罷樑失敗仍要搞大罷免潮? 徐巧芯分析「項莊舞劍意在沛公」
中天新聞網.2024年10月14日 15:23

基隆市長謝國樑罷免案昨日落幕,謝國樑成功守住市長寶座,不過,民進黨立委許智傑說,明年立委罷免潮仍無法避免,國民黨還是得坦然面對。對此,國民黨立委徐巧芯今(14日)受訪時指出,現在看來「罷免潮」較可能出現在台中,因民進黨將台中市長盧秀燕視為2028總統大選的假想敵。

國民黨立委徐巧芯。(圖/中天新聞資料照)

徐巧芯今天接受廣播節目「千秋萬事」專訪。她分析,雖然現在大家喊要互罷,但地方有無實際行動才是最重要的,「台北不太有,但台中真的會有,比如青鳥的定期聚餐、辦桌等,不斷集結」,可能是劍指2028總統大選,希望藉此削弱盧秀燕能量。

徐巧芯認為,民進黨要思考,如果大罷免時代真要推下去你有甚麼正當性?當初罷免陳柏惟並非亂罷,而是因陳問政、發言確實都在水平之下才會被罷免。

她逐一分析,王浩宇不用講,人在藍大於綠的桃園,又總是做跟人對著幹的事情,因此才被罷免;黃捷被罷免失敗是因為選區綠大於藍,且當時的形象比現在好。

她指出,前立委林昶佐是只差臨門一腳就可以罷免成功,因中正、萬華區的補選問題,最終國民黨沒把油門踩下去,但你看,林昶佐後來不敢再選,因為他也知道國民黨如果真想要,完全是可以罷免他的。

對於國民黨要俢《選罷法》,讓連署更嚴謹。徐巧芯認為,當你把罷免變成是「我選不贏就再選」的方法,這制度就要思考。

徐巧芯說,過去是針對某個人做某件事不好,或問政水平糟糕才思考要罷免,現在為了立法院沒過半就罷免看看,這樣就可以翻盤了。

徐巧芯表示,藍白在選罷法修正案上有合作版本,第一、第二階段連署一定要附上身分證影本,「既然也是正式投票,標準應該跟總統大選相同,不該隨便抄錄」,這是最基礎版,且藍白一定會通過。

她說,另外還有立委許宇甄的版本,要求罷免案同意票,要高過於當次選舉候選人得票,這版本還不曉得民眾黨的態度,但這兩版並存,再來討論、溝通。

徐巧芯還批評總統賴清德嘴上說一套、實際做一套,嘴上說要團結所有國民,不過是騙騙國際、騙騙美國人,他上任到現在有跟在野黨合作?有跟在野黨領袖拜會、見面?只看到不斷的對抗,抱歉,這樣的人不適合當總統。
 

延伸閱讀
大罷免潮來了?傳台中3盧系藍委已被鎖定 盧秀燕只關心「這件事」
基隆女兒台中市長盧秀燕 專程北上基隆廟口「挺善樑」
中央總預算與地方預算連動 盧秀燕對韓卓「和解飯」表樂觀

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 講話

中共 軍演

罷免 謝國樑

圍台 軍演

點名 林右昌

中國 軍演

老鵝日報
中天新聞網
中天新聞網
中天新聞網
官員答詢到自己笑出來!黃國昌批行政總處胡扯:花1465萬AI答案卻錯誤
民眾黨立委黃國昌今(14)日在立法院司法及法制委員會質詢時指出,賴清德總統上任後,屢屢誇口要把台灣打造成AI國家,但去年行政院人事行政總處建置的人事法規生成式AI查詢系統,花了納稅錢1465萬,人事長說,可省下人事人員半數以上的時間,但實際操作卻發現該系統提供的答案明顯錯誤,若造成人事人員適用錯誤法規,到底誰要負責?立法院司法及法制委員會今日邀請行政院人事行政總處人事長暨相關部會列席,進行專題報告「政府機關導入AI提升效能」。針對黃國昌詢問人事法規生成式AI查詢系統一天容量可以查詢幾則,人事總處人事長蘇俊榮表示,因牽涉到租用Token費用,一天大概300個,每天用量約220至250左右,會後會交書面資料給委員。黃國昌續問,是否知道立法院人事處有在使用上述查詢系統?蘇俊榮回應,目前只開放行政院所屬以及銓敘部、考試院。遭黃國昌打臉,稱明明就有開放給立法院,還發函給立法院要立法院派人做教育訓練,讓黃國昌傻眼直言,「若不知道就說不知道,但不能信口開河!」蘇俊榮對此解釋,發文給立法院的應該是銓敘部發文轉,我們沒有直接(發文),並稱立法院人事處職員可以使用該系統。黃國昌質問,「那剛剛怎麼會說沒有開
  • 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