自稱目睹天安門屠殺遭爆說謊 華茲先扯習近平才認口誤
民視.2024年10月2日 13:12
即時中心/葉孟秋、顏一軒報導

美國副總統候選人唯一一場辯論於台灣時間今(2)日上午9時登場,由民主黨的華茲(Tim Walz、賀錦麗副手)與共和黨的范斯(JD Vance、川普副手)交鋒。華茲自稱曾於1989年4至6月帶領高中生赴中國時,親眼目睹天安門事件,但卻被美媒踢爆是當年8月才去的。對此,華茲先是繞了好大一圈,自詡個人的成長經歷,甚至還扯前總統川普若隨他赴中,就不會因對抗新冠肺炎疫情,稱讚中國國家主席習近平,最後主持人不耐追問,才認了口誤。

《哥倫比亞廣播公司》(CBS)主辦的副手辯論會,由《面對全國》(Face the Nation)的主持人布瑞南(Margaret Brennan)與《CBS》當家主播歐唐納(Norah O'Donnell)共同控場,現場並無觀眾,有1.5小時的時間讓兩位候選人針對內政、外交議題交流。

針對領導素質的議題,歐唐納向華茲詢問,您自述1989年春季天安門發生致命抗議活動期間人在香港,但是《明尼蘇達公共廣播電台》(Minnesota Public Radio)及其它的媒體報導指出,您在當年8月才去亞洲,能否請您解釋一下這件事情的出入嗎?

華茲回應時兜了好大一圈,從自己擔任高中教師、軍職、眾議員等職務開始描述,並強調當年在中國期間的經驗影響了他的生活,也讓自己學習到很多;話鋒一轉,他強調川普應該跟他一起赴中旅行,這樣他就不會在COVID-19疫情期間稱許習近平,更不會發動一場最終敗下陣來的貿易戰。

華茲向社會大眾承諾,無論是透過他擅長的教學專長,擔任一位優秀的士兵(他曾在國民警衛隊服役),或成為一名優秀的國會議員,這都是普羅大眾所關心的價值。

由於華茲根本沒有針對問題回答,歐唐納再次追問請他解釋有出入之處,華茲這才認了,「我說的就是我那年夏天造訪中國,針對有講錯的地方,這就是我所說的」。



原文出處:美副總統辯論/自稱目睹天安門屠殺遭爆說謊 華茲先扯習近平才認口誤

更多民視新聞報導
關鍵州民調拉不開 川普批賀錦麗有「精神障礙」
美國副總統辯論週三登場 華茲vs.范斯90分鐘辯論
賀錦麗搭檔華茲形象平易近人 從政18年資歷札實

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

賴清德 飆罵 將官

溝通 總預算

山陀兒 強颱 來襲

賴清德 將官

調漲 電價

舉行 副總統

中天新聞網
今日新聞NOWnews
今日新聞NOWnews
今日新聞NOWnews
總統府女科員請將軍「不必起立」導致被罵?沈富雄質疑:她有資格嗎
日前傳出總統賴清德在8月首度以三軍統帥身份主持將官晉任勗勉典禮茶會,卻傳出賴走進會場時,看到將官都坐著,氣得大罵,「我是三軍統帥,看到我為什麼不站好?」民進黨新北市議員戴瑋姍表示,是一位負責攝影的女性科員跟將官們說可以坐著,才導致這個情況。但前立委沈富雄卻質疑,「我不能接受,她有資格這樣交代嗎?」
  • 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