電視辯論輿情分析怎麼做？從台北、高雄案例了解網路討論
電視辯論結束後，新聞、發言片段與網友評論陸續出現在社群平台。有些人關心政策，有些人注意發言風格，同一位候選人也可能得到不同評價。InfoMiner 選情研究室以 2026 台北與高雄市長辯論為例，說明如何整理議題、比較各平台反應，以及分析貼文與留言的差異。
什麼是辯論輿情分析？
辯論輿情分析是整理與辯論相關的公開貼文、新聞和留言，了解大家關注的議題及對候選人的評價。分析時先確認資料來源與時間範圍，處理重複內容，再按議題、候選人與平台分類，並將貼文與留言分開統計。例如，同樣談到都更，一篇文章可能肯定一方的政策，同時質疑另一方的做法，兩種評價需要分別記錄。
辯論輿情分析有哪些用途？
- 公共事務與研究工作者：整理各項政策受到的肯定與質疑，作為後續研究與公共溝通的參考。
- 公關與傳播工作者：了解哪些發言引起討論，以及不同平台出現了哪些回應。
- 新聞媒體與查核工作者：尋找值得追蹤的議題，回查完整發言、政策資料與事件經過。
- 關心公共事務的民眾：比較熱門貼文以外的討論內容，了解不同意見及其理由。
聲量與按讚數可以說明什麼？
聲量通常指相關內容被提及或發布的數量，按讚數則是互動指標。兩者都能顯示話題受到關注；要了解大家的評價，還需要閱讀內容、區分正負面意見，並檢查重複轉貼。
討論增加，也可能來自批評
同樣有一百則貼文，內容可能包含政策介紹、稱讚與質疑。候選人的發言因獲得認同而被轉傳，與因爭議而受到關注，都是聲量增加，意義卻不同。
重複轉貼會影響統計
同一張圖卡或同一段文字，可能出現在多個社團與粉專。整理時將原始貼文、轉載與相似文字分別標記，便能比較有多少不同意見，以及各種說法的傳播情況。
完全相同的文章較容易辨認；內容相近但加入評論的貼文，則需要保留新增的意見。文字相似只能作為進一步查核的線索，無法據此認定帳號身分或組織動員。
網路輿情與民意調查有什麼差別？
民意調查透過問卷詢問受訪者，網路輿情分析則整理已出現的公開發言。兩者的資料來源與分析單位不同，適合回答的問題也不同。
| Comparison Item | 民意調查 | 網路輿情分析 |
|---|---|---|
| 資料取得方式 | 依調查設計訪問受訪者，整理問卷回答。 | 依關鍵字與時間範圍，蒐集可取得的公開內容。 |
| Unit of analysis | 以受訪者及其回答為主。 | 以貼文、新聞或留言等內容為主。 |
| 資料涵蓋範圍 | 受抽樣方式、訪問管道與回應情況影響。 | 受平台開放程度、發文意願與資料取得情況影響。 |
| 可以了解的內容 | 依問卷設計了解投票意向、政策看法或其他意見。 | 整理討論議題、正負面評價、平台差異與時段變化。 |
| 常見用途 | 估計特定群體的意向，並依調查方法說明誤差與限制。 | 追蹤事件反應，尋找爭點與需要進一步查證的說法。 |
台北案例：政策問答與結辯的評價差異
台北專題將蔣萬安與沈伯洋的都更、結辯、看稿爭議等話題分開分析，保留各項肯定與批評的原因，避免合併後只剩下整體數字。
圖表一：台北市長辯論各議題的貼文評價
可點選圖例切換顯示資料來源：InfoMiner 台北辯論專題的網友貼文。圖中淨值為正評比例減去負評比例，以百分比呈現，並非支持率。
都更討論：從政策名稱談到執行細節
沈伯洋提出老宅服務團與都更「陪伴」概念，蔣萬安以審查、耐震與危老等問題回應。相關貼文對蔣萬安的淨值為 +13.9%，對沈伯洋為 −52.5%。這組內容較肯定蔣萬安的回應，也質疑沈伯洋方案能否落實，討論從政策名稱延伸到執行細節。
結辯討論：表達方式也會形成話題
沈伯洋結辯引用蔡康永的話，相關貼文對他的淨值為 +73.1%，對蔣萬安為 −65.1%，與都更議題方向不同。這些貼文較著重用詞、理念與發言風格；與都更問答分開整理後，兩種反應便能清楚呈現。
看稿爭議：網友質疑與事實查證分開處理
蔣萬安在媒體提問環節的看稿情形受到質疑，相關貼文淨值為 −61.0%。討論包括臨場應答與準備資料的使用方式，也出現題目是否提前外洩的疑問。輿情分析可以記錄這些說法，但外洩與否仍須另外查證。
加 LINE 邀約也成為獨立話題
沈伯洋邀約蔣萬安加 LINE、再辦辯論，也形成獨立話題。相關貼文對沈伯洋的淨值為 −9.0%，對蔣萬安為 −15.8%。這類內容談的是互動方式，與都更等政策議題分開分類，才能了解網友回應的重點。
高雄案例：脫稿表現與財劃法攻防
高雄專題涵蓋脫稿與看稿、前任市長政績、財劃法及互動態度。同一段辯論可能同時涉及政策與表達方式，需要分辨網友稱讚或批評的對象與原因。
圖表二：高雄市長辯論各議題的貼文評價
可點選圖例切換顯示資料來源：InfoMiner 高雄辯論專題的網友貼文。各議題分別統計對兩位候選人的評價。
脫稿與看稿：整理對臨場表現的回應
