朝野溝通 彌補信賴破口
中時新聞網.2024年10月6日 04:10

(圖/本報系資料照)

 藍、白再度聯手退回明年度中央政府總預算,預告國會恐已陷入焦土僵局。或許眼前的衝突是少數執政的民進黨不得不刻意為之的場面,只是,國會紛擾衍生的亂象,一旦造成施政作為處處受限,那麼,對賴清德積極建立的「信賴人設」將湧現難以預料的破口。

 《美麗島電子報》民調顯示,賴清德就職後的3個月,信任度與滿意度均呈連續上升趨勢,但最新一次數據顯示信任度為52.5%,較上月減少6.4個百分點;執政滿意度50.8%,較上月減少3.6個百分點。何以正向評價會止升轉跌,賴清德有必要釐清箇中原因。

 首先,京華城案被視為新政府肅貪的指標案件,但從政治上來說,隨著偵辦持續查無金流,導致北檢逐漸朝向「圖利罪」收尾,這確實會讓柯文哲有底氣如同日本學者小笠原欣幸所預測,讓他以「還我清白」當成延續政治生命的口號,讓支持者有繼續支持下去的理由。

 尤其,一旦檢方以圖利罪起訴柯文哲,屆時「圖利」恐怕就會被民眾黨甚至是國民黨當成量測政治人物的「貪汙量尺」,舉凡任何給予業者容積獎勵的開發案都將被逐一比對,這對民進黨2026年的縣市長選舉是利弊難料。

 第二,總統府在「全社會防衛韌性委員會」宣布將培訓40萬可恃民力支援軍事行動,但這項攸關民眾生命安全的政策,國安會卻是在缺乏與社會溝通下丟出,未來40萬人將如何挑選?被選中後於戰時的身分是平民還是軍人?是否將被視為可犧牲的軍力?諸多疑慮確實已讓社會產生不安全感,進而衍生民心浮動。

 第三,大法官針對死刑做出有條件合憲的「實質廢死」判決後,無論正、反方提出的論證是否具有說服力,但確實與台灣普遍性反對廢死的民情相左;且審判至今短短數日,已有3名死刑犯因釋憲結果而確定逃死,隨著類似案例持續浮現,社會將如何看待?人民對司法的信心一旦再受打擊,執政當局著實難以迴避政治上的責難。

 如今,賴清德在難以快速撲滅上述「三把火」的情況下,於立法院又兩度遭遇總預算遭退回的僵局,這對賴清德的聲望維持更不會是好消息。

 因此,賴清德若要扭轉民調下滑的現況,身為國家領導人,或可積極思考創造與在野黨對話的空間,讓缺乏彈性的僵局出現轉圜的可能,這不僅有助於總預算進入實質審查,連帶對包括培訓40萬可恃民力在內的重大政策,也都應循著溝通模式找到朝野最低限度的共識,讓政策不致於陷落非黑即白的兩極對立。反之,若上述問題持續延燒,「信賴人設」的破口恐將難以彌補。(作者為美麗島電子報董事長)

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

萬里勘災 台南 參香

賴清德 致詞

劉志明 逃死

陳水扁 切除 腫瘤

山陀兒 淹水

巨蛋 晚會

聯合新聞網
太報
中廣新聞網
中時財經即時
「增159億元治水」賴總統籲速審總預算
新北金山、萬里前晚因超大豪雨造成嚴重淹水災情,賴清德總統昨表示,明年度中央政府總預算在治水方面較今年增加一五九億元,總金...
  • 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