影/大新聞大爆卦 挺過罷免謝國樑拚連任一路平坦?黃揚明秀他不敗戰績曝關鍵
中天新聞網.2024年10月15日 18:10

基隆市長謝國樑罷免案落幕,但後續的影響仍引發討論。媒體人黃揚明認為,這次罷免案的關鍵不在藍綠對決,而是「市民要看的下去」,未來只要謝國樑施政平穩、拿出成績,連任之路就能順遂。

基隆市長謝國樑。(圖/中天新聞)

黃揚明今天(15日)在中天政論節目《大新聞大爆卦》表示,民進黨政策會執行長王義川質疑罷免案結果的言論,根本是把基隆人當傻瓜,是在羞辱選民,「比段宜康罵花蓮人還嚴重」,民進黨傲慢到這種程度,居於劣勢,不檢討自己,反而檢討選民,令人嘆為觀止。

另外,對於律師林智群質疑謝國樑在這次罷免案中投入的經費,黃揚明直呼,若謝國樑只是為了那些蠅頭小利,早就落選,但謝國樑卻是少數在基隆無敗績的政治人物,他在基隆沒有輸過,連罷免都沒輸。

媒體人黃揚明。(圖/中天新聞)

黃揚明認為,這場罷免案,就是在測試藍營會用什麼方式應對,事實證明,過去韓國瑜擔任高雄市長時面對罷免案的冷處理是不對的,面對罷免案就應該正面迎戰。有人說,基隆藍大於綠,「那林右昌怎麼選上的?他還拿過10萬票,為何這次同意罷免票數不到10萬?跑到哪裡去?」所以關鍵不是藍綠,而是大部分的市民要看得下去,投下不同意票的,也不都是國民黨支持者,包括民眾黨支持者和其他認同謝國樑的人。

黃揚明說,這次罷免案中,謝國樑領先近11個百分點,「有什麼好跛腳?」只要他穩定市政有成績,連任很容易,「正因他打贏罷免,連任難度會更低,因為陸戰方面他剛好藉此重新練兵」。外界普遍認為,民進黨會派出議長童子瑋挑戰謝國樑,這是因為童子瑋出身親藍組織,兩人是矛與盾的對決,但謝國樑已經先動了,所以局面其實對童子瑋不利。

黃揚明認為,不論怎麼解讀這次的罷免案,都不能說謝國樑輸,但投下同意罷免票的這股力量也不可小覷,所以謝國樑才會表現出願意和解的態度。黃揚明也希望,這會是仇恨動員的句點,不要變成轉折。

延伸閱讀
陸海空到火箭軍 解放軍「聯合利劍-2024B」演習武器揭密
沈慶京求交保!慘遭北院駁回聲請 身體不適緊急開刀最新狀況曝
徐巧芯又遭「京華城案流彈」波及!送暖秦慧珠、嗆許淑華「要煩就來煩我」

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

朝野 總預算

罷免 藍委

大法官 提名 韓國瑜

國安 會議 擺拍

大法官 拜會 韓國瑜

國安 會議

中時新聞網
中時新聞網
民視
三立新聞網 setn.com
總預算等案17日朝野協商 吳思瑤:只要坐下談一定有解方
立法院長韓國瑜將於17日召開朝野協商,民進黨立院黨團黨團幹事長吳思瑤今天表示,朝野和解飯促成一個很重要的進展;吳思瑤呼籲,朝野各退一步,台灣是法治國家,在合法合憲的前提之下,各種方法都是可以談的,只要坐下來談就一定有解方。
  • 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