「拆樑」若成功將選基市長? 黃珊珊:從沒考慮過
華視.2024年7月2日 18:18

宜蘭縣 / 彭冠霖 方柏丰 朱淑君 鄭祐謙 翁乾晃 沈麗容 報導

基隆市長謝國樑面臨罷免危機!由於罷免連署書超過4萬份,國民黨中央、立法院黨團、基隆市議會黨團和市政府組成「四方聯盟」,成立「守護基隆小組」,要保住謝國樑市長之位,而民眾黨立委黃珊珊被點名有意角逐,儘管本人表示從來沒有考慮過,但民眾黨基隆市黨部也傳送問卷,詢問黨員對罷免看法,而柯文哲則一面表態,不贊成國民黨因人設事修訂選罷法,但也不贊成民進黨的仇恨動員。

民眾黨主席柯文哲說:「像這個基隆的罷免,這個真的這樣搞下去,再來就沒完沒了。」直言「罷免」沒完沒了,基隆罷樑行動,如火如荼進行中,就連民眾黨基隆黨部,也在關心。

民眾黨基隆黨部傳簡訊給黨員,詢問「基隆市長罷免案」匿名民調,有人發到群組詢問,這是真的嗎,群組管理員回應「對」,要調查一下大家的想法,沒有蒐集個資可以安心填寫。

記者VS.民眾黨主席柯文哲說:「(罷免謝國樑的問卷)這跟我有關嗎,我也是不太贊成那個罷免你知道,因人設事去改變他的門檻,但是我也反對罷免變成政治動員的工具,我覺得國民黨也不要懼戰,要是我的話你要罷免我我也罷免你,但是我是反對這樣啦。」

不認同因人設事修改罷免門檻,但也反對仇恨動員,是否支持「罷免謝國樑」,柯文哲沒有太多表態,是否也是兩難,畢竟預計8月要將民眾黨中央黨部,搬遷至台玻大樓,而大樓就是企業家林柏豐家族所有,林柏豐也是謝國樑的舅舅,跟柯文哲頗有交情,不過眼見罷免第二階段連署過關,國民黨上演固樑大作戰,由黨中央立院黨團,議會黨團和市府,四方聯盟組成守護基隆小組。

基隆市長謝國樑說:「我們自始至終,都不贊成罷免這件事情。」基隆市長謝國樑,我們自始至終,都不贊成罷免這件事情,但隨著罷免情勢升溫,拆樑後「誰來補位」也成話題。民進黨前立委高嘉瑜表示,隨時都在牛棚暖身練球,現任基隆市議長童子瑋,2022市長選舉時落選的蔡適應,加上民眾黨立委黃珊珊也被點名。

立委(眾)黃珊珊說:「所以我講的非常清楚,我從來沒有考慮過(選基隆市長)。」嚴正澄清絕無此事,「罷樑」與否,最終基隆市民做出決定。

原始連結

更多華視新聞報導
「拆樑」危機全黨動起來 國民黨組四方聯盟「固樑」
柯文哲:不支持改動罷免門檻 但連署程序應更嚴謹
基隆轉運站啟用林右昌未獲邀 藍綠致詞暗較勁

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

占領 委員會

蘇巧慧 參選 新北

中資 建設

委員會 修正

徐巧芯 綠委

三立 洗錢 主嫌

今日新聞NOWnews
中時新聞網
FTNN新聞網
民視
綠委佔主席台!藍委痛批:癱瘓國會拒絕討論
[NOWnews今日新聞]立法院內政委員會今(4)日初審《公職人員選舉罷免法》修正案,但民進黨立委一早就到會議室,占領主席台拒絕開會。國民黨隨後到黨團開記者會,黨團總召傅崐萁批,民進黨過去常喊,沒有討...
  • 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