拜登退選民主黨慘了?沈富雄給賀錦麗4猛藥:有好戲可看
中時新聞網.2024年7月23日 22:32

美國總統拜登21日宣布退選,力挺副總統賀錦麗(Kamala Harris)出馬對戰川普。而根據美國有線電視新聞網CNN對賀錦麗與川普的近期民調平均結果發現,川普的支持率為48%,賀錦麗為47%,雙方競爭勢均力敵,沒有明顯的領先者。對此,前立委沈富雄23日就給出了4猛藥指出,「賀錦麗挑一個好的副總統候選人,我特別挑賓州州長Shapiro,因是兩個前檢察官合捉一個犯了38條罪名的大魔頭,有好戲可看!」引發討論。

沈富雄23日在臉書上PO出一篇「兩個檢察官合捉一個大魔頭」的文章表示,「拜登退選使民主黨的選情有如從安寧病房搬回加護病房,可以一搏,但需要好的團隊全力以赴,再加上令人耳目一新的戰略」,沈富雄更假設由他來操盤,首先「挑一個好的副總統候選人,從鏽帶(Rusty Belt)的搖擺州中挑出Vance 2.0,年輕、白人、出身基層、活力充沛、口條便捷,以補賀錦麗的不足。我特別挑賓州州長Shapiro,因是兩個前檢察官合捉一個犯了38條罪名的大魔頭,有好戲可看!」

再來,沈富雄認為,「在剩餘的四個月中,大部份時間花在搖擺州,踏爛鏽帶,說服滿腔怨氣的白人底層,川普是含蜜的毒藥。東北角及西岸可以少去,他們會在旁滿懷希望的靜觀,不會跑掉」,最後沈富雄強調,「清楚告訴選民『高關稅』及『趕走新移民』會未蒙其利先受其害,鏽帶的選民是經不起這種物價、工資雙漲的痛苦」。

沈富雄還提到,要勇敢地提出具體的削減軍費計劃,不要害怕得罪「Military Industrial Complex」,不僅要: "Don't Send the kids to Foreign Battlefield”,還要"Bring Back the Money to Rusty Belt" 孩子不冤死在遙遠的戰場,錢要花在鏽壞的家鄉。

沈富雄坦言,「川普之一再得逞,是白人的底層找白人菁英的反動派來治療多年沉疴。民主黨如能精準診斷,勇敢下藥,選情不必悲觀。積重難返的美國社會需要重症專科醫師,而非大吹法螺的大巫師」。

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

京華城案 影響 藍白合

超越 鄭文燦

民眾黨 禁見

京華城 羈押

北院 押庭

傳出 沈慶京

太報
民視
民視
民視
京華城案不影響藍白合 黃國昌:歡迎支持監督改革
民眾黨主席柯文哲涉嫌在台北市長任內放寬京華城容積率至840%,台北地院昨(9/5)天下午第二度召開羈押庭,法官裁定柯文哲羈押禁見。在這起案件中,國民黨北市議員鍾小平不斷砲轟民眾黨,外界關注是否影響藍白在立法院的合作?民眾黨中央緊急應變小組召黃國昌今天表示,民眾黨是一個就事論事的政黨,也歡迎監督,但不能毫無證據含血噴人。另外,民眾黨立法院黨團日前拋出《刑事訴訟法》修法,被質疑是為了柯文哲個人,黃國昌說,推動修法是希望強化偵查不公開跟偵查基本人權,為的是台灣人民跟司法正義。
  • 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