蔡英文施政8年滿意度50.4% 陳建仁:行政團隊會努力打拚到最後一天
三立新聞網 setn.com.2024年4月17日 12:40

記者盧素梅/台北報導

鏡新聞今(17)日公布的民調顯示,蔡英文八年施政評價,有50.4%過半數的民眾表達滿意,39.5%表示不滿意。對此,行政院長陳建仁表示,在蔡總統的卓越領導,還有所有行政團隊的努力之下,實際上我們確確實實在福國利民的工作上,不管是在政治、經濟、社會、國防,還有社會福利,以及在國際的聲望上,也都有很好的成果。他並強調,行政團隊並沒有任何的休息時間,我們會努力打拚到最後一天。

鏡新聞第十五波政經情勢民意調查,蔡英文八年施政評價,有50.4%過半數的民眾表達滿意,39.5%表示不滿意。(圖/鏡新聞提供)

陳建仁上午出席「查緝大麻毒品暨發掘施用黑數記者會」,媒體詢問,520倒數近1個月,怎麼看今天鏡新聞最新民調顯示,人民對蔡政府施政滿意度破5成、不滿意度近4成?

陳建仁表示,蔡政府整個的行政團隊,在蔡總統的卓越領導,還有所有行政團隊的努力之下,實際上我們確確實實在福國利民的工作上,不管是在政治、經濟、社會、國防,還有社會福利,以及在國際的聲望上,也都有很好的成果。

陳建仁舉行,像美國(智庫)傳統基金會對於經濟自由度,在184個經濟體當中,臺灣是排名第4,是有史以來最好的成績;如果根據這個美加智庫有關於去年人類自由指數這個指標的評比,台灣是在所有評比的國家當中,是亞洲的第1名;至於英國經濟學人評估去年民主指數,台灣在1百多個國家及地區當中,排名第10,我們是亞洲第1,所以我們確實在這方面都是有讓大家、全世界都能夠目睹到臺灣不斷地進步。

陳建仁表示,當然政府也歡迎各界的鼓勵、批評和所有的指教,我們行政團隊並沒有任何的休息時間,我們會努力打拚到最後一天,我們相信在大家的努力之下,我們一定可以使臺灣打造成為一個更堅韌、更溫暖、更能夠(讓)大家安居樂業的一個美好的國家,我們大家一起努力。

更多三立新聞網報導
桃園昨7千多戶停電 陳建仁嚗供電不需擔心:受地震影響機組已修復
藍委控郭智輝曾助中國成立晶圓廠及違反證交法 陳建仁:該公司已有說明
黃曙光「身心俱疲」請辭 陳建仁感到不捨:盼朝野及國人支持潛艦國造
鏡民調/藍綠白立委表現滿意度 民進黨39.5%最高、民眾黨30.6%墊底

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

正副議長 賄選

中國 馬祖 旅遊

台南 正副議長 賄選

蕭美琴 聽取 國安局

點名 台北市長

中國 兩岸

TVBS新聞網
中時新聞網
三立新聞網 setn.com
聯合新聞網
南市議長賄選一審判無罪 藍批摧毀人民信任
台南市正副議賄選案,審理一年多,今天一審宣判,被告邱莉莉等10名被告,都獲判無罪,邱莉莉哽咽感謝,說自己沉冤得雪,民進黨市議會黨團甚至公開喊話,要求黨中央恢復邱莉莉黨權;不過,國民黨立委謝龍介痛批,買票變成換票,法院的判決,已經徹底摧毀人民對司法的尊敬與信任!
  • 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