謝典林退黨不意外 地方擁兵自重不甩中央
獨家報導.2023年8月2日 15:31

圖/取自謝典林臉書

孟廣芩/媒體工作者

彰化縣議長謝典林7月31日凌晨,在臉書上透過貼文宣布退出國民黨。表面看似是由於謝典林支持鴻海創辦人郭台銘參選總統,與國民黨中央、甚至其胞姐立委謝衣鳯支持新北市長侯友宜的立場不符,事實上這件事情的背後是源自於國民黨地方派系早已「擁兵自重」,面對黨中央祭出黨紀也絲毫不怕。

2016年國民黨回歸在野,民進黨立即展開追殺,國民黨的黨產被抄到只夠維生,黨本身沒錢、沒人、沒資源,黨主席甚至必須跟地方大老低聲下氣,為黨部運作、發放黨工薪資募款籌錢,國民黨對地方派系的吸引力與影響力逐漸式微,地方派系忠誠度滑落。畢竟地方派系從「被給予者」,正轉變成「給予者」,說話的聲音自然大起來。

地方派系的選舉層級多停留在地方議員,少部分人會出戰立委中央級的選舉,從戰略目標來講,地方派系維持自己的票源、綁樁,再從中鞏固派系或者是家族利益,經營好地方的政治事業,遠比經營與中央的關係,參與黨務、重振國民黨等來得重要。

地方議長例如謝典林,或者是幾位被點名下一個退黨的「挺郭」議長,用退黨向郭台銘輸誠,或乾脆說是押寶郭台銘,絲毫不令人意外。地方派系原來的利益輸送者不在,當國民黨重返執政有困難,倒不如將目光投向其他可能在短期投資對象,先賺一波派系好處,可能實際得多。

所以,這就是為什麼國民黨前兩次地方選舉(2018、2022)表現亮眼,但到了中央選舉(如2020、2024)往往都得面臨分崩又離心的狀況,地方與中央各有各的調,各有各的喜好,各有各的盤算,卻全都無法整合。

地方每給黨中央難看一次,就是挫傷國民黨一次,這個現象可能變本加厲,形成惡性循環,地方會越不將國民黨中央放在眼裡,到了下次選舉,情況恐怕會比2024總統大選更加嚴重。

只不過,這些地方議長自己也要稍微思考,用「退黨」勒索黨中央是否為明智之舉?台北市議員游淑慧的說法可以參考,游說,「謝典林是先以國民黨籍取得議長的資格,取得很多國民黨籍議員的支持,他現在退黨,需不需要跟當時支持他的國民黨籍議員交代,這才是他應該說明的。」

退黨之語,以此往復數次,久了也會引起支持者的不滿,即便是議員層級的選舉,未必需要如單一選區型的選舉那樣將選票極大化,但是政黨推薦仍是招牌,認為「地方選舉掛黨籍無幫助」,只是吹口哨壯膽般的自我安慰罷了。

地方派系或許認為,是黨中央需要地方,不是地方需要...

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

國民黨 台南 改革

海峽 論壇

兩岸 連署

台南 謝龍介

立院 電梯

黃埔 建軍

TVBS新聞網
三立新聞網 setn.com
民視
民視
621出招抗青鳥?國民黨傳將「動員遊覽車」:以群眾制衡群眾
國會改革修法覆議案即將在下週五(21日)進行記名投票表決,藍綠雙方除了積極為此展開全台宣講外,更有民團號召「青鳥」重返立法院。對此,國民黨也傳出可能會在表決日當天,由區域立委動員3輛遊覽車北上,在立院外與「青鳥」抗衡。
  • 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