美總統大選首場辯論 政界學者分析家各提見解
中央社.2024年6月28日 20:38

(中央社華盛頓27日綜合外電報導)民主黨籍總統拜登和他的共和黨籍競爭對手川普,在2024年總統選舉的第1次辯論中對決。以下是國會議員、政治分析家及戰略家等人的反應。

● 民主黨籍聯邦參議員華諾克(Raphael Warnock)

華諾克在辯論結束後表示:「如果(拜登)總統缺乏政績可宣揚,我會擔心;但事實上,他是簽署歷史性法案的人。」

● 美國前總統歐巴馬執政時期「住房及城市發展部」部長卡斯楚(Julian Castro)

卡斯楚在社群媒體平台X上說:「今晚的結果完全可以預料到。拜登進入辯論的門檻非常低,但他甚至連這個門檻都沒有達到;他似乎沒有準備好,迷失了方向,而且不夠強大,無法有效地對抗不斷撒謊的川普。」

● 「庫克政治報告」(The Cook Political Report)主編、著名政治分析家華特(Amy Walter)

華特說,這場辯論「只是提醒了選民有關拜登的弱點,特別是他的健康和精力。可以肯定的是,川普並沒有『贏得』這場辯論,而拜登卻輸了。川普散播很多假消息和謊言。他未能為自己重新執政提出積極的理由,只是花費更多時間爭論拜登的失敗。」

「我不認為這場辯論將會改變尚未抉擇的選民,尤其是那些說他們不喜歡這兩位候選人的選民。」

● 拜登競選連任活動共同主席蘭德魯(Mitch Landrieu)

蘭德魯在國家廣播公司新聞網(NBC News)中說:「我認為這真是一場赤手空拳的搏鬥。我認為他們是對的,(拜登)總統一開始很慢,但他隨即追了上來。」

蘭德魯承認,辯論中的體能表現將是人們最關心的問題;「但是,當你進入辯論的實質內容時,我認為辯論的焦點就會是拜登在實質內容上表現良好。他說的是實話」。

● 密西根州立大學政治學教授葛羅斯曼(Matt Grossmann)

葛羅斯曼說:「很明顯地,最大的因素是拜登看起來仍然很老、聲音沙啞,而且不像上次競選時那麼有條理,我認為這將成為辯論中的大新聞。我認為,除了現有的支持者之外,川普並沒有真正做過什麼有助於自己的事情,但我認為,這一點已被拜登予人最脆弱一面的印象掩蓋了。」

他認為,從辯論一開始,拜登就很難表達自己的觀點,「看起來很虛弱」。他說,拜登直到辯論開始20分鐘後才真正開始提供有效的答案。「很難從當中恢復過來。」(譯者:林沂鋒/核稿:嚴思祺)1130628

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

香港 警示

罷免 謝國樑

核電 修法

巴奈 金曲

褒揚令 表彰 海虎

謝國樑 連署 門檻

三立新聞網 setn.com
新頭殼
新頭殼
民視
男子英文拼音同「陳柏惟」!赴港遭帶到小房間盤查 本尊留言喊:抱歉
記者游任博、郭思妏 / 台北報導陸委會日前宣布,提升赴中港澳旅遊警示為「橙色」,提醒國人非必要不要前往。而現在就有民眾說,到香港遭到盤查,只因為他跟前立委陳柏惟英文姓名拼音相同,而
  • 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