正面迎擊罷免質疑!葉元之:民進黨搞鬥爭、造謠抹黑不斷
EBC東森新聞.2024年6月16日 22:14

國改案朝野衝突持續升高,也掀起「罷免」聲浪,很多人點名國民黨立委葉元之很可能被罷免。對此,藍營立委團結力挺,葉元之現在也喊要正面迎擊,勤跑地方的時候,遇到許多民眾對他喊加油。葉元之也痛批,民進黨現在好像把罷免當鬥爭工具,每天造謠抹黑,仇恨動員,把政治搞得非常黑暗。

要更加拚命替民眾服務,畢竟國民黨立委葉元之屢次被點名是罷免首選,如今轉守為攻,正面迎戰不喊假的。國民黨立委葉元之:「像我最近在地方跑,其實滿多人跟我喊加油,但(民進黨)現在就是把罷免,弄成一種鬥爭的工具,真的是讓人家,我覺得很多人都搖頭。」

無奈神情全寫在臉上,葉元之積極應戰,藍營也集結力量,像是國民黨立委洪孟楷強調,藍營絕對會挺每一位委員,尤其葉元之是個有創意的人,會用自己的方式講述很多論點。國民黨立委葉元之:「其實有時候政治,不需要搞得很硬邦邦,每天仇恨動員,我不知道為什麼這個總統,他想要台灣這麼亂,為了要罷免不斷造謠抹黑,搞得人性都變得非常黑暗。」

這話反批綠營,不滿藍白聯手通過國會改革,要吵熱輿論,開啟「大罷免時代」,如果成功拉下幾席藍委,就能透過這個方式翻轉國會,不再朝小野大。國民黨立委葉元之:「民進黨本來就是選後輸不起啊,所以我在想說要不要乾脆改選舉罷免法好了啦,以後只要不是民進黨選上,就自動再重選一次好了,大家不用這麼累。」

另一方面,也有聲音認為,不是每一席民進黨立委選情都很穩。在新北地區,像是吳琪銘、張宏陸、吳秉叡,被點名有被罷免的機會,得多加小心。民進黨立委鍾佳濱:「民進黨的立法委員被點名說要罷免,這個我們就比較不能理解,因為畢竟民進黨立委在這一次針對藍白國會擴權,我們是很清楚援引憲法依據,到底要罷免他們理由是什麼,真的讓人家很疑惑。」

國會改革掀起罷免浪潮,不少藍綠立委備感壓力,開始調整行事風格,勤跑選區,要與民意站在一起,正面回擊挑戰聲浪。

更多東森新聞報導
黃埔建軍迎來百年 蔣萬安:感謝前輩秉持黃埔精神
獨家/IG粉絲破10萬 蔣抽3網友「講晚安」 幸運女學生現身喊:好帥
落實總統人工智慧島願景 南市爭取沙崙AI產業專區

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

記者 節目 盯梢

國會 賴清德 釋憲

政論 節目

賴清德 改革

國會 職權 修法

賴清德 釋憲

民視
中時新聞網
太報
中時新聞網
10多個民團站出來! 力挺賴總統成立3委員會保衛台灣
政治中心/劉朝陽、李志銳台北報導賴清德總統就職滿月宣布,將由他擔任召集人,成立「國家氣候變遷對策」、「全社會防衛韌性」、「健康台灣推動」等3個委員會,替國家發展擬定戰略和民間力量展開對話;對此,前國防部長蔡明憲今天與台灣社、台灣教授協會等學者、團體,共同舉行記者會,表達力挺賴總統的立場。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司