尹錫悅步上朴槿惠後塵?
中時新聞網.2024年5月8日 04:10

 韓國第22屆國會議員選舉帶來執政國民之力黨慘敗結果。2年前,總統候選人尹錫悅以0.73%差距打敗民主黨候選人李在明當選第20屆總統,然而執政以來,在「朝小野大」國會現實環境下,朝野無法達成「協治」。

 第21屆國會29日即將閉門之前,民主黨不僅要推翻尹錫悅退回國會再議的所有法案,並且自行通過設立特偵組調查去年水災救援中意外死亡的蔡姓上等兵案件,當然,明眼人都知道這是彈劾尹錫悅的前奏曲。

 敗選後的尹錫悅亂了腳步。國務總理韓悳洙早已表達辭去,然而迄今物色不到人選,甚至把文在寅政府時期的中小創業企業部長朴映宣找來接替,不僅國民之力黨方面反對,結果鬧出一場笑話停擺。

 不料,期待的「尹李會」只是一場一日政治秀。5月30日上路的新國會,預料民主黨結合其他第3黨等共有192席,遠超過國民之力黨的108席,李在明已成為「國會總統」不僅氣勢高漲,並且把尹錫悅的高壓姿態壓下,新國會將變成特偵組國會,目前包括「尹錫悅夫人弊案」等,來勢洶洶,恐怕尹錫悅寸步難行。尹錫悅恐成為選前自己所憂慮的「植物總統」。

 新成立的第三黨「曹國革新黨」在國會擁有12席,代表曹國不斷喊出,尹錫悅剩下的3年執政時間太長,主張尹錫悅應提早下台,新國會一開議,該黨就會提案彈劾總統,走上前總統朴槿惠之路。

 看來,2027年總統選舉,李在明和曹國都是參選人之一。問題是,李在明的多起弊案司法程序進行中,李在明希望法官盡量拖延,可以讓他再次挑戰總統寶座。曹國第二審已判刑2年在案,正在等候大法院的最終判決出爐。如果李在明和曹國利用國會議員身分與司法纏鬥,也會成為尹錫悅政府頭痛的政治事件。

 也許尹錫悅會後悔,沒有把司法纏身的李在明等人依法盡早關進牢房,把小犬養大成猛虎,現在要咬死尹錫悅了。

 有趣的是,近日台灣法官的判決,很讓國人不解。此次,韓國執政黨慘敗,其中原因之一就是保守傳統支持者「不滿」尹錫悅至今讓李在明逍遙法外,請賴清德好好看看尹錫悅的困境,賴總統任期4年,是否再連任。恐怕國人不會答應吧!(作者為韓國昌信大學榮譽教授)

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

禁錮 韓國瑜

賴清德 外交

立院 挑燈夜戰

總統 就職 典禮

蔡英文 專訪

郭國文 出手

太報
EBC東森新聞
太報
今日新聞NOWnews
批藍白「表決前才提全新版修正動議」 吳思瑤籲韓國瑜重啟協商
立法院會上週五處理藍白兩黨所提的國會改革相關法案,由於修法內容朝野歧見大,歷經三度朝野協商破裂,立委更爆發多次衝突,有6名立委受傷送醫。立法院長韓國瑜沒有採納民進黨「暫停議會、重啟協商」的要求,繼續審議條文至深夜12時,韓國瑜宣佈停止討論,5月21日上午9時開會再議。對此,民進黨黨團幹事長吳思瑤今(5/19)喊話韓國瑜,要重新召集朝野協商,針對藍白表決前一刻才發下的修正動議逐條討論,呼籲讓專業對話,「黑箱國會適可而止」。
  • 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