國民黨擬修《選罷法》 民團明晚「重返立院」:你們不能胡作非為
民視.2024年7月2日 16:55

即時中心/詹詠淇報導

國民黨擬修《選罷法》,要提高罷免門檻,立法院內政委員會將在本週四排案審查。對此,台灣公民陣線今(2)日宣布,將在明(3)日傍晚5時30分再次回到濟南路,「讓我們一起告訴議場裡面的人,我們在外面盯著,你們不能胡作非為!」

「下班下課,警告藍營立委!邀請台灣公民週三下班再聚濟南路!」台灣公民陣線今日在臉書點名國民黨立委許宇甄、丁學忠、牛煦庭、張智倫、黃建賓、徐欣瑩,無黨籍立委高金素梅及民眾黨立委麥玉珍8人,並表示,從青島東路回家後,抗爭沒有結束。4日,內政委員會將審議國民黨立法委員提案,提高罷免門檻,增加罷免難度。除現行制度的「同意票數達原選舉區選舉人總人數1/4以上」,國民黨欲提案新增「同意票數必須超過被罷免人當選票數」,形成罷免「雙門檻」,大大提高罷免難度。

台灣公民陣線指出,罷免制度是直接民權的展現,公民就公職人員的言行操守、議事態度、表決立場予以監督檢驗,使公職人員知所節制,並使嚴重悖離民意的公職人員負起政治上的責任。然而,今天國民黨急著要提高罷免門檻,正代表國民黨在公民反國會濫權行動中全無檢討自省,甚至將來要繼續強推與民意不符的民主倒退法案,要先拔除後患、除掉人民手中的最後武器。

台灣公民陣線提及,離開立法院時,台灣公民陣線做出承諾,「只要國民黨推進七大民主倒退法案中的任何一項,我們必將行動!」明日晚間,台灣公民陣線兌現承諾,再次邀請各位民主夥伴回到濟南路,「讓我們一起告訴議場裡面的人,我們在外面盯著,你們不能胡作非為!」

活動資訊

開場記者會:7月3日(三)下午5時30分至6時

晚會時間:7月3日(三)下午6時30分

記者會及晚會地點:濟南路(立法院旁)

發起單位:台灣公民陣線

主辦單位:邀請 621 論壇有意願參與的團體及本土小黨主辦

原文出處:快新聞/國民黨擬修《選罷法》 民團明晚「重返立院」:你們不能胡作非為 

更多民視新聞報導
公布「惡人排行榜」! 賴中強:「這2人」提最多民主倒退法
青鳥行動不會停止戰鬥!公民團體今再提「3大行動」 盼制裁藍委
「本身愛詐騙」民調柯文哲居冠、徐巧芯第2 民進黨團回應了

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

蘇巧慧 參選 新北

中資 建設

立院 成立 小組

占領 委員會

基隆 謝國樑

藍白 成立 小組

中廣新聞網
新頭殼
中時新聞網
今日新聞NOWnews
表態參選新北市長 蘇巧慧:努力朝這個方向讓大家認可能力
民進黨立委、新北市黨部主委蘇巧慧3日公開表態擬參選新北市長,她3日接受「齊有此理」節目專訪時表明,很努力讓大家認可能力,希望當新北隊的隊長;談到黨內可能對手時強調,她對新北的了解,應是她的強項。
  • 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