「國家優先」 舊金山官員讚拜登偉大
世界日報World Journal.2024年7月22日 14:19

總統拜登21日發表聲明,退出2024年總統大選,支持副總統賀錦麗(Kamala Harris)成為民主黨總統候選人。舊金山做為民主黨的大本營,以及賀錦麗曾任職多年的城市,當地民選官員紛紛讚揚拜登「將國家和全黨利益優先於個人」的舉動,並支持賀錦麗參選。

舊金山市長布里德表示,拜登總統是具有變革創造性的國家領導人。他在民主面臨巨大危機和百年一遇的疫情中,領導國家,他有勇氣、智慧和遠見來穩定國情並推動進步。他透過在基礎設施、氣候變遷、公共安全等方面的變革,讓全美各方面都比他上任時要好得多。 拜登總統將他的一生奉獻給了公共服務和國家。他的退選也再次展示出,他將國家和當的利益放在首位。

布里德說,拜登總統已經背書賀錦麗為總統候選人。她支持總統的決定,並相信舊金山的朋友賀錦麗,以她的經驗能力和優勢可以擊敗川普,贏得選舉。布里德強調,民主黨人到了團結一心,集中精力贏得這次競選的時候了。

第一區市議員兼舊金山縣民主黨競選中央委員會委員陳詩敏 (Connie Chan) 表示,拜登總統見證了美國最黑暗的日子,並帶領走出疫情,他是歷史上最支持工會和工人的總統之一。非常感謝他的智慧和經驗。他的退選再次表明了他對這個國家的熱愛,並為大家樹立了真正的領導力榜樣。

陳詩敏說, 2007 年至 2011 年,她曾在時任舊金山地檢長賀錦麗辦公室做助手和亞裔社區聯絡員。她支持拜登提名賀錦麗成為民主黨總統候選人。

加州參議員威善高表示,這就是川普和拜登之間的差別。拜登總統關心國家的未來,而川普只關心自己的利益,川普絕不會為了國家的利益而讓位。他一直為自己是民主黨人而感到自豪,今天更是如此。

威善高支持賀錦麗競選總統,自己曾支持她參選舊金山地方、加州和聯邦的所有競選,並迫不及待的想稱她為「賀錦麗總統。」

舊金山市議員麥德誠表示,賀錦麗在舊金山擔任地檢長時,他做為前同事,親眼目睹和見證了她專業精湛的法律知識水平和對正義的熱情。她有力的保護了舊金山當地最弱勢的群體,受虐待和被忽視的兒童,拯救和保護了無數的家庭。

更多世界日報報導
馬斯克稱自己被騙同意兒子變性 稱「覺醒心靈病毒」殺了他
父匯50萬贖金救兒 洛中領館籲防範虛擬綁架
金山華裔警官去年加班費衝破45萬元

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

柯文哲 禁見

京華城案 羈押

傳出 沈慶京

阿北 機率

高雄 國賓 改建

北市府 發聲

TVBS新聞網
中時新聞網
CTWANT
三立新聞網 setn.com
媒體爆柯文哲「1500沈慶京」收賄千萬!郭正亮搖頭苦笑揭暗語
民進黨主席柯文哲因涉京華城容積弊案,昨(5日)遭裁定羈押禁見移送土城台北看守所。今(7)日又有週刊爆料,檢廉在柯文哲住家掌握了「關鍵USB隨身碟」,其中記載了柯文哲收取威京集團主席沈慶京1500萬元。對此前立委郭正亮也解釋其中內幕。
  • 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