落選者們萬里吃「安慰餐」 賴坤成笑稱「賴皮寮」出總統:我家也來改一下
太報.2024年1月23日 16:03
民進黨正副總統當選人賴清德與蕭美琴今(1/23)在賴清德故鄉萬里宴請此次立委選舉失利的「落選者們」,除慰勞大家辛苦、精神勉勵,也傾聽各區域在選戰期間所遇到的問題。有趣的是,代表民進黨參選台東縣立委吞敗的賴坤成,在用餐前先到賴清德萬里老家朝聖,並在臉書開直播,甚至直呼「來到傳說中的賴皮寮」,還開玩笑地說:「來研究一下為什麼這間厝可以出總統,我家也要來改一下」。

2024總統暨立委選戰落幕,雖然賴清德以558多萬票當選總統,但民進黨立委未如預期達到過半席次,甚至有不少人被認為是「遺珠之憾」,為此,賴清德今邀請「落選者們」在故鄉萬里齊聚,並在賴清德表哥開設的餐廳共享午餐,交換選戰心得,也相互鼓勵。

與會者包括江肇國、王閔生、曾玟學、劉仁照、蔡培慧、蔡銘軒、莊競程、何博文、謝佩芬、彭俊豪、鄭文婷、吳崢、林靜儀、曾柏瑜、賴坤成、苗博雅、林志潔、曾聖凱、謝子涵、許淑華、賴品妤、張美慧、莊銘淵、鄭運鵬。張廖萬堅、李問、詹紀緹、羅致政並未出席。

據與會人士分享,今天來到賴清德表哥所開設的餐廳,賴清德不免俗還是先介紹家鄉菜色,還有一些特色甜點等。賴清德也在宴席中表示,要多聽前線的想法,大家都是戰將,有些五五波、本來可以贏的地方,卻因為什麼原因在最後兩個星期輸掉了,未來如何避免。特別是桃園、台中、南投、苗栗、花蓮等狀況,只要遇到非綠營執政的市府都打得很艱辛,因為他們有很多市府資源,現象幾乎一致,是此次選戰看到的結構性困境。

賴清德則分享了他的台南經驗是如何經營,因為台南過往也不是全綠,而是由藍轉綠,並鼓勵大家多講、多論述,多與基層連結,不只是吃喝玩樂,也監督市政等。席間,大家都各自發表怎麼樣讓未來有更多轉型和新挑戰。

此外,與會人士也透露,蕭美琴非常溫暖地安慰他們說:「你們的心情我都有過」,並希望大家能夠保有初衷,繼續為民進黨打拚。

有趣的是,賴清德今天中午回到故鄉萬里宴請立委候選人們,同為座上賓的賴坤成在開飯前,先前往賴清德的萬里老家前直播,在5分多鐘的直播過程中,紀錄老宅的大門口、門牌、後方花圃的景象,甚至直呼「來到傳說中的賴皮寮」,還開玩笑地說:「來研究一下為什麼這間厝可以出總統,我家也要來改一下」。

更多太報報導

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

兩岸 關係

中資 參與 建設

建設 引進 中資

陸委會 兩岸

國會 釋憲

罷免 謝國樑

中天新聞網
鏡週刊Mirror Media
今日新聞NOWnews
TVBS新聞網
影/大新聞大爆卦 昨天差點大停電?張啓楷爆備轉容量超危險:要人民的命嗎
近日天氣十分炎熱,也帶動用電量上漲。民眾黨立委張啓楷踢爆,4日晚間備轉容量十分緊張,「差點大停電」,而再過幾天,核三廠一號機將除役,屆時台灣還剩多少電?「你要台灣人民的命嗎」
  • 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