無緣自民黨總裁!高市早苗落敗 謝長廷分析可能有3大原因
民視.2024年9月27日 21:23

即時中心/潘柏廷報導

日本執政黨自民黨今(27)日舉辦總裁選舉,眾議員石破茂在首輪投票中擊落7位候選人,之後更在第2輪投票中,擊敗勁敵高市早苗,成為自民黨新總裁,將成為下任日本首相;對於今(27)日選舉結果,前駐日大使謝長廷分析,高市早苗落選可能有3大原因。

謝長廷在臉書表示,石破茂出身鳥取縣,論述能力極強,受到一般國民歡迎。但在國會屬於小派系,難以得到多數支持,因此數次與總裁擦身而過;本次是他第5次參選,終償夙願。

近年來,石破茂在台日關係中,積極主動研究兩岸和台灣問題,曾經數度拜訪台灣和駐日代表處,擔任地方台日親善組織理事長。也因此,當謝長廷離任駐日大使時,石破茂也有來參加日華議員懇談會舉辦的送別會。為此,謝長廷認為他誠意感人。至於石破茂今日勝選,謝長廷致上誠摯的恭賀之意,更期待未來他能持續與台灣保持友善關係,維護地域和平與穩定。

快新聞/高市早苗落敗自民黨總裁選舉 謝長廷分析可能有「3大原因」
日本眾議員高市早苗今日在自民黨總裁選舉第二輪投票中落敗。(圖/擷取自高市早苗X)

至於,第二輪投票中與石破茂競爭的高市早苗落敗,出乎很多人意外,謝長廷認為原因可能有三:第一、有些議員考慮未來選舉誰當首相「自己比較好選舉」,大多投給民間聲望比較高的石破茂;第二、日本政界還有少數人不能接受女性首相;第三、高市早苗公開參拜靖國神社的強烈表態,可能招來一些疑慮和擔憂,讓反對力量暗中凝聚扺制,最終導致大選翻盤。

但是謝長廷也強調,高市早苗近年一直擔任政務官而無法訪問台灣,讓大家比較陌生,但其實她對台灣一直很友善,也是未來可以期待的重量級政治家,希望她不要因此挫折而懐憂餒志。


原文出處:快新聞/無緣自民黨總裁!高市早苗落敗 謝長廷分析可能有「3大原因」

更多民視新聞報導
石破茂擊敗高市早苗勝選「日圓飆漲」 個人背景曝光了
日本準首相石破茂出爐! 外交部:盼未來深化與台灣合作
石破茂當選自民黨新總裁 他大讚:絕對是友台派!

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

死刑 廢死

黃紹庭 搜索 廈門

社會 防衛 韌性

建構 民力

賴清德 全勤令

中國 新造 核潛艦

TVBS新聞網
台灣好新聞
今日新聞NOWnews
中時新聞網
拜登簽令嚴查非法槍 奪3命槍擊犯.氮氣處決
美國近七天總共有5州執行死刑,其中兩案是與槍擊致死有關,在阿拉巴馬州更是第二次使用「氮氣處決」,過程引起爭議,但這名死囚1999年選擇槍擊殺害了三條人命,地點就在阿拉巴馬州伯明罕市不遠處的小城。伯明罕市9月21日才發生今年第三起大規模槍擊案,造成4死17傷,現場發現一種3D列印的機槍轉換裝置,能將手槍改成快速連發的機關槍,相當致命。美國總統拜登與副總統賀錦麗9月26日在白宮共同宣布打擊槍枝濫用,簽署新的行政命令,嚴查幽靈槍枝與改槍裝置,加強校園防槍擊演練。
  • 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