PTT 討論蔣萬安話題的帳號群眾分析·Gossiping + HatePolitics ·2026.08.22 – 09.05

PTT 討論蔣萬安話題的帳號群眾分析

1,336 篇文章、74,912 則推文,追問一件事:這個議題的聲量,是不是特定一批人推出來的? 答案分成兩半——群集確實存在且可以指名道姓,但它的統計特徵和整個政黑板的日常沒有差別。

語料
1,336 篇 / 74,912 推
參與帳號
445 發文 / 7,695 留言
資料來源
PTT 網頁版全文
檢定方式
含對照組

判讀摘要兩個結論

確認

有一個穩定的核心群

約 20 個帳號反覆在同幾篇文章的開頭同時出現,共現機率是隨機期望的 2.2–4.2 倍 (z = 3.0–5.3),以 h5t6566556 為樞紐。這不是巧合。

確認

而且是「固定搭配」,不是隨機聚集

特定留言帳號會出現在特定作者 50–78% 的文章下(lift 3.7–12.7)。 這群人到場也比別人快一倍(16.6 對 32.9 分鐘),並佔走全議題前 3 樓的 19%。

01 — 議題規模八月三十一日之後,這個議題換了一個量級

兩週內每天穩定 36–60 篇的背景聲量,在 8/31 晚間之後直接翻了三到四倍。

轉折點很明確:8/31 20:50,oscarwu3041 發出〈蔣萬安:我和太太全力支持兒子出國交換〉, 639 則推文。此後「交換學生/公費赴美」成為議題主軸——1,336 篇中有 241 篇提到「交換」、200 篇提到「特權」、 110 篇提到「公費」、104 篇提到「童軍」。9/4 單日 206 篇,是 8/25 低點的 5.7 倍。

這些文章來自 445 個發文帳號,74,912 則推文來自 7,695 個留言帳號。 接下來兩節依序回答:這裡面有沒有一群固定班底(§02)、他們出現得有多快(§03)。 §04 再把這些數字放到對照組裡,看它們究竟高不高。

每日文章數與推文數
上下兩軸各自獨立,共用時間軸;虛線為 8/31 事件起點
資料:articles / pushes 表,以 post_time 分日彙總。推文計入該文章當日之後累積的全部推文。

02 — 群集同一批人,反覆在同幾篇文章的開頭出現

要找「固定班底」,最直接的訊號是:兩個帳號是不是總在同一篇文章剛發出時一起現身。 把「發文後 5 分鐘內、或前 10 樓」定義為早期窗,算帳號兩兩同時出現在早期窗的次數, 再除以隨機期望值(lift)。

結果是一張以 h5t6566556 為樞紐的網絡:它在 188 篇文章的早期窗出現過, 並與 haroldliu 同框 28 次、WeGoYuSheng 26 次、 daleptt 25 次、KingKingCold 25 次。 這些配對的 lift 落在 2.2–4.2,z 值 3.0–5.3。

早期共現網絡(可切換中心)
選一個帳號當中心,看誰最常和它一起在文章開頭出現;點圓圈即可換中心(手機上點圓圈會顯示帳號名,完整清單見下表)
鄰居帳號共同早期出場liftz 值該帳號早期篇數陣營
表中的「陣營」由帳號在全庫極化文章(推 ≥10 且噓 ≥10)上的推/噓向量推導, 屬純行為訊號、不預設政治標籤,留一交叉驗證 84.5%(多數類基線 72.4%);未達判定門檻者標為未定。
早期窗=發文後 5 分鐘內或前 10 樓,涵蓋 1,293 篇文章。 網絡含 169 個帳號、486 條顯著連線(lift ≥ 1.5 且 z ≥ 1.5)。 連線越粗=共同出場次數越多;圓圈越大=該帳號在越多文章的早期窗出現過。
共現顯著性最高的 10 組配對
lift = 實際共現 ÷ 隨機期望;Jaccard = 兩帳號在全庫(不限本議題)留言過的文章重疊率
帳號 A帳號 B共同早期出場隨機期望liftz 值全庫 Jaccard
最後一欄是關鍵反證:這些配對在全庫的文章重疊率只有 0.02–0.22。 如果是任務型的協同單位,重疊率應該遠高於此;0.2 這個量級比較像「同一個板的重度常客」。

作者—留言者的固定搭配

另一種群集形式是「篇篇必到」。以下是覆蓋率 ≥ 50%、且出現 ≥ 5 篇的配對中最突出的幾組:

發文者該作者議題文數固定出現的帳號出現篇數覆蓋率lift中位延遲
注意 TheoEpsteinkobebrian 覆蓋率 100%、lift 51.4 與 10.8——但那是作者自己回自己的文(自推 181 則、372 則)。 這是自問自答式的推文習慣,不是他人協同。演算法會把它抓出來,人得把它剔掉。

03 — 時序發文多久之後,同一批人會出現?

