議員接觀光局長 高閔琳:充滿挑戰
今日新聞NOWnews.2022年12月21日 12:33

▲民進黨現任議員高閔琳將接任高雄市政府觀光局長一職。(資料圖/高閔琳提供)

高雄市政府昨(21)日公布小內閣異動,民進黨高雄市大岡山地區的現任議員高閔琳將接任觀光局長一職,高閔琳今日表示,感謝陳其邁市長的信任與提攜,將高雄觀光發展的重責大任托付給她,高雄近年陸續舉辦多場大型活動,接任高雄市的觀光局長,對她而言確實是充滿挑戰,未來的她只會更認真「謝謝高雄」。

民進黨高雄市大岡山地區的現任議員高閔琳,在今年電話民調初選時拿下第四,暴冷意外落馬,她當時表示是她努力不夠,她不後悔罷韓,也不後悔拉抬黨內優秀的新人,並承諾不會在年底脫黨參選。

高閔琳說,九年前,自決定「南歸」父親故鄉的那一刻起;她的心思、所有的時間精力行動,每天一醒來,就都是為了心愛的高雄,走遍數十個國家擔,任議員期間,也經常透過市政質詢向市長提出許多對高雄觀光的各種想像與願景,諸如地區特色觀光、藝文觀光、軍事觀光、都會與慢城等,也多個會期都在交通委員會,多年來一直和市府團隊有許多熱烈而且有意義的討論。

▲民進黨現任議員高閔琳將接任高雄市政府觀光局長一職。(圖/高市府提供)
▲民進黨現任議員高閔琳將接任高雄市政府觀光局長一職。(圖/高市府提供)

高閔琳指出,這兩年來,在好前輩好姊姊觀光局周玲妏局長的辛勞努力和市府團隊跨局處的通力合作下,高雄近年陸續成功舉辦國慶煙火、台灣燈會、風箏節、拓展米其林必比登、金曲獎、大港開唱、文博會、台灣設計節,接任高雄市的觀光局長,對她而言確實是充滿挑戰。

在後疫情時代國門洞開的時間點,如何承接高雄既有的觀光基礎,發揮高雄台灣新南向重要基地的角色;與產官學共同合作提升高雄的觀光價值,繼續促進市民與國人旅遊,並向國際旅客推廣高雄城市之美與觀光特色,對她而言,不只是挑戰,是非常珍貴的歷練與學習的機會,更是一個重要的使命與責任;高閔琳表示,未來她只會更認真,也期盼自己未來在新的位置,繼續為高雄、為台灣做更多事,對家鄉、對這座城市和這塊土地,有所貢獻。

更多 NOWnews 今日新聞 報導
高市府團隊異動 發言人張硯卿、議員高閔琳接任局處長
中市議會龍頭紅黑派共治 國民黨張清照、顏莉敏可望連任
科大「四腳獸事件」 范雲曝:校方事發至今無積極作為

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

民進黨 國民黨

朝野 立委

總統 就職 典禮

立委 考察 太平島

國會 改革 衝突

賴清德 就職

TVBS新聞網
匯流新聞網
中時新聞網
太報
徐榛蔚喊柯建銘別在災民傷口撒鹽 要求賴清德道歉
花蓮縣長徐榛蔚7日上午召開記者會,嚴正譴責及抗議民進黨立法院黨團總召柯建銘6日在司法法制委員會上的失言。柯建銘提到「老天有眼、發生大地震」,讓原先國民黨要推動的國會改革審查停下來,徐榛蔚強烈要求民進黨主席賴清德出面向所有花蓮人道歉,並強調任何政治攻防都不能在災民的傷口上撒鹽。
  • 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