陸媒盯梢台政論節目?連勝文揭背後目的:典型圍魏救趙
中時新聞網.2024年6月26日 13:51

國民黨副主席連勝文。(本報資料照片)

媒體報導,中共官媒盯上我國電視台的政論節目,政府相關部門對此進行調查,行政院長卓榮泰則強調國家通訊傳播委員會(NCC)的重要性,盼NCC人事案盡快通過。國民黨副主席連勝文認為,這就是典型的圍魏救趙,目的是為了護航NCC人事案,為了掌控言論與媒體,而NCC正是民進黨的幫手與打手。

媒體報導,中國官媒在台灣參與電視台政論節目製作,更有人在錄影棚盯梢,確認節目達到中共國台辦要求。文化部昨(25)日表示,將請新華社駐台的邀請單位說明是否有此情形,如查證確實違反相關規定,文化部得廢止其記者證。

連勝文今接受廣播節目專訪時表示,這是典型的「圍魏救趙」,為了護航國家通訊傳播委員會(NCC)人事案,背後目的是為了掌控台灣言論與媒體,而NCC正是民進黨的幫手與打手,只有讓在野黨在國會擁有聽證權,才能讓民進黨提名稍微中立的人選,民進黨掌控媒體的力道就會小一點。

連勝文說,民進黨處心積慮要控制輿論與媒體,甚至用NCC作為打手的作法,這和他們批評的中國共產黨有什麼差別?差別只在中共是直截了當地管,民進黨是間接透過打手與幫手實現控制媒體的欲望,以及為了維護權力的必要,兩者在性質上完全一樣。

連勝文認為,國民黨通過的「國會改革法案」有很多內容其實是民進黨過去的主張,結果民進黨卻反對自己的版本,所以民進黨唯一能做的就是抹紅、中共介選,因為無法合理化自己的作為,就拿第三人妖魔化,所有國會改革措施,就是背後的第三人去指使,否則他們無法激起支持者情緒進行動員。

他質疑,監察院原本應該獨立行使職權,卻受民進黨中央與賴清德總統指示,出來聲請釋憲,參與反國會改革鬥爭、當打手,證明行政權已經介入監察權,證明已無監督制衡可言,凸顯更應強化國會制衡的力量。

連勝文痛批,賴清德不只是與對岸鬥,還與台灣在野黨、台灣媒體鬥,就是為了捍衛權力、獲取利益,背後有一整串的既得利益者,只要國會擁有調查權、聽證權,一旦出現破口,有人說出真相,就會影響民進黨的統治基礎。

此外,國民黨內由誰接棒侯友宜選2026年新北市長備受關注,連勝文認為,確實是台北市副市長李四川最有贏面,但他也強調,國民黨絕對沒有如外傳有黨內民調,不到接近選舉,國民黨不會做類似的民調,因為國民黨很窮困,根本沒錢做去民調,現在也不知道李四川是否有意願參選。

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

韓國瑜 化解 僵局

賴清德 綠委

死刑 合憲

賴清德 全勤令

韓國瑜 化解 總預算

社會 防衛 韌性

中天新聞網
太報
信傳媒
美麗島電子報
與卓榮泰喝咖啡、吃蛋糕之後 韓國瑜允搭朝野平台化解總預算僵局
中央政府總預算案被在野黨退回、要求重編,行政院長卓榮泰27日在立法院會國是論壇後,與立法院長韓國瑜會面,韓國瑜允搭朝野平台;有消息傳出,韓國瑜擬於下周邀請朝野餐敘,盼能化解僵局。
  • 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