內閣人事》葉丙成、張廖萬堅內定出任教育部次長 賴惠員讚:非常適合
信傳媒.2024年4月26日 15:31

外傳將由前民進黨籍立委張廖萬堅(圖),以及國立台灣大學教授葉丙成出任教育部次長。(圖片來源/@張廖萬堅FB)

準總統賴清德與準閣揆卓榮泰將於5月20日上任,卓榮泰也在本月12日的第二波新內閣發布會宣布,由曾兩度出任高雄市教育局長、現任國立中山大學校長鄭英耀出任教育部長。

然而,鄭英耀也開始積極籌組教育團隊,今(26)日外傳教育部次長將由國立台灣大學教授葉丙成,以及長期在教育及文化委員會的前民進黨籍立委張廖萬堅出任,兩人堪稱內閣人事一大亮點。

葉丙成提倡翻轉教育、創新教育

葉丙成1973年生(50歲),畢業於國立台灣大學數學系學士、國立台灣大學電信研究所碩士,以及美國密西根大學電機暨計算機科學系博士,是現任台灣大學電機工程學系教授、台灣大學創新設計學院D-School副院長。

除此之外,葉丙成不僅創辦線上遊戲學習平台PaGamO,也是實驗教育機構BTS無界塾創辦人,以及Podcast《不良大叔》主持人之一,過去就提倡翻轉教育、創新教育的方式,可望上任後讓台灣的教育有大幅改變。

張廖萬堅長年在教育文化委員會

張廖萬堅1965年生(59歲),畢業於輔仁大學大眾傳播學系、東海大學EMBA高階管理碩士班,學生時期就積極參與學生運動、社會運動、政治抗議,甚至是籌組讀書會等。

值得注意的是,張廖萬堅曾任台中市議員和立委,長年在立法院教育及文化委員會,除了熟悉教育部相關業務和政策,他也在教育、體育,以及親子等議題和法案上努力付出,是專業的教育人才。

出任教育部次長的消息曝光後,張廖萬堅透過臉書發文表示,「不忘初心!孩子就是未來!不管在哪裏?萬堅都會做好準備,繼續努力、全力以赴!」

綠委認為與2026佈局無太大關係

至於張廖萬堅出任教育部次長的舉動,是否與民進黨2026台中市長選舉的佈局有關?民進黨籍立委賴惠員馬上笑說「不會啦!不會啦!」而且教育部次長的位置非常適合張廖萬堅。

最後,賴惠員說之前與張廖萬堅在立法院共事的時候,看到他在教育及文化委員會的質詢面向除了著重教育,也關心《著作權法》,以及整體台灣文化傳承,對於教育和文化的相關事務具有相當專業程度。

(原始連結)

更多信傳媒報導
高教工會控文大校長擁400萬年薪 卻片面把上千位教職員年終改綁考績
5月報稅看過來》綜所稅「4大新制」和申報「4大NG」一次掌握
華為突破美國晶片禁令?美中晶片大戰延燒到日、韓、荷盟友們身上

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

太平島 立委

國會 改革 法案

立院 提案

考察 太平島

黑名單 廠商

教育部 政次

EBC東森新聞
信傳媒
信傳媒
三立新聞網 setn.com
藍白立委16日登太平島「確定延期」 綠委酸:迷途知返
藍白立委16日登太平島「確定延期」 綠委酸:迷途知返
  • 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