延續12月5日周四的資料科學工作坊（請參見：資料科學的實際應用　Natalie Pang教授實時追蹤重大事件），本中心與傳播學院於12月6日周五請新加坡國立大學Natalie Pang教授接續以NVivo軟體在質化研究的應用為主題開設Qualitative Analysis with NVivo工作坊，本次工作坊邀請到本校傳播學院曾國峰副教授主持。

本中心與傳播學院合作，於12月5日周四邀請到新加坡國立大學Natalie Pang教授開設Introduction to Data Science with R工作坊，學習如何將R軟體應用於目前最熱門的資料科學研究，本次工作坊由傳播學院副院長，同時也是本中心國際交流與研究小組召集人林翠絹教授主持。

Pang教授分享研究心得

（照片提供：台灣政經傳播研究中心）

林教授開場介紹

（照片提供：台灣政經傳播研究中心）

2013年新加坡小印度區的晚上，一位印度客工被私人巴士撞倒喪命，引起路人及工友不滿，逾百人包圍肇事車輛，後來趕到的警車被掀翻、救護車被縱火焚毀，一位客工的死成為種族衝突的導火線，持續兩個多小時的騷亂，發生在政局相對穩定的新加坡，令舉世震驚。當晚Twitter上開始出現#lir (Little India Riot)等話題標籤，來自各地的用戶實時上傳、更新小印度騷亂的現狀，當時身在新加坡的Natalie Pang教授即時追蹤、抓取Twitter資料，並進一步分析、研究整個騷亂的生命歷程。

Pang教授示範如何使用R及RStudio

（照片提供：台灣政經傳播研究中心）

從新加坡小印度騷亂的研究經驗講起，Pang教授接續以About Data Science Myth為題，說明資料科學的軟體工具選擇取決於研究問題本身，以小印度騷亂的研究為例，Pang教授在不同的階段分別使用了Python、excel、R和Tableau等軟體，而本次工作坊則以R及RStudio的實作為主軸，引導學員進入資料科學的世界。Pang教授先是循序漸進的介紹R及RStudio介面、如何輸入指令等，協助與會者由淺至深的了解R軟體的功用，也提供可供下一階段自學的開放資源，與會學員則跟著Pang教授的教學，一步一步學習R軟體的操作。

Pang教授示範如何使用R及RStudio

（照片提供：台灣政經傳播研究中心）

Pang教授也分享她在Facebook、Twitter等社交平台的資料蒐集經驗，她指出在資料蒐集的過程中，由於需在軟體中編寫需要抓取的內容，最重要的就是要有穩定的抓取模板。而在幾個社交平台中，Twitter的開放性以及推文的格式一致性，讓Twitter成為相當重要的分析資料來源。在新加坡相當主流的Facebook，其資料則相對不易抓取，一方面是各用戶及粉絲專頁的貼文內容，在格式上並不穩定（一致），貼文內容較長或回覆較多時會隱藏部分內容的設定也造成資料蒐集的困難，另一方面則是因為之前劍橋分析(Cambridge Analytica)公司資料外洩事件，使Facebook更新隱私設定，對資料把關更嚴謹，因此需要投入更多的人力進行資料蒐集工作。

最後，針對學員的提問，Natalie Pang教授也就目前資料科學常使用的各種軟體、抓取資料的平台進行評論，指出「軟體的選擇其實取決於想要回答的問題」，與會者皆滿載而歸。

Pang教授與出席學員合照

（照片提供：台灣政經傳播研究中心）

【台灣政經傳播研究中心訊】台灣政經傳播研究中心(Taiwan Institute for Governance and Communication Research, TIGCR)於2019年12月4日舉行「Fake News, Real Problem: The Case of Singapore （假新聞、真問題？──以新加坡為例）」演講，本次演講很榮幸邀請到新加坡南洋理工大學Edson C Tandoc Jr.教授，以其過去作為新聞工作者和對數位新聞的研究經驗，與政大師生們一同探討假新聞的問題。

