張麗善縣長帶領縣府團隊參訪德國梅佛邦議會 分享兩國經驗
台灣新生報.2024年5月2日 17:10

梅佛邦議會為著名古蹟建築,曾遭逢祝融之災,經修復為符合現代需求的議會場所,更榮登為世界知名的文化遺產。(縣府提供)

▲梅佛邦議會為著名古蹟建築,曾遭逢祝融之災,經修復為符合現代需求的議會場所,更榮登為世界知名的文化遺產。(縣府提供)

此次張麗善縣長回訪位於德國的姊妹市巴歆縣,除拜訪巴歆縣政府,更由巴歆縣議會議長Olaf Steinberg(史坦貝格)陪同,參訪巴歆縣所隸屬的梅佛邦之議會。

梅佛邦議會位於「施威林湖區」(Schwerin Innensee) 中的一座小島,由兩座橋梁與陸地相連,議會所在地亦為著名古蹟建築,歷經一千多年的改建才有了的容貌。透過專業導覽的介紹,得知此建築物的歷史脈絡,期間亦曾遭逢祝融之災,如今才修復為符合現代需求的議會場所,更榮登為世界知名的文化遺產。

此外,今年六月九日除了歐洲議會將辦理選舉外,梅佛邦各地方議會同時也進行大選。由於同為經歷民主選戰而勝出的佼佼者,因此張縣長與德國的議員朋友們一起分享了彼此國家間的選舉文化及制度。

梅佛邦議會參訪結束後,由巴歆縣府在施威林宮(Schloss Schwerin)宮殿宴會廳辦理歡迎午宴,張麗善縣長在台灣駐德國漢堡辦事處陳槱順處長陪同下,與巴歆縣長Stefan Sternberg(史騰貝格)、縣議會議長Olaf Steinberg(史坦貝格)、禮賓處長Jana Haak等人一同用餐。

下午與梅佛邦政府內政廳長Christian Pegel、巴歆縣長Stefan Sternberg及台灣駐德國漢堡辦事處陳槱順處長四方會晤 ,就雲林縣政府、梅佛邦政府及巴歆縣政府在發展農工商業、九大產業園區規劃與人材訓練等領域進行交流。德國友人對雲林縣近六年內,家戶收入提高達十八%,成功轉型為農工商科技城的成果,印象深刻。雙方也期待透過彼此密切互動,兩縣間的友誼能更加堅定長久。

張麗善縣長表示,感受梅佛邦政府、巴歆縣府及巴歆縣議會的熱烈款待,也來到邦議會參訪德國議會的運作模式。中華民國與德國同為民主國家,對於民意與人民的託付都有著堅定的責任心與使命。張縣長同時也向德國友人介紹雲林諸多美麗且悠久的歷史與古蹟,並邀請梅佛邦政府的朋友們日後一起來雲林參訪,感受雲林人的熱情。

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 改革 衝突

朱立倫 就職

京華城案 非交辦

議場 衝突

蔡英文 特赦 陳水扁

馮世寬 發表

TVBS新聞網
TVBS新聞網
TVBS新聞網
太報
立院開打!陳菁徽擋鍾佳濱「摔倒在地上」 韓國瑜一旁看傻
立法院院會今(17)日處理國會改革法案,藍白立委輪守在議場門口,朝野表決前已率先開戰,多批人馬爆衝突,民進黨立委鍾佳濱企圖衝上主席台,被國民黨立委陳菁徽擋下,導致陳整個摔倒在地上。值得注意的是,立法院長韓國瑜也在一旁看傻,似乎對這起衝突感到很驚訝。
  • 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