臺灣音樂館於2011年建置之音樂人物導向網站─「臺灣音樂群像資料庫」，為搭上國家型數位典藏計畫（2002-2012）末班風潮而建置的人物主題網站，數位典藏計畫告一段落後，接續的數位人文研究有方興未艾之勢，其中社會網絡分析屬於數位人文研究一環，臺灣音樂界的人物網絡分析尚未有相關研究。有鑑於此，本研究從「臺灣音樂群像資料庫」170位人物生平萃取出臺灣音樂發展的組織及活動權威詞彙，運用權威詞彙共現的關係建置出人物之間的關聯矩陣，並利用社會網絡分析和統計分析，探討影響權力差異的網絡中心性是否因專業領域而有所不同，進而依中心性將音樂家分群，觀察不同中心性集群的領域特性，觀察臺灣音樂家網絡的樣貌，瞭解臺灣音樂環境的發展概況。
研究結果顯示，臺灣音樂群像網絡為網絡幅度不大、核心邊陲分明的中型網絡，作曲家為彼此交流最密切的領域，其自我網絡最大、連線數最多，且大多位於核心區，所在位置使該領域較易成為網絡中具影響力的領導者。南管、原住民、音樂行政為領域內人物皆互有連線的完備領域，代表這幾個領域人物所接觸涉獵的單位組織較為相近，反之，領域內人物之間完全無連線的領域為樂器和音樂文字作家，顯示領域內人物各自發揮無交集。音樂行政具有需要與其他單位和領域交涉的特質，使其中心性高的機率較其他領域高。單因子變異數（One-way ANOVA）分析的結果，顯示領域和三種中心性之間皆有顯著差異，事後檢定參考變異數同質的程度中心性，指揮領域的程度中心性明顯高於客家領域。從集群分析來看，傳統音樂領域人物大多位於中心性偏低的邊緣與邊陲集群。
未來研究建議有以下兩個方向，其一是縮小範圍，選擇網絡內研究對象同質性高的同領域或是同集群人物，探討人物與組織、單位之間的二模關係；其二是擴大研究時空，推展至與外在社會脈動關聯研究，更能推論出新的趨勢及觀點。

The Taiwan Music Institute established a musician-oriented website, The Online Database of Taiwanese Musicians, in 2011, which followed the last trend of the Taiwan e-Learning and Digital Archives Program (2002-2012). This Program has fallen behind, and the following Digital Humanities Research is in the ascendant. Social network analysis belongs to the Digital Humanities research. There is no relevant research on the network analysis of Taiwanese music. In view of this, this study extracts the organization and activity authority vocabulary of Taiwanese music development from musician’s Chronology from 170 musicians of The Online Database of Taiwanese Musicians, constructs an association matrix between the characters by using the co-occurrence relationship of authoritative vocabulary, and uses social network analysis and statistical analysis to explore whether the network centrality of influencing power differences varies according to the professional field, and divides the musicians into groups according to the centrality, and observes the differences. The field characteristics of different central clusters are observed, the appearance of the Taiwanese musician network is depicted, and the development of the Taiwanese music environment understood.
The research results show that the Taiwanese music network is a medium-sized network with a clear core and periphery. Composers are then able to communicate most closely with each other having the largest self-network and the largest number of connections with most are located in the core area. Their location makes it easier for them to become influential leaders in the network. Nanguan, aborigines and music administration are complete fields in which the characters in the field are connected to each other. It indicates that the organizations involved in these fields are closer to each other. In contrast, the areas where there is no connection between the characters in the field, are musical instruments and music writers, showing that the characters in the field do not intersect. Music administration has the characteristics of negotiating with other units and fields, which makes it more central than other fields. The results of the One-way ANOVA analysis show significant differences between the field and the three centralities. The degree centrality of homogeneity of reference variance is verified in the Post hoc test. The degree of centrality in the conductor field was significantly higher than that in the Hakka field. From the perspective of cluster analysis, most of the characters of the traditional music field are located at the edge of the low centrality and periphery area.
There are two directions for future research. One is to narrow down the scope, select the same domain or the same cluster of people with high homogeneity in the network, and explore the two-mode relationship between people and organizations and units. The second is to expand the research space and time, and to study the correlation with external social pulsation, so as to infer new trends and viewpoints.

