蔡英文卸任前將特赦陳水扁? 賴士葆打臉只能大赦:赦免11億就要給他
中天新聞網.2024年5月7日 10:36

記者陳弘美/綜合報導

最新消息傳出,蔡英文決定在卸任前特赦陳水扁,並會透過聲請沒收扁家已被扣案的11億元不法所得的方式,降低社會衝擊;對此,賴士葆表示,陳水扁情況不能特赦只能大赦,但赦免的話錢就要給陳水扁,老百姓能夠接受嗎。

賴士葆表示,陳水扁情況不能特赦只能大赦,但赦免的話錢就要給陳水扁,老百姓能夠接受嗎。(圖取自賴士葆臉書)

對於《鏡週刊》今天(7日)報導總統蔡英文有意在卸任前特赦前總統陳水扁,國民黨立委賴士葆今受訪時表示,如果要特赦陳水扁,當然要依法《赦免法》的規定,而特赦前提是案子都走完,但陳水扁現在還有案子並沒走完,而是保外就醫停審,案子沒走完他不知道用哪條特赦,不過《赦免法》有大赦的條款,就是某情況的犯罪者就一概全部赦免。

前總統陳水扁(資料照)
《鏡週刊》今天(7日)報導蔡英文有意在卸任前特赦陳水扁。(圖/資料照)

賴士葆進一步指出,比方說某類型的經濟犯就全赦,但現在準總統賴清德支持度40%,基礎不夠,他敢大赦嗎?如果是蔡英文,她總統得票率都過半,所以蔡要大赦的基礎還可以;賴士葆直言,大赦的性質就像是以前的皇帝,全部罪犯通通赦,但現在賴清德支持度只有40%,因此基礎不夠。

「當然蔡英文也可以大赦」,賴士葆直言,如果真的在520之前大赦陳水扁,那就是另外一件事,他認為讓賴清德大赦的機率不高,所以現在蔡英文在幫賴清德清路障,比如電價上漲,蔡英文也可以讓賴清德上任後再漲,但她提前幫賴清德揹十字架,大家本以為蔡跟賴關係不好,現在看起來實際上很好。

被問人民是否接受陳水扁最後可能被判貪污無罪情形,賴士葆直言,陳水扁的罪是沒辦法免的,因為還沒有定讞,且這裡面還牽涉媒體寫的不法所得11億要怎麼處理,赦免的話錢就要給陳水扁,老百姓能夠接受嗎,隨便做民調,絕大多數不能夠接受的,所以最後還是要看蔡賴怎處理,但他要強調目前法律不能特赦,只能大赦,可大赦後不法所得要不要還陳水扁,這又是另一個問題,老百姓絕對無法接受貪污犯大赦後,不法所得要還給他。
 

延伸閱讀
快訊/外交部告洩密罪!徐巧芯全面開戰發文了 假援烏捐捷克回購台醫材風暴擴大
傳蔡英文卸任前特赦陳水扁 總統府:確保前總統有妥善健康照顧
傳蔡英文卸任前特赦陳水扁! 11億不法所得下場曝光

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

藍委 民進黨

總統 就職 典禮

國會 改革 朝野

賴清德 就職

國會 改革 衝突

民進黨 國民黨

FTNN新聞網
太報
TVBS新聞網
民視
因為「我們長期遭到孤立」!蔡英文揭「裴洛西來台」爆兩岸危機決策原因
[FTNN新聞網]記者陳弘志/台北報導在中共警告下,前美國聯邦眾議院議長裴洛西(NancyPelosi)過去來台引爆台海危機,不但中共飛彈飛越台北上空,更引發共機持...
  • 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