A

生命的本質與自由意志

發佈留言

        首先是自由意志（Free will）的定義：人們依照其擁有的條件去決定是否做一件事情的能力。

人是如何做決定的 ？

        我們以為決定是自己做出的，但其實決定是腦中的某些特定電流，實驗顯示，進行開顱實驗並給予電流刺激使個體作出行為（如眨眼），個體會以為是自己做出的決定。

那腦中的電流是如何出現的，換句話說，誰或什麼決定這個決定者（電流）在這個時間出現在這個位置？
        人腦是個幾乎無法預測的混沌系統，幾乎無法預測的說法是因為隱變數過多，多到成功預測的機率過低。舉例來說，擲骰子是純粹的物理現象，但我們仍無法預測會擲出的點數，但如果能掌握空氣中所有的氣流、人的呼吸的影響、接觸點的凹凸程度及骰子的轉動方式，我們就應該能預測出擲出的點數，這些氣流等，就是隱變數，相同的例子如大氣系統。而人腦就是這樣一個系統，我們以現在的科技完全無法預測。

但以上述骰子的例子為例，是什麼決定接觸點等隱變數呢？
        追根究底，其實會是機率。假如我們成功找到上述所說的所有隱變數的函數，也就是可完全預測上述變數時，在骰子擲出要落地的前一瞬間，如果骰子內的某顆或某幾顆或全部電子微微偏了某一邊，那落地點就不同了，所產生的結果也完全不同了，但我們明明已經掌握所有隱變數（除了電子分佈之外），因此最後的決定因素會變成是電子的機率密度函數，但換個角度想，剛剛提到空氣氣流等等的隱變數，不也是由一大堆電子的機率密度函數組成嗎，而電子又是由垮克組成，垮克又由弦組成，而弦本身就也只是機率波，因此可以發現，事實上所有事物，不管是不是隱函數都是由機率所構成的。
        相同道理，回到人腦中，腦中的電流產生是因為機率，所以人的決定事實上也只是機率性的決定。

既然這樣，那生命到底有沒有意義？

        這個問題要視意義的定義才能解釋。
        假如今天我們認為生命要能自己決定事情，存在才有意義，是的，那生命就沒意義了。
        假如我們認為生命是可以維持存在（存活與繁衍），那麼生命仍有意義。
        但今天生命作出的決定是由機率決定，換句話說，如果我現在以機率決定我要不要自殺，那麼也可以說成是機率在決定我是不是能存活，這樣的生命的意義是什麼呢？我認為，在意義之外，生命只要有存在的可能性就算是有意義了，因為生命的本質就只是存在。

為什麼生命的本質是存在？

        建議參考Conway’s game of life：

        事實上所有物質的本質都是存在。
        生命只是依照一些最基本的規則產生出來的「現象」，而在現實世界中唯一的規則就是 「持續存在」，能滿足這條規則的就會變成我們現在所看到的物體，會自行變化的物體我們就叫生命。而根據這條規則衍生出一些為了持續存在而產生的現象，如繁衍，因為我們不把一顆石頭持續存在那裡叫做生命，所以一顆會自動繁衍的石頭就叫生命，為了持續存在，我們又產生了覓食，因為這樣能更快地繁衍，然後又產生了競爭，最後出現思考，這一切都只是為了持續存在，但本質上我們和一顆石頭是一樣的：持續存在著。

後記

        這些都是我很久以前就想完的問題，每次想這些結論也都一樣。
        如果一切事物的本質不是機率，換句話說，弦論是錯的或不是最基本的理論，那決定我們的就不是機率了，是另一個還未知的東西，但本質應該會和機率很像，畢竟機率只是一個概念。
        其實我根本不在乎生命有沒有意義，因為機率決定我的意志，有沒有意義根本沒有關係，我仍然存在，大概是因為我認為意義就是存在吧。
        持續存在不意味永久存在，存在時間極短也叫存在，如半週期極短的元素我們可以說他曾經存在，所以完備的說法應該是盡量的持續存在而不是保持持續存在。這大概就是人想長生不死最根本的由來吧。
        有些人可能覺得這種想法或這種解釋方式很悲觀，我覺得無所謂，因為是機率讓你覺得很悲觀而已，總是有機率讓這種悲觀的想法出現。
        靈感來源實在太久了，所以很難整理出參考資料。印象最深的大概是和我相同想法的Discovery節目：史蒂芬霍金之大設計：The meaning of life。
        Conway’s game of life 3D版：

        額外補充：Neuroscience vs philosophy: taking aim at free will。
        這種思考邏輯可能會遭到如演化論觀點般的強烈抨擊：就算能解釋本質，你完全無法解釋過程。是的，但是我不在乎，我的目的一開始就只是解釋本質。
        感謝 阿光問我對於自由意志的立場，我才想到可以打這篇文。

—20131008
Game of life 3D Minecraft版。

—20140215

        達爾文的最適者生存，實際上只是穩定者生存這個常規的特別情況。宇宙間充滿了穩定的事物。穩定的事物是多數原子形成的集合，他通常呈現恆久的狀態，或普遍到有個人盡皆知的名字。 — Richard Dawkins，自私的基因，p.22。

