周日基隆罷樑案的最後影響因子
思想坦克Voicettank.2024年10月12日 07:00
圖片來源:民視
圖片來源:民視

⊙王宏恩

這個周日(10月13日)基隆市將會舉行市長謝國樑的罷免案。這個罷免案一開始聲勢就不高,網路聲量也不大,實體宣傳也不大。整體情勢一度跟2017年黃國昌罷免案類似,也就是剛剛政黨重新輪替、低聲量、有大量受訪不到的外縣市通勤者,所以本來各方的操作方式以及情勢也跟該次罷免案類似:現任者希望壓低聲量跟討論、轉移注意,透過低投票率讓罷免案無法過關。

然而,整場罷免案的情勢,隨著上周的颱風侵襲台灣、在基隆造成大規模災情後,而有明顯的轉變。有三個政治科學有關的理論,也解釋了這樣的現象。

颱風讓罷樑案產生四種效應

颱風在基隆造成災情的第一個效應,是聚旗效應(rally-around-the-flag),因為天災造成生活周遭的重大改變,使得人們會希望有一個強力的領袖帶領著大家度過難關,因此會暫時支持現任者,或者原本現任者的支持者會更強力的站出來,讓現任者先帶著大家度過當前難關,之後算帳以後再說。在這個效應的催化下,可以預見原本謝國樑的支持者會更多人跳出來疼惜市長、投下反對罷免票,而我們目前也看到了謝的支持者跟相關團體打出了類似的訴求跟宣傳。

但在同時,颱風災情在基隆造成的第二個效應,就是民主課責了。雖然大多數政治學文獻說選民的記憶力有限,但是選前兩三個月的事情還是會記得的,尤其是這次只在選前幾天造成的重大災害。當民眾把這個重大災害歸咎是人禍或是治理不利時,就更可能會跳出來投下罷免票、懲罰他們心中覺得做不好的市長。

當然,現任者在這個當下,也會透過兩種策略來應對,一個就是試著轉移責任、說服選民不是自己的錯;而第二個就是透過災後補助歸功給自己,重新拉攏選民的心,許多研究都顯示,在天災過後,假如在地執政官員可以讓選民認為災後補助是來自於地方而非中央,那選民也反而會更支持在地官員,而非中央官員(相關討論可以看這篇期刊論文的文獻回顧。但無論如何,這都會加大這場罷免案的聲量根討論力度,也會讓更多支持罷免案的人願意跳出來投票。

颱風災情造成的第三個效應,除了民主課責外,也可能是意外連結。所謂的意外連結,就是許多政治學研究都發現,選民會把一些現任者無法控制的意外,都歸咎於現任者上,使得選舉得票部分是來自於跟課責無關的因素。舉例來說,美國的選舉研究就顯示,假如一個沿海地區有人被鯊魚咬或大旱災,該區現任者得票就會下滑,即使現任者對這件事無能為力;相對的,假如一個選區忽然拿到了球隊比賽冠軍,現任者得票就會上升,即使現任者通常無法決定該區球隊會不會拿冠軍(可以見這本書的詳細討論)。

以這一次的罷樑案來說,許多人或許本來對謝國樑市長無感,但是因為發生了天災,會覺得在情勢上或心情上需要懲罰現任者,因此也會讓支持罷免案的票數增加。這也許在倫理上可以討論對錯,但在政治實證研究上確實是一直出現的結果。

而基隆颱風災情造成的最後一個效應,就是返鄉探親的選民們。本來很多基隆的選民住在外縣市、或者在外縣市工作、或者本來上周就規劃要回鄉的,可能會因為颱風而延到這周、或者想回鄉看看家裡的狀況、幫忙家裡或鄰居復原等等,這些在這周日的規劃,都正好趕上了罷免案。

上述四個因為基隆市颱風災情造成的效果,都指向同一個方向:更高的投票率。這也是為何在本周的Google搜尋量上,關於基隆、謝國樑、罷樑、罷免的搜尋量都大幅攀升,跟過去三周完全是不同的數量級(如下圖,謝國樑跟罷免的搜尋量都在颱風到來時大幅攀升)。也因此,可以預見的是這場罷免案的選舉參與狀況,會跟之前的黃國昌罷免案會有很大的不同,門檻本身將不會決定選舉結果,而是最後罷免案支持跟反對的票、每一個返鄉的基隆人跟家人的熱烈互動,會決定最後的選舉走向。

作者為內華達大學拉斯維加斯分校政治系助理教授。在台中一中被選進數學校隊,接著考取台大電機系後想當個科學家。在椰林繞了一圈後,覺得還是人類有趣多了,於是跟著數學一起投入研究政治,成了政治科學家。

每當風雨欲來,菜價高漲的政治陰謀

從京華城案看失控的容積管制

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

禁伐條例 覆議 原民

賴清德 中華民國

化解 總預算案

覆議 原民

中華民國 台灣

化解 朝野

太報
中天新聞網
中天新聞網
中天新聞網
談2大外送平台合併案 卓榮泰:希望買東西有充分選擇性
今年5月14日,外送平台Uber Eats宣布併購foodpanda台灣外送事業,但是這筆交易仍須經過公平會等主管機關審核。行政院長卓榮泰今(10/11)天到立法院備詢,國民黨立委羅廷瑋在質詢時關注此併購案,卓榮泰表示,他個人的意見是希望有一天透過外送平台來買東西的時候,能感受到充分選擇性;公平交易委員會主委李鎂則說,會慎重評估。
  • 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