去芜存菁：小议社交媒体分析学中的数据质量问题

向征+于思

近十余年来，社交媒体的发展日新月异，并通过不同的渠道，以不同的形式，为我们认识、分析和解决众多社会经济问题提供了海量、丰富的数据，社交媒体分析学（social media analytics）由此应运而生。社交媒体分析学主要通过采集各种类型的社交媒体数据，使用文本分析、数据挖掘、机器学习及计量统计等方法，来发现、描述并解释基于传统数据和方法不易发现和认识的规律。社交媒体分析学在各个领域取得了长足的进展，旅游管理也不例外。近年来使用社交媒体数据的研究纷纷涌现，涵盖旅游及酒店业各领域，涉及游客满意度、旅游目的地形象、酒店收入业绩分析等问题，不一而足。其研究对象、数据使用和分析方法可谓千姿百态，为旅游管理提供了前所未有的想象空间。

与实验法、问卷调查法等传统研究方法相比，社交媒体分析学的数据来源和构成不是由研究者预先设计而生成的，而是使用现成的二手数据。用Agarwal和Dhar的话来说，社交媒体数据总是“不完美的”。形象地说，社交媒體分析学在方法论上是一个吹糠见米的过程，即通过不完美的数据找到尽可能接近现实的答案。目前，社交媒体分析学尚处在初级阶段，近年来，Ruths、Pfeffer和Tufekci等社会科学领域的研究人员对这种以数据为基础的新研究范式提出了越来越多的批评，特别是对数据来源及数据本身的可靠性和合法性存有质疑。鉴于此，本文旨在介绍社交媒体作为研究数据的一些常见的质量问题，并针对性地探讨旅游社交媒体研究中存在的潜在问题和挑战。……