女性先驅－許世賢博士紀念館（2016）。檢自：http://www.cabcy.gov.tw/kuo/
中國歷代人物傳記資料庫（2019）。檢自：https://projects.iq.harvard.edu/chinesecbdb
包晗、張力元（2018，12月）。倫敦大學國王學院30年數字人文研究熱點分析。第九屆數位典藏與數位人文國際研討會，新北市。542-559。
古永嘉、楊志清（2018）。統計學：大數據分析－EXCEL實務應用與操作。臺北市：新陸書局。
史惟亮音樂數位典藏計畫（2013）。檢自：http://archive.music.ntnu.edu.tw/wlsh
余詠南、阮明淑（2013）。傳播學門之教師與碩士研究主題之網絡分析初探。圖書資訊學刊，11（1），131-165。
吳玲宜（1990）。江文也生平輿作品研究（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
吳嘉瑜（1990）。史惟亮研究（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
李來錫、張順評（2013）。以社會網絡分析探討虛擬社群知識分享之回應結構。電子商務研究，11（1），79-99。
李炳南教化作品與生活記錄典藏計畫（2011）。檢自：http://www.lbn.nchu.edu.tw/index_welcome.php
李泰祥台灣本土音樂家之影音典藏（2008）。檢自：http://lth.e-lib.nctu.edu.tw/
李博（2017）。社會網絡分析在考古學中的應用－以Ariadne模型檢視島民海洋貿易交流網絡（未出版之碩士論文）。國立清華大學人類學研究所，新竹市。
杜旻芳（2010）。台灣當代女性作曲家－蘇凡凌、蕭慶瑜、趙菁文創作背景之探討（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
車炎江（2018）。臺灣音樂群像資料庫：數位化的臺灣音樂史。載於顏綠芬（主編），2018重建臺灣音樂史：音樂家的生命史研究和傳記書寫（頁15-30）。新北市：文化部。
兩廳院數位博物館（2007）。節目資料庫。檢自：http://digi.lib.npac-ntch.org/mgs/ntch_data.html
林佳盈（2015）。陳泗治鋼琴作品研究（未出版之碩士論文）。輔仁大學音樂研究所，新北市。
林韋翰（2010）。辨識中文字相似特性產生的同地異名－以台灣歷史數位圖書館古契書為例（未出版之碩士論文）。臺灣大學資訊工程學研究所，臺北市。
林富士主編（2017）。「數位人文學」白皮書。臺北市：中央研究院數位文化中心。
林頌堅（2010）。以詞語共現網絡分析探勘資訊傳播學領域的研究主題與關係。圖書資訊學研究，4（2），123-148。
施韻涵（2004）。台灣學校音樂教育之西化與本土化（未出版之碩士論文）。國立成功大學藝術研究所，臺南市。
柯逸凌（2013）。以網絡書櫃資料建構讀者閱讀偏好多樣性之指標研究（未出版之碩士論文）。臺灣大學資訊工程學研究所，臺北市。
科技部數位人文籌畫小組（2015年12月4日）。CBDB線上課程：2-5「查詢社會關係」。檢自：https://www.youtube.com/watch?v=NSrn4hl_Vj4&list=PLh14L8cqbPZzf_OSAm7WsuMUYdSqMt_OK&index=6
胡歐蘭（1995）。權威檔，載於國立編譯館（主編），圖書館學與資訊科學大辭典（頁2480）。臺北市：漢美。
范蔚敏（2018，12月）。第18 屆到第 29 屆台灣金曲獎最佳國語男女歌手提名人創作角色分析。第九屆數位典藏與數位人文國際研討會，新北市。136-146。
唐宋詩詞作者及作品分佈地理資訊系統（2009）。檢自：http://gissrv5.sinica.edu.tw/tsgis/placein.aspx
國家文化資料庫（2019）。檢自： http://newnrch.digital.ntu.edu.tw/prototype/
國家圖書館通用型古籍數位人文研究平臺（2019）。檢自：http://ming.ncl.edu.tw/
國藝會作曲專題補助成果檔案庫（2019）。檢自：https://archive.ncafroc.org.tw/composer/index
張志光（2018）。數位人文研究於博物館研究現況分析與未來趨勢探討。新北市立黃金博物館學刊，6，91-102。
張素玢（2018）。建置「臺灣歷史人物傳記資料庫」（TBDB）的嘗試與初步成果。人文與社會科學簡訊，19（2），101-107。
從北緯23.5度出發－陳澄波（2014）。檢自：http://chenchengpo.asdc.sinica.edu.tw/art
梁美珍（2002）。美國國會圖書館American Memory計畫。檢自：http://content.teldap.tw/index/blog/?p=459
莊文達（1994）。郭芝苑生平與作品之研究（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
許常惠（1980年11月23日）。以民族音樂為基礎建立新的音樂教育。民生報。檢自：http://hsu-tsang-houei.org/collection/56
