第三章 從國台辦新聞發布看中共對台論述的持續與變遷(2019~2022)
2022.12.30
瀏覽數
3738
前言
今(2022)年 8 月 2 日美國聯邦眾議院議長裴洛西(Nancy Pelosi)訪台,當晚中國外交部、國防部、人大常委會、全國政協與中共中央台辦齊發聲明強烈譴責。[1]中共解放軍除了發射彈道飛彈在大氣層外飛越台灣上空,落入我東部海域之外,也組織海空兵力跨越海峽中線,進行聯合海空行動演訓,台海局勢一度緊張。[2]中共在大動作武嚇之後,於 8 月 10 日發布《台灣問題與新時代中國統一事業》白皮書,相較於過去兩本對台白皮書,中共不僅強化「反獨」與「反對外部勢力干涉」之間的連結,也大 篇幅提及「統一後」的好處企圖收買台灣民心。[3]過去認為在習近平主政時期,中共的對台政策仍維持「習五條」的基本方針,但在對台政策上一方面加速推動「通、惠、情」融合發展,另一方面加重軍事威嚇的力道,朝「軟手促統、硬手防獨」方向發展。[4]此外,兩岸關係也鑲嵌在美國與中國的競逐之下,自美國總統拜登(Joe Biden)上任以來,美國逐步強化與中國在經濟、貿易和科技等領域的競爭,並在南海與台海強調自由航行,美中關係的變化使得台海情勢更加詭譎多變。儘管中共對台「反獨、促統」的基本方針不變,但其政策論述和政策內容似乎也有與時俱進、層層加碼的發展趨勢。
有鑑於此,本文以中國國台辦之新聞發布為研究對象,資料蒐集的時間範圍為 2019 年 5 月 29 日至 2022 年 9 月 5 日,總計 726 條新聞。[5]透過文字探勘(text mining)與結構主題模型(Structural Topic Model, STM)方法針對發布內容進行分析,[6]藉此釐清中共對台政策的主軸為何?對台政策的主軸是否隨著時空情境的變化而有所調整?並探討其產生的影響效應與意涵。透過上述的分析方式,本文提供一個以文本經驗數據為基礎之視角來剖析中共對台政策的持續與變遷。
在後續的章節安排上,第貳部分探索國台辦新聞發布中經常使用的語詞,並初步檢視不同年份高頻詞之差異,第參部分探索國台辦新聞發布的主題,以經驗資料呈現新聞的類型與主軸,並挖掘重要詞彙的前後文來理解文字意涵與脈絡;第肆部分透過觀察不同主題新聞發布頻率的時序變化來洞悉國台辦對台論述背後的邏輯和變化趨勢;最後則根據各節的論點提出本章的結論。
[1]裴洛西訪台中國外交部發布的聲明全文請見 http://www.gwytb.gov.cn/topone/202208/t20220802_12457604.htm;國防部聲明見 http://www.gwytb.gov.cn/topone/202208/t20220803_12457710.htm;人大常委會發言請見 http://www.gwytb.gov.cn/topone/202208/t20220803_12457708.htm;全國政協聲明全文請見 http://www.gwytb.gov.cn/topone/202208/t20220803_12457709.htm;中共中央台辦的聲明請見 http://www.gwytb.gov.cn/topone/202208/t20220802_12457613.htm。
[2]相關報導請見呂嘉鴻,〈佩洛西訪台:中國環台軍演彈道導彈「穿越台灣上空」的戰略及民眾反應〉,《BBC 中文網》,2022 年 8 月 5 日,https://reurl.cc/D3dOL6;〈說明「中共以我東部海域為目標,發射之彈道飛彈,是否飛越臺北上空」乙情〉新聞稿,《台灣國防部》,2022 年 8 月 4 日,https://pse.is/4c2463。〈臺海周邊空域空情動態〉新聞稿,《台灣國防部》,2022 年 8 月 7 日,https://pse.is/4dxjkv。
[3]白皮書全文請見〈台灣問題與新時代中國統一事業〉,《人民網》,2022 年 8 月 10 日,http://tw.people.com.cn/n1/2022/0810/c14657-32499262.html。中共發布第三本對台白皮書的相關剖析,請見王信賢,〈解讀中共第三份對台「白皮書」〉,《遠景論壇》,第 68 期,2022 年 9 月,https://www.pf.org.tw/tw/pfch/12-9635.html。
[4] 請見洪子傑,〈2021 年中共對台政策的調整與變化〉,李冠成、洪子傑主編,《2021 中共政軍發展評估報告》(台北:五南圖書出版股份有限公司,2021 年),頁 25-38;林中斌、辜樹仁,〈十九大後習近平對台:軟手為攻,硬手為守,意在「改變台灣民意」〉,《獨立評論》,2018 年 3 月 30 日,https://opinion.cw.com.tw/blog/profile/70/article/6740。
[5] 國台辦新聞發布網址,請見 http://www.gwytb.gov.cn/xwdt/xwfb/wyly/。本研究使用 R 語言中的 rvest 套件來解析網頁結構並進行爬蟲(web crawling),資料擷取時間為 2022 年 9 月 13 日。關於rvest 套件的說明,請見https://cran.r-project.org/web/packages/rvest/rvest.pdf。
[6] 結構主題模型(structural topic model)是根據潛在狄利克雷分配(Latent Dirichlet Allocation, LDA)延伸的模型,在機器學習和自然語言處理領域屬非監督式機器學習,主要用來發掘一系列文件中潛在主題(latent topic)的統計模型,相關方法與應用請見 Margaret E. Roberts et al., “stm: R Package for Structural Topic Models,” Journal of Statistical Software, Vol. 91, No. 2 (October, 2019), pp. 1-40; Margaret E. Roberts et al., “Structural Topic Models for Open-Ended Survey Questions,” American Journal of Political Science, Vol. 58, No. 4 (October, 2014), pp. 1064-1082.