泰勒絲1句話催出30萬人!看完辯論 「口譯哥」曝美大選最新動向
中時新聞網.2024年9月13日 16:06

美國民主黨總統參選人賀錦麗及其對手川普的首場總統辯論10日登場,外界評估賀錦麗表現較佳,流行天后泰勒絲(Taylor Swift)隨後也宣布支持賀錦麗。前駐美代表處政治組組長、台北市議員「口譯哥」趙怡翔表示,因為上次拜登表現太慘,所以賀錦麗這次只要沒輸就是贏,但整體選情還不能太樂觀,且辯論後泰勒絲表態挺賀錦麗影響更大,多了30萬人登記投票,另外,辯論也能看到美大選正走向沒人查證事實的「事實真空區」,此次大選會將是美國價值路線的選擇。 

「口譯哥」趙怡翔昨在政論節目《新聞面對面》表示,賀錦麗聲勢從宣布參選後一直都不錯,但與川普的民調還是很接近,現在有些人可能認為賀錦麗贏2到3個百分點已經贏定了,但不要忘記,原本拜登在7個搖擺州裡面有6個是穩定落後,且2016年美選,民主黨希拉蕊贏了全國3%的差距,但因選舉人制度最終輸給川普。另外,紐約時報在選舉前做了民調的綜合,賀錦麗是小輸1個百分點,過去外界認為紐約時報是比較偏民主黨,所以這是一個警訊。 

對於此次總統辯論,趙怡翔認為,賀錦麗是贏了,因為只要她不輸就是贏,一方面是因為上次拜登的辯論太慘了,就因為辯論表現慘到被換掉,而此次賀錦麗在超越拜登的情況下,嚴格來說已經贏了,因為超越大家對民主黨的想像。 

趙怡翔續指,從此次辯論也可以看到一個特別的現象,美國政治已經活在「事實真空區」,就是沒什麼人在查證,像是川普說的吃貓吃狗、小孩生了可以墮胎等很離奇的狀況,但這些都是美國選舉的最主要議題。 

趙怡翔認為,此次美國大選會變成是價值跟美國未來方向的選擇,賀錦麗說的是投給川普就是讓美國往回頭走,把過去的爭議跟問題留在過去,繼續往前走;而川普說的是美國正在衰退,還沒思考怎麼把美國放在對的路線,先不要提往前走。 

趙怡翔還提到,很多人已經忘記辯論的結果,因為美國政壇有更大的新聞,泰勒絲表態支持賀錦麗,但這對政治觀察者來說並不意外,因為上次泰勒絲就是因為墮胎、女性自主權、社會議題等問題堅定支持拜登,這次只是看她表態的時機。 

趙怡翔補充,泰勒絲在Instagram上有3億個粉絲,她在表態支持賀錦麗的貼文中,有分享美國總統選舉登記投票的連結,美國選舉委員會就說,自從泰勒絲分享連結後,有30萬人出來登記,顯示泰勒絲有她的效應。

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

賴清德 聲望

謝龍介 參選 台南市長

賴清德 派系

政府 宣傳 預算

便當 派系

媒體 宣傳 預算

三立新聞網 setn.com
TVBS新聞網
信傳媒
今日新聞NOWnews
蕭旭岑頻「拉美援柯」 學者:配合中國操作認知作戰
記者王一德、黃昕晟/台北報導前台北市長柯文哲涉入京華城案,讓國民黨角色尷尬,大力監督的台北市議員游淑慧自曝,被黨內長輩關切要她顧全大局,而馬英九基金會執行長蕭旭岑在節目上自爆「自己
  • 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