註：十分推薦閱讀此本著作。其內引用Jacques Monod：「演化理論另一個有趣的地方是，每一個人都認為自己很瞭解它！」

        我在前文的用語是「存在」，而現在發現有「穩定」這樣的說法。哪一個比較好我無法肯定，但似乎在闡述的目標上有一些區別。「穩定」使物質（包括生命）可能發生改變，這是一種「朝向穩定」的傾向；但「存在」則沒有指涉到這件事。而「存在」可能產生的問題則是：有許多存在時間極短，曇花一現的事物，這似乎不是生命，或物質的特徵，至少看起來很怪。如果他長到我們足以觀察，我們通常會給它名稱，但隨著知識的增長，我們能觀察到的事物便多，漸漸也能接受那些存在極短的事物的本質（我們都同意半衰期再短的元素，都是元素的一種）。
        而這樣看來，「穩定」好像是更好的規則，但它也有問題，不穩定的事物仍然存在，可能他只是數量更少，存在時間更短。因此我們該這麼理解：「朝向穩定」是一種規律，「已經穩定」則是它存在時間的關鍵因素。
        但如果回到生命的本質（或廣義的說，物質的本質），我們不確定穩定和存在哪一個形容會更受到歡迎，這或許會變成詞彙上的問題。但這麼說應該會沒有問題：改變的方向是朝向穩定，這是一個大方向的原則，但這不意味著不穩定會不存在，因此存在是更基本的規則。（我並無刻意區分高下或層次上的差別，在這個問題上我感到有些語言上的匱乏。）
        而在引文內提到的穩定者生存也是以大方向的觀察為尺度得到的結論，這裡的穩定者擁有了很多我們常見的生物特徵，如複製能力高、壽命長、複製正確率高。而這些便是達爾文口中的最適者，但他們的本質仍然是存在。

—20150412
        推薦閱讀：【神經與哲學】我們有自由意志嗎？
        在文中提到一個有趣的例子：

        以大腸桿菌移動的模式為例，大腸桿菌有條可以繞著縱軸，雙向旋轉的鞭毛，往一邊旋轉時可讓細菌向前移動，往另一邊旋轉時則會讓細菌隨機翻滾，好讓它最後面對一個新的方向，準備進行下一階段向前的移動。這種「隨機走勢」可以透過感官受器進行調節，讓細菌得以找到食物，以及適宜生存的溫度。

        什麼隨機？什麼又是自主？自由意志什麼時候存在？多少自主性算有自由意志？

A

人生說明書

2 則留言

本文已於2014/02/12更新第二版，請參考人生說明書 v2。

人生Online Live

單一伺服器  現實世界版
全球7173476400人同時在線

前言

        看標題會讓人一頭霧水，但這篇文章的目的非常簡單，就是說明什麼是人生。文內有一些數學計算、部分的定義及白話的文字說明，公式的部分希望有興趣的人能慢慢細讀，結論部分繁雜但可能有助理解全文。敬請指教。

遊戲簡介

        這是一個比線上遊戲還殘酷的真實遊戲，在這遊戲中，輸了不一定是死了；死了也不一定輸了。每個玩家控制亦代表一個人，每個人擁有需要自行摸索的能力、長處與缺陷。
        這個遊戲可能是個陣營遊戲，也可能是個單挑遊戲，屬於即時策略遊戲，亦不排除格鬥場景。考驗的是駕駛者的智力、反應力、靈敏度、策略設計、計算能力、學習能力、社交能力等全方位能力。

遊戲目的

        在遊戲的不同階段，每個人的目的也不同。大致上來說，玩家可以同時達成、訂立多個目標，而最基本的目的則是安全存活。
        其他常見的目的如：得到安定生活、成家立業、生兒育女、家財萬貫、受人景仰等等。簡而言之，玩家可以自訂想要的目的，也能隨時改變。
註：雖基本目的通常是存活，但仍有例外情形可以放棄此目標。

勝利方式

        遊戲的勝利方式不受玩家訂定的目標所影響，因為這是個無法勝利的遊戲。

遊戲初始配件

  • 人體（可能有所缺陷）。
  • 家庭（可能有所缺陷）及其附件如：家產、前輩經驗知識。

遊戲回合

        通常定一年為一回合，因為在這個遊戲中，每人所擁有的條件都是不相同的，唯一相同的條件就是每天都是二十四小時，遺憾的是，每人回合數仍然是不相同的。

計分方式

        在人生中，所有行為皆有其價值，有些是立即性的報酬，有些可能是持續性的投資。而所謂的行為，包含動作、思考或任何不屬於以上兩者的耗時行動。只要是耗時行動，在人生中就是可評估、有其價值的。
        任何行為的價值，並非由特定一或多人決定，計算出的結果也不是永久不變的。

行為價值

        為衡量玩家在遊戲中的人生價值，因此需要將玩家所有行為的價值量化。根據玩家對於自己與他人所認為的重要程度進行加權平均，公式如下：
其中：V表示所有人對此人的加權平均評價，Vi表示第i人對此人此行為評價，Pi表示第i人對此人的重要性加權，m表示總人數。
舉例
        某人拾金不昧，他本人認為此行為價值V0=105，他的情人認為此行為價值V1=110，所有其他人認為此行為V2~m=100。他較在意他情人對他的看法，因此情人加權為P1=2倍，他較不在意他人對他的看法，因此他人加權為P2~m=0.9，本人為P0=1。
        拾金不昧行為價值=(105*1+110*2+100*0.9)/(1+2+0.9)=106.41。
註：以上皆為他本人的觀察角度，因為此遊戲無法獲勝，雖在計算中要考慮別人的看法，但實際觀察角度永遠以自身為準。

行為期望值

        玩家在面臨選擇時大多依賴期望值作出選擇，而期望值則由作出選擇後可能發生的情形的代價乘上發生機率加總。
註：行為期望值與行為價值的不同之處為行為期望值只適用於行動前的評估，而行動後只需使用行為價值做計算。因此可能行為期望值極高，結果行為價值極低。

