選罷法下周四逐條審查 黃捷嗆:適可而止!否則2026藍營自食惡果
三立新聞網 setn.com.2024年6月28日 18:55

記者詹宜庭/台北報導

黃捷喊話國民黨提高罷免門檻「適可而止」。(圖/資料照)

立法院內政委員會下周三將舉辦公職人員選罷法修法公聽會,週四進行法案逐條審查,民進黨立委黃捷今(28日)表示,「國民黨不只很急,還很怕,馬上要從選罷法下手了」;她指出,過去自己也面臨罷免,但當時國民黨都不認為門檻太低,直到現在面臨自己要被罷免才急著修改,開嗆「奉勸國民黨適可而止,罷免權是憲法保障民眾的權利,不要再挑戰民眾忍耐的限度,否則我肯定2026國民黨一定會自食惡果。」

「國民黨不只很急,還很怕,馬上要從選罷法下手了。」黃捷下午表示,立法院內政委員會下週排定審查「選罷法」,將罷免門檻從現行「同意大於不同意,且同意票大於選舉人數四分之一」調高為「同意票數超過被罷免人當選得票數」,預計下週三召開公聽會,週四進行逐條審查。

黃捷指出,她過去擔任高雄市議員時也曾遭遇到罷免,前立委陳柏惟、林昶佐同樣也曾面臨罷免,但即使罷免的理由再荒唐,民進黨也從不曾提案調高門檻。她質疑,如果國民黨認為制度有問題,為何當時都不認為門檻太低?現在面臨自己要被罷免,才急著修改?

黃捷認為,藍白強推國會擴權惡法,引爆民眾怒火,許多立委可能在就職一年後面臨罷免,結果他們連面對民意的勇氣都沒有。如果國民黨想避免被罷免,應是在這段時間好好表現,在覆議案起義來歸、爭取選民認同,結果反而從罷免門檻動手腳,要上演惡意調高罷免門檻的爛戲。

黃捷開嗆,「國民黨還要繼續粗暴嗎?哪來的民生為上?根本只為自己的政治利益,雙標仔就是國民黨。我是奉勸國民黨適可而止,罷免權是憲法保障民眾的權利,不要再挑戰民眾忍耐的限度,否則我肯定2026國民黨一定會自食惡果。」

內政委員會議程。(圖/翻攝自黃捷臉書)

內政委員會議程。(圖/翻攝自黃捷臉書)

更多三立新聞網報導
綠黨團釋憲聲請被受理!吳思瑤激喊振奮 嗆藍白:立委再大絕不比憲法大
互相傷害!「拆樑行動」若連署過關 凌濤:國民黨可能發動罷免童子瑋
國會職權修法生效有不一樣?卓榮泰稱「不會以身觸法」:目前都不錯
白拋延會嚴審NCC人事同意權 綠黨團喊「臨時會處理」:請藍別再擋案

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

褒揚令 表彰 海虎

罷免 謝國樑

巴奈 金曲

核電 修法

謝國樑 連署 門檻

香港 迪士尼

中時新聞網
EBC東森新聞
台視新聞網
新頭殼
海虎艦事故調查報告仍未公開 白委質疑「今日公祭、明天忘記」
海虎潛艦去年12月發生官兵落水死亡意外,賴清德總統今天頒發褒揚令,表彰殉職海虎軍艦士官長林俊榮、顏辰帆及張晁毓恪盡職守。不過,白委林憶君表示,整起事件背後真相仍黑幕重重,調查報告完成至今已隔數月,卻仍不見國防部公開,難道國防部是打算讓此事「今日公祭、明天忘記」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