藐視國會罪獲共鳴 5成8民眾贊成
中時新聞網.2024年5月25日 04:10

綠營支持者昨號召群眾到立院周邊抗議藍白國會改革,晚間人潮蔓延至中山南路,包圍立法院。綠委喊湧進10萬人,但警方估計僅約1萬4千人。(鄧博仁攝)

 台灣民意基金會昨發表民調,針對「藐視國會罪」,20歲以上台灣人中,5成8上贊成「公務員藐視國會罪」立法,2成9不贊成;台灣民意基金會董事長游盈隆指出,這項發現傳達了一個重要的訊息,就是在野黨極力推動的「公務員藐視國會罪」已贏得社會強烈共鳴,民進黨不但國會表決輸,也輸掉民意的戰場。

 不過民進黨內人士指出,事實上民進黨對公務員這條的態度沒這麼堅定反對。他們針對的是定義不明的25條「反質詢」、47及48條一般民眾和企業備詢和受罰的條文。另外,原本條文早有官員有備詢義務的內容,但也有保護國家機密的設計。藍白條文卻修成「主席不同意就必須把機密交出來」,這點在游盈隆的題目中沒有提示,等於幫藍白的擴權版本做美化。

 這份民調訪問期間為5月20至22日,被問到贊不贊成公務員於立法院聽證或受質詢時,就其所知的重要關係事項,虛偽陳述者,處1年以下有期徒刑、拘役或20萬元以下罰金。27%非常贊成,30.5%還算贊成,12.2%不太贊成,17%一點也不贊成,7.3%沒意見,6.1%不知道、拒答。

 日前國民黨立委王鴻薇針對TPOC台灣議題研究中心整理了網友對議場衝突的態度時指出,有約65%的民眾力挺國民黨、民眾黨兩黨或國會改革法案,批民進黨「不要再顛倒是非、操弄群眾,把人民當成白痴」。

 另外,昨日在青島東路前一早就就開始聚集人潮,號稱50多個民團結集上萬人到場表達不滿;此外,立委傅崐萁曾表示綠營找中南部黑道,要對藍委不利,警方24日也安排警力,對進出院會的立委進行安全維護,沿路戒護隨行。

 行政院長卓榮泰表示,民眾是表達自己對國家未來前途的憂心,他已請警政署即時掌握各種狀況,保護人民是警察的天責,並要求警政單位對立委提出的保護要求做妥善處理,對於所有集會,參與民眾的自身安全,都要做到非常周到的保護,嚴禁現場發生任何不法的滋擾事件。

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

身分證 文件 塗黑

郭智輝 電價

賴清德 出席 黃埔

行政院 提出 國會

賴清德 引戰

民眾黨 出席 海峽

中時新聞網
CTWANT
三立新聞網 setn.com
三立新聞網 setn.com
數位ID資料「塗黑、打馬賽克」畫面曝 綠委:沒發現瑕疵
行政院在110年暫緩推動換發數位身分證,立法院內政委員會成立「數位身分證換發政策及預算執行專案調閱小組」,但內政部提供的資料竟「全被塗黑」,還稱「依法未便提供」。藍委痛批,很多書面資料遮蔽塗黑,根本文字天書,質疑是否有圖利廠商行為,將提案全數凍結或刪除6000多萬元維護費。綠委吳琪銘則稱,翻閱過資料,未發現重大瑕疵。名嘴歷史哥李易修揭露快速翻頁畫面,資料果然全被塗黑的景象讓人驚呆。
  • 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