09/11/09 - 論文會後建議 - 陳郁心

＜學長姐建議＞：
1. 表示方法：抽象結構圖，藉以說明兩個微型部落格結構

2. 結構：
■資訊散佈，誰會去關心這個議題 (政治團體?)
了解結構，想要回答什麼問題？
不同的結構是用不同資訊傳遞，給行銷人員、政府機關參考散佈訊息的媒介選擇
■樹不一樣，其產生的 y 是什麼?
■結構不一樣,讓傳播的距離更遠,如何量測遠近，才可以有辦法衡量驗證y
■回應訊息的結構，樹狀的回應可以有深度、廣度做測量
■樹長得不一樣，造成訊息的種類、時間有所不同 MJ、狂牛症訊息，存活時間與回應人數是否不同，進而研究民生訊息等分類應該在那個地方發佈

3. 是否為設計介面產生回應的不同，而其結構是一樣的？
使用介面造成其樹狀長法不一樣，而非結構本身的關係

4. 議題:
■Twiiter、Plurk會員類型不同，所以要找同一類型的資訊 Post
■比較結構底下，不同議題產生的結果 ?
■先找兩邊都有的資料比較
議題比較 => 參與的百分比，用比率比較，用資料可以抓嗎 ?
■蒐集部分的代表性講法，Sample 是否代表 Population
該如何 Sample，選擇哪些資料抓取

2009/11/11 - 林義庭

我的論文題目訂為
「何種網路結構將促進 Plurk 使用者的社會認同 ?」

我想要看 Plurk 的「回應文章人數」、「更新內容頻率」等變數，是否與網路結構的 Centrality、Betweenness 等指標有正相關

假定網路指標數值愈高 (佔據網路重要位置)、變數值也相對高，然後利用變數佐證其會影響 Social Identity，爾後可以直接利用網路結構與指標推斷 Social Identity，

( 每個個體都有「個人」與「群體」識別，
Personal 是天生的臉孔、身份證等識別，
而 Social Identity 則是他人給予你的價值與認同，
利用價值與認同辨識你是什麼樣的人 )

2009/11/11 戴揚

目前我想將Y訂為球隊績效。題目則為以社群網路分析MLB球隊交易之績效

如果將球員交易視為一種資源交流的方式，那麼就可以用結構洞指標來分析各個節點的network structure position的好壞，並且計算與球隊績效的相關性。計算方式應該會參考"Benefiting From Network Position: Firm Capabilities, Structural Holes, and Performance"這篇文章中的計算方式。

除此之外，也和學姐討論了在交易行為中哪種行為是屬於高風險的一種，如果有找到文獻支持，未來也許可以在研究中加入賽局理論的元素。

09/11/09 - 論文會後建議 - Kelly

v問卷設計是關鍵

n問卷設計,問向來源 會影響統計效果

n樣本數? 上百個ex:150

n怎麼定義結伴(Group)? 群體減肥的定義? 結伴人數多少個?怎麼叫一起? 見面? 頻率?

n“關心的是結伴的結果”，問卷中的群體(A及A1、A2…)是不是不用一定在同一家減肥診所?問是否有朋友一起減肥,是否同一家醫院?

n加控制因素,ex:體重原本是說少以上,工作型態....

vBehavior

n行為有哪些? 食物?

n關係要定義,一起運動? 見面次數,是否一起進行減肥活動,活動的強度

n怎麼透過問卷來知道"模仿"這項行為?模仿的定義,是否有文獻?

vSocial support

n互動內容?

n互動的頻繁度,同公司VS.診所認識的朋友?,互動內容有關於減肥才撐為social surport

v可能遇到的問題

n伴不多,診所沒有標榜"結伴“

v注意

nA的Sub group的減肥效果,而不是A的減肥效果, 群體VS.個體

v管理上的貢獻

n服務。

n文化因素。EX: 幫助經營網站的人，可以藉由朋友的推薦或朋友的朋友的推薦加強隊網站的信任 èSocial network

n對於經營網站è互動

n大家一起的影響è減肥的動機èpromoteè研究價值

v一些還在想的想法

n青春期 成年期 等 不同時期對減肥影響的效益

n問到只有一個人自行減肥與結伴減肥的比較

n體重是否改變? 怎麼衡量?

n復發情況

n結伴減肥è願者出席減肥課程的次數更多?è效率較高

Friday Meeting 戴揚

根據學長說法，我目前的研究範圍太廣，沒有一個明確的架購以及X和Y

學長的建議是目前有下列幾個地方可以改進

1.誰能因為研究的結果受益(管理意涵)

2.要不要把小聯盟升遷加進考量範圍 (將major league球隊和minor league球隊視為兩個節點)

3.盡可能抓所有變數 (交易的package)，因為交易理由不同，形成網路的原因也不同 

Topic of Thesis - 林義庭

欲了解社會網路結構與使用者某些特定行為的關係，而現在已有一些 Facebook 的相關研究，探討其 offline 與 online 朋友群體的關係，用先前研究變數探討使用者為何願意停留在 Social Network 上。

目前將題目訂為：何種網路結構將提高 Plurk 使用者的使用率 ?