脫稿與看稿相關貼文對柯志恩的淨值為 +28.8%，對賴瑞隆為 −53.2%。內容主要回應發言流暢度、眼神與讀稿情形，歸在表達方式之下，便可與政策討論分開比較。
前任市長政績：辨認批評指向誰
賴瑞隆提及陳其邁等前任市長的成果，引起施政延續與個人規劃的討論，對他的淨值為 −85.0%，對柯志恩為 +31.8%。文章可能同時稱讚前任政績、質疑候選人的方案，因此要分辨評價指向誰，不能只看有沒有正面詞彙。
財劃法：政策議題有不同的評價結果
財劃法涉及中央與地方的財源分配。賴瑞隆提出高雄預算與地方建設需求，相關貼文淨值為 +35.3%，柯志恩為 −63.2%，與脫稿議題方向不同。至於修法實際影響多少經費，仍須回查條文與預算資料。
提問態度：分辨政策意見與個人評語
柯志恩的強勢提問有內容肯定其監督力道，也有內容批評其語氣。在態度相關議題中，她的淨值為 −91.9%，賴瑞隆為 +42.1%。這類個人評語宜與政策意見分開整理。
不同平台的討論，為什麼要分開比較？
各平台出現的貼文與參與帳號不同，同一位候選人可能得到不同評價。分平台整理，可以保留差異，避免文章數量較多的平台左右整體結果。
圖表三：各平台的候選人貼文評價
依平台分別比較資料來源：兩市辯論專題的 Threads、Facebook 與 PTT 網友貼文。兩市觀測期間不同，數值各自呈現其討論結果。
Threads：台北與高雄的討論結果
台北場在 Threads 對沈伯洋的淨值約為 +26%，對蔣萬安約為 −39%；高雄場對賴瑞隆接近正負評平衡，對柯志恩偏負面。
Facebook：與 Threads 不同的評價分布
台北場對蔣萬安的淨值約為 −2%，對沈伯洋約為 −30%；高雄場對柯志恩約為 +8%，對賴瑞隆約為 −52%，與 Threads 的結果不同。
PTT：兩場辯論都出現較多批評
兩市四位候選人在 PTT 的貼文淨值均為負值，表示這批內容中的負評多於正評。這些結果描述公開發言，沒有調查發文者的年齡、地區或投票意向。
貼文與留言，為什麼可能有不同評價？
貼文可能肯定候選人的方案，留言卻提出執行上的疑問；也可能主文批評發言，回覆則補充被省略的上下文。分開分析，才能保留各自的意見。
兩市專題將網友貼文與抽樣留言分開統計，四位候選人的留言淨值都低於貼文。
圖表四：網友貼文與抽樣留言的評價比較
貼文與留言分開統計資料來源：兩市辯論專題。留言為分層抽樣加權推估，圖中數值取整數呈現。
例如，蔣萬安的貼文淨值約為 −22%，抽樣留言約為 −55%；沈伯洋由貼文接近零，降至留言約 −42%。回查留言的具體內容，有助於了解批評集中在政策、表達方式或其他事件。
如何整理與使用辯論輿情資料？
清楚記錄資料範圍與分類方式，能讓後續比較有共同基礎。以下做法也適用於其他公共議題。
確認資料範圍與統計方式
先記錄關鍵字、蒐集平台、起訖時間及無法取得的內容。淨值為正評比例減去負評比例，例如正評占 40%、負評占 25%，淨值便是 +15%。數字描述內容評價，與選民支持率不同。
保留原文與分類依據
「很會講」可能是稱讚，也可能是反諷；文章也可能肯定一項政策、批評另一項做法。分類時需連同上下文閱讀，遇到模糊內容則回查原文、由人員覆核。
按時段持續觀察
辯論結束時的討論，與新聞、短影音轉傳後的回應可能不同。使用一致的時間區間持續整理，可以比較哪些話題延續、哪些逐漸減少；新增資料時，也應註明更新時間。
這兩市的留言採分層抽樣與加權推估，未取得的內容不在分析範圍，兩市觀測期間也不同。因此，圖表適合用來了解各自的討論內容，不宜直接比較總聲量。若要進一步了解輿情的基本概念與其他應用，可參閱網路輿情分析的方法、工具與應用。
完整專題與後續討論
兩篇專題提供各議題、平台與時段的圖表；候選人對決頁則可查看後續聲量與情緒走勢。
台北市長辯論後，網友怎麼看蔣萬安和沈伯洋？
整理都更、結辯、看稿與加 LINE 邀約等話題，並比較不同平台及貼文留言的反應。
高雄市長辯論後，網友怎麼看柯志恩和賴瑞隆？
整理脫稿與看稿、財劃法、前任市長政績及互動態度等議題，並比較各平台的討論。
持續追蹤選舉相關的公開討論
InfoMiner 選情研究室依選區與候選人整理公開貼文，提供聲量、情緒及討論趨勢，方便關心公共事務的民眾查閱。
前往 InfoMiner 選情研究室Beyond the debate, election monitoring also involves checking voting procedures, attributed statements and circulating media. For the timeline, monitoring method and review responsibilities, see Election Disinformation Monitoring: Method and 60-Day Checklist.