Tandoc教授介紹新加坡的假新聞研究

（照片提供：台灣政經傳播研究中心）

首先，Edson C Tandoc Jr.教授以實際案例顯示假新聞對國家、社會的危險性。假新聞撰寫人透過模仿一般新聞的撰寫格式，使人們難以辨識出該訊息是否為錯誤的。科技的持續進步改變了我們吸收新聞的方式，即使人們知道在社群平台上更容易接觸到假新聞，免費閱讀、快速且更具娛樂性的資訊仍使閱聽人趨之若鶩。此外，相較於傳統新聞從業人員的專業性，人們更相信身邊熟識親友所分享的新聞、資訊，這些都加劇假新聞氾濫的現象。

許多師生與會

（照片提供：台灣政經傳播研究中心）

面對假新聞氾濫，Tandoc教授鼓勵聽眾對任何所接收的資訊保持懷疑的態度，並特別檢視它的來源。在資訊爆炸的時代裡，我們有義務要維護媒體使用環境，一旦發現假新聞應立即協助澄清，也應支持新聞業者所提供的專業報導，因為一則具價值性的新聞報導歷經許多環節檢視和調查。在最後的問題與討論中， Tandoc教授與在場師生針對假新聞在不同社群平台呈現的型態交換意見，協助大家更加認識假新聞。透過提供不同的研究結果與數據佐證人們對假新聞的看法，同時也點出人們相信假新聞的原因，Tandoc教授希望提醒大家警惕假新聞，本次演講亦讓在場師生滿載而歸。

演講後Tandoc教授與出席人員合照

（照片提供：台灣政經傳播研究中心）

演講後，Tandoc教授出席本中心所舉行的閉門座談，由黃紀主任簡介中心研究重點、成果及資料庫，Tandoc教授表示相當驚艷，並希望申請本中心釋出的研究資料，也希望之後能有更多的合作。

黃紀主任簡介TIGCR

（照片提供：台灣政經傳播研究中心）

Tandoc教授出席座談

（照片提供：台灣政經傳播研究中心）

台灣政經傳播研究中心與中央研究院調查研究專題中心，在8月7日至9日於中研院人文社會科學中心，合辦2019年調查研究方法與應用國際研討會暨工作坊（2019 International Conference and Workshops on Survey Research Methodology），吸引諸多國際知名學者共襄盛舉，本次研討會聚焦於調查研究方法上的論證與思辨，提供調查研究領域跨國交流的機會。但由於颱風的影響，8月9日當天上午的研討會取消，工作坊改以線上方式進行。

為期三天的研討會暨工作坊，邀請到Norbert Schwarz、Michael Link、Brady T. West三位在調查研究領域頗富盛名的學者發表主題演講及開設工作坊。首先Total Survey Error: A Guiding Framework for High-Quality Survey Design工作坊中，University of Michigan的Brady T. West教授由理論出發，結合實際案例引導學員實踐如何透過高品質的調查研究設計降低總體調查誤差。

University of Southern California的Provost Professor──Norbert Schwarz則以過去三十年的經驗，分享受試者在認知研究中的問答行為。長期在業界從事調查研究工作，目前為澳洲知名企業Abt Associates副總，過去曾於美國公共調查中心任職的Michael Link則講述數據研究的演進與未來發展，並為最新調查研究提供建言。

研討會的第二天，台灣政經傳播研究中心的成員組成panel，由本中心主任黃紀講座教授主持，團隊成員Justin Bullock、陳敦源、廖洲棚、蔡佳泓、蔡宗漢教授與會，發表調查研究論文成果。Justin Bullock教授分析公共行政領域的調查研究資料，展示預測研究信度的檢驗模型。而後由廖洲棚教授說明多種線上調查中的情緒分析，比較人工、自動與線上群眾外包的異同。最後則由蔡佳泓研究員、蔡宗漢教授發表追蹤調查中樣本流失(sample attrition)的研究結果，比較加權(weighting)及多重差補(multiple imputation)的影響，本場次吸引諸多學者與會，引起熱烈討論。

