石破茂5度挑戰終成自民黨總裁 重視台日安保
中央社.2024年9月27日 15:13

(中央社記者戴雅真東京27日專電)67歲日本自民黨前幹事長石破茂政治生涯第5度挑戰大位,今天終於當選自民黨總裁(黨主席)。自民黨在參、眾議院掌握多數席次,新任總裁將在國會首相指名選舉時被指名為新任首相。石破茂將在10月1日臨時國會被選為日本首相。

    石破茂選前在8月曾訪問台灣,會見總統賴清德及副總統蕭美琴。與會人士當時透露,原定接見時間45分鐘,由於雙方就台日國際處境、經貿合作等交換看法深談,最後又多聊了45分鐘欲罷不能。

    熟諳台日關係的外交人士表示,自民黨主席選舉9月登場,石破茂此次來訪以外交作為起手式,選擇來到台灣,代表注重第一島鏈的防衛概念,他認為,石破茂主張日本位處第一島鏈重要位置,應積極做到台日安保、台日聯防,是真的覺得要對區域和平防衛做準備的人,若石破茂接棒首相,台日可望在國家安全有更進一步討論,相信他會積極推動。

    第二輪決選時,石破茂在議員票奪得189票、都道府縣票數26票,高市早苗的議員票為173票、都道府縣票數21票,由石破茂以215票險勝高市的194票。由於石破茂在自民黨內不是很受歡迎,因此議員票結果開出時,自民黨總部內傳出一片驚呼聲。

    日本預計10月1日召集臨時國會,選出新任首相。新內閣預料同日上路。

    石破茂在當選後致詞表示,「感謝全國黨員、議員同僚,以及選務人員,岸田文雄總裁懷著堅定的決心辭去職務,希望藉此讓自民黨重生、重新贏得國民的信任。我們必須團結一致,回應他的決心。」

    他表示,「我在安倍總裁的領導下擔任幹事長3年多的時間,推動活躍的討論,目標是要建設一個公立公正、謙虛的自由民主黨,大家共同努力推動政權,現在希望能夠再次回到這個方向上。」

    這是石破第5度挑戰自民黨總裁選舉,被視為「最後的挑戰」。石破在地方的人氣雖然高,但在同黨議員中不受歡迎。有資深國會議員批評石破在安倍晉三、麻生太郎執政時期,常透過媒體砲轟內閣或自民黨,從同志背後補刀。決選投票之前,他坦言從政38年得罪很多人,對可能讓黨內同志感到不愉快表示歉意。(編輯:田瑞華)1130927

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

郭智輝 立法院會 請假

建構 民力

黃紹庭 浮報 助理費

封殺 總預算案

賴清德 全勤令

社會 防衛 韌性

中天新聞網
EBC東森新聞
信傳媒
今日新聞NOWnews
經長郭智輝本週立院院會全都告假 韓國瑜看不下去這樣說
民進黨主席、總統賴清德日前才下軍令狀,要求所有黨籍立委會議「全勤」,結果今(27)日立法院不只綠委僅21名出席,就連內閣中也有4名部長請假,其中經濟部長郭智輝本週2次院會全都請假。立法院長韓國瑜也看不下去,今天在院會當場宣告,除了迫切公務需要親自處理外,部會首長不宜請假。
  • 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