第三波連署站有台南! 郭台銘:大家踴躍程度超乎想像
鏡週刊Mirror Media.2023年9月22日 07:00
「郭賴配」正如火如荼展開參選連署作業,連署站點越來越多。(本刊資料照)

2024總統大選「郭賴配」正如火如荼展開參選連署作業,先前公布兩波連署站點,6都之中少了台南和高雄,郭台銘也坦言,「台南屬於艱困區」,不過昨(21日)晚第三波連署站公布,其中就包含台南連署總站。

郭台銘深夜在臉書宣布,第三波連署站點將在22日正式上線,請大家分享給當地的朋友,歡迎大家在連署完後,在現場打卡拍照,讓連署站點的人氣愈來愈旺。

郭台銘第三波連署站有艱困選區台南。(翻攝自郭台銘臉書)

 

郭台銘強調,距離連署點較遠的朋友不需擔心,除了短時間內就會公布新站點,也提供郵寄連署管道,只要加入LINE官方帳號,點選「連署須知」,就有完整教學。

郭台銘公布第三波連署站點。(翻攝自郭台銘臉書)

 

郭台銘也表示,各地連署站不斷傳來捷報,大家的踴躍程度實在超乎想像,「一張張連署書,象徵主流民意對於改革的冀求,我與賴佩霞絕對會全力以赴!」

【點擊看完整全文】

更多鏡週刊報導
郭台銘公布第2波「北北基桃」10連署站 郵寄管道教學看這裡
李昂公審年輕女生坐捷運博愛座還翻白眼 律師PO文分析被萬人讚爆
吃冰淇淋舔上蓋?柯文哲列「財富自由前10件事」 網看傻狂酸:史上最爛文案

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

國會 修法

中國 盯哨 台灣

賴清德 釋憲

國會 職權 修法

釋憲 在野黨

陸媒 節目

新頭殼
太報
FTNN新聞網
獨家報導
醞釀修選罷法「標準一致」 傅崐萁:總統比照立委25%就罷免?
[Newtalk新聞] 國會改革修法加深藍綠對立後,藍綠支持者都喊出罷免。國民黨立法院黨團則醞釀《公職人員選舉罷免法》修法,擬提高罷免門檻。國民黨團總召傅崐萁今(27日)也稱,目前的罷免是相當不良的法律制度,且總統與立委的罷免標準應該一致,但要如何一致,大家都可以來討論。 根據憲法增修條文規定,總統、副總統之罷免案,須經全體立委4分之1提議,全體立委3分之2同意後提出,並經中華民國自由地區選舉人總額過半數之投票,有效票過半數同意罷免時,即為通過。 而立委部分,根據選罷法規定,罷免案投票結果,有效同意票數多於不同意票數,且同意票數達原選舉區選舉人總數4分之1以上,即為通過。 傅崐萁因此稱,全世界的民主國家如果要對不適任者提出罷免的話,應該標準要一致;但以中華民國來講,一位以40%支持度當選的總統賴清德,罷免卻要50%支持才能通過門檻;而以60%支持度當選的立委,卻只要25%支持就能罷免,這是一個極度畸形的社會,也是一個相當不良的法律制度。 傅崐萁接著說,要怎麼讓國家政治安定,落實國會監督權,而不會受到執政者用各種力量來干擾,造成國會不得安寧,瓦解國會監督制衡的權力,而導致極權的政府產生,
  • 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