台中原民議員補選5人參戰 國民黨推2候選人"黨內互打"
民視.2024年4月10日 15:49

中部中心/王云宣、林賢明台中報導

前台中市議員黃仁,當選2024立委,第15選區,平地原住民議員必須補選,在五名候選人當中,就有兩人獲得國民黨推薦,包含上一屆,以227票之差敗給黃仁的吳建德捲土重來,以及在黃仁上任立委後,擔任服務處長的吳軍,也接棒參選,形成"網內互打"的局勢。

台中議員補選候選人(國)吳建德:「拜託一下好不好。」

來到文化健康站,支持者熱情擁抱鼓勵,台中市平地原住民議員補選候選人吳建德,把握時間,和選民握手寒暄。

台中議員補選候選人(國)吳建德:「我聯合將近10位立委、議員,在台中市為族人打拼,這次建德參選理念不為了什麼,就為了族人在台中的未來,以及未來孩子們的教育,老人家的照護。」

獲得國民黨推薦的吳建德,是前台中市議員吳顯森的兒子,上屆以227票之差落敗,這回捲土重來,還有立委高金素梅支持,但同為國民黨推薦的對手吳軍,也來勢洶洶。

支持者:「吳軍吳軍吳軍絕對當選。」

台上高呼凍蒜,曾有導演經歷的吳軍,身旁站著的,是前平地原住民議員黃仁,這回當選立委後,推派服務處子弟兵,接棒挑戰缺額。

台中議員補選候選人(國)吳軍:「他(黃仁)在中央爭取經費,地方有他的子弟兵,將這樣的福利跟權益,在台中可以給族人更多。」

台中第15選區議員補選將在4月13日登場,除了國民黨的兩位候選人,另外還有無黨籍的新人余俊宏、黃仁議員時期特助曾健基、以及上回選舉獲得270票的林清發。


台中原民議員補選5人參戰 國民黨推2候選人「黨內互打」
台中市第15選區,平地原住民市議員13日補選投票,這回五搶一競爭激烈,包括黃仁的前特助曾健基(右2),也參與角逐。(圖/林賢明攝)



台中議員補選候選人(無)余俊宏:「大家都是族人,一起為原住民權益發聲共同努力。」

擅長空戰的余俊宏,臉書拍片分享體育政見,從建築基層做起的曾健基則主攻陸戰,積極走訪地方,至於林清發,則利用網路平台,不時分享跳舞影片,逗趣博眼球,平地原住民議員,補選激戰,不只藍營"網內互打",還有3名無黨籍候選人加入角逐,形成"5搶1"的局面。


原文出處:台中原民議員補選5人參戰 國民黨推2候選人「黨內互打」

更多民視新聞報導
選前黃金週 麥寮鄉長補選擴戰線 蘇治芬嗆告黃國昌
苗栗市長補選"選前之夜"藍綠尬場 禿子拚憨川
宜蘭議員補選! 黃捷拉抬藍萬義 力拚接棒陳俊宇

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

視導 新兵

國會 修法

成功嶺 新兵

國會 釋憲

陸港澳 警示 橙色

吳秀梅 拔官

青年日報
中天新聞網
TVBS新聞網
TVBS新聞網
【視導成功嶺新兵訓練】賴總統:臺海和平為世界安全繁榮必要元素
記者黃迪明/臺中報導 總統賴清德昨日前往臺中成功嶺營區視導新兵入伍訓練時指出,臺灣在經濟、民主及自由的表現,都受到國際肯定,國際社會也認同臺海和平穩定是世界安
  • 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