民團重返立院 要8名藍白委勿沒收罷免權
今日新聞NOWnews.2024年7月4日 01:40
▲民間團體今晚集結立法院旁抗議選罷法修法。(圖/經濟民主連合提供)

[NOWnews今日新聞] 內政委員會明(4)日將審議《公職人員選舉罷免法》修正案,由於國民黨提案新增「同意票數必須超過被罷免人當選票數」,遭民團質疑形成罷免「雙門檻」,青鳥今晚又號召集結在立法院旁表達抗議。台灣公民陣線執委、經濟民主連合智庫召集人賴中強痛批,召委高金素梅挑選其中六案併審而非全部一起納入討論,目的在於保送「提高罷免門檻」修正案通過,令人不齒。

賴中強指出,內政委員會本次排審《公職人員選舉罷免法》六項修正案,前五案都是關於原住民選舉制度的調整,第六案卻是國民黨許宇甄委員提案要「提高罷免門檻」,與原民議題毫不相干,高金素梅將兩者合併審查明顯是要以原住民投票權益問題,掩護沒收人民罷免權法案通過。

賴中強強調,本屆至今總共十七個《公職人員選舉罷免法》修正草案,高金素梅刻意挑選其中六案(後再增加第七案吳秉叡案)併審而非全部一起納入討論,也不排審其他原住民投票權益的修正草案,根本不是真的在意原住民投票權益問題,目的在於保送「提高罷免門檻」修正案通過,令人不齒。

賴中強批評,民眾黨要是真心反對提高罷免門檻,就應該阻止許宇甄提案完成委員會審查,直接在委員會中將該提案封殺,而不是口頭說反對,讓該法案送出委員會後,待院會二讀時,再來一次「雲林張家許宇甄&崐萁小弟黃國昌,藍白整合版選罷法再修正動議」。

台灣基進秘書長吳欣岱指出,台灣基進是罷免和被罷免經驗最豐富的政黨,過去在報復性罷免,被針對的對象常常都是沒有資源的理念型小黨,小黨拼盡全力選上的一席立委被罷免的打擊非常大,但儘管如此,吳欣岱表示還是要站出來一起反對國民黨這次的提案。

時代力量黨主席王婉諭強調,對於罷免,時代力量向來主張「還權於民」,時力反對國民黨的提案,也反對民眾黨,或是其他政黨,提出提高投票門檻、提高罷免連署的門檻,都是讓公民行使權力變得更加困難。王婉諭最後呼籲,所有因為關心這個議題來到現場的大家,明天,立法院內政委員會即將審議相關草案,我們一起監督,一起捍衛公民罷免權。

更多 NOWnews 今日新聞 報導
藍擬不提高罷免門檻!改推連署「要附身分證影本、假冒者罰百萬」
沈富雄批綠營「罷免藍委」是邪招:賴清德沒度量綠白合也不可能
謝國樑罷免連署過門檻!「罷免過來人」陳柏惟:基隆人會自己討論

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

兩岸 關係

國會 改革 釋憲案

離島 建設 引進

國會 改革 法庭

正國會 開鍘

改革 釋憲案

今日新聞NOWnews
中時新聞網
中天新聞網
TVBS新聞網
名家》韋安/半導體經驗可讓台灣未來更好
[NOWnews今日新聞]如何以「群利」,激發「群力」?政黨若願意首重,民生經濟的「群利」,才能激發長遠的「群力」支持。大家一起打拼,成為歡樂英雄。而非始終活在恐懼,和失去的權勢陰影中。「力」有「生存...
  • 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