聖他克拉拉縣16選區國會議員選舉重新計票 羅達倫多史密提恩4票
世界日報World Journal.2024年5月1日 14:16

聖他克拉拉縣選務處歷時兩周多完成16選區國會議員選舉選票重計。(記者徐蓓蓓/攝影)

聖他克拉拉縣4月30日完成16選區國會議員選舉的重新計票。結果顯示羅達倫(Evan Low)的票數增長11票,而史密提恩(Joe Simitian)增長7票,即前者較後者更多了4票。羅達倫在聖縣總得票數是2萬5093票,較史密提恩的2萬3775票,高出18票;這些票數會和聖馬刁縣重新計票的結果疊加來決定最終結果。

聖他克拉拉縣選務處助理處長莫雷斯(Matt Moreles)表示:「我們選務處員工過去兩周以來辛勤工作,進行了一場史無前例的重新計票,來確保最後的結果是完整和準確的。這是我們進行過的最大型和最複雜的重新計票,也是我們在新選舉體系下的第一次機器重新計票。」

國會第16選區包含聖他克拉拉和聖馬刁兩縣。如果兩縣重新計票的結果加起來和之前第一次計票的結果有不同的話,重新計票的結果會作為這次選舉的官方認證結果。

聖他克拉拉選務處還表示,加州法律允許任何選民申請重新計票。此次重計是由聖他克拉拉縣的一位註冊選民申請的機器重新計票。重計使用的設備和流程都和此前一樣。

選務處表示,整個重計過程都對公眾開放參觀,公眾可以提出問題和質疑。重計過程中,在如何理解一些勾選方式不同尋常的選票的選民意圖方面產生了一些質疑。雖然觀察者可以就如何闡釋選民意圖提出質疑,選務處作為聖縣的官方選舉機構,在這方面有最終決定權。「可以預見的是,對於選民意圖闡釋的最終結論,有時會與初次計票時所做的決定有所差異。這些差異導致了重計結果和原有選舉結果之間的差異。」

聖馬刁縣此前表示,尚有16張選票有待進一步認定,將會同重計申請人及其律師共同做出最後決定。

此外,李卡多日前在SanJose Inside上罕見發聲,強調自己並未要求重新計票,自己和競選團隊成員也未和彭莊煒(Jonathan Padilla)及其金主就重新計票有過溝通。他說:「候選人及其競選團隊和獨立經費團體溝通是不合法的。彭莊煒是我的支持者,這一點並不重要。歷史上每一個獨立經費委員會都是由某個候選人的支持者建立的。」

更多世界日報報導
鎮暴警攻堅 哥大示威學生被捕 結束20小時占領
專家修改建議 40-74歲女性 每2年乳房X光檢查
最低工資法 掀速食漲價潮 Chipotle、Chick-fil-A貴1成

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 演說 兩岸

國會 改革 立法院

賴清德 兩國論

中捷 砍人案

國會 改革 法案

賴清德 發表 演說

台灣好報
台灣好新聞
工商時報
民視
回應賴清德就職演說 陸委會呼籲對岸正視中華民國存在尊重台灣人民選擇
【記者 沁諠/台北 報導】針對國台辦就賴清德總統就職演說之回應,大陸委員會表示: 一、 賴總統就任中華民國第十
  • 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