選罷法公聽會 林志潔:提高罷免門檻讓人匪夷所思
中央社.2024年7月3日 14:46

(中央社記者陳俊華台北3日電)立法院內政委員會今天舉行選罷法公聽會。陽明交通大學教授林志潔說,修法提高罷免門檻,卻沒制度制止立委濫權,讓人匪夷所思;經民連說,同意票大於當選票完全不可能,民團嚴正反對。

立法院內政委員會今天舉行「公職人員選舉罷免法實務現況精進」公聽會;4日將排審朝野立委所提公職人員選舉罷免法部分條文修正草案。國民黨立委許宇甄提案,主張一年內不得為罷免提議與連署,罷免的票數要高於當初當選的票數等。

中興大學國家政策與公事所助理教授紀和均說,應該有一定時間讓當選的公職穩定推行政策,但現在上任後1年就可能面臨罷免,這樣對民主真的穩定嗎;有1/3是不分區立委不會被罷免,在立委間就出現立法資格上的不平等。

紀和均表示,今天公聽會的時間點有點尷尬,但選罷法適用於各級公職選舉,現在最常被罷免的是里長,不管里的大小都用同樣制度,里長被搞得非常頭痛,才剛當選就被競爭對手發起罷免,這樣真的好嗎,恐造成地方基層民主過度競爭、惡鬥。

台北大學公共行政暨政策學系教授劉嘉薇指出,這次修法討論內容,要跟正在進行的罷免案分開,不能因為基隆正在進行罷免連署而因人設事;罷免制度有改變,應該要設日出條款。

劉嘉薇說,單一選區制度下,罷免若通過會產生「少數否決」情形;複數選區在選區結構下,得票數較低,但罷免門檻卻跟單一選區一樣,罷免票數會比得票數還高,因此罷免門檻不應設計成一樣的,否則會有不公平的情況。

陽明交通大學科技法律學院特聘教授林志潔表示,罷免是參政權,也是監督公職人員表現的重要工具,過去前立委陳柏惟、林昶佐被提罷免時,很多資訊、統計數據都是錯的,她認為應詳列罷免理由且經核實,她是贊成的。

林志潔說,這次選罷法草案要提高罷免門檻,讓人匪夷所思,國會擴權自肥行為正在釋憲中,如果沒有任何制度制止國會議員濫權,反而提高人民實現民主的門檻,真的讓人民失望、讓民主蒙羞。

台灣基進前立委陳柏惟表示,他算是罷免的當事人,對罷免制有些建言,不要把罷免當毒蛇猛獸,當罷免方有邪念,才會當成戰爭;如果罷免方理由正當,比如請假選總統、半夜強盜破門的,就要給人民罷免的機會。修法不免讓人覺得國會是否又擴權,「如果照國會多數版本修下去,唯一會被罷免的,是現在的立法院長(韓國瑜)」。

陳柏惟說,修法要找到大家都能接受的方案,他在罷免期間面臨錯假連署;從罷免發動到補選選上,他的選區有4個月沒有立委。歷史上罷免投票率最高的,就是他那場的51%,卻要拿來跟總統大選投票率70%、75%比,顯然不太現實,卻要修法提高罷免門檻。

山海公民拆樑行動發言人李晏蓉指出,罷免門檻不能淪為喊價,且大選投票與罷免投票面臨的狀況不同,不能一概而論;大選平均投票率約7成、罷免案只有4成,如果罷免案要以同樣數據來看是否具民意基礎,非常不合理。

經濟民主連合副秘書長許冠澤說,國民黨立委提案有效同意票數須超過被罷免人當選票數才算通過,等於是在向人民宣告「從此台灣人沒有罷免的可能」,選舉的投票率跟罷免投票率大相徑庭,兩個不同計算基礎的母數,要同意票大於當選票是完全不可能、天方夜譚,公民團體嚴正反對。(編輯:郭無患)1130703

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

兩岸 關係

建設 引進 中資

澎湖 漁船

排審 選罷法

正國會 開鍘

宴請 盧秀燕

中天新聞網
鏡週刊Mirror Media
今日新聞NOWnews
TVBS新聞網
影/大新聞大爆卦 昨天差點大停電?張啓楷爆備轉容量超危險:要人民的命嗎
近日天氣十分炎熱,也帶動用電量上漲。民眾黨立委張啓楷踢爆,4日晚間備轉容量十分緊張,「差點大停電」,而再過幾天,核三廠一號機將除役,屆時台灣還剩多少電?「你要台灣人民的命嗎」
  • 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