另用前人研究變數對照網路指標，看高網路指標是否和變數有正相關

Neuroticism (修改資訊) 、Extraversion (朋友數目) 、Openness (Link 數目)
⇒ Degree Centrality、Betweenness、K-Plex 等指標。

Topic of Thesis - 戴揚

以社群網路法分析MLB交易網路

和一般企業體系相較之下，MLB的資料較容易取得，結構也相對較為簡單，是進行實證研究的良好標的。目前我所想到的題目方向有三

1.以結構洞指標分析，在網路中占有結構優勢的玩家，交易後的成果是否也會較好

2.將交易當成合作的一種模式(交易若不是對雙方都有好處則無法完成)，分析網路結構和組織間競爭與合作的關係

3.利用網路指標預測未來網路中的合作對象

未來可能著重於第二個方向。結構洞相關的那點還可以深入探討，第三個方向暫時擱置。

球隊績效衡量我認為則是必須將球隊 payrolll高低分為兩類，高payroll的球隊可以直接以球隊的戰績和進階攻守數據來衡量。低payroll的球隊可以觀察其payroll和dollars指標之間的差距，來衡量其交易來的prospect是否能為球隊帶來超值的貢獻

06/29/2009 - 沈意棠

1. Thesis finish (Version 1)
2. Modify literature review (Version 2)
3. Redefine loyalty logic

• Loyalty => Service loyalty => Gamer loyalty
• Loyalty has several types: brand loyalty, vendor loyalty, store loyalty, service loyalty and etc.
  
• Service definition: Service loyalty is the degree to which a customer exhibits repeat purchasing behavior from a service provider, possess a positive attitudinal disposition toward the provider, and considers using only this provider when a need for this service arises.
• Service loyalty has a good fit for online game. Because online game are primary experience goods.

4. Reason for using WoW data

• World of Warcraft is the most popular online game.
• In past loyalty research, researchers analyze behavior and attitude of real people by questionnaire. But it is a expensive method for online game companies. Online game companies own gamers' playing data. If we can analyze in-gaming data to get useful information. It would be a cheap method. Therefore, we try to use social networks to analyze gamers' behavior to find what factors affect gamer loyalty.
  
• In my thesis, there is a assumption for grouping behavior. The rule of grouping behavior is that guild members need staying in the same location and at the same time.
• Hence, the limitation of our data is focused on guild gamers.
  

06/21/2009 - 沈意棠

Thesis progress: (Version 1)
Chapter 1: Introduction (OK)

• Research background
• Research motivation
• Research objective
  

Chapter 2: Literature review (OK)

• Customer loyalty and gamer loyalty
• Online game
• Social networks
  

Chapter 3: Research methodology (OK)

• Data collection
• Hypotheses
• Framework
• Data processing
• Research method
  

Chapter 4: Result (OK)

• Data statistic
• Social network analysis
• Statistic analysis
  

Chapter 5: Discussion (X)

• Conclusion
• Management implication
• Limitation
• Suggestion
  

06/15/2009 - 沈意棠

Rewrite thesis content
a. Chapter 1: Introduction (ok)

• Research background
• Research motivation
• Research objective
  

b. Chapter 2: Literature review (ok)

• Customer loyalty and gamer loyalty
• Online game
• Social networks

c. Chapter 3: Research methodology (X)
d. Chapter 4: Result (X)
e. Chapter 5: Discussion (X)

06/11/2009 - 林宛瑩

目前分析結果小結

1. 結點數目與其他X變數的相關性很高，造成其他X變數分析的困難；且其餘X變數與票房的相關性均沒有結點數目來得好。(和學姊討論過後決定將此現象解釋為研究樣本具代表性)

2. 與票房最相關的變數為結點數目中的OnlyOutdegree(=1)，此結果有兩個意涵，第一個是此性質的變數最能代表在虛擬社群網路中的隱藏人口(只閱讀不做回應)，第二個是當網路中此變數越高，表示該網路越能將隱藏人口轉為顯性人口(不只閱讀還會回應)，驅動力越強，票房也就越高。

3. Degree Centralization越低，票房越高，相關係數-0.312(顯著水準: 0.01)。但此結果可能是因為此種網路連結的結構會造成結點數越多Degree Centralization越低，因結點數多的效應而造成Degree Centralization越低，票房越高的情形。

4. 整體網路密度也和上述有同樣情況，結點數越多造成網路密度降低，而形成網路密度越低，票房越高的情形。相關係數-0.265(顯著水準: 0.01)

5. 電影評價在經過標準化後，發現與票房無顯著關係。此結果有可能是具有平價好壞屬性的文章數量太少，造成樣本不夠客觀，之後會試著加入推噓文的變數來調整電影評價的值。

6. 之前自訂了一個假設是電影評價越兩極化(好壞評價的數量越接近)會引起討論熱潮並提升票房，但將標準化的電影評價絕對值處理並與票房做相關性分析，發現結果並不顯著。

