8/24–8/30 台北市長選舉社群數據：蔣萬安 11,733 篇、沈伯洋 9,364 篇。整週負面比例掩蓋了頻道落差——拆到頻道層級，蔣萬安負面比例最高與最低頻道差 12.5 個百分點，沈伯洋差 22.8 個百分點。附單日尖峰事件與高互動貼文發文者結構。聲量不等於支持度。

同一位候選人的負面比例，在 Threads 是 70.7%、在媒體只有 32.5%。本文以 2026 雙北市長選戰一週的社群數據，說明討論結構的四個可量測維度，以及為什麼聲量不能當成得票預測。

8/17–8/23 台北市長選舉社群數據：蔣萬安 11,212 篇、沈伯洋 9,097 篇，但兩人聲量長在不同平台——媒體 38.9% 對 Threads 58.5%。附分頻道情緒落差與高互動貼文的發文者結構。聲量不等於支持度。

8/17–8/23 新北市長選舉社群數據：李四川 2,726 篇、蘇巧慧 2,863 篇，兩人前五大話題零重疊——一邊是 307 公車答詢，一邊是蔡英文助選。附單日尖峰歸因與發文者結構。聲量不等於支持度。

同一位決策者一個月內兩次相反的颱風假判斷，揭露民眾真正在意的不是放假，而是標準能否驗證。本文分析 2026 年 6–8 月社群數據，拆解巴威、白海豚、米克拉三場颱風的民意結構差異。