預告綠營下一步恐在竹市基層廣發黑函 民眾黨新竹市議員參選人齊呼籲:蒐集證據、絕不姑息
民眾日報.2022年9月20日 14:35

【民眾網曹景旭綜合報導】

民眾黨新竹市長參選人高虹安遭鏡週刊惡意不實爆料博士論文涉抄,高虹安出示校方早已認定無抄襲的聲明狠狠打臉,並表示會委請律師捍衛個人聲譽。民眾黨新竹市議員參選人團隊則表示,綠營接下來恐加大力道抹黑,比照在桃園攻擊張善政的伎倆,於基層廣發黑函;民眾黨新竹市議員參選人們呼籲,若看到相關行為請務必蒐集證據提供給高虹安競選團隊,絕不姑息這種惡意的選舉伎倆!

(取自民眾之聲youtube頻道)

針對20日高虹安遭受媒體與民進黨攻擊博士論文涉及抄襲一事,台灣民眾黨新竹市議員候選人李國璋、宋品瑩、陳錫文(東區)、許登淇(南區)、施淑婷(西區)、蔡文盛(北區)、葉國文(香山區),以及里長候選人郝旭昶(龍山里)、蔡穎德(客雅里)齊聲痛批,特定媒體清晨發新聞,上午十點不到親綠側翼粉專就圖文滿天飛,上午十一點沈慧虹競總執行總幹事陳建名、競總發言人劉康彥就接力開記者會,就是綠營近年來特別貫用的典型「網媒黨」一條龍攻擊模式。 

民眾黨新竹市議員參選人們痛批,特定媒體與側翼絲毫不顧已經出示的美國辛辛那提大學學倫會確認高虹安碩論沒問題的聲明與高虹安所提出的種種證據,甚至不惜為了選舉去打擊資策會「選舉選到失心瘋」,行徑之惡劣,令人髮指。 民眾黨新竹市議員參選人們表示,不會像綠營的候選人一樣不敢和林智堅合體掛看板,更不會被打敗,未來會持續與高虹安站在一起,一起造勢、掃街、合掛看板。 

民眾黨新竹市議員參選人們也提出警告,依照綠營一貫的伎倆,接下來綠營可能會無視高虹安、美國辛辛那提大學提出的種種證據,而持續攻擊高虹安的博士論文,甚至比照在桃園攻擊張善政的模式,開始在基層散佈黑函。民眾黨新竹市議員參選人們呼籲,支持者若是有收到攻擊高虹安的黑函,或是看到有人發放黑函,請務必蒐集相關證據提供給高虹安競選團隊,「我們絕不會姑息這種惡意的選舉伎倆!」

追蹤民眾網Line官方帳號

更多新聞報導:

強調自己不是林智堅「標準沒這麼低」 高虹安怒斥媒體聯合綠營抹黑

怒斥週刊假平衡真惡意報導 高虹安:媒體自甘墮落淪政黨打手「委請律師維護聲譽」

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

發表 演說

內閣 交接

重啟 兩岸

賴清德 發表 演說

守護 台灣

國會 改革 法案

TVBS新聞網
新頭殼
民報
中時新聞網
兩岸關係更糟? 賴演說稱「互不隸屬」 外媒BBC:上任沒有蜜月期
總統賴清德520宣誓就職,包括美國CNN、華盛頓郵報、紐約時報,英國衛報、BBC等歐美媒體都大篇幅報導,其中外媒最關注的就是兩岸關係發展。不過外媒普遍不看好兩岸未來有對話基礎,認為賴清德將延續蔡英文的外交路線,甚至預言,大陸將加大軍事和貿易壓力,打壓賴清德聲望。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司