
   • 說明： 傳統方法（如問卷）難以捕捉如此龐大且快速變動的資料。大數據（如社群媒體貼文、搜尋引擎紀錄、電商交易資料）能即時監測、追蹤大規模的社會現象，識別出傳統方法難以發現的細微趨勢和潛在模式。例如，透過分析 Twitter 數據可以預測流感傳播，或分析搜尋趨勢來預測經濟活動。

2. 複雜社會網絡的結構與動態分析：

   • 議題： 社交網絡的連結強度與傳播路徑、資訊的擴散機制、群體極化現象、線上社群的形成與瓦解、跨國移民網絡。
   • 說明： 傳統網絡分析可能僅限於較小範圍或特定群體。大數據（如臉書好友關係、通訊軟體紀錄、電子郵件往來）能繪製出極其複雜的社會網絡圖，分析節點間的關係、橋樑（結構洞）、資訊流動方向與速度，提供更全面的網絡結構洞察。

3. 非結構化資料的深度文本分析：

   • 議題： 公眾對於某項政策的態度與情感分析、歷史文獻中的社會變遷、新聞報導的框架與偏見、文學作品中的社會意涵、網路論壇的討論議題與情感傾向。
   • 說明： 傳統方法難以處理海量文本資料。大數據結合自然語言處理（NLP）與機器學習技術，可以自動化地分析大量的文字、影音資料，提取關鍵資訊、情感傾向、主題模型，進行大規模的內容分析，揭示隱藏在文字背後的社會意義。

4. 精準的社會分群與行為預測：

   • 議題： 犯罪風險預測、疾病預防與健康風險評估、特定群體的消費行為預測、教育資源的分配優化、社會福利的精準發放。
   • 說明： 大數據能整合多維度的個人資料（如行為、偏好、地理位置、社群互動），建立更精確的預測模型，實現更細緻的社會分群，從而進行更有效的介入或資源配置。

大數據分析無法取代的社會學研究面向：

1. 因果關係的建立與理論驗證：
   • 說明： 大數據多為觀察性資料，雖然能發現強相關性，但難以建立嚴謹的因果關係。例如，大數據可能顯示某種行為與不良結果高度相關，但無法確定是該行為導致了不良結果，還是有其他潛在因素同時影響兩者。

本題為簡答題，旨在測驗考生對研究方法論、數據解讀與推論的理解，特別是關於抽樣、統計推論及決策的合理性。

核心觀念：
本題探討的是如何從研究結果（抽樣數據）推論至實際決策（系主任的決策），以及這種推論的合理性。關鍵在於理解抽樣誤差、統計顯著性、決策的實際意義，以及研究目的與實際應用之間的落差。

詳解：
我「不同意」系主任的推論。原因如下：

1. 誤解了百分比的意義與決策的「重要性」：

   • 數據解讀問題： 報告顯示 24.43% 的受訪者將獎學金納入考量。這意味著有將近四分之一的國際學生，其來臺就讀的決定「會受到」獎學金的影響。這是一個相當可觀的比例。
   • 系主任的邏輯漏洞： 系主任的推論是「因為只有四分之一，所以不重要」。這忽略了「四分之一」仍然代表著大量的潛在學生。對於一個系所而言，即使只吸引到這四分之一的學生，也可能足以影響其招生數、學生的多元性、學術聲譽等。
   • 決策的「影響力」： 24.43% 並非一個微不足道的比例。在招生競爭激烈的環境中，放棄任何可能吸引學生的管道，都可能導致招生不足。獎學金作為一個潛在的吸引因素，其「影響力」不應被低估。

2. 混淆了「決定因素」與「唯一因素」：

   • 數據的限制： 問卷結果僅表示「是否將獎學金作為一個考量因素」，而不代表獎學金是「唯一」或「最重要的」決定因素。國際學生來臺就讀的決策會受到許多因素影響，如學術聲譽、課程內容、地理位置、生活成本、文化環境、語言便利性、畢業後發展機會等。獎學金只是其中一個可能的重要因素。
   • 系主任的簡化推論： 系主任似乎將「24.43%」解讀為「只有24.43%的學生是『完全』因為獎學金而來」，或者「獎學金是他們『唯一』的考量」。這種簡化忽略了獎學金在多重決策因素中的作用。