徐巧芯控網友攻擊喊告 昔日對手許淑華批「太誇張」:選舉時用多少網軍攻擊我?
FTNN新聞網.2024年5月1日 15:28

[FTNN新聞網]記者劉秀敏/台北報導

國民黨立委徐巧芯日前指控遭到「政府網軍IP」攻擊,經查後發現源頭在彰化縣社頭鄉圖書館,館方也澄清指該IP是民眾使用的公用電腦,並非公所員工所為,徐巧芯今(1)日受訪則稱近日會去提告,要把這位違反圖書館規則的民眾抓出來。對此,民進黨台北市議員許淑華直言,選舉期間對方用多少網軍在攻擊她,徐巧芯更稱她詐領助理費,自己都沒有告,身為民意代表,本來就要可受檢視,不要用這種濫訴的方式來對付一般的市井小民。

民進黨台北市議員許淑華。(圖/記者劉秀敏攝)
民進黨台北市議員許淑華。(圖/記者劉秀敏攝)

徐巧芯今日受訪時表示,已整理好資料,這兩天就會去提告這位攻擊她的網友,因為這個人違反圖書館使用規範,因此會去提告把人找出來,甚至預告會對修理他的人反撲,因為「這是我尊敬他們的方式」。

針對徐巧芯的做法,昔日對手許淑華今日在民進黨中常會後受訪時直呼「我覺得太誇張了!」許淑華直言,兩人在選舉的時候,對方用了多少的網軍在攻擊她,「我有告嗎?我也都沒有告啊!」包括明明週三在議會簽到後,就能去處理自己的事,跟議會有關的事再趕回去開會,就像她現在一樣,卻被徐巧芯說她詐領助理費,自己也沒有提告徐巧芯跟她的網軍。

許淑華認為,身為一個民意代表,本來就要可受大家的檢視,很多的言論其實是可受公評的,如果真的覺得言論有涉及到侵害或是人身攻擊時再來處理,「很難聽的字眼,我們都沒告了,那你還要告什麼?」許淑華說,就像黃國昌講的,不要用這種濫訴的方式來對付一般的市井小民,「徐巧芯,你不是市井小民,你現在是一個立法委員!」

民進黨立委蔡易餘則表示,徐巧芯對網路非常熟悉,她稱提告是尊重批判她的人,但實際上她也知道,每一個提告動作,都會對被告的人有相當的嚇阻效果,因此產生「徐禁評」的稱號,徐巧芯一直說她不是徐禁評,但是他的作為就是落實了徐禁評。

蔡易餘認為,雖然有言論自由,但當言論侵害到別人的時候,對方如果採取訴訟的方式,那也是權利的展現。言論自由本身是衡平的,每個人有發言的自由,但是發言侵害到別人時,也要承擔相當的對應的責任,這個才是自由言論的價值所在。

更多FTNN新聞網報導
徐巧芯嗆告網友「違反圖書館規則」 他翻規定曝「實際罰則」
徐巧芯當選!綠營許淑華落淚「自行宣布敗選」
楊志良「50歲不可能生」失言風波 許淑華:努力爭取凍卵手術補助

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

賴清德 就職 演說

國會 改革 民進黨

賴清德 演說 兩岸

賴清德 就職

中捷 砍人

國會 改革

工商時報
中時新聞網
太報
新頭殼
工商社論》從賴總統的就職演說 看台灣三大經濟考驗
無論從國內或國外情勢來看,520甫上任的總統賴清德很難說有蜜月期。雖然他是得票率、國會未過半的「雙少數」總統,但唱衰新政府並不符合台灣利益,因此,我們細讀賴總統就職演說,再提出一些善意建言。
  • 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