人生價值

        有些人認為，在人生結束之時，便是結算點；有些人認為，在壯年時期事業最高峰，才是結算點。而結算角度雖皆從自身出發，但仍須考慮其他人對其的加權。
詳細計算過程為：
1.    設定結算時段[0, T]。
2.    將結算時段分割成n等分，第i等分t=iT/n。
3.    計算出t瞬間所有人對此人的加權平均評價V(t)。
4.    將所有瞬間的V(t)以不同時間做加權平均。
因此公式如下：

其中：V(t) 表示在時刻t所有人對此人的加權平均評價，Vi表示第i人對此人評價，Pi表示某人對此人的重要性加權，m表示總人數。W表示某瞬間的時間重要性加權，T是結算終點，n表示將此時段[0, T]分割成n等分。
舉例
        某人將人生分成三段計算：青年、壯年、老年，其中他特別在意壯年時期在他整體人生中的重要性，其次是老年，因此他的時間重要性加權分別1，1.5，1.2。而在這三段時期內，他本人對於他的評價分別是100，150，80，他本人的重要性加權為1。他的伴侶對他的評價分別是120，130，80，伴侶對他的重要性加權為1.2。他的家人對他的評價分別是100，200，80，家人的重要性加權為0.9，忽略剩餘的其他人，假設他的壽命為100歲亦訂為結算終點。
表格整理如下：
n=3
　
青年
壯年
老年
　
　
W(100/3)=1
W(200/3)=1.5
W(300/3)=1.2
本人
P0=1
100
150
80
伴侶
P1=1.2
120
130
80
家人
P2=0.9
100
200
80
人生價值計算：
        故假如此人的評分標準足夠客觀，且以所有人平均值為100，此人人生價值為118.62，高於100，便可說此人擁有成功的人生。
註：亦可說成功的人生定義為人生價值大於100。這樣的觀點仍是來自於他本人，正因如此，這是個無法勝利的遊戲。有可能所有人都認為他是個失敗的人生，只有他自己評價成功，但事實成功於否無法論定。

結論

        若單純只是看內容，應該很難理解在講什麼，有時候我們會想，到底怎樣是成功，家財萬貫、成家立業，好像都符合大家的期望，但有些人默默無名，依然活得很快樂，難道是快樂第一嗎？事實上，滿足快樂只是一部分的慾望，這端看一個人認定的目標為何。在這篇文章中，我直接省略其他角度的觀點，因為深入的討論這個是沒有意義的，畢竟這個遊戲永遠無法獲勝，所以重點鎖定在一個人對自己的看法，但又不能排除其他人對自己的看法，所以出現加權平均，特別的是加權的量也是由自己所掌控的。我們可以把這當做對人生的體悟，如果想通了、也認同這樣的說法，可以說人生已經無所失亦無所得了。
        而可以注意到，我在文中時常強調這是個無法獲勝的遊戲，這省去很多計算及定義的麻煩，如果這是個可以獲勝的遊戲，那肯定的是獲勝的方式還是未知的，例如：得到某稀世珍寶、找到One Piece。但這同時也是所有人嚮往的目標，理由很簡單，就是這遊戲無法獲勝，但大家依然想贏。
        當然了，在現實生活中，我們很難準確地一一量化所有數值，但這不表示這些公式都是沒有意義的，這提供了自己行事的一些參考依據，例如說，當我們不知如何做決定時，可以依照期望值作出選擇，事後也可以計算行為價值來檢討反省，而人生價值更是最重要的，假如所有人一輩子能做的事情一樣多，一個人不斷選擇行為期望值高的來做，他的人生價值基本上就會是較高的。而例外發生在，他在中途改變目標，也就是在不同時刻他對同一件事的評價改變，換句話說，一個人堅持目標，並選擇期望值最高的事來做，理論上會是最成功人生，這也和許多人的人生經歷不謀而合。

後記

        感覺還有很多可以補充的，但這幾個基本論點應該已經算完備，一開始是想要把人生價值用積分的形態來表現，但後來發現只有概念類似，計算過程是不太一樣的。
        我不能否認這是個人觀點，但我認為，可以把所有人對於人生的理解套入我的理解內，那我的說明就是客觀且足以成為標準的。
        無論如何，還是希望能看到任何意見，甚至是不同版本的人生說明書。
感謝小甜甜的參與討論，激發出積分的構想。
世界人口來自Worldmeters。
A

論希望：負期望值行為的由來與價值

發佈留言

        為什麼人會願意買樂透，就算知道期望值是負的，他們仍然買？而這樣的行為是否真的合適？又是如何產生的？

        這種行為來自於人在原始社會中因應資訊不足的情況，因為沒辦法每件事都估算機率與代價而產生的演化策略。舉例來說：一個原始部落決定是否要搬遷，他們因為不知道找到新居所的機會多寡，更不知道新居所的好壞程度，故無法決策是否要搬遷及計算其期望值。
        因此人有一種機制，這便是希望的由來，讓人在資訊不足的情況下能踏出新的一步，而這在原始社會中是有助人類發展的[1]。

        問題出在現實社會中資訊不足的情況變少了，而我們常可以明確計算出期望值，但人還是保留追求希望的行為特色。因此有賭徒。
        但也因此有偉人。
        然而機率本身不會變，我們可以從「偉人」和「未成為偉人而失敗的人」的比例略知一二。

        這樣的機制在現在的環境中使許多人做出不明智的決策，例如前例的買樂透（做公益成分可以其他方式代替）與賭徒心理。但如果換個角度，就結果論容易讓人誤解是好的決策，例如僥倖成功的生意人或股東，他們的負期望值行為或許恰巧發生在低機率高報酬的結果，而人們會稱它是勇敢放手一搏或預測精準（事實上他們無法預測），但此行為仍然是不適當的。[2]