7. 針對第六點的結果，以噓文的比例來做另一個角度的分析。「在電影討論網路中，噓文的比例越高表示該電影的好壞越具有爭議?進而引起討論熱潮並提升票房?」結果分析出來相關係數為0.382(顯著水準: 0.01)。

8. 意見領袖的相關變數希望可以多增加幾個定義，目前已有的定義是「該作者文章有被板主訂為精華文章並有使用者推文分數總和大於等於10」。另外將新增兩個定義，分別是「作者文章有被板主訂為精華文章」與「使用者推文分數總和大於等於10」，進而比較分析出來的結果。

9. 在網路變數方面另外加上reachability，與票房結果相關係數為0.310(顯著水準: 0.01)。表示網路可達性越高，票房結果越好。

10. 社會網路相關變數不足，希望尋找更多可解釋的社會網路指標來解釋網路現象或票房結果。(若網路變數效果不彰，將嘗試簡化現有網路，如留下該網路之最大Component)

11. 之後希望加上電影分類(如:恐怖片、喜劇片…etc.)的變數，或許可以看到不一樣的分析結果。

12. 時間序列的資料待差分處理後重新分析。

06/09/2009 - 戴揚

MLB Standing Prediction
1.經過封測之後，系統已經在六月六號上線
2.目前登入玩家超過260人，已接收到許多的意見和指教
3.在限制股票漲跌幅之後，目前已經少有洗錢之情形出現
4.目前有在某一時間限制玩家註冊之計畫，但是還沒有確定日期
5.將會持續玩到7/14
6.所需預算，冠軍1000元，亞軍500元，季軍300元，幸運玩家五名各100元
一共需2300元

06/07/2009-沈意棠

1. Coefficient of Correlation

• The coefficient of correlation between degree and closeness is 0.66346021
• The coefficient of correlation between closeness and rtlevel is -0.493349095

For this reason, I divide data into two groups to run regression

• Regression 1: X = degree, betweenness, position, rtlevel, talkTimes; Y = loyal
• Regression 2: X = closeness, betweenness, position, talkTimes; Y = loyal
  

2. Regression 1

3. Regression 2

06/01/2009 - 林宛瑩

投影片下載

06/01/2009 - 戴揚

已經和Joseph學長取得聯繫，目前邀請了約五六位玩家進行小型封測
6/5將會做一次結算。將玩家記錄清除之後，正式上線
計畫去PTT的MLB板, Baseball板做宣傳
目標是募集100名以上的玩家進行遊戲

待辦事項:

1.更改網域名稱 (mlbpredict.cc)

2.遊戲細節(玩法，獎金)，詳細寫好之後放至於首頁上

3.市場open order佇列用途不明確，也不方便。建議可以同時列出所有的球隊的連結，不要使用下拉式選單

4.需要圖文並茂的step by step遊戲教學

5.bug: 登入時會無法顯示登入成功

6.bug: 市場商品總覽區價格會顯示錯誤?

7.疑問: 在網頁上方選單，玩家資訊是獨立出來的一塊。為何市場狀況會連到玩家資訊??

8.某些簡單的維護工作(ex:更新網頁資料 or Q&A修改)需不需要由我們來，可能會比較快

05/31/2009-沈意棠

1. Find out some information from analytic data

• degree, betweenness and closeness = 0: this gamer never group with others
• rtlevel = 5: this gamer didn't get any experience in three months

2. identify relation between online game and company

• guild => company
• group => project
  
• rtlevel => the degree of working
• position => organization tenure
• talkTimes => talk times
• degree => how many people group with?
• betweenness => ???
• closeness => the degree of closeness with others
• loyal => loyal
  

2009/05/31 鍾佩雯

05/26/2009 - 戴揚

1.本月進度: 已經將IC設計相關新聞瀏覽完成莫約3/10，並收集得112筆資料。預計在六月結束前可以將IC設計相關之新聞瀏覽完畢，希望能收集到250筆以上的資料

2.將和學長聯絡，討論以MLB球隊戰績為交易為主體的遊戲內容

待討論
1).每人初始要多少張股份，多少虛擬貨幣
2).網頁美工
3).誰負責玩法更動和資料更新以及網站維護

05/26/2009 - 林宛瑩

目前初步分析結果整理

1. 節點數、連結數與票房有高相關性
2. 意見領袖的數量與票房有關連(但會被網路大小所影響?)
3. 評價好壞的數量與票房的關連則因各電影不同而異

目前問題

1. 要如何評估口碑的擴散情況?
2. 連結強度如何加入分析之中
3. subgroup可以看出什麼情形?(哪些節點位於核心?)

