曝「過來人經驗」 選罷法公聽會邀陳柏惟
TVBS新聞網.2024年7月3日 13:52

立法院內政委員會將排審選罷法,今(3日)舉辦公聽會,並邀請曾遭到罷免成功的前立委陳柏惟,陳柏惟今天到場氣憤表示,一人當選全黨服務,但是罷免一人就是全黨投入,怒轟這就是我個人的親身經驗。

圖/TVBS

前立委陳柏惟:「一人當選全黨服務,但罷免一人全黨投入,這就是我的親身經驗。」

前立委陳柏維滿肚子氣,畢竟有被罷免經驗的人確實不多,內政委員會召開公聽會,要來討論國民黨擬提的調高罷免門檻,找來的很多都曾參與罷免,甚至被罷免。

立委(國)葉元之:「那陳柏惟因為罷免案,很容易投入自己的心情。」

前立委陳柏惟:「我沒看到什麼汽笛喇叭阿,最後還是立院諸公院長決定,希望這樣講沒有藐視國會。」

你酸我我也要反酸回去,陳柏惟話中意思。

因為公聽會像是罷免團體的造勢場,像是正在醞釀罷免基隆市長謝國樑的,拆樑小組發言人李晏榕,以及曾是罷免韓國瑜四君子的,高雄市議員張博洋都來了,當然也有護樑小組律師葉慶元也來聲援。

高雄市議員張博洋:「如果朱立倫他認為,現在必須要調高罷免門檻,他應該要先對陳柏惟道歉。」

質疑國民黨許宇甄提案,要求罷免票數要高於當初當選得票數,只是到底周四是否強行出委員會,國民黨團總召態度放軟。

立院黨團總召(國)傅崑萁:「國民黨沒有一定特定的立場,但是就是希望國家能夠安定。」

內政部政務次長吳堂安:「相關的選舉辦法都要審慎嚴處。」

各方都強調要廣納意見,這回青鳥也要再次集結,具體主張反對沒收罷免權,但對於民進黨立委吳秉叡,提出加嚴版的罷免連署案,國民黨擬在吳秉叡的提案,讓罷免連署比照總統連署,附上身分證影本,這讓吳秉叡不滿提出撤案。

立委(民)吳秉叡:「他(國民黨)可能就是把我一直拿出來,當作他們真的要去提高,罷免門檻的遮羞布。」

吳秉叡神清幽幽,即使時間來不及,也要澄清論述,不甘於被藍營多做文章。

更多 TVBS 報導
無時間表!眾不挺修選罷法 藍:有共識再推
審新住民法開戰 麥玉珍「台語」開槓王美惠
開調查權第一槍!立院成立「鏡電視調查小組」
交通部長請假「沒人知道去哪」 傅崐萁怒:要不要貼尋人啟事

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

建設 引進 中資

兩岸 關係

澎湖 漁船 扣押

排審 選罷法

中資 參與 建設

澎湖 漁船

民視
民視
新頭殼
太報
陳雪生提離島建設條例引中資 國民黨自家立委都不挺!
政治中心/綜合報導國民黨立委陳雪生等人提案修法增訂離島建設條例,讓中國廠商得以參與重大建設工程,民進黨立委洪申翰痛批,陳雪生就是想製造台版的一帶一路,質疑他是否想分配重大利益,甚至讓國安門戶大開?儘管陳雪生否認,但今天民進黨提案將該法退回程序委員會,連國民黨立委都沒反對。
  • 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