許雅惠（2015，11月）。北宋晚期金石收藏的網絡與脈絡。全球視野下的漢學新藍海國際研討會，臺北市。
陳世榮（2013）。社會網絡分析方法：UCINET 的應用。高雄市：巨流。
陳志銘（2018，12月）。古籍數位人文研究平台之史料人物關係圖工具發展與應用。第九屆數位典藏與數位人文國際研討會，新北市。173-203。
陳淑君、王祥安、凌宇謙（2018，12月）。以國際圖像互通架構為方法的佛教石窟與圖像之數位呈現與閱覽。第九屆數位典藏與數位人文國際研討會，新北市。55-75。
陳曉瑛（1992）。劉德義作品風格研究（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
溫秋菊（2008）。侯佑宗，臺灣音樂百科辭書（頁1230）。臺北市：遠流。
傅狷夫書畫藝術數位典藏教學網站（2014）。檢自：http://fuchuanfu.ntua.edu.tw/about01.asp
開放博物館－臺灣音樂館（2019）。檢自：http://tmi.openmuseum.tw/
黃于真（2018，11月）。以人物為經緯，構織一張臺灣音樂歷史的網─「臺灣音樂群像資料庫」的建置與展望。音樂的傳統與未來：2018臺灣音樂學會與臺灣音樂學論壇聯合年度研討會，臺北市。
黃于鳴（2009）。臺灣古地契關係自動重建之研究（未出版之碩士論文）。臺灣大學資訊工程學研究所，臺北市。
董采維、唐牧群（2014）。從碩士論文口試委員探討臺灣圖書資訊學界社會網路及研究主題多樣性。圖書館學與資訊科學，40（2），47-66。
詹宏一（1997）。盧炎生平與作品研究（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
榮泰生（2013）。UCINET在社會網絡分析（SNA）之應用。臺北市：五南。
臺灣大百科全書（2010）。拱樂社。檢自：http://nrch.culture.tw/twpedia.aspx?id=21054
臺灣百年歷史地圖（2019）。檢自：http://gissrv4.sinica.edu.tw/gis/twhgis/
臺灣音樂群像資料庫（2011）。檢自：http://musiciantw.ncfta.gov.tw/index.aspx
臺灣電影數位典藏資料庫（2019）。典藏檢索。檢自：http://search.ctfa.org.tw/TFDBSearch/index.php
臺灣歷史人物傳記資料庫（2017）。檢自：http://tbdb.ntnu.edu.tw
劉軍（2009）。整體網分析講義 UCINET軟體實用指南。上海：格致。
數位典藏與數位學習國家型科技計畫介紹（2002）。檢自：http://teldap.tw/Introduction/introduction.html
歐怡安（2015）。運用社會網絡分析法探討讀者之閱讀偏好代表性－以aNobii 網路書櫃為例（未出版之碩士論文）。臺灣大學圖書資訊學研究所，臺北市。
盧家慶（2008）。台灣古契書自動分類與依分類定義契書角色（未出版之碩士論文）。臺灣大學資訊工程學研究所，臺北市。
蕭雅玲（1994）。張昊研究（未出版之碩士論文）。國立臺灣師範大學音樂研究所，臺北市。
謝吉隆、楊苾淳（2018）。從「應變自然」到「社會應變」：以文字探勘方法檢視國內風災新聞的報導演變。教育資料與圖書館學，55（3），285-318。
謝順宏（2018，12月）。自動分群運用於傳記人物關係建立。第九屆數位典藏與數位人文國際研討會，新北市。125-135。
謝順宏、柯皓仁、張素玢（2018）。臺灣歷史人物文本檢索與探勘系統之建置。圖資與檔案學刊，92，67-87。
藍充盈（2013）。1960年後臺灣作曲家的鋼琴作品選曲之探討與演奏詮釋（未出版之碩士論文）。輔仁大學音樂研究所，新北市。
顏子淇、吳美美（2014，7月）。個人學術書目庫CiteULike知識網絡分析。第十二屆海峽兩岸圖書資訊學學術研討會，天津市。
蘇軾文史地理資訊系統（2009）。檢自：http://gis.rchss.sinica.edu.tw/bsgis
蘇綺梅（2009）。張炫文音樂創作研究：以獨唱作品為中心（未出版之碩士論文）。國立臺中教育大學音樂學系，臺中市。
藝術家聯合名錄（2006）。檢自：http://www.getty.edu/research/tools/vocabularies/guidelines/ulan_3_7_events.html
Bholowalia, P., & Kumar, A. (2014). EBK-means: A clustering technique based on elbow method and k-means in WSN. International Journal of Computer Applications, 105(9), 17-24.
Borgatti, S. P., Mehra, A., Brass, D. J., & Labianca, G. (2009). Network analysis in the social sciences. Science, 323(5916), 892-895.
