【固樑澆熄罷免潮】藍全黨救一人奏效　綠練兵力拚2026

鏡週刊Mirror Media．2024年10月15日 05:28

基隆市長謝國樑罷免案遭否決，讓國民黨士氣大振。本刊調查，這場罷免投票由黨主席朱立倫人馬全面操盤空戰，加上黨組織系統催票奏效，都是固樑成功的關鍵，藍營評估此結果有望止住明年蠢蠢欲動的罷免藍委連署潮；民進黨方面，因黨中央始終下令堅守「不上第一線」立場，加上罷免未過並不牴觸黨內任何派系利益，第一時間黨內並未興起究責聲浪，基層只盼黨中央儘快闡明對2026的戰略布局，讓民進黨有機會在下次地方選舉光復基隆。

謝國樑罷免案13日投票，最終票數為8萬6014票不同意、6萬9934票同意，不同意罷免票超過同意票，罷樑案未通過。

本刊調查，此次罷樑案國民黨中央強勢介入，由朱立倫親自操盤與謝國樑團隊對接，有計畫地邀請多位黨內要角到基隆掃街拜票。黨內解讀，朱反罷樑熱戰策略成功，黨內空、陸戰系統為此提前暖身，也透露朱為明年黨主席選舉布局的意味不言可喻。

藍營黨內要角認為，此結果有助於降低明年2月出現大罷免藍委潮現象，但仍不可掉以輕心，朱立倫如何讓國會席次仍維持藍白合過半的優勢，以及另一藍營天后的台中市長盧秀燕怎麼發揮實質影響力協助黨籍立委，勢必成為明年主席選舉黨內觀察的指標。

雖然黨內堅守「不上第一線」政策，但民進黨祕書長林右昌持續透過個人臉書替罷免發聲。（東森新聞提供）

民進黨中常會早在9月初就定調這場罷免是「公民自發運動」，即便國民黨不斷叫陣，民進黨始終堅持居於二線。據悉，有不少綠營人士持續尋找契機，希望找到破口，名正言順切入罷樑之戰；隨著罷免局勢發展，各路人馬也持續探詢黨高層對罷免的態度是否轉變，包括日前黨部主委會議上，基隆市黨部主委林明智就曾詢問高層意向，然而層峰的指示始終維持一致，要求黨職、公職不要親上罷樑第一線。

藍營天后盧秀燕12日陪謝國樑掃街，被點名恐面臨罷免的盧系子弟兵、台中立委羅廷瑋也緊隨在旁。

「雖然球員們的戰鬥意志都很高昂，但總教練的策略是希望球隊打好例行賽、殺進總決賽，而不是依賴外卡的機會來贏球。」黨內人士指出，層峰認為，罷免畢竟不是政治常態，應該透過定期選舉好好一戰，才是黨要努力的方向；該人士說，民進黨的最終目標是希望拿回基隆執政，就算硬將罷免撐過去，補選也未必會比較好打，不如持續練兵，直到2026正面出擊。

最新選舉新聞

多元觀點

不同視角的媒體報導

蔡英文出席捷克

國防部長應變

威脅台海

捷克論壇

謝國樑投票

美國中方克制

中時財經即時

聯合新聞網

FTNN新聞網

太報

前總統蔡英文出席公元兩千論壇演說呼籲團結堅持民主價值信念

前總統蔡英文今（14）日出席第28屆公元兩千論壇，以「證明民主的決心與韌性」(Proving Democracy's Resolve and Resilience)為題發表演說。她說，台灣站在威脅主義威脅的最前線。50多年來，面臨來自中國共產政權的持續威脅。她呼籲民主國家透過團結、共同努力，堅持對民主價值的信念。

選舉假訊息查核

看更多新聞專輯

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