之後要進行的

1. Select & Count Opinion Leader(Clique Overlap)
2. Develope 2-mode network and do the competitive analysis
3. Test more sns indicators

05/25/2009 - 林義庭

工作回顧：

1. 前往 RePast 官方網站下載安裝檔案與簡易使用文件檔

2. 安裝並使用程式，熟悉 RePast 使用介面

3. 嘗試網路上的範例，嘗試畫出網路圖，並修改其變數，
藉以了解其功能與限制，嘗試用 RePast 模擬兩種情境，
第一個是羊群吃草的情形，
第二個是狼群吃羊的模擬圖，
利用其所提供的環境，
可方便進行相關的模擬預測構圖

4. 使用 RePast 模擬一般隨機網路圖，
採用 2D 與 3D 不同表現方式呈現之，
另外模擬水波漣漪的情形，
並嘗試修改變數

5. 找尋其他類似的模擬工具，了解其個別差異，
目前找到的工具有：

* Agent Based Social Simulation
* AgentSheets
* Swarm
* NetLogo

這些工具提供模擬功能，
利用相關工具了解 RePast 功能使用方式

05/25/2009-沈意棠

1. finish inserting data source into database
2. count social network index (degree, betweenness, closeness)
3. make a excel file (name, race, class, degree, betweenness, closeness, position, talkTimes, rtlevel, loyal)

• 相關係數
  

05/25/2009 - 陳郁心

目前塑膠中心沒有時間將流程列出來

只能就之前找到的範例去了解其推廣過程 ex: 政策依據 合作廠商

本週先找1.資策會民生實驗園區 2.工研院創意中心 3.交大eco-city健康樂活城

2009/2/24 鍾佩雯

05/24/2009 - 梁蕭錠

四、五月份工作Review

網站設計部分
1.增加開團紀錄
2.增加使用說明
3.申請f2f網域名稱
4.調整網站講師照片大小
5.加入講者列表
6.將耳室字樣替換成F2F
7.建立NTHU F2F的LOGO
8.增加老師的相關介紹
9.修改個人資料
10.加強查詢功能

活動流程部分
1.規劃後續推廣及講者邀約名單及活動時間
2.製作開團者管理頁面，含寄送活動成員名單、上傳活動照片以及活動回饋資料
3.召集三團開團者分別對陳信文老師、黃一農老師、陳俊達學長邀請開團
4.於4/22舉辦第一場F2F活動，由王俊程老師主持
5.於bbs宣傳NTHU F2F活動

-----------------------------------------------

推廣規劃

宣傳時間：2009/6/1 ~ 2009/6/5

宣傳方式：

1. 清華學園
   
   • 網站連結
2. 課指組
   
   • 海報
   • email
3. 楓橋驛站
   
   • nthu
   • nthu.news
   • nthu.hot
4. PTT

活動舉行時程：2009/6/8 ~ 2009/6/26

預計邀請名單：

1. 史欽泰
2. 王俊秀
3. 賀陳弘
4. 唐傳義
5. 李家維
6. 金聯舫
7. 陳建邦

5/19/2009 - 戴揚

1.持續的在digitimes上面手動蒐集新聞資料，目前的方法是以零組件產業分類當作關鍵字做搜尋。例如: IC設計，TFT-LCD模組。

2.內容包含代工廠之新聞並不多，目前的方法是查到零組件接單新聞之後，根據產品和品牌商再去搜尋該產品之組裝是否有交予任何台灣廠商

3.本周進度是手動將IC設計相關新聞瀏覽完畢，找尋有無可用之網頁資料收集和斷詞切字程式

4.七月14號要進行明星賽，希望系統能在6月上線，同時上線前能進行十天左右的封測。封測的玩家我會由BBS上認識的朋友負責

5.和老師討論出的結果，暫定以球隊勝率乘上100定為初始價格，結算日期是在明星賽前一天，結算價格則以明星賽前最後一場比賽打完之後，各球隊之勝率作為結算價。

05/18/2009-沈意棠

1. Why people continue to play online games

1. data source: Dongseong Choi and Jinwoo Kim, "Why people continue to play online games: In search of Critical Design Factors to Increase Customer Loyalty to Online Contents", CyberPsychology&Behavior, Vol. 7, Number 1, 2004
2. Define high loyal player: people continue to play certain online game for a long time.
3. Optimal experience: the player has effective personal interaction with system and pleasant social interaction with other people

2. Finish collecting data from online game (Date: 5/16)
3. Start to insert collected data into database

1. Insert "behavior" and "talk" data into database (OK)
2. Analysis group data (continue)
   

05/18/2009 - 楊閔翔

本周Parse完所需要的Assignment資料庫，並進行比對Citation網路中Betweenness與Assignment之間的關係，在尚未做相關性分析之前，手動的檢視了一下，發現Assignment次數的高低不見的會影響Betweenness的值，因為搜尋Assignment次數最高的專利與Assignment次數只有一次的專利的Betweenness值，發現兩者的高低並不一定。

