柯文哲4300萬買商辦狂燒 民眾黨居住正義講座急喊卡:避免外界不當攻擊
三立新聞網 setn.com.2024年8月27日 18:30

記者許皓婷/台北報導

民眾黨「居住正義講座 - 什麼是『社宅輪候制』?」 活動延期。(圖/翻攝民眾黨台北市黨部臉書)

民眾黨主席柯文哲捲入政治獻金風波,又被爆出砸4300萬現金買下商辦,雖事後稱用選舉補助款當個人辦公室,但仍引發外界質疑聲浪。民眾黨台北市議會黨團原訂明(28日)舉行「居住正義講座 - 什麼是『社宅輪候制』?」 活動,今(27)日臨時宣布因特殊考量決定予以延期,擇日再辦。

民眾黨台北市議會黨團27日宣布,原訂於28日上午11時舉行「居住正義講座 - 什麼是『社宅輪候制』?」 活動,因特殊考量決定予以延期,擇日再辦,並指出,本次講座由民眾黨議會黨團、台北市黨部與OURs都市改革組織聯合舉辦,旨在深入探討社會住宅輪候制度及其對居住正義的影響。

民眾黨台北市議會黨團指出,本黨一向高度重視居住正義議題,並致力於邀請專家學者與立法委員、地方議員共同參與相關政 策的討論與推動,透過民間社團與台北市四位民眾黨籍議員的努力,過去一年台灣民眾黨在延續柯文哲市長的居住正義理念,獲得不少持續成果,例如持續盤點社宅基地與興辦社宅、推動社宅輪候制、延續社宅青創戶成果、以收入設算可負擔社宅租金、爭取「大我退舍」轉作社宅等,在過去的一年中,民眾黨台北市議會黨團已多次邀集專家,針對公益、都市更新及兒少權益等多項重要議題舉 行座談,本次講座亦是延續此一宗旨的具體行動。

民眾黨台北市議會黨團表示,鑑於近期外界對於民眾黨居住正義政策的不實質疑,為避免影響OURs 都市改革組織長期以來的努力與公信力,本黨團在慎重考量後,決定取消本次講座,擇日再舉辦,避免外界可能藉此事對台灣民眾黨及OURs 進行不當攻擊。

民眾黨台北市議會黨團強調,民眾黨將一如既往,堅守對居住正義的承諾,不論面對何種挑戰,都將持續推動社會住宅等相關政策,為所有市民創造一個公平、安全且穩定的居住環境。

更多三立新聞網報導
常「發炎」要小心了!權威醫:加上這幾要素,罹癌風險越高
天后江蕙復出「將登大巨蛋10/5國慶晚會開唱」!觀傳局:開放民眾索票
民眾黨台玻大樓違法施工?建管處證實「與現況不符」:依建築法規裁處
假帳門2.0?柯文哲選舉補助款買商辦 林延鳳轟謊話連篇:公開金流資料

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

三軍 士官

民眾 政治 迫害

面對 中國

陳佩琪 商辦 明細

飛官 謝沛勳 出院

陳佩琪 現金

獨家報導
中天新聞網
今日新聞NOWnews
民視
三軍士官聯合開學典禮 總統期勉保家衛國
獨家報導 記者張祥鈺/綜合報導 賴清德總統今日上午前往高雄出席「113年三軍士官新生聯合開學典禮」,期勉同學們 […]
  • 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