誰說謝國樑贏了? 他曝還有「暗黑招」虎視眈眈
中天新聞網.2024年10月14日 09:28

基隆市長謝國樑罷免案昨天出爐,最終罷免案不通過,中選會訂18日對外公告。對此,律師林智群表示,罷免失敗,這對謝國樑也不見得是好事啦!政治人物都有一本選舉帳,檢調在旁邊虎視眈眈,例如前台北市長柯文哲,謝國樑「現在的贏是福是禍,還很難說呢!」

謝國樑獲知罷免案不通過時情緒激動含淚感謝基隆市民。(圖/中天新聞)

林智群昨晚在臉書連發二篇文,都在強化還有「暗黑招」等著對付謝國樑,所以謝禍富難料。林智群先說,罷樑失敗,罷樑團體也不用灰心,以謝國樑過去1年9個月的程度,他後面這些日子,肯定會變本加厲的,奇怪標案以後只會越來越多,幾年後一次業力引爆,煙火會更絢爛(不過都是民脂民膏)。

林智群指出,阿北柯文哲在2018年差一點沒辦法連任,那個時候大家都說還好阿北連任了,結果阿北現在被挖出來的五大案,都是第二任期發生的。

林智群認為,如果當年阿北沒辦法連任,以2018年民進黨大敗、蔡英文氣勢很弱,以及國民黨各懷鬼胎的情況下,阿北拚一下,趁亂取之,搞不好大位就是他的了。就算阿北在2020年不選總統,沒在2018年連任,對阿北而言也不是什麼壞事,至少京華城就沒他的事情了,「所以呢!現在的贏是福是禍,還很難說呢!」

林智群第二篇發文表示,謝國樑2022年拿95000票,這次拿到85000票,代表國民黨跟謝家的選舉系統是有在動員的!大家應該知道選舉很花錢的,選一個議員,沒1000萬沒辦法,選立法委員,沒幾千萬元沒辦法,選市長,金額只會更高。

林智群質疑,政治人物都有一個選舉帳,謝國樑花那麼多錢選市長,難道只是為了一個月14萬市長的薪水嗎?

林智群指出,現在的問題是,當謝國樑出了一堆包,搞到被罷免,還成案,變成要投票,他就要花錢了。基隆市區一堆謝國樑看板,要花錢,辦選前之夜,動員一堆人搭遊覽車到場,要花錢,到每個里辦說明會,請人家吃吃喝喝,要花錢。

林智群認為,謝國樑等於是一任4年,花了兩次選舉經費,是原本一任市長選舉預算的兩倍。如果謝國樑是一心為人民服務,沒想過回收選舉成本,那就沒問題,如果不是,以後奇怪標案只會越來越多,不會變少,然後檢調在旁邊虎視眈眈。

 

延伸閱讀
檢廉擴大偵辦京華城案、政治獻金疑雲 白營痛批:追殺柯文哲、清算民眾黨
柯文哲身邊的「4個女人」最清楚?京華城、政治獻金金流傳本周傳喚釋疑
昔名列民眾黨不分區立委辭選!醫師吳梅壽捲柯文哲案 證人身分遭約談移送北檢

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

謝國樑 投票

罷免案 開票

戴璟安 投票

罷免 謝國樑

蔡英文 啟程

罷樑案 投票

中時新聞網
中廣新聞網
FTNN新聞網
EBC東森新聞
謝國樑輾壓式勝利 鄭麗文嗆狠打民進黨一巴掌:他傷得更重!
基隆市長謝國樑罷免案未過關,最終不同意票大於同意票。國民黨前立委鄭麗文昨(13日)對此分析關鍵原因,直言這是狠狠在民進黨臉上打一巴掌!
  • 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