再來判斷是否有Betweenness值的專利就會有Assignment的產生，這種做法是把Assignment當作不是零就是一，也就是有Assignment產生就設為1，反之為0；發現Citation網路中共有節點5512點，有Assignment產生的就將近有4千多個點，但是有Betweenness值的卻只有116個點，而有Betweenness值的又有產生Assignment的專利的共有93篇，雖然此結果顯示有Betweenness值的專利幾乎都會有Assignment的情況發生，但是就以4千多篇有Assignment產生的專利，卻只有116篇有計算出Betweenness值，可以假設，其實兩者關連不強。

並且抽樣後發現，此116篇專利幾乎為原始專利664篇專利中的116篇( 區分為原始專利與被引用的專利 )，仔細思考之後發現，這是Betweenness值的計算受到原始資料設定為有方向性網路的問題，因為網路圖為有方向性，所以才會發生此情形。

修正網路為無方向性之後，明顯發現Betweenness的數值提高許多，並且增加為1317個節點有計算出Betweenness值，相較於之前的116篇更是提高了10倍，但是此情形是否可解釋為兩者是否相關，還須要進行相關性分析的研究。

未完成：
（1）Citation Betweenness與Assignment的相關性分析
（2）Co-cite的網路圖指標計算，並比較相關性
（3）比較Citation的指標或Co-cite的指標與Assignment的相關性

05/18/2009-林義庭

1. 報告 Paper 『 Do Social Networks Improve e-Commerce 』，
藉以探討社會網路在電子商務方面有哪些有趣的議題，
本篇研究藉由 Overstock Auctions 作為研究目標，
利用這個結合 Social Network 的拍賣網站，
探討使用者自身的被信任程度，
以及買賣雙方的滿意度，
對於電子商務行為的影響。

2. 利用 RePast 模擬兩種情境，
第一個是羊群吃草的情形













第二個是狼群吃羊的模擬圖













利用 RePast 所提供的環境，
可方便進行相關的模擬預測構圖。

05/18/2009 - 林宛瑩

完成Time Series之切割。

切割之規則：
0. 上映日以前包含當天之網路組成
1~N. 前面的號碼為上映週數(網路以周為單位切割)
N+1. 上映結束後的網路

待完成項目
1. Subgroup
2. Select & Count Opinion Leader(Clique Overlap)

05/18/2009 - 陳郁心

繼續搜尋"創新產品推廣平台"的相關資料
這週找到

1. 經濟部工業局 - 創新生活服務網
2. 經濟部技術處 - 創新產業能耐平台
3. 工研院 - 新世代創意聯盟

05/17/2009-鍾佩雯

1.將女性妝品使用者分為四群別是自然素淨群、簡易保養群、基礎化妝群及彩色化妝群等四類。
   這四類購買地點經檢定定後有顯著差異。茲將各群購買地點的比率列出以供參考。

資料來源：陳麗秋「心裡與社會性變數對女性化妝品購買及使用行為之影響」

2.相關文獻所使用之人口統計變數

3.相關文獻所使用之生活型態變數

4.台灣化妝品市場沿革表

5.台灣化妝品市場通路概況

ü           5.1百貨公司

收入穩定的上班族，年介於25-35歲，教育程度中上以上，對於流行性的變化較敏感，因此較常到百貨公司，流動客層也多。百貨公司所佔之總營業額為目前所有化妝品通路中最高之通路，也因為如此各家化妝品公司皆想進入。

ü           5.2美容沙龍

美容沙龍此一通路服務水準良褎不齊，也是目前最為混亂通路。

ü           5.3直銷

此一通路由國外引進一直有相關業者預測此一通路將會搶走專櫃市場，其實不然，大多後來均告失敗。

ü           5.4開架式專櫃與自取式

此一通路由引進以來即呈現成長狀態，以致吸引越來越多的品牌投入。

ü           5.5專賣店

以年輕客層為主，通路據點仍多在都會區，屬新興起的通路零售端點形式，如美體小舖。

ü           5.6網路購物

各家化妝品官方網站，幾乎沒有提供線上購物的服務。網路購物大多發生在拍賣或購物中心裡。

05/17/2009-楊閔翔

美國專利局的專利分類

05/11/2009-楊閔翔(補)

The dynamics of the transfer and renewal of patents - Working paper April 2008 作者: Carlos J. Serrano

這是一篇描述有關專利Assignment的paper，他描述以往過去很少討論到專利的Assignment，但是經由資料蒐集的結果來看，卻發現專利Assignment 資料庫中顯示出大量的專利都有Assignment的情況發生，所以藉由過去有學者做過專利renewal的研究，所以他想在這之上繼續探究專利Assignment的原因。
他認為只要探究出Assignment發生的原因，可以增加很多經濟上的價值，也可做為RD研發的衡量，他將專利Assignment解釋成專利的misallocation，主要意思是，專利有可能被歸類在錯誤的分類，又或者是專利的使用上應該比較能為另外一個使用者帶來專利價值，所以才會這麼容易導致專利的Assignment情形發生。
這篇文章的作者使用了1983年至2001年的所有美國專利局核可過的專利，並結合USPTO的Assignment 資料庫，他發現最主要會形成Assignment的原因有，一、專利被引用的次數，作者發現專利引用次數越多的專利，越容易有Assignment的情況發生；二、專利是否有retreaded，表示曾經有retreaded的專利，也越容易有Assignment的情形；三、專利的普遍性 [ Hall 等人提出專利普遍性 (generality) 指標，它是用來計量某項專利被隸屬不同專利分類的文獻引用 (citation received) 的分散程度；Hall 等人認為專利普遍性可以代表專利的廣度，所以是一種評估專利價值的指標 ]，作者發現專利的普遍性指標也會與Assignment的發生情形有相關。
透過思考，會發現社會網路的指標Betweenness所描述的狀況與專利的普遍性這一項指標，非常相似，所以我打算使用社會網路的方法，專利Co-Cication的網路結構指標，可以驗證專利Assignment情況發生。

