評賴清德國慶談話 謝龍介嘆:是令人失望的
今日新聞NOWnews.2024年10月10日 17:31

▲針對賴清德就任後首度出席國慶大會並進行演說,謝龍介認為是令人失望的。(圖/記者葉政勳攝,2024.10.10)

[NOWnews今日新聞] 雙十國慶大典今(10)日在總統府前廣場舉辦,總統賴清德進行長達25分鐘的談話,對此國民黨立委謝龍介提出四點,包括祖國不見了、質疑兩岸不須對話、有打房打詐無打貪,最後則是蒼白無力的團結口號,表示總統賴清德上任來首次的國情文告,「坦白說,是令人失望的」。

謝龍介說,首先是在兩岸論述上,自己曾對賴清德的「祖國論」抱持期待,一位台獨工作者,願意「務實」接受中華民國為「祖國」,向國民黨論述靠攏,當然是好事,但是在這篇文告中,「祖國」這個強而有力的名詞消失了,只剩「113年前」的輕輕帶過。早先他就曾預言,「祖國論」會引來獨派與綠營反彈,看來賴清德已經在壓力下退讓。

謝龍介質疑兩岸不須對話嗎?賴清德的文吿,完全沒有提及兩岸應恢復交流,甚至沒有提到恢復對話,這令他非常意外。近期金門撞船死傷,澎湖漁船被扣,陸艇擅闖台海,共機共艦越來越近,ECFA進一步限縮,兩岸卻連起碼的協商都做不到,結果賴清德對此隻字未提,卻去大談俄烏戰爭與中東衝突,這難道是關乎台灣人民的福祉的當務之急?

謝龍介表示,從陳水扁到蔡英文,兩岸關係儘管也很緊張,但一方面在類似文告中申明自己的台獨主張,還是會提出兩岸應當交流對話作為平衡,賴清德為什麼不呢?

此外賴清德在文告中花了很大篇幅談內政願景,而且講得很細,要打房、打詐,都是人民期待,自己絕對支持。但早先幾份民調顯示賴清德當選後滿意度上升,許多評論歸因於他肅貪打弊,照說這應該是賴政府的「賣點」,打房得罪特定團體都在所不惜了,打貪廣受人民愛戴卻隻字不提,耐人尋味。

最後則是蒼白無力的團結口號,謝龍介說,多元價值、不同黨派族群要團結,民主不出亂子,一定得搭配法治。賴清德高喊團結,但正是他本人帶頭違法,立法院修過的法想盡辦法阻撓,立法院通過的法定預算,說不編就不編,做了這樣的事,又在國慶大會上高喊團結,毫無説服力,只是情勒。

更多 NOWnews 今日新聞 報導
好嗆!韓國瑜國慶致詞力挺國會改革 稱今年找回雙十盛事光榮
國慶大典留柯文哲座位 黃國昌大讚韓國瑜:非常有高度
聲援柯文哲!白委赴國慶大典Dress Code 著「正義」T給賴清德看

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

升旗 典禮

國慶大會 蔡英文

賴清德 祖國論

馬英九 出席 大典

中華民國 台灣人

謝國樑 投票

台灣新生報
自立晚報
台灣新生報
今日新聞NOWnews
宜縣國慶升旗禮暨全民健行 熱鬧登場
宜蘭縣政府於昨(十)日上午六時三十分,在宜蘭運動公園田徑場舉辦「慶祝 ...
  • 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