        一個常見、簡化後的例子是：假設現在只有告白與放棄兩種選擇，且確定告白後會當不成朋友（完全負報酬），且告白成功的機率低，則依據期望值計算我們不應告白。但此時告白有希望效果（低機率高報酬），許多人仍會選擇告白，而這是明顯不理智的。[3]

        然而希望並不是因此就沒有價值的，由上而論，在資訊不足的情況下藉由希望的判斷有可能是有益的。
        雖希望與信念所產生的動機驅力是不易估算的，可以藉由產生希望而增加某困難行為達成的可能性，但這種希望與上述的希望稍有不同，這種希望是「相信會成功」，但上述的希望類似於「覺得有可能成功」，兩者在語意上不同，無法比較。但有其價值是無法否認的。

[1] 不一定有助少數群體發展，但有助全人類，因為無論其負報酬多高，都不致於使人類滅絕；就算得到高報酬的機率很低，只要有此機制就會有人得到高報酬。

[2] 我們不能因為「相信」負期望值行為會發生在機率很低但報酬很高的事件上便從事，因為信念不會改變機率，儘管機率非零。若你對我斷言此行為「不適當」有意見，請換個角度想，從事一件容易失敗的行為是否適當？若我現在跳樓有極低機率學會飛翔，我是否該跳樓？（不跳我學會飛的機率幾乎是零吧）

[3] 「有告白才有機會」、「不告白機率再低都不會發生」便是只看成功情況的片面計算。但許多情況沒有這麼單純，例如有不告白繼續培養感情此選擇，若要反駁請先確定假設是否相同。

後記
        這篇計畫要打非常久了，但一直因為不確定演化基礎而無法下筆，儘管最後我的論點是無法找到證據支持的，但應該是十分合理的。目前沒有看過類似論點，所以應該是原創，但推測有許多相同的看法。
        感謝F.C.與我討論使我產生演化基礎是資訊不足的靈感，不知為何一直沒有想到。

—20140208
        在原文中我提出的是原始資訊不足的環境使人演化出追求希望的負期望值行為。經過朋友們的未看發表意見後，我發現資訊不足所含括的情況實在很多，但仍缺少了「正確推論」，如同我在：心物因果理論中所提到的心理因果關係符合物理因果關係的充分非必要概括條件中的條件c：

c. 資訊充足且正確的causal reasoning：使用正確的知識邏輯推理。

        而雖原文的重點集中在「追求希望的負期望值行為」而非「負期望值行為」，但就負期望值行為而論，我發現準確的說，資訊不足或錯誤推論(~c)可能是產生負期望值行為的主要原因（充分非必要）。
        我們產生錯誤推論的可能性有很多，例如因為人注意到了樂透中獎的情況，或新聞媒體的報導集中於此，使人高估中獎的機率，造成期望值的誤判。吳宗霖：

這一波彩券潮，有一部分也歸因於媒體的推波助瀾。雖然正反面例子都有，不過記者在報導時總是將中獎案例擺在前面，虧本的擺在後頭。

或是從眾及迷信的行為。空心菜：

前次結果的錯誤因果推論導致的迷信行為 。

甚至包括心理成癮，這些都屬於錯誤推論。呂欣璟：

擁有希望的感覺會成癮，就像抽菸一樣，明知期望值為負而為之。

        而資訊不足亦可能有許多原因，包括自己沒注意到，陳奕凱：

我覺得人在面對利益抉擇的時候，會傾向注意有利於自己的部分，而非理性的負期望值造成損失。例如賭徒會看到一點點贏錢的機會，而不是看到大部分可能會輸錢的結果。

 最後感謝這些回應的朋友們：陳奕凱、吳宗霖、空心菜、呂欣璟。（依留言次序排列）

A

Rumination

發佈留言

        我們都學過惠更斯定理，在池塘裡丟下一顆石頭，水面會起漣漪，一圈又一圈的傳開，水是波，聲音也是波，那為什麼我們講話，在空氣中不會有一圈又一圈的漣漪呢？為什麼我喊了一聲新年快樂，你聽到的不是新年快樂~快樂~快樂~樂？（多方便）

        我們壓根沒有想過這個問題，連意識到都沒有。事實上，我們學到的惠更斯定理不夠完整，池塘的表面是二維的，而空氣是三維的。擾動在偶數空間裡會產生漣漪，但在奇數空間裡只會產生單波效應，不會引發漣漪。

        然而我要說的不只是這樣，這個問題你連意識到都沒有，而有些問題你卻是曾經意識到，卻忽略的。像是摩擦力為什麼和接觸面積無關？
        你現在可以提出的解釋有八成都是錯的，除非你曾認真想過或查過。事實上摩擦力確實和接觸面積有關，但因為一些因素而在巨觀下會被忽略。但在之中又有一個你沒有意識到的問題，摩擦力如何產生？那些「物體的表面其實凹凸不平」的說法不完全正確，因為不能符合巨觀的摩擦力描述（加水到底是是變滑還是變粗糙？）。摩擦學（Tribology），試圖解決這個還未解決的問題。

        還有許多問題像是：為什麼顏色在光譜中是排列成一直線，但又可以排列成一圈色輪，就像photoshop裡的那樣。如果真實世界是物理，那為什麼可以頭尾相連的排列？事實上我們學過視覺神經，但那根本沒屁用，大腦對於色知覺有獨特的演算法，這種演算法造就排列與扭曲圖形的方式，並且會讓人看起來非常和諧（意思就是色輪是扭曲後的色覺集合），而老鷹看到的可以是一個三維度的色球（雖然沒屁用）。