中心主任黃紀教授主持TIGCR panel

（照片來源：台灣政經傳播研究中心）  

Justin Bullock教授分析公共行政領域的調查研究資料

（照片來源：台灣政經傳播研究中心） 

廖洲棚教授說明多種線上調查中的情緒分析

（照片來源：台灣政經傳播研究中心）

蔡宗漢教授發表追蹤調查中樣本流失(sample attrition)的研究

（照片來源：台灣政經傳播研究中心）

8月9日的Survey Weighting: Everything from Basic Concepts to Advanced Applications工作坊，則邀請到Brady T. West 教授分別以受試者對於研究的影響以及調查研究當中的加權(weighting)應用兩個研究主題開講，也由於颱風利奇馬的影響，該日工作坊以線上視訊會議方式進行，中心成員皆獲益良多，本次與中研院調查研究專題中心合辦之2019年調查研究方法與應用國際研討會暨工作坊順利圓滿落幕。

台灣政經傳播研究中心(TIGCR)訪問學者──美國德州農工大學公共服務與行政學系 Justin Bullock教授，接續上月發表人工智慧(AI, Artificial Intelligence)影響政府決策之主題，於7月31日發表公開演講「Creating Artificial Bureaucrats（創造人工官僚）」，聚焦人工智慧如何應用於官僚體系與未來發展。由本中心成員國立空中大學公共行政學系廖洲棚副教授主持，廖教授同時也擔任電子治理研究中心副主任。

廖洲棚副教授主持演講

（照片提供：台灣政經傳播研究中心）

延續上次演講將人工智慧用於輔助政府裁量，Bullock教授將研究視角延伸至更深層的複雜人工智慧系統，深度分析並借鏡Drexler所開發Comprehensive AI Systems (CAIS)的經驗，為公共行政研究及實務的現況與未來展望提供建議。Bullock教授首先提及科技快速進步對於人工智慧發展所造成的影響，公共行政領域由於人工智慧的輔助而能更靈活、有效率的執行任務，包括決策、裁量及輔助執行公務等。以長期發展來看，人工智慧之所以能超越過去長期輔助文官體系的資訊傳遞科技(Information Communication Technology)原因在於它具有不斷學習的能力，能夠超越人腦有限的儲存系統，快速且有效的運用及處理數據，並且根據學習經驗不斷改善決策結果及行為。

Bullock教授演講影片

（影片提供：台灣政經傳播研究中心）

Bullock教授發表演講

（照片提供：台灣政經傳播研究中心）

他接著提到，對於許多當前的公務員來說，最關心三個AI用途為：一、將圖片、文字或者數據以系統性的方式建置，以利人工智慧後續學習。二、利用大數據識別模式，判斷輸入資料是否形成趨勢或進行預測；三、是否能以自動化的方式取代現有人力資源。Bullock教授表示具有學習能力的AI能夠有效及系統性地處理數據，然而，當我們要建置人工官僚，還有許多因素須納入考量。

Bullock教授指出雖然AI具有強大的問題解決能力、並能以複雜的科層結構來學習新技能並完成任務，但據目前所知，AI與人類仍存有在「理解」上的差異，人類能夠深度理解自己的行為，而這是目前AI尚無法達成的部分。在定義文官系統何時該使用AI或是人為進行決策，Bullock教授認為此差異存在待執行的公務是否需要執行者具備有理解的能力。

Bullock教授回應提問

（照片提供：台灣政經傳播研究中心）

由於AI系統的科層特性，Bullock教授以Drexler(2019)所提出「理解型人工智慧服務」(Comprehension AI service, CAIS)架構，提供當前人工官僚的建議與思考。CAIS模型的智慧程度較以往更為提升，其特色在於以任務為中心，有別於過去不加以區分任務的人工智慧系統，未來在引進此模型時，我們也可透過通盤考慮任務的風險與複雜性，決定在AI與人類官僚的合作上，哪些任務應該交由人工官僚執行，哪些則依舊由人類官僚決定。

Bullock教授回應提問

（照片提供：台灣政經傳播研究中心）

Bullock教授總結，AI逐漸作為各領域裁量工具，我們應該要仔細思考使用AI的策略。發展至今，AI系統就如所有系統一樣，是由複雜的科層結構組成，該如何改善、並運行當中的子系統，則能參考Drexler的架構，以任務為導向進行使用AI與否的判準。

會後，中心主任黃紀教授邀請Bullock教授加入TIGCR成為中心成員，也獲Bullock教授欣然同意，樂見雙方未來將有更密切的合作與交流。Bullock教授也同意本次演講全程錄影，未來將可以在本中心官方網站回顧他的演講。

與會者合影

（照片提供：台灣政經傳播研究中心）