選戰倒數選情膠著 民調微調方式盼測得真實民意
世界日報World Journal.2024年10月14日 14:20

「國會山莊報」(The Hill)報導,多項民調顯示兩黨在決戰州支持度不相上下之際,許多專家表示目前正使用各種不同民調方式,確保沒有低估共和黨總統候選川普的實力。

報導指出,如果目前公布的民調結果都是精準的,民主黨總統候選人賀錦麗與川普支持度旗鼓相當,但某些民調數字面臨質疑,畢竟川普支持度在2016年、2020年兩次大選都被低估。

民調支持度只有些微差距,讓民主黨人士出現焦慮,希望賀錦麗應該再多領先幾個百分點,以防萬一。

位於威斯康辛州的馬凱特法學院民調中心(Marquette Law School Poll)主任法蘭克林(Charles Franklin)表示,已經盡了所有努力。他說:「我們非常擔心,我們做了某些調整已解決問題,但我們只有等到11月看到開票結果時,才會真正知道答案。」

從1930年代以來,民調一直是觀察總統大選結果的標準測量方式,不過2016年川普逆轉勝打敗民主黨候選人喜萊莉‧柯林頓(Hillary Clinton)、2020年拜登僅以遠低於外界預期的小幅差距險勝川普,兩次結果卻讓民調圈為之震撼。

麻州大學洛厄爾分校(University of Massachusetts Lowell)公共意見中心副主任柯魯維瑞斯(John Cluverius)表示,民調專家每一次選舉都對調查方式進行微調。他說,調查必須配合外部條件做出改變,例如民調成本愈來愈昂貴,美國則愈來愈趨於分裂及兩極化。

柯魯維瑞說,2016年選舉期間,民調專家並未針對選民教育程度做出加權統計,當時川普在沒有大學學歷的選民當中非常受到歡迎,這個狀況很容易解決,但2020選舉時民調專家卻遇到某些選民不願表態的問題,當時許多未表態選民其實是支持川普的。

法蘭克林說,從2016年以來民調方式的最大改變在於,原本全面電話訪問的方式逐漸改為混合抽樣,因為願意接電話的民眾愈來愈少。他表示,到了2022年,調查人員撥打100個電話號碼,才會遇到有1人願意接電話,導致成本大增。

更多世界日報報導
垃圾桶新規30天後上路 紐約市民不滿 擔心垃圾桶被偷
不再是天堂 佛州部分居民想搬走
華爾街日報民調:搖擺州選民更挺川普處理俄烏及以哈戰

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 講話

中共 軍演

罷免 謝國樑

圍台 軍演

點名 林右昌

中國 軍演

老鵝日報
中天新聞網
中天新聞網
中天新聞網
官員答詢到自己笑出來!黃國昌批行政總處胡扯:花1465萬AI答案卻錯誤
民眾黨立委黃國昌今(14)日在立法院司法及法制委員會質詢時指出,賴清德總統上任後,屢屢誇口要把台灣打造成AI國家,但去年行政院人事行政總處建置的人事法規生成式AI查詢系統,花了納稅錢1465萬,人事長說,可省下人事人員半數以上的時間,但實際操作卻發現該系統提供的答案明顯錯誤,若造成人事人員適用錯誤法規,到底誰要負責?立法院司法及法制委員會今日邀請行政院人事行政總處人事長暨相關部會列席,進行專題報告「政府機關導入AI提升效能」。針對黃國昌詢問人事法規生成式AI查詢系統一天容量可以查詢幾則,人事總處人事長蘇俊榮表示,因牽涉到租用Token費用,一天大概300個,每天用量約220至250左右,會後會交書面資料給委員。黃國昌續問,是否知道立法院人事處有在使用上述查詢系統?蘇俊榮回應,目前只開放行政院所屬以及銓敘部、考試院。遭黃國昌打臉,稱明明就有開放給立法院,還發函給立法院要立法院派人做教育訓練,讓黃國昌傻眼直言,「若不知道就說不知道,但不能信口開河!」蘇俊榮對此解釋,發文給立法院的應該是銓敘部發文轉,我們沒有直接(發文),並稱立法院人事處職員可以使用該系統。黃國昌質問,「那剛剛怎麼會說沒有開
  • 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