        但這依然不是我要說的，我要說的是，你意識到卻忽略的問題很多，你壓根連意識到都沒有的問題更多，我們理解的世界真的是正確的嗎？我們通常這麼相信。但事實上，我們卻連抱持懷疑都很少。希望大家的懷疑可以多一點，儘管這也伴隨多一點的痛苦。我無法論證審思多一些是不是真的比較好，但你可以自己思考。沒有人喜歡受質疑（包括質疑自己），因為好的質疑會認知失調，爛的質疑會浪費時間。但如果你想，請參考認知失調系列。


舉例與靈感來源：Steven E. Landsburg，大哉問：為何常識會說謊。

認知失調系列：

—20140427
補充：一個說明色光排列問題的youtube影片，簡單解釋了並沒有粉紅光與光圈排列後的空缺如何被填補。 (1:03)

    A

    影響Facebook動態消息得讚比之因素分析 v2

    發佈留言

    感謝

    在此首先要感謝我的FB朋友們，他們在我沒有事先告知的情況下協助我完成了這次研究，並且沒有任何報償，時間長達半年。其中可能有人會在得知真相後感到不悅、受欺騙、被愚弄，在此致上最深的歉意。

    v2版本修訂

            此版本新增了3份樣本動態，並增加了分析方法、修正了一些錯誤，包括上一版本中的相關性檢定誤用了單尾檢定，已做修正，但因為第一版本的討論中仍有部分價值，故予以保留。
    —20140622修訂
            修改緒論，新增參考文獻及部分微調。

    緒論

            在FB流行幾近氾濫的時代中，隨處可見的是人們閒暇時刻便拿起手機或開著網頁瀏覽FB，由於其動作通常是不斷的往下捲動，我們通常稱為「滑FB」。2009年的研究發現，學生族群一天花30分鐘於使用FB上；同時，他們比閱讀真實的文章花更多時間在閱讀FB上的內容(Pempek et al., 2009)，調查顯示，42%的人在上課期間分享至少15條連結(Baresch et al., 2011)。不可否認的，這樣的資訊接收平台大大的改變了我們習慣的方式，現今年輕人用分享消息和連結來確保自己知道任何該知道的消息，Stelter (2008)稱這種策略為「social filter」，而相較較好的另一種傳統方式則是「professional filter」，也就是傳統資訊提供者與閱聽者之間的關係。
    S. Güzin MAZMAN (2011)等人收取了870個FB使用者樣本後，將使用的主要目的進行因素分析後發現可以被分為四大類：維繫現有關係(maintaining existing relationships)、產生新的人際連結(making new relationships)、學術用途(using for academic purposes)以及追隨特定議題(following specific agenda)。Bonds-Raacke與Raacke (2008, 2010)指出FB對於我們在維繫現有關係、產生新的人際連結及傳遞訊息的功能上可以得到滿足。而我們達成這些功能的方式，不外乎只有發送訊息、發表動態消息(News feed)及相關功能（留言、按讚）及「戳」（poke），但「戳」現今以幾乎無人使用，訊息亦為私密資訊不易取得，因此本研究將會專注於動態消息的部分。
    關於動態消息的互動方式，FB有其獨創的功能：「按讚」（Like），使人與人、人與團體之間的互動多了一種有趣的方式。「按讚」在社群網站上非常重要且有其價值，The e-commerce platform company ChompOn於2011年估計，FB上的每一個讚對其價值平均為8美元(Baresch et al., 2011)。然而，根據Yahoo!奇摩社群研究團隊的報告，一則動態按讚、回應的數量和連結的點閱並沒有太大的關聯。舉例來說，新聞「曾雅妮首冠」的按讚留言為「手機緊急撥號」案例的2~3倍，看似這篇文章似乎較多網友觀看，但實際上「曾雅妮首冠」的點閱率僅為手機案例的4%。該研究團隊發現，欲得到讚所需要的內容屬性為：讓網友感到有當下負荷的必要情緒性內容（創造義氣感）、符合民意的發言。他們實際觀察後得到的結論發現如下表。然而，這只是他們階段性的結論，從生活中的案例可以發現，極度不合民意的發言同樣也可以獲得高讚數，而有意義、深度的內容理應也應該得到叫多的讚數，因此本研究試圖分析得到較多讚之動態內容，目標是找到一般學生族群之按讚胃口。
    From: https://marketing.tw.campaign.yahoo.net/emarketing/contentF4.php?main=A06&sub=B02&tri=&literary=453

    通常，我們可以給偶像或喜愛的粉絲專頁讚，以表示支持與認同，但這種讚是一次性的。因此本研究的主要重點集中在於動態，動態是所有人都可以發佈的消息，並且不受次數頻率、內容形式影響，而動態會根據某些演算法[1]得到其分數，排序後出現在好友或追蹤者的動態消息中，任何看到這則動態的人，可以自由選擇是否要留言或給予讚，而不會受到任何限制。
                因此可想而知，讚的數目極度容易受到曝光率、動態內容等眾多因素影響。我曾經在半年前分析過可能受到影響的因素（亦是此研究的起點），而這只是非常粗略的區分，略作修正後如下：
    一個發文頻率普通的人，得到的讚數除以他的總朋友數，也就是得讚比，通常介於5%~15%之間。影響因素有如：
    ·                  朋友結構：你的得讚比近10%或超過，可能你的朋友都是些只會迎合你喜好的王八蛋。或只是單純熟朋友比較多。
    ·                  發文類型：大於10%，你的發文類型較合大家胃口，換句話說，你是迎合別人胃口的王八蛋。或只是單純你的文筆好、照片驚悚，或你是正妹。
    ·                  發文時間：熱門時段是晚餐過後至睡前，及大家剛起床先滑手機時，在這段時間曝光，較不容易被蓋過。
    ·                  發文頻率：發文頻率過高者，普遍得讚比較低，原因如「超級廢文」或「超級大爛廢文」，然而發文頻率低者不一定較高。
    然而，在了解了FB的演算法則後，我發現有許多因素其實已經被綜合在FB的評分排序（ranking）內，且其演算法則是眾所皆知的，並沒有研究的價值。因此本研究注重動態的內容，包括其結構、語氣、修辭方式等，旨在探討何種形式或內容的動態較能或較不符合他人的胃口（讚不等於合胃口，但姑且讓我們這樣形容它）。

