與吳思瑤差距在伯仲之間 張斯綱曝民調
今日新聞NOWnews.2023年8月23日 14:04

▲投入台北市第一選區立委選舉的國民黨台北市議員張斯綱(圖/取自張斯綱臉書)

[NOWnews今日新聞] 新黨籍台北市議員侯漢廷21日宣布投入台北市第一選舉區(士林、北投)立委選戰,國民黨派出市議員張斯綱迎戰拚連任的民進黨吳思瑤,然而在侯宣布也投入後,引來「在野分裂」保送民進黨的擔憂。張斯綱今(23)日再曝光黨部民調,喊出「與吳思瑤差距僅在伯仲之間」,願與侯漢廷用民調整合出一人。

侯漢廷宣布投入立委選舉時,表示尊重侯漢廷的決定,但直言,任何單一選區,在野陣營兩人競爭,就是「保送」民進黨參選人勝選,「漢廷兄不必自欺欺人」,但強調自己將持續按照既定節奏競選。

張斯綱今再表示,不管客觀環境如何,既然獲得國民黨提名,就是全力以赴;若在野能整合很好,無法整合,也就是逆增上緣,險中求勝。他也理解許多支持者的憂心、也收到很多鼓勵與建議。而張斯綱也認為有必要,負責任地向支持者報告,台北市第一選區的選情,其實就是8個字:「團結能贏,分裂必輸」。

張斯綱說,無論是今年3月黨部所做的民調、5月國民黨北市第一選區立委初選民調,以及最近一份媒體披露,由全方位市場調查公司在7月間所做的民調,全部都顯示,他與吳思瑤的差距僅在伯仲之間,是這個選區中在野陣營最有希望能贏的選擇;他舉例,臺北市立委第一選區7月份民調:

張斯綱41.3%、吳思瑤45.2%、無法選出:13.5%。

因此,張斯綱說,「科學數字,據實以告」,他是國民黨已通過完備程序提名的立委候選人,為了顧及「政黨輪替」、「在野國會過半」大局,他願和侯漢廷用民調整合出一位候選人,爭取勝選。他強調,無謂的宣傳口號或政治口水,他就不再回應,也不做無助團結勝選的事情;「選情艱困,我們就更加努力,懇請大家繼續支持。」

更多 NOWnews 今日新聞 報導
新黨侯漢廷宣布選士林北投立委 張斯綱:在野競爭就是保送民進黨
徐巧芯、張斯綱都來接機了!侯友宜結束訪日行:我會讓台灣安全
昨日出席挺郭活動 葉元之、張斯綱解釋:郭台銘沒宣布參選

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

身分證 文件 塗黑

郭智輝 電價

賴清德 黃埔

韓國瑜 生日

張凱鈞 出席 海峽

怒嗆 立委

中時新聞網
三立新聞網 setn.com
三立新聞網 setn.com
三立新聞網 setn.com
數位ID資料「塗黑、打馬賽克」畫面曝 綠委:沒發現瑕疵
行政院在110年暫緩推動換發數位身分證,立法院內政委員會成立「數位身分證換發政策及預算執行專案調閱小組」,但內政部提供的資料竟「全被塗黑」,還稱「依法未便提供」。藍委痛批,很多書面資料遮蔽塗黑,根本文字天書,質疑是否有圖利廠商行為,將提案全數凍結或刪除6000多萬元維護費。綠委吳琪銘則稱,翻閱過資料,未發現重大瑕疵。名嘴歷史哥李易修揭露快速翻頁畫面,資料果然全被塗黑的景象讓人驚呆。
  • 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