近6成台灣人不滿新國會!王定宇籲藍白兩黨:會在選舉、罷免給懲罰
三立新聞網 setn.com.2024年7月24日 16:45

記者楊士誼/台北報導

王定宇表示,如果一昧的與民意對幹,民意反噬,任何政黨的消長其實都在瞬間而已。(圖/翻攝自王定宇YouTbue)

本屆立法院第一會期於7月16日休會,根據《鏡新聞》民調顯示,立法院不滿意度逼近6成,民進黨立委王定宇今(24)日表示,可見立法院是最大民意不滿的來源,民眾對於濫權修法、錢坑法案與紛擾相當不滿,民眾對三黨立委不滿意度也偏高,民進黨若無法化解立院紛擾,民眾也會展現出不耐,他也直言,這樣的結果值得各黨思考,人民要的是什麼。

王定宇表示,此次民調中有4組數據相當值得研究,如賴清德總統滿意度破5成、行政院長卓榮泰滿意度也超過4成、立院本會期表現不滿意度逼近6成;民眾對民進黨立委不滿意度也將近5成、藍白立委不滿意度超過5成,也有近半民眾認同國會擴權法案被裁定違憲。王定宇表示,可見立法院是最大民意不滿來源。王定宇分析,民眾對於濫權修法、錢坑法案與各種紛紛擾擾相當不滿,相較於國會,總統與行政院長上任不出兩個月,滿意度卻遠高出立院,顯示民眾對執政團隊的穩健因應,是給予肯定的。

王定宇指出,相較於執政團隊,立院的亂象職責在每一位立委來反省、思考,民眾到底支不支持立法院這階段的作法。王定宇分析,若搭配政黨不滿意度與對立法院不滿意度來看,藍白為民眾最不滿的一、二名,而民進黨若沒辦法化解這樣的紛擾,民眾也展現出不耐與不滿,所以不滿意度也將近5成,這樣的結果值得台灣各黨政治人物思考,人民到底要的是什麼?怎樣的作為才符合台灣的利益?他直言,若藍白持續仗著多數,不斷輾壓、擴權、沒收民主討論,民意不滿會升高,也會展現在選舉跟罷免上給予懲罰的。

王定宇說,民進黨除在總統與行政團隊的穩健表現外,也要去思考怎樣處理立法院內的亂象,雖然朝小野大,人民對執政黨仍有相當的要求,這樣的民調結果非常值得反省,他強調,如果一昧的與民意對幹,不管直播說的多精彩、同溫層多溫暖,民意反噬,任何政黨的消長其實都在瞬間而已。

更多三立新聞網報導
見到友台議長了!立委組團訪捷克 韋德齊憶4年前訪台:不畏壓力堅持去
道歉了!嘉義市壓線宣布停班課 黃敏惠曝「急轉彎」原因嘆:天人交戰
周玉蔻爆正國會不挺選台南市長 陳亭妃:一定選到底
周玉蔻爆台南市長黨內民調贏30%!陳亭妃:賴清德會公平辦好初選

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

應曉薇 涉收 沈慶京

京華城 羈押

收取 沈慶京

京華城案 羈押

罷樑 團體 跳票

商辦 契約書

EBC東森新聞
台視新聞網
EBC東森新聞
中天新聞網
真巧!柯文哲愛歌挪威的森林、囚鳥 「枷鎖」歌詞成寫照
真巧!柯文哲愛歌挪威的森林、囚鳥 「枷鎖」歌詞成寫照
  • 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