05/11/2009-沈意棠

1. Modify addicted rule and addicted program
Old rule only judge addicted or not, but I hope the rule can show the degree of addiction. For this reason, I sum total playing time of gamers during three months.

2. Modify RTLevel rule and RTLevel program
Old rule is the difference between the time of gamers play and general gamers play, not the rate of leveling up.
Old rule: RTLevel = (the time of leveling up - GTime) / GTime
New rule: RTLevel = the time of leveling up / GTime

3. Continue to collect data(in 12th week, last week)

05/11/2009 - 戴揚

1.將已查到的資料根據上禮拜討論出的資料格式作分類，目前已經萃取出五筆資料

2.繼續用代工廠商作關鍵字搜尋

3.考慮利用零件製造商的名稱當作關鍵字搜尋，也許能得到更多結果

05/11/2009 - 陳郁心

已安排時間前往交大eco-city參觀，目前是暫訂5/20早上9:00~12:00。

創新平台論文進度表
5月 - 國內創新平台資料收集
6月 - 國外創新平台資料收集
7月 - 1. 尋找可投稿研討會 2. 論文撰寫
8月 - 論文撰寫
9月 - 論文完成並投稿

05/11/2009 - 林宛瑩

目前進度
1. 發現duplicate data，刪除後電影樣本數變為137
2. 修正產生network file之SQL語法
3. 將電影評價以及評論者評價加入分析檔案
4. 計算意見領袖數量(以在該網路中有優文為標準)

##優文定義為該文章有被板主選為精華文章且推文數大於等於10

待完成項目
1. Time Series
2. Subgroup
3. Select & Count Opinion Leader(Clique Overlap)

05/11/2009 - 梁蕭錠

F2F網站修改如下

1.增加開團紀錄，紀錄中僅列出與其活動相關的回應，使用者可依活動名稱查詢該活動

2.製作活動回饋意見調查

3.將使用說明移至導覽列

4.與接手人聯絡後續相關事宜

05/10/2009-林義庭

1. 熟悉 RePast 操作方式，嘗試畫出網路圖，並修改其變數










2. 在網路上搜尋 RePast 使用方式，以及其相關選項變數之含意

RePast提供以下網路類別：

► Diffuse2D 二維散射的離散近似。空間本身是一個上下左右都閉合的圓環形的（toriodal）網格，格子都有兩層。
► Obect2DGrid 離散的二維網格，單元格中有對象。
► Object2DTorus 離散的二維圓環面，單元格中有對象。
► Multl2DGrid 二維網格，單元格中可以包括一個以上的對象。每個單元格中的對象的順序不確定。
► OrdMMulti2DGrid 二維網格，單元格中可以包括一個以上的對象。每個單元格中的對象的順序都是先進先出。
► Multi2DTOrus 二維圓環面，單元格中可以包括一個以上．的對象。每個單元格中的對象的順序不確定。
► OrderedMulti2DTorus 二維圓環面，單元格中可以包括一個以上的對象。每個單元格中對象的順序都是先進先出。
► Diffuse2DHexagoual 二維散射的離散近似。空間本身是一個to－riodal（甜甜圈形的）六邊形網格，格子都有兩層。
► Object2DHexaeonalGrid 離散的二維六邊形網格，單元格中有對象。
► ONeconHexgonalTorus 離散的二維六邊形圓環面，單元格中有對象。
► Multi2DHexalGrid 二維六邊形網格。單元格中可以包括一個以上的對象，每個單元格中對象的順序不確定。
► OrderedMulti2DRexagonalGrid 二維六邊形網格。單元格中可以包括一個以上的對象，每個單元格中對象的順序都是先進先出。
► MultiZDHexasonaITorus 二維六邊形圓環面。單元格中可以包括一個以上的對象，每個單元格中對象的順序不確定。
► OrderedMultiZDHexagonalTorus 二維六邊形圓環面。單元格中可以包括一個以上的對象，每個單元格中對象的順序都是先進先出。
► RasterSPace 表現地理數據的二維網格。每個單元格可以包含一個對象，在這個空間中移動可以用距離、坐標系或者離散的單元格位置。

