前綠委變「敗選者聯盟3.0」?名嘴揭奧妙:藍營很難學會
中時新聞網.2024年4月29日 21:46

前立委鄭運鵬也被傳是「敗選者聯盟3.0」、出任部會次長的人選之一。(示意圖/本報資料照片)

多名在2024選舉連任失利的綠委被傳將出任各部會政務次長,包括教育部次長可能由張廖萬堅出任、衛福部次長可能由林靜儀出任、法務部次長可能由黃世杰出任等。今又有媒體報導,另有前立委蔡培慧被點名可能出任農業部次長、前立委鄭運鵬被點名可能出任交通部次長。媒體人黃揚明強調,民進黨只要不斷出現能橫跨政務、選務雙刀流的人才,就更能鞏固執政權,而這些人才也更願意為黨賣命。這點國民黨很難學會。

「敗選者聯盟3.0?民進黨懂資源分配!」黃揚明今(29日)在臉書發文表示,且不論這些人事消息準確與否,但民進黨執政後的「敗選者聯盟」,已然成為用人的標準之一。所謂「敗選者聯盟1.0」,是指2018年民進黨地方選舉敗選後,由挑戰新北市長落敗的蘇貞昌擔任行政院長、挑戰高雄市長落敗的陳其邁擔任行政院副院長、台中市長連任失利的林佳龍擔任交通部長,後來又提名雲林縣長連任失利的李進勇擔任中選會主委。

黃揚明提到,「敗選者聯盟2.0」則是2022年民進黨地方選舉大敗後,挑戰新北市長落敗的林佳龍出任總統府秘書長、挑戰嘉義市長落敗的李俊俋出任勞動部次長、挑戰新竹縣長落敗的周江杰出任客委會副主委、連任議員失利的梁文傑出任陸委會副主委、挑戰花蓮縣長失利的谷辣斯則回任總統府發言人。這次的「敗選者聯盟3.0」以政務次長為主,基本上並不令人意外。

黃揚明指出,而這樣的用人模式凸顯出只要是能夠為民進黨打江山、捍衛執政優勢、在選戰過程中積極為政策辯護的人,就是民進黨不吝於提拔的對象。中央執政資源是執政黨最大優勢,將政府權位當作政治資源分配,這是民進黨最擅長的一環,畢竟該黨本就出身草根,加上有派系主導運籌帷幄,彈性本就很寬。哪像國民黨長年對官僚系統,有著捍衛官場文化及學者菁英掛帥的偶包,把選戰與治理人才分流。

黃揚明強調,因此,民進黨政治人物一旦選戰失利或任期屆滿,進入政務系統磨練便成為常態,只要不斷出現能橫跨政務、選務雙刀流的人才,就能讓執政權更為鞏固,而這些人才也更願意為黨賣命。他直言,「這一點,國民黨很難學會,民眾黨則是還沒有機會學。」

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

劉寶傑 中國 點名

出席 總統

朱立倫 就職

議場 守夜

特赦 陳水扁

京華城 容積

三立新聞網 setn.com
今日新聞NOWnews
Yahoo奇摩(即時新聞)
三立新聞網 setn.com
影/邰智源稱「戒嚴蔣家發明」 蔣萬安:邰哥幽默表達
記者夏邦明、李汶諭/綜合報導 台北市長蔣萬安去(2023)年邀藝人邰智源擔任拒菸大使,近期邰智源談到最新進度時,特別強調「戒菸不是戒嚴,雖然戒嚴他們家發明的」,對此蔣萬安15
  • 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