Chu, M. K. (2015). Prosopographical survey of lecturers at the Directorate School in early Northern Song China (960-1050). CEUR Workshop Proceedings, 1399, 81-84.
Crossley, N. (2008). Pretty connected: The social network of the early UK Punk Movement. Theory, Culture & Society, 25(6), 89-116. doi:10.1177/0263276408095546
Crossley, N. (2015). Networks of sound, style and subversion: The punk and post–punk worlds of Manchester, London, Liverpool and Sheffield, 1975-80. Manchester, UK : Manchester University Press.
Digital Prosopography of the Roman Republic (2019). Retrieved from http://romanrepublic.ac.uk/
DPRR: RDF Services Documentation (2017). The DPRR Ontology. Retrieved from http://romanrepublic.ac.uk/rdf/doc/ontology.html
Heckathorn, D. D. (2003). Jazz networks: Using respondent-driven sampling to study stratification in two jazz musician communities. Paper presented at the American Sociological Association Annual Meeting.
Jackson, C. and Hammond, M. (2014). Use of Social Network Analysis to Explore the People of Medieval Scotland. Paper presented at Proceedings of the Digital Humanities Congress 2014. online Retrieved from https://www.dhi.ac.uk/openbook/chapter/dhc2014-hammond
Kienle, M. (2017a). Between nodes and edges: Possibilities and limits of network analysis in art history. Artl@s Bulletin, 6(3), 4-22.
Kienle, M. (2017b). Digital art history “beyond the digitized slide library”: An interview with Johanna Drucker and Miriam Posner. Artl@s Bulletin, 6(3), 121-125.
Lincoln, M. D. (2017). Continuity and disruption in European networks of print production, 1550-1750. Artl@s Bulletin, 6(3), 23-40.
Linked Jazz (2019). Retrieved from https://linkedjazz.org/
McAndrew, S., & Everett, M. (2015). Music as collective invention: A social network analysis of composers. Cultural Sociology, 9(1), 56-80.
Otte, E., & Rousseau, R. (2002). Social network analysis: A powerful strategy, also for the information sciences. Journal of information Science, 28(6), 441-453.
Park, J., Celma, O., Koppenberger, M., Cano, P., & Buldú, J. M. (2007). The social network of contemporary popular musicians. International Journal of Bifurcation and Chaos, 17(07), 2281-2288.
Pattuelli, M. C., Miller, M., Lange, L., & Thorsen, H. K. (2013, July). Linked Jazz 52nd Street: A LOD Crowdsourcing Tool to Reveal Connections among Jazz Artists. Paper presented at the Digital Humanities.
People of Medieval Scotland 1093-1371 (2019). Retrieved from http://www.poms.ac.uk/
Porras, S. (2017a). Going viral?: Maerten de Vos’s St. Michael the Archangel. Netherlands Yearbook for History of Art/Nederlands Kunsthistorisch Jaarboek Online, 66(1), 54-79.
Porras, S. (2017b). Keeping our eyes open: Visualizing networks and art history. Artl@s Bulletin, 6(3), 41-49.
Prell, C. (2012). Social network analysis: History, theory and methodology. London: Sage.
Rice, Y. (2017). Workshop as network: A case study from Mughal South Asia. Artl@s Bulletin, 6(3), 50-65.
Scott, J. (2007). 社會網絡分析法（劉軍譯）。重慶：重慶大學出版社。
Small, H. (2009). Critical thresholds for co-citation clusters and emergence of the giant component. Journal of Informetrics, 3(4), 332-340.
Smith, E. (2016). The Big Data Jukebox. Retrieved from https://tedium.co/2016/09/20/allmusic-database-historic-importance/
Spiro, L. (2012). “This is why we fight”: Defining the values of the digital humanities. In M. K. Gold (Ed.), Debates in the Digital Humanities (pp. 16-35). Minneapolis: University of Minnesota.
Stone, L. (1971). Prosopography. Daedalus, 100(1), 46-79.
Svensson, P. (2012). Beyond the big tent. In M. K. Gold (Ed.), Debates in the Digital Humanities (pp. 36-49). Minneapolis: University of Minnesota.
Trismegistos (2019). Retrieved from https://www.trismegistos.org/
Union List of Artist Names Online (2019). Retrieved from
Verboven, K., Carlier, M., & Dumolyn, J. (2007). A short manual to the art of prosopography. In K. S. B. Keats-Rohan (Ed.) Prosopography approaches and applications: A handbook (pp. 35-70). Oxford: Unit for Prosopographical Research.
Wu, J. (2012). Advances in K-means clustering: A data mining thinking. New York: Springer.