小笠原欣幸研究台灣選舉30年 預言「還我清白」成柯復出口號
民視.2024年9月25日 19:28

政治中心/黃兆康 新竹報導

研究台灣選舉30年的小笠原欣幸,今天(25)在清大開講,他舉日本選舉經驗,認為官司纏身的民眾黨主席柯文哲,未來復出的競選口號,會是"還我清白",並操作政治迫害。但也點出民眾黨八席立委在國會沒有發揮關鍵少數力量,柯文哲、民眾黨民調下降,是需要深思考慮的困境。

清華大學榮譽教授小笠原欣幸說:「各位朋友大家好。」

被聘為清華大學榮譽教授的小笠原欣幸,講台語也會通,這次來談台灣政局未來,預言民眾黨主席柯文哲,如果復出政壇,選舉口號可能叫做'「還我清白」。

小笠原欣幸說:「當過部長級的國會議員,那被捲入金錢問題,選舉的連任那個時候,他們的口號是還我清白,柯文哲主席還會選的話,或許還我清白,會成為一個政治或選舉的口號。」

舉日本國會議員的經驗,操作「政治迫害」有機會再次當選。但他也指出民眾黨當前困境。

小笠原欣幸研究台灣選舉30年 預言「這句話」成柯復出口號
小笠原欣幸受國立清華大學人社院學士班主任姚人多邀請,擔任榮譽講座教授。(圖/民視新聞)

小笠原欣幸說:「1月選舉以後到7月,]民眾黨支持率逐漸下降,這應該是民眾黨,或許台灣的第三勢力,要深思考慮的。」


日本政治學者原本以為,民眾黨會發揮國會8席的關鍵少數力量,先讓兩大政黨在國會對立、產生僵局,沒想到實際上是藍白合,不符合選民期待。

小笠原欣幸說:「藍白合跟執政黨對抗,從海外學者的觀點來看,看不到台灣的第三勢力,在哪裡?在做什麼?」

小笠原欣幸,研究台灣選舉30年,訪台150次,更見證台灣總統大選8次,多次精準預測總統大選結果,被稱為選舉之神。如今來台教課,他將能更貼近台灣觀察選舉。

小笠原欣幸研究台灣選舉30年 預言「這句話」成柯復出口號
小笠原欣幸研究台灣選舉30年,訪台150次,見證台灣總統大選8次。(圖/民視新聞)


原文出處:小笠原欣幸研究台灣選舉30年 預言「這句話」成柯復出口號

更多民視新聞報導
支持度雪崩!民眾黨深陷風暴 小笠原欣幸:支持度剩下「這麼低」
柯文哲無保釋放!柯志恩喊勿枉勿縱 砲轟與財團老闆唱歌不妥
柯文哲無保請回王世堅被洗版「高空彈跳」 許智傑:還不是時候

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

立院 委員會

官邸 電費

大法官 限縮 死刑

民主 基金會

封殺 總預算

國民黨 禮讓 召委

民視
TVBS新聞網
今日新聞NOWnews
匯流新聞網
立院藍白合民眾黨拿下1席召委 國民黨內部爆雜音
政治中心/綜合報導立法院召委選舉結果出爐,民進黨8席外,原本藍營想8席全拿,但黃國昌開口"民眾黨希望有一席召委",讓國民黨團三長緊急想辦法。最後選中多數藍委意願不高的外交國防委員會,禮讓民眾黨立委林憶君。不過黨內仍有雜音,賴士葆認為林憶君才第一屆,審預算是真槍實彈,讓有經驗的來會比較好,林憶君則強調會嚴格把關。
  • 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