    研究動機

            探討影響FB動態消息的因素，注重在內容與形式上的變項。

    研究方法

            使用SPSS統計軟體進行相關分析、變異量分析與因素分析。 
            依變項為得讚比，其計算方式為：
                    得讚比＝該動態讚數/當時朋友數量
            將可能影響的變項分為八大類，共包含45個因素，除時間距離、字數、行數、標籤數外皆為二分變項。說明及操作型定義如下：
    ·         時間
    ·         與十點半距離（分鐘）：發佈動態得讚比最高時段為晚間十點半[2]，以分鐘為單位，不分正負。
    ·         與上篇間隔時間（天）：推測頻繁的發佈動態會造成接收者不願意仔細觀看或內容空泛，也就是俗稱的廢文。
    ·         功能：FB動態所內建可選的功能，不包括打卡。
    ·         圖：動態是否附圖，不分析圖片性質。
    ·         連結：動態內是否有附連結，推測有連結可能造成接收者轉移注意、懶得回來按讚。
    ·         分享：此篇動態是否是分享他人內容（使用分享功能而非單純的分享）。
    ·         標籤：在動態內是否有標記朋友。
    ·         標籤數目：標記朋友的數目。
    ·         內容
    ·         愛情：內容有愛情成分。推測多數人較愛好愛情類的內容。
    ·         友情：內容有友情成分。推測此類較能引起共鳴。
    ·         親情：內容有親情成分。
    ·         抱怨：內容有抱怨成分。推測會不受歡迎，但亦有可能得到安慰。
    ·         廣告：內容有廣告成分。推測會不受歡迎。
    ·         時事：內容有時事成分。新聞媒體所報導的稱為時事，否則為生活貼近。
    ·         用詞
    ·         文青：用詞文青，文青為文藝青年的簡稱，意為用浮誇的詞藻修飾。本身可能意義不大，但推測會受到某部分族群歡迎、評價兩極。
    ·         粗俗：用詞粗俗，包含一些常見的髒話、匿稱、誇張的自稱，無自謙詞。
    ·         形式
    ·         記敘：記敘文。通常符合生活真實事件，推測易引起共鳴，可能與生活貼近有共變。
    ·         抒情：抒情文。可能較符合某些族群。
    ·         論說：論說文。可能較符合某些族群。
    ·         學術：論文或類似格式。可能較不受歡迎。
    ·         結構
    ·         聳動開頭：能夠吸引人繼續觀看，可能有明顯效果。
    ·         創意結尾：能使人印象深刻，願意按讚。
    ·         貼近結尾：在結尾與接收者互動，使人較願意留言或參與討論。（如：以下開放討論或開放式問題）
    ·         行數：長度可能影響第一印象，太長可能使人不願意讀下去，太短內容可能不容易有高價值。
    ·         字數：與行數類似，統計方式不同。
    ·         語氣
    ·         諷刺：諷刺對象或事件不拘，推測有其客群。
    ·         哀怨：可能令人不愉快，但亦可能引起共鳴。
    ·         雙關：可能需要思考，推測有部分客群。
    ·         悲傷：與哀怨不同，可能會吸引安慰。
    ·         其他
    ·         實用性：動態內容是否有其實用價值、是否對他人有幫助。
    ·         生活貼近：內容是否貼近朋友們的生活，推測可能引起共鳴。
    ·         耍屌：假裝很屌。由多人判定。
    ·         真屌：真的很屌。由多人判定。
    ·         佳句：文內含有佳句，無論明引或暗引，亦不討論佳句種類。
    ·         有趣搞笑：內容是否會引人發笑，推測有好效果。
    ·         音樂：內容是否附有音樂歌詞、音樂連結或相關描述。
    ·         夢想熱情：內容是否牽涉到夢想或熱情，可能引起某些較重視熱血生活的族群。
    ·         創意：內容是否有創意，不可抄襲。
    ·         文內呼應：在文中前後或各部分是否有互相呼應，推測有好效果。
    ·         回憶：內容是否有包含回憶成分，推測會吸引念舊的人。
    ·         感動：內容是否使人感動，推測吸引感性的人。
    ·         修辭
    ·         對偶：是否有對偶，推測有助閱讀。
    ·         映襯：是否有映襯，可能有衝突感。
    ·         轉品：是否有轉品。

