「最辛苦還會被打!」 柯文哲再挺黃國昌
太報.2024年6月26日 23:02
民眾黨主席柯文哲。民眾黨中央提供

民眾黨主席柯文哲今(6/26)晚「柯P揪時在」節目,再次力挺民眾黨立院黨團總召集人黃國昌,他說,最近立法院攻防激烈,民眾黨8位立委1人當8人用,每個人都忙壞了,最辛苦的是還有人會被打,被惡意攻擊,他要再次感謝黃國昌,「一路走來、始終如一,堅持國會改革的是黃國昌」,反而是民進黨在野時要修法,執政了就阻擋修法。

柯文哲也說,黃珊珊推動《財劃法》修法,未來也可能遭受很多攻擊。今天節目,也整理2012年,民進黨團總召柯建銘、時任民進黨主席蘇貞昌,以及當時的台南市長賴清德等人,大聲捍衛《財劃法》修法的影片,當時任台南市長賴清德「任何一個負責任的總統,都不應該把關係直轄市發展的法律放在一邊不去管,財劃法趕快通過」。柯文哲說,從此議題可看出民進黨思考,都是為下次選舉,而非為國家思考。

柯文哲說,《財劃法》修法讓中央預算多分給地方政府,民進黨就拿基層弱勢出來墊背,說會失去學費、租屋等補助財源,民進黨為何不說,應該要砍掉的是超思蛋的補助浪費,或者「1450」網軍作哏圖的預算,該把這些錢省下來?

對賴清德、蘇貞昌、柯建銘當年主張修《財劃法》,柯文哲除強調,也稱「沒有討論、沒有民主」,呼籲民進黨趕快拿出《財劃法》修法版本來討論。柯文哲也說,民眾黨版本包括分配給地方政府的金額不會造成中央財政負擔,以及成立「統籌分配稅款委員會」,符合財政紀律,也不受政治力影響,優於國民黨版。

此外,對總統賴清德19日宣布成立三大委員會,柯文哲也在節目質疑,現在行政院的既有組織還不夠安插人馬嗎?希望賴清德說清楚,委員會未來如何運作、業務目標為何,還有誰負政治責任?

和賴清德都是醫生的柯文哲特別質疑,如「健康台灣推動委員會」,現在朝野又將掀起「健保點值保衛戰」,民進黨還沒有版本,國民黨主張1點換1元,但以務實、理性、科學的角度思考,台灣醫療面臨的是整體預算不足,不像日韓或其它OECD國家醫療支出占整體GDP的10%左右,台灣只有6.6%,而且當中健保還只占3.3%,柯文哲說,必須提高醫療支出預算,否則不可能解決血汗醫護、醫療量能不足的問題。

更多太報報導
卓榮泰喊「釋憲空窗期不應有太多動作」 黃國昌批搞錯身分:你不是憲法法庭
俞大㵢購物清單列「密件」 黃國昌挖林佳龍昔日金句:還記得曾經的自己?
【更新】遭總統府批「逾越憲法帶頭造謠」 黃國昌:賴清德毫無擔當只敢躲在發言人身後

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

視導 新兵

盧秀燕 新北

力挺 謝國樑

劉世芳 拜會 北市府

國會 釋憲

李四川 參選 新北

青年日報
中天新聞網
TVBS新聞網
TVBS新聞網
【視導成功嶺新兵訓練】賴總統:臺海和平為世界安全繁榮必要元素
記者黃迪明/臺中報導 總統賴清德昨日前往臺中成功嶺營區視導新兵入伍訓練時指出,臺灣在經濟、民主及自由的表現,都受到國際肯定,國際社會也認同臺海和平穩定是世界安
  • 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