05/08/2009 - 陳郁心

蒐集生活實驗室(Living Labs)的相關資料

• Living Lab的核心觀念是把產品與服務的研發過程從過去「理論研究→產品與服務開發→商業推廣」的傳統三點循環模式，改變為「理論研究→產品與服務開發→實際應用測試→商業推廣」的四點循環模式。在新模式中，使用者實際應用測試成為產諞與服務創新的一個重要組成部分。Living Lab已經超越過去「以使用者為中心」的開發模式，而是一種「使用者驅動」的創新模式，使用者在其中不再是創新的客體而是創新的主體。
• Open Living Labs - The European Network of Living Labs http://www.openlivinglabs.eu/
• 工業技術研究院歐洲辦事處 http://www.itri.de/
• 工業技術研究院歐洲辦事處2009-02-15 根據OpenLivingLabs的資料將在歐洲已進行的Living Labs計劃與測試場域 列表:http://www.itri.de/index.php?artikel=903

同時蒐集國內可能會有創新推廣平台計畫的單位

Ex:經濟部技術處,工業局,中小企業處,工研院,資策會,農委會,文建會。主要可能朝六大新興產業找創新推廣的產品。

05/04/2009 - 戴揚

1.在digitimes上完成鴻海以及廣達的新聞搜集
2.資料格內容確認

• 時間
• 產品
• 品牌廠
• 代工廠
• 零件供應商

3.過去蒐集的所有新聞不能全部使用，因為不是每則新聞都有提到零件供應商的相關資訊，所以這個禮拜目標是將過去蒐集的新聞重新作整理，整合成excel檔之後待下禮拜報告

4.在digitimes上搜集其他電腦零組件OEM廠商的新聞

05/04/2009 - 楊閔翔

Assignment想法摘要 :
根據USPTO Assignment資料庫的資料顯示出，可以發現有Assignment的專利有很多，有研究指出這樣的Transfer的現象，可以稱為是一種misallocation的現象，misallocation可以視為是，專利在申請核可的時候，可能會有(1)分類錯誤的情況，或者是其實這一篇專利應該是(2)屬於另外一個擁有者會比較適合這篇專利的使用情況。所以有Assignment的資料，所以可以更清楚知道專利適合的產業位置，排除發明者不看，可以知道專利最適合的擁有者是誰。
而這層面的意義也可以解釋為，專利被Transfer的重要，例如，有Assignment的專利可能表示另外一家公司需要這篇專利拿來應用，產生新專利，保護自己的專利、產品。
所以我希望透過觀察專利的co-citation網路，並藉由co-cite分類出來的技術群體，來比對觀察專利會產生misallocation的情況，是否表示有特殊的網路意義，也就是網路結構會不會影響專利的Assignment。舉例來說，網路指標Betweenness，Betweenness在co-citation的網路中形成可能表示該節點，位居跨技術領域的焦點，該節點可能因為如此而造成專利的轉移情況發生。所以透過網路的觀察，可能可以進一步的發現技術領域的改變。
也有研究指出，citation數量多的會影響專利被轉移的可能性，以社會網路的觀點，citation數量可以視為是Degree的程度。
以及專利的不同領域分類也會影響專利被轉移的可能性，而透過co-citation的專利網路圖可以觀察出技術領域的網路指標有何不同，進而觀察是否因此造成不同領域分類也會影響專利被轉移的可能性，例如Density。

05/04/2009 - 林宛瑩

1. 除去Data 92, 113, 115, 117 (因節點數或連結數過少，無法產生centrality之值)，目前樣本數共139筆
2. degree centrality與betweenness centrality資料建立完成
3. 之後需進行時間序列與subgroup的切割，以及意見領袖之選取。

相關係數分析結果

05/04/2009 - 梁蕭錠

1.申請f2f網域名稱 http://f2fnthu.twbbs.org/

2.講者頁面加入老師及校友身分於照片下方

3.修改more頁面的照片大小，使其與首頁照片大小一致

04/27/2009 - 梁蕭錠

1.加入講者列表

2.耳室字樣改成F2F

3.加入網站使用說明

4.於4/22舉辦F2F首發團

05/02/2009-沈意棠

1. Combine variables(addicted, communication times, position, RTLevel) to excel file.


2. Modify the rule of addicted gamersa.
   
   1. Reason: At present, the method that judge addicted gamers is focus real people, not virtual character. In my thesis, I use gamers' behavior to decide what character is addicted gamers. In fact, every gamers usually have more than two characters in one game. For this reason, I will assume that every gamers have at least two characters. Therefore, the rule of addicted gamers need to reset about real people.
   
