class: center, middle, inverse, title-slide # Tidy Network Analysis ## Legislative cosponsorship networks in Taiwan ### 曾子軒 Dennis Tseng ### 台大新聞所 NTU Journalism ### 2020/10/17 --- <style type="text/css"> .remark-slide-content { padding: 1em 1em 1em 1em; font-size: 28px; } .my-one-page-font { padding: 1em 1em 1em 1em; font-size: 20px; /*xaringan::inf_mr()*/ } </style> # 自我介紹 <ul> <li>個人背景 <ul> <li>商學院畢業/新聞所就讀中</li> <li>數據分析實習</li> </ul> <li>Interest <ul> <li>資料分析領域</li> <li>資料新聞領域</li> </ul> <li>R <ul> <li>套件: tidyverse 相關,如 dplyr, tidyr, purrr, ggplot2</li> <li>data cleaning, data manipulation, data visualization; <br>social network analysis; data mining; text mining</li> </ul> <li>更多 <ul> <li><a href="https://medium.com/dd-story-hub" target="_blank">跟朋友一起開的 Medium</a></li> <li><a href="https://dennisrdatanews.netlify.com/">我的部落格</a></li> </li> </ul> --- # Agenda <ul> <li>大綱 <ul> <li>網絡分析的基本概念</li> <li>套件介紹: <code>tidygraph</code> 以及 <code>ggraph</code></li> <li>以台灣立法委員提案與連署網絡資料為例</li> </ul> </li> </ul> <ul> <li>預期 <ul> <li>適合對 R 語言有基礎且不排斥 tidyverse 的人</li> <li>適合對 network analysis 有了解想在 R 裡面將結果視覺化的人</li> <li>適合用過 igraph 但對它不夠滿意的人</li> <li>不適合想產出設計師等級超精美圖表的人</li> <li>不適合想聽學術政治分析的人</li> </ul> </li> </ul> --- class: my-one-page-font # 什麼時候會用到網絡分析 - 長方形資料01 <img src="image/tabular_data.jpg" width="90%" height="90%" /> -- ```r library(tidyverse) # 按照被連署次數多到少排序 df_aggregate %>% arrange(desc(n)) # 找名字包含"平"者 df_aggregate %>% filter(str_detect(pro, "平")) # 找各黨派被連署次數最多 df_aggregate %>% group_by(party) %>% summarise(n = max(n)) ``` --- class: my-one-page-font # 什麼時候會用到網絡分析 - 長方形資料02 <img src="image/tabular_data2.jpg" width="90%" height="90%" /> -- ```r library(tidyverse) # 找出最挺每位提案委員的連署人是誰 df_raw %>% group_by(pro) %>% arrange(desc(n)) %>% filter(row_number() == 1) # 看各黨連署的黨派組成 df_raw %>% group_by(pro_party, cos_party) %>% summarise(n = sum(n)) %>% arrange(pro_party, desc(cos_party)) ``` --- # "時機若對,我第一個使用網絡分析" <ul> <li>很好解決的問題 <ul> <li>誰提案最多?誰提案最少?</li> <li>最常幫國民黨立委連署的民進黨立委是誰?</li> <li>親民黨幫民進黨立委連署佔比有多高?</li> </ul> <br> -- <li>不太好解決的問題 <ul> <li>誰最重要?誰跟大家關係最好?</li> <li>以丁守中為例,誰跟他距離最遠?</li> <li>兩大黨哪個在連署上比較緊密?</li> <li>連署上有沒有派系?有沒有一群人很邊緣?</li> </ul> </ul> --- # 網絡分析概念 - 關心重點與問題對應 <ul> <li>關心重點 <ul> <li>關心個體之間的關係,以及這些關係組成的結構</li> <li>舉例:前立委<b>徐永明</b>提案次數重要、誰幫他連署也重要</li> </ul> </li> </ul> -- <ul> <li>問題對應 <ul> <li>重要 / centrality: 誰最重要?誰跟大家關係最好?</li> <li>距離 / distance : 以丁守中為例,誰跟他距離最遠?</li> <li>緊密 / betweeness: 兩大黨哪個在連署上比較緊密?</li> <li>分群 / community : 連署有沒有派系?有沒有人很邊緣?</li> </ul> </li> </ul> --- # 網絡分析概念 - 基本組成與特徵 <ul> <li>基本組成 <ul> <li>個體 - nodes/vertices/actors</li> 例如立法委員、學術論文、PTT網軍 <li>關係 - edges/links/bonds</li> 例如連署關係、引用關係、推噓文 </ul> </li> </ul> -- <ul> <li>個體與關係都有特徵 <ul> <li>個體有性質,例如黨派、性別</li> <li>關係有方向與強度,方向如引用與被引用、強度如引用次數</li> </ul> </li> </ul> --- # 範例 - 黃國昌提案的連署網絡 <img src="image/cosponsorship_huang.jpg" width="75%" height="75%" style="display: block; margin: auto;" /> .center[2020 第九屆立委黃國昌提案的連署情形 by 我自己] --- # 網絡分析概念 - 