拆樑行動 必須在一壘封殺
中時新聞網.2024年7月1日 04:10

(圖/本報系資料照)

 罷免基隆市長謝國樑一案,第二階段的連署份數已達到門檻,依《公職人員選舉罷免法》規定,接下來就是審查、宣告和選民投票。對被罷免人謝國樑及其所屬的國民黨而言,「拆樑行動」絕對是民進黨後續一連串政治反擊作為的首項行動,若國民黨不能把此案「封殺在一壘」,那後頭的麻煩將更加惡化。所以此案已不是基隆市一個地區的事情,勢必將發展成全國性的大對抗。

 因此國民黨立法院黨團已經提案要修《公職人員選舉罷免法》,以提高罷免門檻,增加對手的競爭困難度。因而繼行政院覆議《立法院職權行使法》失敗之後,立法院恐將再次陷入強力鬥爭狀態;基隆市的府會也將會陷入「固樑」和「拆樑」的鬥爭。再緊接著各地的罷免行動,可能包括縣市長、立委、議員,甚至是鄉鎮民代表、里長都可能會趁著這一波罷免潮,紛紛上演。

 從看熱鬧、瞧好戲,甚至是少數人尋找機會的角度來說,這種混亂狀態或許不是壞事,但對整體國家、人民來說,這真是好事嗎?

 民主政治在本質上的確是鼓勵競爭,因為民主自由主義者相信競爭可以帶來進步和繁榮,所以政治上不能壓抑人民組黨從事競爭的行為。可是經過幾百年來人類社會的實際證明,競爭固然可以有正面的表現,事實上也會產生負面的政治惡鬥,最後導致國家社會的解組或是弱化。

 這一點在發展中國家最容易被觀察出來,而近些年連一些民主先進國家也出現國力弱化的現象。或許還不能直接下斷言說自由競爭會弱化一個國家,但是政治惡鬥會折傷國力卻毌庸置疑。

 然而什麼是政治惡鬥?什麼是政治競爭?我很難從操作面向給它一個定義,但舉凡不論是非、不計後果的爭取自我政治利益的行為就是惡鬥,這一點應是大多數人可以理解和接受的。

 如果我們用這個「標準」來檢視「罷樑」行動,及後續還可能繼續擴大的罷免風暴,那我必須說,我很難把這些政治舉動看成是具積極意義的正面政治舉動。相同地,我也無法正面評價國民黨立院黨團擬提出的選罷法修正案,以提高罷免門檻。因為法律是中性的,它是社會整體共信共守的行動標準,除非社會有共識,否則盡量不要去改變它,這不是保守,而是穩健。一個成熟的社會需要穩定的力量,尤其在憲政法規上更應求穩健。

 今年初的大選形成了總統多數與國會多數不一致的「分裂政府」,這或許就種下了往後幾年政治不穩定的因果。但如果各政黨真能理解民主協商的真諦,那還是能順利運作分裂政府的。最後建議賴總統認真考慮一下召開「政黨協商」會議,如何?(作者為國立台灣師範大學政治學研究所教授)

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

孫曉雅 獎章

罷免 謝國樑

釋憲 大法官

選罷法 修法

成立 電視

國會 釋憲

台視新聞網
民視
風傳媒
TVBS新聞網
尼加拉瓜接SICA主席國 傳將推「排台納中」
台灣國際組織觀察員身分再受威脅。尼加拉瓜7月開始擔任中美洲統合體(SICA)臨時主席國,遭質疑增加有關中國和俄羅斯的議程,企圖故技重施中美洲銀行的情況,通過「排台納中」,讓中國取代我國觀察員地位。與此
  • 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