   
   2. New rule
      (1) More than 10 hours per week during 3 month (20->10)
      (2) Longest time need more than 5 hours
      
   
   
3. Continue to collect data (in 11th week)

04/28/2009 - 林義庭

1. 搜尋社會網路與電子商務有關之文章，
目前找到兩篇文章，分別是
「A social mechanism of reputation management
in electronic communities」

「Reputation and social network analysis
in multi-agent systems」

透過文章找尋自己希望研究的方向。

2. 協助 Face to Face 開啟課題，邀請到 陳信文 老師，
學務長將於 05/12 與我們分享經驗，
「無有行者，不足以圖將來-談國際觀與社區關懷」，
目前有五位參與者。

3. 熟悉 RePast 介面與操作。

04/27/2009-楊閔翔

RawData擷取完成
1.從EPO的資料庫搜尋LCD產業的國際分類號(ICL)
http://v3.espacenet.com/eclasrch?locale=en_V3
關鍵字輸入為，LCD與Liquid crystal display
找出各10筆分類號碼，其中重複類號共三筆
LCD :G02F1、G09G3、G02B5、A63F13、A63B57、H04N5、G06F1、G01B11、H04M1、A63B71
Liquid crystal display :G02F1、G09G3、G02B5、G02B6、C09K19、G02B1、H01L21、H01L27、G06F3、G02B27
2.從USPTO中利用找出的ICL找尋屬於此分類號中的專利號碼
http://patft.uspto.gov/netahtml/PTO/search-adv.htm
PS:其中IPC在USPTO搜尋時須針對第四層分類，加以修正
例如，Class G02F1，在搜尋時會發現修正成G02F1、G02F01、G02F001皆會有不同結果
與學姐討論之後，修正應以補足三位數為主，即ICL/G02F001/00此搜尋結果應較為正確
3.利用找出來的專利號碼，於USPTO Parsing完整專利資料
4.再擷取專利中所需要的專利年份、CoCite資料
5.利用截取出來的CoCite資料、計算重複次數，再將之轉成Pajek的可以讀取的檔案
6.完成撰寫擷取USPTO Assignment中的專利移轉次數的程式
http://assignments.uspto.gov/assignments/q?db=pat
待最後Pajek跑完之後進行驗證
------------------------------------------------------------------------
目前進行事項 :
由於目前資料量屬於過量，可能最後SNA指標皆不顯著，所以參考其他文獻搜尋LCD產業的專利方法，以進行資料量的縮減。
------------------------------------------------------------------------
資料蒐集中遇到的相關問題以及與學姐討論之後結果:
1.在EPO打關鍵字搜尋時，除了LCD跟Liquid crystal display還可以打什麼??
A:因為LCD產業是一個相當龐大的產業，技術專利相當多範圍相當廣，所以可能要縮減資料量
並利用預計縮減的方式，一起輸入在關鍵字搜尋中，以找出特定的專利類號。
例如 : 可以尋找特定類別公司的專利，所以便可以搜尋LCD家公司名稱
2.EPO尋找專利類號的時候，搜尋結果前面會有小點以表示類號與關鍵字的相關性程度，在這一點發現G02F1這個類號與LCD跟Liquid crystal display這兩個關鍵字的相關程度最高，或許可以做為減少資料量的依據??
3.撰寫程式判斷資料的時候會遇到專利有幾種呈現方式，例如 : 6977767、RE32521、H1586、2002/0171778。
4.上述中2002/0171778，表示此專利上在申請中，尚未取得專利權，對此有問題的是，是否應該將其納入考量中??

04/28/2009-鍾佩雯

找一些有關於財經方面可以用社會網路研究的PAPER

其中Business and Social Networks in International Trade James E. Rauch  

是在說社會網路用在國際貿易上

重點如下:

1.Informal trade barriers包括：貿易機會資訊不充分以及weak enforcement of international contracts

2.交易需要賣者和買者相遇(match)è資訊成本問題

3.如果國際間沒有地理方面的trade barriers (零引力)è世界貿易將增長五倍多

4.國際貿易中的社會網路：社會網路是否能夠有效克服這些Informal trade barriers

5.以兩個論點談國際貿易鐘的社會網路

5.1社會資本論點：強化個體或企業之間行為規範的手段

–組織之間合作è獲取社會資本

–搜尋相似的特徵的合作者è增加組織社會資本

5.2社會空洞論點：

–結構空洞：一個網路中最有可能給組織帶來競爭優勢的位置處於關係稠密地帶之的稀疏地帶

–為活動於結構空洞中的個體或組織提供了機會è使資源通過這種新聯結而流動è增加了社會網路的價值

6.如何藉著社會網路創造國際貿易效應

6.1.道德團體形式表現出來的、人與人之間充滿信任的社會網路，在促進貿易方面發揮了關鍵作用

6.2.參與合作的每一個人的策略就是永遠拒絕與曾經欺騙任一成員的代理人打交道

6.3差別產品，在特性和品質方面存在很大的差別è價格資訊相對缺乏，形成了不完全資訊結構，阻礙國際間的買方與賣方順利完成匹配。 ，日本綜合商社可以為眾多中小企業提供市場訊息è國際貿易最重要的影響便是建立了商業中的社會關係網路，說明了社會資本在國際貿易中的作用

7.社會網路在對國際貿易產生上述靜態有效性的同時，也帶來了動態無效性

–必須向代理人支付高額傭金，所以長此以往，交易商不願再維持或遵循集體主義策略è阻礙社會網路所帶來的靜態貿易增長