    研究結果

            由於變項過多，請參照整理過後的表，已刪除不顯著的變項。負相關因素全部不顯著。
    表一：正相關因素及相關性檢定
    類別
    因子
    r
    t
    其他
    真屌
    0.601
    3.442 **
    時間
    與十點半距離(m)
    -0.551
    -3.028 **[3]
    內容
    愛情
    0.442
    2.260 *
    功能
    標籤數目
    0.425
    2.149 *
    *：α=0.05
    **：α=0.01
    PS. 真屌為由他人判定的盡量客觀但無操作型定義因素
    表二：迴歸分析Anova
    Anovab
    模式
    平方和
    df
    平均平方和
    F
    顯著性
    1
    迴歸
    1569.737
    22
    71.352
    .
    .a
    殘差
    .000
    0
    .
    　
    　
    總數
    1569.737
    22
    　
    　
    　
    a. 預測變數🙁常數), 轉品, 愛情, 抱怨, 論說, 標籤數目, 文內呼應, 有趣搞笑, 雙關, 友情, 囂張, 音樂, 感動, 親情, 與十點半距離(m), 與上篇間隔時間(天), 回憶, 耍屌, 夢想熱情, 生活貼近, 諷刺, 映襯, 真屌
    b.     依變數: 得讚比
    表三：迴歸分析係數
    係數a
    模式
    未標準化係數
    標準化係數
    t
    顯著性
    B 之估計值
    標準誤差
    Beta 分配
    1
    (常數)
    4.712
    .000
    　
    .
    .
    與十點半距離(m)
    .004
    .000
    .128
    .
    .
    標籤數目
    -.089
    .000
    -.110
    .
    .
    與上篇間隔時間(天)
    -.695
    .000
    -.536
    .
    .
    愛情
    -3.910
    .000
    -.225
    .
    .
    友情
    8.708
    .000
    .297
    .
    .
    親情
    36.504
    .000
    .901
    .
    .
    抱怨
    4.792
    .000
    .239
    .
    .
    論說
    15.225
    .000
    .621
    .
    .
    諷刺
    9.056
    .000
    .416
    .
    .
    囂張
    -.911
    .000
    -.037
    .
    .
    雙關
    -7.195
    .000
    -.330
    .
    .
    生活貼近
    -2.988
    .000
    -.179
    .
    .
    耍屌
    3.360
    .000
    .115
    .
    .
    真屌
    30.318
    .000
    1.236
    .
    .
    有趣搞笑
    -2.184
    .000
    -.116
    .
    .
    音樂
    -3.705
    .000
    -.151
    .
    .
    夢想熱情
    -2.989
    .000
    -.102
    .
    .
    文內呼應
    6.995
    .000
    .239
    .
    .
    回憶
    16.812
    .000
    .894
    .
    .
    感動
    2.185
    .000
    .075
    .
    .
    映襯
    9.708
    .000
    .485
    .
    .
    轉品
    -.472
    .000
    -.019
    .
    .
    a. 依變數: 得讚比
    表四：全部因素描述統計
    敘述統計
    平均數
    標準離差
    分析個數
    得讚比
    13.502
    8.447
    23
    與十點半距離(m)
    231.91
    253.645
    23
    圖
    .30
    .470
    23
    連結
    .30
    .470
    23
    分享
    .30
    .470
    23
    標籤
    .13
    .344
    23
    標籤數目
    2.35
    10.404
    23
    與上篇間隔時間(天)
    7.30
    6.519
    23
    愛情
    .35
    .487
    23
    友情
    .09
    .288
    23
    親情
    .04
    .209
    23
    抱怨
    .22
    .422
    23
    廣告
    .13
    .344
    23
    時事
    .13
    .344
    23
    文青
    .22
    .422
    23
    粗俗
    .09
    .288
    23
    記敘
    .26
    .449
    23
    抒情
    .30
    .470
    23
    論說
    .13
    .344
    23
    學術
    .17
    .388
    23
    聳動開頭
    .22
    .422
    23
    創意結尾
    .48
    .511
    23
    貼近結尾
    .39
    .499
    23
    行數
    26.65
    31.373
    23
    字數
    408.87
    565.900
    23
    諷刺
    .17
    .388
    23
    哀怨
    .17
    .388
    23
    囂張
    .13
    .344
    23
    含蓄
    .17
    .388
    23
    雙關
    .17
    .388
    23
    悲傷
    .13
    .344
    23
    實用性
    .09
    .288
    23
    生活貼近
    .43
    .507
    23
    耍屌
    .09
    .288
    23
    真屌
    .13
    .344
    23
    佳句
    .39
    .499
    23
    有趣搞笑
    .26
    .449
    23
    音樂
    .13
    .344
    23
    夢想熱情
    .09
    .288
    23
    創意
    .30
    .470
    23
    文內呼應
    .09
    .288
    23
    回憶
    .26
    .449
    23
    感動
    .09
    .288
    23
    對偶
    .22
    .422
    23
    映襯
    .22
    .422
    23
    轉品
    .13
    .344
    23

     

