輕政策重標籤 賀錦麗加分
中時新聞網.2024年9月13日 04:10

 在經歷了川普遇刺、民主黨換將、兩黨代表大會等一系列重大事件之後,當地時間9月10日,美國大選終於迎來了首場總統候選人的辯論。從一開始入場時賀錦麗主動上前和川普握手打招呼、川普卻顯得有些意外開始,整場辯論就已經確定了基調:川普的準備不如賀錦麗充分。

 倒不是川普的口才或者辯論水平不行,而是他已非常習慣頻繁重複自己在大型集會上打磨出來的金句,卻並不習慣一個比他年輕、反應快而口才又不遜於他的對手出現在自己身旁。也就是說,川普的狀態依然是一個人在集會上的單口,而賀錦麗則顯然做足了功課,做好了辯論的準備。

 賀錦麗的辯論計畫設計得很周密,自始至終貫穿辯論的是她不斷利用一些對川普有特殊意義的詞和事件來刺激川普,讓川普失去冷靜。

 舉幾個例子。最開始在談經濟議題的時候,賀錦麗除了舉例高盛、諾貝爾獎得主等機構個體對她經濟方案的支持外,還特別有意識地提到了沃頓商學院。這顯然是在給川普下套,因為川普是沃頓畢業的。言下之意,就是你的教授們都覺得你這個以前的學生不行。而川普顯然捕捉到了這一點,往圈套裡跳了。

 賀錦麗很清楚驅動川普內政外交的重要議題就是貿易,所以提川普任期內的巨額貿易赤字,一方面展現了川普經濟政策的目標與實際結果背道而馳,另一方面也刺激到了川普。後來,賀錦麗又「邀請」觀眾去川普的集會現場看看,說川普的集會很無聊,現場很多人聽了一半就聽不下去離開了。川普可是相當在意自己集會時觀眾人數的多少以及他們的熱情的。這一點上,賀錦麗又戳中了川普。

 這場辯論一個意料之中的特點是輕政策,重標籤。雖然涉及了內政外交的一系列議題,但聽到的具體政策細節不多,雙方一直在給對方貼標籤。這本來是川普的長處,結果這次賀錦麗也以其人之道還治其人之身,給川普貼了很多標籤——比如川普是混亂的對比賀錦麗的有章法;川普分裂美國對比賀錦麗想給社會帶來希望和正能量等等。這些標籤和對比多大程度能在選民心中留下深刻印象還有待觀察,但至少賀錦麗在這點上沒有失分。

 當然,賀錦麗團隊很清楚地意識到,在拜賀易位之後,賀錦麗的勢頭一直不錯,辯論是一個機會,但也可能會帶來巨大的不確定性,從而終止先前的勢頭。《紐約時報》和錫耶納學院的最新民調顯示,28%的很可能投票的選民表示他們需要瞭解更多關於賀錦麗的信息,而針對川普的這個數據只有9%。所以賀錦麗一方面需要讓選民能進一步地認識自己,另一方面又不能說得太多,因為肯定會有不同背景和立場的選民對部分細節不滿意。所以,賀錦麗今天試圖去把握這個度,對自己的政策透露一些大的框架和意向,但卻不著急往裡填充細節。比如她明確提到了要給中產階級家庭尤其是有小孩的家庭予以支持,要給初創企業新的政策扶持等等,但支持的力度和具體措施卻並未展開。

 辯論另一個進一步明晰的情況是,賀錦麗在中美競爭的大背景下,尤其是在高科技領域,對中方的打壓會更為系統而有針對性,而川普則會仍然主要局限在縮小貿易逆差和通過增加關稅來與中方談判,換取在他看來可以對美國有利的結果。

 總體而言,這場辯論對賀錦麗而言是一場考試。在考試之後,著名歌星泰勒‧斯威夫特公開為賀錦麗背書。 所以,賀錦麗不僅通過了考試,還獲得了額外的附加題加分。(作者為美國克里斯多夫紐波特大學政治科學系副教授)

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

晚會 求助 韓國瑜

賴清德 聲望

謝龍介 參選 台南市長

賴清德 派系

政府 宣傳 預算

便當 派系

鏡週刊Mirror Media
中天新聞網
聯合新聞網
民視
傳國慶晚會經費暴增「請韓國瑜找錢卻卡關」 北市觀傳局回應了
今年國慶晚會10月5日於台北大巨蛋舉辦,外傳因天后江蕙復出獻唱,加上總統賴清德也會出席,連帶維安規格升級導致經費暴增,台北市政府因此請國慶籌備委員會主委、立法院長韓國瑜幫忙「調頭寸」。對此,北市觀傳局今(16日)做出回應。
  • 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