早知賀錦麗戰術!川普仍被激怒 幕僚揭原因
今日新聞NOWnews.2024年9月12日 21:25
▲美國總統大選第二場電視辯論昨日落幕,有川普幕僚透露,早就預料到賀錦麗會故意激怒川普,但是即使已經事先提醒,川普還是無法改變他的作風。(圖/美聯社)

[NOWnews今日新聞] 美國總統大選第二場電視辯論昨日落幕,民主黨總統候選人賀錦麗(Kamala Harris)與共和黨總統候選人川普(Donald Trump)交鋒,雖然川普自稱大勝,但外界多認為賀錦麗才是辯論上的明顯贏家,川普頻頻被激怒,導致後來在場上益發失控。對此,有川普幕僚透露,早就預料到賀錦麗會故意激怒川普,但是即使已經事先提醒,川普還是無法改變他的作風。

根據《Axios》報導,辯論後讓川普幕僚感到最挫折的就是,早已猜到賀錦麗的戰術,甚至連賀錦麗會以質疑造勢活動的人數來激怒川普都在沙盤推演的估計之內,但是即便已經提醒川普不要「咬餌」,但川普仍然不受控。

這場景似曾相識,川普在共和黨大會接受提名時,幕僚建議他利用槍擊遇襲後重生的機會,不要再提起2020年大選的事,轉而訴求將國家團結在一起,如此才能有效吸引中間選民。川普聽話了20幾分鐘,那20幾分鐘川普看起來像是一位在命運面前謙卑的人,像是一個替美國民主擋子彈的天選之人,但之後川普又忍不住重提2020年大選往事,傾訴自己的不滿與怨懟,讓團結國家的願景化為泡影。

有幕僚直言,4個原因讓川普成為一個「不能被改變」的人,第一是川普的心魔,2020年大選失敗在他心中揮之不去,川普無法忍受被視為失敗者,所以一有機會就要強調選舉不公。第二是川普被假新聞迷惑,他在辯論會上提到移民吃寵物就是證據,一般人對這樣的說法會抱持懷疑,但川普卻深信不疑。

第三則是川普老了,而年紀大的人本來就比較難改變,且川普又是一位富有的名人,這讓他更難被說服必須要改變。第四則是川普身邊的川粉們,替川普打造了一個密不透風的同溫層,在那個同溫層中,川普可以肆意地宣稱自己在辯論中大勝,雖然外面的世界大多認為川普輸了辯論,而且輸得很慘。

更多 NOWnews 今日新聞 報導
影/川普狂粉指賀錦麗辯論戴耳機作弊 真相出來慘遭打臉
6700萬人看美選辯論!賀錦麗民調「大勝」 川普白宮夢仍有機會
川普賀錦麗辯論後再同台!齊出席紐約911紀念活動 握手後零互動

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

晚會 求助 韓國瑜

政府 宣傳 預算

賴清德 派系

謝龍介 參選 台南市長

媒體 宣傳 預算

雲林 槓上 中央

鏡週刊Mirror Media
今日新聞NOWnews
聯合新聞網
民視
傳國慶晚會經費暴增「請韓國瑜找錢卻卡關」 北市觀傳局回應了
今年國慶晚會10月5日於台北大巨蛋舉辦,外傳因天后江蕙復出獻唱,加上總統賴清德也會出席,連帶維安規格升級導致經費暴增,台北市政府因此請國慶籌備委員會主委、立法院長韓國瑜幫忙「調頭寸」。對此,北市觀傳局今(16日)做出回應。
  • 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