網絡資料長相 <img src="image/network_data_node.jpg" width="40%" height="40%" /><img src="image/network_data_edge.jpg" width="40%" height="40%" /> .pull-left[nodes] .pull-right[edges] --- # 什麼時候會用到網絡分析 - 分析對象 <ul> <li>大群體中的個體 <ul> <li>立法委員裡面的提案狂魔</li> <li>學術領域裡面的重要論文</li> <li>朋友當中的認識王</li> </ul> <br> -- <li>大群體中的次群體 <ul> <li>屬於政黨內的派系</li> <li>高中生會同時申請的科系</li> <li>PTT 推文網軍集團</li> </ul> </ul> --- # 實例 - 人際網絡與政治獻金 <img src="image/nyt_hapiness_example.jpg" width="50%" height="50%" /><img src="image/mirrormedia_money_example.jpg" width="50%" height="50%" /> .pull-left[2008 「快樂會傳染、請你慷慨」研究 <br> by [紐約時報](https://archive.nytimes.com/www.nytimes.com/imagepages/2008/12/05/health/05happyA.ready.html?action=click&module=RelatedCoverage&pgtype=Article®ion=Footer)] .pull-right[2016 台灣立委與總統選舉(合法)政治獻金收受網絡 - 以柯建銘為例 <br> by [鏡週刊](https://www.mirrormedia.mg/projects/political-contribution/#/explore)] --- # 實例 - PTT 與立委連署 <img src="image/stevenptt_example.jpg" width="50%" height="50%" /><img src="image/cosponsorship_example.jpg" width="50%" height="50%" /> .pull-left[2019 PTT 八掛版 <br> 共同推文關係網絡(節選) <br> by [Steven Yeo](https://www.syviz.me/post/%E5%93%88%E5%9B%89-%E4%BD%A0%E6%98%AF%E7%B6%B2%E8%BB%8D%E5%97%8E-ptt%E6%8E%A8%E6%96%87%E9%97%9C%E4%BF%82%E8%A6%96%E8%A6%BA%E5%8C%96/)] .pull-right[2020 第八屆立法委員國民兩黨互相連署情形(節選) <br> by 我自己] --- class: my-one-page-font # 從 tabular 到 network - 提案連署資料 ```r df_index %>% slice(10) %>% select(1,3,7,8,9,13) %>% kableExtra::kable("html") %>% kableExtra::kable_styling(bootstrap_options = c("striped", "hover")) ``` <table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;"> <thead> <tr> <th style="text-align:left;"> term </th> <th style="text-align:left;"> sessionTimes </th> <th style="text-align:left;"> billOrg </th> <th style="text-align:left;"> billProposer </th> <th style="text-align:left;"> billCosignatory </th> <th style="text-align:left;"> selectTerm </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> 08 </td> <td style="text-align:left;"> 02 </td> <td style="text-align:left;"> 本院委員李應元等24人 </td> <td style="text-align:left;"> 李應元 林世嘉 陳歐珀 </td> <td style="text-align:left;"> 蔡煌瑯 蕭美琴 李昆澤 魏明谷 林岱樺 陳唐山 陳節如 田秋堇 陳其邁 段宜康 蘇震清 林佳龍 管碧玲 許智傑 尤美女 蔡其昌 薛 凌 陳明文 吳宜臻 鄭麗君 邱志偉 </td> <td style="text-align:left;"> all </td> </tr> </tbody> </table> --- class: my-one-page-font # 從 tabular 到 network - 立委資料 ```r df_legislator %>% head(5) %>% select(1,2,3,4,5,6,7) %>% kableExtra::kable("html") %>% kableExtra::kable_styling(bootstrap_options = c("striped", "hover")) ``` <table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;"> <thead> <tr> <th style="text-align:left;"> term </th> <th style="text-align:left;"> name </th> <th style="text-align:left;"> ename </th> <th style="text-align:left;"> sex </th> <th style="text-align:left;"> party </th> <th style="text-align:left;"> partyGroup </th> <th style="text-align:left;"> areaName </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> 10 </td> <td style="text-align:left;"> 王定宇 </td> <td style="text-align:left;"> Wang Ting-Yu </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:left;"> 臺南市第6選舉區 </td> </tr> <tr> <td style="text-align:left;"> 10 </td> <td style="text-align:left;"> 孔文吉 </td> <td style="text-align:left;"> Kung Wen-Chi </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 山地原住民選舉區 </td> </tr> <tr> <td style="text-align:left;"> 10 </td> <td style="text-align:left;"> 王美惠 </td> <td style="text-align:left;"> WangMei-Hui </td> <td style="text-align:left;"> 女 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:left;"> 嘉義市選舉區 </td> </tr> <tr> <td style="text-align:left;"> 10 </td> <td style="text-align:left;"> 王婉諭 </td> <td style="text-align:left;"> WangWan-Yu </td> <td style="text-align:left;"> 女 </td> <td style="text-align:left;"> 時代力量 </td> <td style="text-align:left;"> 時代力量 </td> <td style="text-align:left;"> 全國不分區及僑居國外國民 </td> </tr> <tr> <td style="text-align:left;"> 10 </td> <td style="text-align:left;"> 伍麗華Saidhai‧Tahovecahe </td> <td style="text-align:left;"> WuLi-Hua </td> <td style="text-align:left;"> 女 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:left;"> 山地原住民選舉區 </td> </tr> </tbody> </table> --- class: my-one-page-font # 從 tabular 到 network - 清理後的資料 ```r df_cosponsor_09 %>% slice(101:105) %>% select(3,1,5,6,2,12,13,4) %>% kableExtra::kable("html") %>% kableExtra::kable_styling(bootstrap_options = c("striped", "hover")) ``` <table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;"> <thead> <tr> <th style="text-align:right;"> term </th> <th style="text-align:left;"> pro </th> <th style="text-align:left;"> pro_sex </th> <th style="text-align:left;"> pro_party </th> <th style="text-align:left;"> cos </th> <th style="text-align:left;"> cos_sex </th> <th style="text-align:left;"> cos_party </th> <th style="text-align:right;"> n </th> </tr> </thead> <tbody> <tr> <td style="text-align:right;"> 9 </td> <td style="text-align:left;"> 王金平 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 賴士葆 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:right;"> 4 </td> </tr> <tr> <td style="text-align:right;"> 9 </td> <td style="text-align:left;"> 王金平 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 賴瑞隆 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:right;"> 0 </td> </tr> <tr> <td style="text-align:right;"> 9 </td> <td style="text-align:left;"> 王金平 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 鍾孔炤 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:right;"> 1 </td> </tr> <tr> <td style="text-align:right;"> 9 </td> <td style="text-align:left;"> 王金平 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 鍾佳濱 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 民主進步黨 </td> <td style="text-align:right;"> 1 </td> </tr> <tr> <td style="text-align:right;"> 9 </td> <td style="text-align:left;"> 王金平 </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:left;"> 簡東明Uliw.Qaljupayare </td> <td style="text-align:left;"> 男 </td> <td style="text-align:left;"> 中國國民黨 </td> <td style="text-align:right;"> 3 </td> </tr> </tbody> </table> --- # 來看程式碼跟 code <ul> <li><a href = "https://dennishi0925.github.io/satRdays_sharing_2020_slide/sharing_slide#1">簡報連結</a></li> <li><a href = "https://github.com/Dennishi0925/satRdays_sharing_2020">程式碼連結</a> <ul> <li>igraph 基本 - igraph.R</li> <li>用 tidygraph 分析立委資料 - tutorial.R</li> <li>data 資料夾 - 第九屆立委連署資料</li> </ul> </li> </ul> --- # 「瀟灑走一回」 - 匯入與清理資料 <ul> <li>Data Importing <ul> <li><a href = "https://data.ly.gov.tw/getds.action?id=20">立法院開放資料服務平台</a></li> <li>欄位包含屆別, 會期, 提案名稱, 提案人, 連署人等</li> <li>原始格式: json/xml/csv</li> </ul> </li> </ul> -- <ul> <li>Data Munging <ul> <li>目的 - 從提案的「事件資料」到以立委為單位的「關係資料」</li> 原始: 提案 A/B, 連署C/D/E; 關係: 提案A, 連署D, 共n次 <li>流程 - 清提案資料、串立委資料、依照提案與連署匯總</li> <li>幾個重點 - 姓名、空白、原始錯誤</li> 異體字/錯字/傳統姓名、key in 錯誤、"%C2%A0" </ul> </li> </ul> --- # 套件介紹 - [tidygraph](https://github.com/thomasp85/tidygraph) <ul> <li>特色 <ul> <li>"provides a tidy API for graph/network manipulation"</li> <li>"While network data itself is not tidy, it can be envisioned as two tidy tables, one for node data and one for edge data."</li> <li><code>tidyverse</code> 生態系底下的套件,很多互通的概念</li> <li>整理 <code>igraph</code> 的函數,變得很有一致性</li> </ul> </li> </ul> -- <ul> <li>函數 <ul> <li>centrality - <code>centrality_()</code></li> <li>community detection - <code>group_()</code></li> <li>node measures - <code>node_is_()</code>, <code>node_rank()</code></li> <li>edge measures - <code>edge_is_()</code></li> <li>graph measures - <code>graph_is_()</code></li> </ul> </li> </ul> --- # 套件介紹 - [ggraph](https://github.com/thomasp85/ggraph) <ul> <li>特色 <ul> <li>"A grammar of graphics for relational data"</li> <li>"an extension of ggplot2 aimed at supporting relational data structures such as networks, graphs, and trees"</li> <li>畫網絡圖時遵循 <code>ggplot2</code> 的繪圖文法</li> <li>有跟 <code>tidygraph</code> 整合</li> </ul> </li> </ul> -- <ul> <li>組成 <ul> <li>layout - 畫出網絡的架構</li> <li>nodes - <code>geom_node_()</code></li> <li>edges - <code>geom_edge_()</code></li> </ul> </li> </ul> --- # 再回去基本定義一下 <ul> <li>組成 - nodes and edges <ul> <li>edge 可以有方向性(direction)</li> <li>edge 可以有權重(weight)</li> <li>node 可以自己連自己(self-loop)</li> <li>node 之間可以不只有一個連結</li> </ul> </li> <li>表示方法 <ul> <li>adjacency matrix</li> <li>adjacency list</li> </ul> </li> </ul> --- # 再回去基本定義兩下 <ul> <li>neighbor and degree <ul> <li>size - 組成個數</li> <li>neighbor - 鄰居</li> <li>degree - 鄰居個數</li> <li>degree distribution - 鄰居個數的分佈</li> </ul> </li> <li>connectivity <ul> <li>path - 從 A 到 B 有多遠 (a sequence of edges)</li> <li>connected - graph 的任兩點都有連接</li> <li>connected component - graph 的某部分任兩點都有連結</li> <li>distance - 從 A 到 B 的最短距離</li> <li>diameter - graph 當中最長的任兩點最短距離</li> <li>cluster - global and local (看triangles)</li> </ul> </li> </ul> --- # 再回去基本定義三下 <ul> <li>其他 <ul> <li>weak ties</li> <li>embeddedness</li> <li>structure holes</li> <li>degree distribution - 鄰居個數的分佈</li> </ul> </li> <li>觀察真實生活中的網絡 <ul> <li>average path length 