關鍵數字：近 20年。這個數字不僅標誌著時間的流逝，更揭示了臺灣媒體生態中，一種對特定人物「獵巫」行為的持久性與變形能力。當陳幸妤再度躍上媒體版面，我們看到的不只是個人故事的延續，更是媒體如何重新定義「巫」的過程。
📊 數據總覽：媒體「獵巫」的新聞價值構成
政治大學傳播學院退休教授鄭自隆點出，一個事件要成為新聞，必須具備足夠的「新聞價值」。回顧陳幸妤當年成為媒體焦點，其背後有三大核心要素支撐，這些要素如同媒體操作的「數據點」，指引著鏡頭的焦點：
這張「新聞價值構成」的數據圖，清晰地展示了當年陳幸妤為何會被媒體「緊釘」的邏輯。媒體不是盲目地追逐，而是有其內在的「演算法」在運作，而這些「數據點」的權重，決定了報導的強度與持續性。
數據解讀：從「人」到「巫」的媒體轉向
有趣的是，媒體的「獵巫」對象並非一成不變。根據鄭自隆教授的觀察，媒體為陳幸妤設定的框架，從 20 年前的「負面」轉變為現在的「正面」。這是一個值得深思的媒體敘事轉向，其「數據」變化如下：
這個從「罵記者變態」到「受委屈人妻」的形象反轉，並非陳幸妤本人改變了多少，而是媒體的鏡頭與敘事策略轉向。它告訴我們，媒體的「巫」是一個可變的符號，可以根據時空背景、社會情緒甚至政治風向來重新定義。這背後反應的，是媒體在尋求最大報導價值時，不斷調整其「獵捕」策略的彈性數據。
媒體偏差：報導數據的雙重標準
話說回來，媒體的「獵巫」行為，真的只是單純追求新聞價值嗎？鄭自隆教授的分析揭露了更深層次的「數據偏差」。他直指，當年許多媒體是「國民黨幫兇」，刻意惡整陳幸妤，而對馬家千金的隱私則「珍惜有加」。這不只是一個單純的「個案數據」，而是一個系統性的報導雙重標準：
- 對於陳幸妤：因「過激反應」符合媒體嗜血本質而被緊釘，甚至被「霸凌」。
- 對於馬英九女兒：因「不在台灣」或「嚴謹家教」而無從騷擾，媒體也未深究。
更近期的「數據」對比，也強化了這種偏差。對柯文哲案「小沈1500」的「翻箱倒櫃、捉風捕影」，與對詐騙慈濟律師「DPP 100」的「雲淡風輕、不再聞問」，兩者的報導強度與深入程度簡直是天壤之別的數據落差。這不禁讓人思考，媒體在處理不同政治立場的事件時，是否存在著一套隱形的「價值判斷演算法」，決定了哪些「巫」該被追殺，哪些則可輕輕放過？
編輯觀點：從陳幸妤現象的二十年跨度來看，媒體的「獵巫」行為，其實是一場不斷演進的社會戲碼。這不單純是追求收視率或點擊率，更深層次地，它揭示了媒體作為社會公器，在面對不同政治勢力時，其獨立性與專業判斷的脆弱數據點。當媒體甘願成為特定立場的「啦啦隊」，甚至主動「造巫」，其報導的客觀性與公信力便會大打折扣。對閱聽人而言，這也提醒我們必須培養更強的媒體識讀能力，才能看穿那些被精心設計的「巫」與「聖徒」。
趨勢預測：當媒體不缺「巫」
陳幸妤這次的媒體熱度，或許會像鄭教授預測的，只要趙建銘不再發聲，就會「不了了之」。但這絕不代表媒體的「獵巫」行為會就此打住。從過去的「數據」來看，臺灣媒體永遠不缺「造巫」、「獵巫」的能力。鏡頭轉個向，就會有下一個倒楣的「巫」出現。
未來的趨勢數據顯示，隨著社群媒體與即時新聞的發展，媒體「造巫」的速度可能會更快，影響範圍更廣。從政二代到公眾人物，甚至是一般民眾，都可能在瞬間被推上「巫」的祭壇，接受輿論的審判。這種快速複製與擴散的「獵巫模式」，將是我們在數位時代必須持續關注的現象。
數據告訴我們什麼？
陳幸妤現象，這份跨越二十年的「媒體行為數據報告」，不僅僅是一則關於政治人物家屬的報導，它更像是一面鏡子，映照出臺灣媒體在追求新聞價值、面對政治壓力與社會情緒時的複雜面貌。我們從中學到：
- 媒體的「新聞價值」判斷，往往受主觀因素和外在環境的影響數據。
- 「獵巫」對象的轉變，反映了媒體敘事策略的彈性與社會情緒的流動數據。
- 媒體報導存在雙重標準，這對其公信力造成負面數據累積。
身為閱聽人，我們不應被動接受媒體餵養的「巫」與「英雄」形象，而應主動質疑、交叉比對，並從多方管道獲取資訊。當我們越能看懂媒體背後的「數據邏輯」，就越能從獵巫的漩渦中保持清醒。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
媒體「獵巫」行為的定義是什麼？
媒體「獵巫」指的是媒體針對特定個人或群體，進行帶有負面、攻擊性或偏見的報導，將其塑造成公眾指責的對象，常伴隨過度渲染、侵犯隱私等行為。
為什麼陳幸妤在不同時期會被媒體賦予不同形象？
陳幸妤形象的轉變，主要受媒體敘事框架與社會情緒變化的影響。早期媒體利用其「衝突性」與「顯著性」塑造負面形象；後期則可能因其離婚事件，媒體將其塑造成「受委屈者」，將「巫」的矛頭轉向他人以創造新的報導價值。
閱聽人如何避免被媒體的「獵巫」行為影響？
閱聽人應培養媒體識讀能力，包括：質疑媒體報導的動機與立場、交叉比對不同媒體的資訊、辨識報導中的情緒性語言、以及避免僅憑單一資訊來源就做出判斷。透過多元視角，才能更客觀地理解事件。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