既然核心是同一批人,接著問他們出現得有多快。 一篇文章發出後,全部推文的中位到場時間是 29.2 分鐘。 但把「留言最多的 20 個帳號」單獨拉出來看,他們是 16.6 分鐘, 其他所有人是 32.9 分鐘——快一倍。

到場時間分佈:前 20 大留言帳號 vs 其他所有人
每一組佔該群體全部推文的百分比
「前 20 大」=在本議題留言則數最多的 20 個帳號,占全部 7,695 位留言者的 0.26%。
16.6
前 20 大帳號的中位到場時間
32.9
其他 7,675 位留言者
19%
全議題前 3 樓的位置,被這 20 人佔走的比例
972
整個議題搶過前 3 樓的總人數

這就是「同一批人」的具體形狀。全議題有 972 個不同帳號曾經佔到前 3 樓, 位置並非被少數人壟斷;但 20 個帳號就吃下了其中 19%,而且他們平均比別人早一倍到場。

個別差距更大。下表按中位到場時間排序——最快的幾個帳號,文章發出後三分鐘內就有一半以上的推文已經留下。

前 20 大留言帳號的到場速度
按中位到場時間由快到慢排序
帳號議題推文涵蓋文章中位到場3 分內10 分內搶前 3 樓
PTT 推文時間只精確到分鐘,「3 分內」的下限就是同一分鐘,無法再細分到秒級同步。

04 — 對照組這些數字,跟其他議題比起來高嗎?

前三節都指向同一個結論:有一群人、他們彼此重疊、而且來得比別人快。 但這些數字究竟算不算高?沒有對照組,任何「集中」都可以被說成操弄。

把同一組指標套到同期其他七個政治人物議題,以及兩個看板的全板基準:

留言者集中度(Gini 係數)
1 = 全部推文來自單一帳號;0 = 完全平均分散
蔣萬安議題在八個人物議題中集中度最高(0.75),但明顯低於 HatePolitics 全板基準(0.85) 與 Gossiping 全板基準(0.80)。
議題/基準文章推文留言者留言者 Gini中位延遲3 分內占比每篇前 3 分帳號數
同步性指標完全沒有差異。「3 分鐘內到場占比」在蔣萬安議題是 10%, 其他議題是 8–10%,全板基準 11–12%。「每篇文章前 3 分鐘湧入的不重複帳號數」是 3.6, 其他議題 3.2–4.7。若真有一支被指派來衝這個議題的部隊,這兩個數字應該明顯高於同期其他議題——並沒有。

所以,這五節加起來說明了什麼

可以主張的:存在一個約 20 人的高黏著度核心群,共現顯著高於隨機 (lift 2.2–4.2、z 3.0–5.3);且呈現固定搭配——特定帳號出現在特定作者 50–78% 的文章下(lift 3.7–12.7); 他們的到場速度是其他人的兩倍,並佔走全議題前 3 樓的 19%。

不能主張的:不能說這個議題被異常操弄。集中度與同步性都在同板常態範圍內, 而且低於全板基準——少數帳號主導是 HatePolitics 的結構常態,不是本議題的特徵。 也不能說這些帳號是同一個組織:他們在全庫的文章重疊率只有 0.02–0.22, 比較像一群立場相近的重度使用者,而非任務型單位。

要再往下走,需要的是本資料給不了的東西:更長的時間軸(看核心帳號在議題出現前是否已存在、 活躍度是否隨議題階躍),以及平台端的註冊時間與登入紀錄。 §05 的檢視器把每個帳號的原始活動時間都攤開了,可以自行檢驗上述每一項判斷。

05 — 檢視器逐帳號檢視:每個人在什麼時間發了什麼

前面五節的每一個數字都來自同一份底層資料。這個檢視器把它攤開,讓你自己查: 207 位發文者(議題文章 ≥2 篇)與 901 位留言者(議題推文 ≥15 則), 每個帳號的完整活動時間、作息分佈、以及實際發言內容。

點任一列展開細節。表頭可排序,搜尋框可比對帳號代號,也能只看特定陣營。 時間軸上的紅色虛線是 8/31 20:50 的交換學生事件。

← 從左側選一個帳號