的長短</li> <li>connected component 的大小</li> <li>clustering coefficient 的大小/li> <li>structure 的模組化程度</li> <li>degree distribution 是否有 scale-free 特性</li> </ul> </li> </ul> --- # 再回去基本定義最後一下 <ul> <li>centrality - 判斷哪個 node 重要 (重要的定義很多樣) <br> <ul> <li>degree centrality - 直接算有多少鄰居,比數量</li> 意義 - 直接跟他人有聯繫(朋友多) <li>closeness centrality - 計算最短距離的平均,比距離</li> 意義 - 用相對短距離接觸到他人(朋友的朋友多) <li>betweenness centrality - 計算處在最短距離的次數,比關鍵度</li> 意義 - 處於很多最短距離上(關鍵人物) <li>eigenvector centrality - 計算鄰居的重要性分數,比分數高低</li> 意義 - 鄰居重要程度決定自己重要程度(厲害的人成為朋友) </ul> </li> <li>ranking <ul> <li>pagerank - Google 搜尋排序</li> <li>hubs and authorities - 重要論文</li> </ul> </li> </ul> --- # 構築網絡資料 - tbl_graph() <ul> <li><code>tbl_graph()</code> - 兩個 dataframe <ul> <li>nodes = df_nodes</li> <li>edges = df_edges</li> <li>directed, node_key</li> </ul> </li> </ul> <ul> <li><code>as_tbl_graph()</code> - 一個 dataframe <ul> <li>x = df_nodes_edges</li> <li>weight = n</li> </ul> </li> </ul> --- # 操作網絡資料 - activate() <ul> <li><code>activate()</code> - 兩個 dataframe <ul> <li><code>activate(nodes)</code></li> <li><code>activate(nodes)</code></li> </ul> </li> </ul> <ul> <li>跟<code>tidyverse</code>的整合 <ul> <li><code>filter(), mutate(), select(), etc.</code></li> <li><code>left_join(), inner_join()</code></li> <li><code>as_tibble()</code></li> </ul> </li> </ul> --- # 可以回答問題了! <ul> <li>問題對應 <ul> <li>重要 / centrality: 誰最重要?誰跟大家關係最好?</li> <li>距離 / distance : 以丁守中為例,誰跟他距離最遠?</li> <li>緊密 / betweeness: 兩大黨哪個在連署上比較緊密?</li> <li>分群 / community : 連署有沒有派系?有沒有人很邊緣?</li> </ul> </li> </ul> <ul> <li>函數族群 <ul> <li><code>centrality</code></li> <li><code>node_pairs</code></li> <li><code>node_is</code></li> <li><code>group</code></li> </ul> </li> </ul> --- class: my-one-page-font # 誰重要? <ul> <li>不用網絡也可以 <ul> <li>連署次數最多/最少的立委</li> <li>被連署最多/最少的立委</li> <li>被連署人數最多/最少的立委</li> </ul> </li> </ul> ```r # 用網絡方法 network_bill_09 %>% activate(edges) %>% filter(weight >= 50) %>% activate(nodes) %>% mutate(centrality_degree = centrality_degree(), centrality_closeness = centrality_closeness(), centrality_betweenness = centrality_betweenness()) %>% arrange(desc(centrality_degree)) %>% select(name, party, centrality_degree) # 用tabular df_bill_pro_cos_09 %>% filter(n >= 50) %>% group_by(pro) %>% summarise(degree = n_distinct(cos)) %>% arrange(desc(degree)) ``` --- # 黨派內部與跨黨交流? <ul> <li>跨黨派互動 <ul> <li>幫自己黨派以外連署</li> <li>泛藍/泛綠各自幫忙</li> <li>國民黨/民進黨互相幫忙</li> </ul> </li> </ul> ```r # 用網絡方法 df_bill_pro_cos_09 %>% filter(pro_party != cos_party) %>% filter((pro_party == "中國國民黨" & cos_party == "民主進步黨") | (cos_party == "中國國民黨" & pro_party == "民主進步黨")) %>% count(pro, pro_party, cos, cos_party, sort = T) ``` --- # 連署集團特性 <ul> <li>以整體來看(graph) & 看政黨 <ul> <li>現實 - 泛藍與泛綠</li> <li>電腦 - 兩大集團/li> <li><code>group_()</code></li> <li><a href = "https://tidygraph.data-imaginist.com/reference/group_graph.html">reference</a></li> </ul> </li> </ul> ```r # 用網絡方法 df_bill_pro_cos_09 %>% select(from = pro, to = cos, weight = n) %>% as_tbl_graph(directed = F) %>% activate(nodes) %>% mutate(group_louvain = as.character(group_louvain(weights = weight))) ``` --- # 關心關說的特定人士 <ul> <li>跟徐永明的距離 <ul> <li>一對節點之間的關係(node pairs relation)</li> <li><code>node_distance_to()</code></li> <li><code>node_similarity_with()</code></li> <li>判斷特定節點性質</li> <li><code>node_is_center()</code></li> <li><code>node_is_keyplayer()</code></li> </ul> </li> </ul> ```r # 用網絡方法 df_bill_pro_cos_09 %>% select(from = pro, to = cos, weight = n) %>% as_tbl_graph(directed = F) %>% mutate(center = node_is_center(), distance_Hsu_all = node_distance_to( name == "徐永明", mode = "all", weights = weight)) ``` --- # 其他問題、概念、函數 <ul> <li>Edge measures <ul> <li><code>edge_is_multiple()</code></li> <li><code>edge_is_loop()</code></li> </ul> </li> </ul> <ul> <li>Graph measures <ul> <li><code>graph_is_connected()</code></li> <li><code>graph_component_count()</code></li> </ul> </li> </ul> <ul> <li>Graph creation <ul> <li><code>create_ring()</code></li> <li><code>create_bipartite()</code></li> </ul> </li> </ul> --- # 看一下畫圖 <ul> <li>組成 <ul> <li><code><a href = "https://ggraph.data-imaginist.com/reference/ggraph.html">ggraph(graph, layout = '')</a></code></li> <li><code>geom_edge_()</code></li> <li><code>geom_node_()</code></li> </ul> </li> </ul> <ul> <li>看更多 <ul> <li><code><a href = "https://github.com/schochastics/graphlayouts">library(graphlayouts)</a></code> - 提供更多 layout</li> <li><code><a href = "https://datastorm-open.github.io/visNetwork/">library(visNetwork)</a></code> - 互動圖表選項</li> <li><code><a href = "http://christophergandrud.github.io/networkD3/">library(visNetwork)</a></code> - 互動圖表選項</li> </ul> </li> </ul> --- # 一些學術與實務角度 <ul> <li>學術 <ul> <li>立法表態模型 - 用連署向選民表達立場</li> <li>立法資訊模型 - 對其他委員傳遞訊號</li> <li>連署網絡模型 - 人際網絡扮演重要角色</li> <li>投票 vs. 提案 - 清楚表達政治意志 vs. 自主表達</li> <li>台灣連署維度 - a.泛藍泛綠分歧 b.小黨與其他議題</li> </ul> </li> </ul> -- <ul> <li>實務:連署/提案的意義 <ul> <li>連署原因 - 眾多,熟識、幫忙、認同理念</li> <li>重要程度 - 主提案 > 提案 > 投票 >> 連署</li> <li>立委類型(分區/不分區、自己專業/非自己專業)</li> </ul> </li> </ul> --- # Further Resource <ul> <li>Articles <ul> <li><a href = "https://shirinsplayground.netlify.com/2018/03/got_network/?utm_campaign=News&utm_medium=Community&utm_source=DataCamp.com">Another Game of Thrones network analysis</a></li> <li><a href = "https://researchblog.duke.edu/2018/02/06/duke-scholars-bridge-disciplines-to-tackle-big-questions/">Duke Scholars Bridge Disciplines to Tackle Big Questions</a></li> <li><a href = "http://talks.schochastics.net/netVizR/slides.html"> Network Vizualization Slide by Schochastics</a></li> </ul> </li> </ul> <ul> <li>Courses <ul> <li>李宣緯老師 - <a href = "https://sites.google.com/view/hsuanweilee/teaching/social-and-economic-networks">Social and Economic Networks</a></li> <li><a href = "https://www.coursera.org/learn/social-economic-networks">Coursera courses<a></li> </ul> </li> </ul> --- class: inverse, center, middle # Thanks <img src="image/chang_major_hub" width="95%" height="95%" style="display: block; margin: auto;" />