    討論

            結果發現，屌文與愛情是最能顯著影響得讚比的（α=0.01），而愛情與標籤數目則是次要的決定因素。愛情此因素在預料之內，多數人喜歡看愛情故事或相關的文章，這部份可能有很大的年齡差異。屌文數目不多，可能導致誤差，但可以證實人們相對不喜歡耍屌（-.012）。發文時間則是一篇動態最好掌握的因素，十點半，估計是多數人結束了一天在休息時會滑FB，或在念書時正要滑FB的時段，太早可能會被較新動態蓋過，太晚則可能錯失某些客群。最後標籤數目也是重要的影響因素，因為標記朋友幾乎絕對的保證了出現在其通知中，曝光率會顯著的提升，然而不可胡亂標記（如廣告）。
            負相關的因素在修正後全部都不顯著，但其中有幾項低度相關的因素在此提出：圖、分享、連結、廣告，相關係數分別為-.389、-.358、-.339、-.332。連結可能是因為會使接受者轉移注意力，且因為這種動態相當於把一部分的價值放到連結內，若接受者未點連結，會導致低估此動態的價值。分享和連結類似，通常也需要連結到另一個頁面，較特別的是分享的是圖時，點進此圖按讚視同按圖片發佈者的讚，而非分享者，導致顯著稀釋得讚比。
            在迴歸分析的部份，其實用價值則無法保證，可能需要另外驗證。
            特別提出的非統計討論則是：我一開始推測更換感情狀態為「穩定交往中」是會獲得最高得讚比的，然而事後發現只有第二高。在23篇統計當中，最高的是發佈此篇研究並標記50個朋友（所有按更改感情狀態讚的人）的動態，獲得29.9%得讚比；更改感情狀態獲得27.7%得讚比；第三高的是獲得26%得讚比的一個感人的愛情故事（主觀評論）；而第四高的是友情故事，雖然旨在嘲笑朋友，但內容充滿可能引起共鳴的回憶，並起與多數朋友有聯繫，亦標註了兩個朋友，因此獲得24.2%得讚比。以下推論沒有數據支持，個人認為要獲得高得讚比的方式不能單已愛情或屌文而論，而是要感人（然而因為這太過主觀無法列入變項分析，有些可惜或貼近多數朋友的生活（注意是要貼近朋友的生活，而非自己的），也就是兼具愛情成分同時滿足其他條件，而這估計和朋友族群的八卦程度有極大關係。但相對來講，若單純為提高得讚比，發佈一些與朋友有關並標註他們的動態、並在關鍵時段是更為有效的方式（時常可以在吃飯聚餐的打卡上發現穩定的得讚比）。
            最後，有一些無法分析的因素無法納入考量，在這邊提出來，某些人會但單純因為文章很長就跳過不看，相反地，有些跳過的人會因為發文的是好朋友而毫無理由的按讚。有些人則是只有女生或正妹的才按（這些無法掌握的客群通常在每人的朋友結構中佔了部分不可忽略的數量）。有些人會在看完動態後不先按讚而去看留言，然後只按了留言讚；有些人可能單純討厭我或猜到我要做因素分析而故意改變行為。

    注釋

    [1] FB三年前棄用了使用已久的Edgerank演算法，台大心理系刊物《逆光》去年三月有一篇「Facebook沒有告訴你的事」對於此演算法有詳細的說明（雖然他不知道已經棄用了），目前FB並沒有公開內部使用的演算法，但多數人同意使用的因素非常多，並同時與使用者互動式的調整（你可以藉由按「我不想看到這個」改變你的排序加權）。並且也有許多人找到了重要的影響因子。

            由於這個演算法非常有趣，容我稍作說明：FB會計算親近度、權重、時間衰變、與朋友關係的設定（摯友）、貼文種類（影片>圖片>>純文字）、隱藏貼文、使用裝置、連網速度、Story bumping（舊但是沒看到的動態會自動浮出來）、Last actor（考慮最近50個互動朋友）。

    [2] 十點半的由來是得讚比分別與九點、十點、十點半、十一點計算相關，最後取相關最高者。
    [3] 得讚比與與十點半距離負相關表示發文時間越接近十點半得讚比越高呈正相關。

    參考文獻
    Tiffany A. Pempek, Yevdokiya A. Yermolayeva, Sandra L. Calvert. (2009). College students’ social networking experiences on Facebook. Journal of Applied Developmental Psychology, 30, 227–238.
    Brian Baresch, Lewis Knight, Dustin Harp, Carolyn Yaschur. (2011). Friends Who Choose Your News: An analysis of content links on Facebook. International Symposium on Online Journalism.
    Stelter, B. (2008). Finding political news online, the young pass it on. The New York Times. Retrieved from http://www.nytimes.com/2008/03/27/us/politics/27voters.html
    S. Güzin MAZMAN, Yasemin Koçak USLUEL. (2011). Gender differences in using social networks. The Turkish Online Journal of Educational Technology.
    Bonds-Raacke, J., & Raacke, J. (2010). MySpace and Facebook: Identifying dimensions of uses and gratifications for friend networking sites. Individual Differences Research, 8(1), 27-33.
    Raacke, J., & Bonds-Raacke, J. (2008). MySpace and Facebook: Applying the uses and gratifications theory to exploring friend-networking sites. Cyberpsychology & behavior, 11(2), 169-174.

    後記

            再次感謝我的朋友們，尤其是受最後一個更改感情狀態的動態所騙的朋友（其他動態內容多數是真實的），而此動態有許多人猜測是假的，並在事後非常肯定的和我說有猜到，對此我認為不會影響統計，因為多數人仍會按讚，且有極大成分是後見之明偏誤（經過調查，多數人的肯定程度落在0.7~0.9之間，以此數字來看，幾乎可以肯定有偏誤成分）。並且感謝那些支持我發文的朋友們，我為了作因素分析時常轉換文章風格（是否有人發現一下愛情一下友情，一下時事一下回憶，一下嘴砲一下文青？），因此造成我的動態水準參差不齊，若有人因此對我的某些文章感到失望，我也只能遺憾的說這是必要的犧牲了。歡迎繼續支持。
                另外礙於篇幅所限，也不附上實際分析的資料與每篇動態的內容，若想要的話可以私下索取。
    可能有人會質疑這篇分析的價值，認為我找出了45個變項依然不能準確預測得讚比，是的，根據迴歸模型，發佈這篇的動態預測會是15.6%的得讚比（接受者可以因此按或不按而改變準確度），但實際卻是出人意料的29.9%。但其價值並不在於預測，而是了解影響因素，雖然樣本動態過少，確實是有其困難度。但在公開的數據之外，FB的點讚是記名的，在我得到了大眾胃口的結構之後，便可以分析所有曾經按我讚的人的喜好。是的，你只要有點過我的讚，我都已經知道你的胃口如何了，這價值高不高，就得視個人的價值而定了（下次點其他人讚時也請三思）。而這些數據因為隱私問題而不能公開，理論上作為一個有倫理的研究者我應該也不會對私下偷偷來問我的人透漏的。

    An Academic Geek