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。
| 比較項目 | 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。 |
| 分析單位 | 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 選情研究室辯論之外，選前還需要核對投票程序、候選人引述與流傳影音。相關時間軸、可疑訊息監測方法及查證分工，可參考選舉假訊息監測：分析方法與 60 天清單。