石破茂將成鳥取縣首位日相 地方歡欣鼓舞
中央社.2024年9月28日 14:03

(中央社東京28日綜合外電報導)過去4度參選日本自民黨總裁都鎩羽而歸的石破茂,昨天終於在5度挑戰「逆轉勝」登上總裁大位,10月1日還將獲國會指名成為鳥取縣選出的首位首相,讓地方人士歡欣鼓舞。

    67歲的石破昨天在自民黨總裁(黨主席)第二輪投票取得「逆轉勝」,當選自民黨第28任總裁。由於自民黨目前在參議院及眾議院掌握多數席次,預計石破將在10月1日召集的臨時國會上獲指名為第102任首相。新內閣預料也將在同日上路。

    日本讀賣新聞報導,約150名石破支持者等人,昨天聚集在鳥取市一處飯店,透過電視實況轉播觀看總裁選舉,看到石破在第二輪投票勝出時高舉右手的畫面後,會場響起熱烈歡聲與掌聲,石破68歲妻子佳子也跟支持者相擁而泣。

    從小跟石破一起長大,會以「晉將」和「茂將」互稱的69歲鳥取縣議會議長濱崎晉一相當開心地說,石破是一個信念堅定的人,「努力不懈終獲回報」。

    受到自民黨內派閥日前爆發政治獻金醜聞等影響,目前情勢對自民黨不利。一直力挺石破的鳥取市80歲攝影家池本喜巳說,一方面為石破感到開心,但另一方面石破是在自民黨最困難的時候扛下重任,「人們常說山頂的風很大,希望石破能加油」。

    深受地方人士愛戴的石破,本身也相當熱愛地方。他8月24日宣布投入自民黨總裁選舉的參選記者會,就選在鳥取縣八頭町的一處小型神社。

    石破年輕時從慶應大學畢業後,進入三井銀行服務。在曾任自治大臣等職務的父親過世後,石破受到父親政治盟友、前首相田中角榮力勸踏入政壇。

    成為政治人物的石破喜歡到地方傾聽民眾聲音,在公務行程空檔也會參加地方祭典。他對地方活動的「配合度」也很高,例如2018年4月在鳥取縣倉吉市舉行的活動中,以「七龍珠」裡的角色「魔人普烏」裝扮現身,讓出席人士大感驚訝。

    除了家鄉鳥取縣,將活化地方視為終身職志的石破,過去也經常走訪日本各地與地方民眾交流。他昨天也在記者會上強調,「要用守護地方這樣的口號來努力」。

    石破擔任地方創生大臣的2015年,曾前往人口過少的鹿兒島縣鹿屋市一處村落訪視,當時為石破導覽的83歲男性說,石破很有行動力,是一個能確實理解當地問題的人,「我認為他是可以改變地方和日本未來的人」。(譯者:黃名璽)1130928

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

郭智輝 請假 立院

韓國瑜 邀約 朝野

死刑 合憲

賴清德 綠委

總預算 韓國瑜

建構 民力

中天新聞網
太報
今日新聞NOWnews
今日新聞NOWnews
4部長缺席立院院會 韓國瑜看不下去說重話!行政院回應了
總統賴清德日前才下軍令狀,要求綠委「全勤」,不料今天立院不只有大批綠委缺席,連內閣中也有4名部長請假,讓立法院長韓國瑜都看不下去,引發討論。對此,行政院則回應,感謝立法院韓國瑜院長對於過往慣例的再次提醒。
  • 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