罷免謝國樑 「山海公民拆樑行動」今送交基隆選委會4萬3千份連署書
三立新聞網 setn.com.2024年7月5日 17:00

記者莊淇鈞/基隆報導

送交連署書。(圖/翻攝畫面)

發起罷免基隆市長謝國樑行動的「山海公民拆樑行動」公民團體,今天(5日)將4萬3千多份連署書送交基隆市選舉委員會審查。依規定基隆市選舉委員會應在40天內查對連署人名冊,但中選會發公文要求基隆市選委會提前在30天內完成審查,基隆市選委表示,會按照選罷法規定辦理。

基隆市選委會收下連署書。(圖/翻攝畫面)

基隆市選委會今天收受連署人名冊後,依法應於40天內完成查對,但總幹事張淵翔說,中選會發文要求收件後,提前在30天內完成查對作業,因送件連署書多達4萬分,市選委會將再開會研商查對期程,依法作業。

基隆市選委會總幹事張淵翔。(圖/翻攝畫面)

「山海公民拆樑行動」成員5月11日啟動第2階段連署作業,至少需要3萬792分才能跨過門檻,「山海公民拆樑行動」發言人李晏蓉說,今天將第2階段連署書送件4萬3千份左右,這次連署是超級規格,如果要用到補件規格,是要淘汰1萬4千多件,這次送件已超過門檻近萬件,自信可以通過市選委會查對。

「山海公民拆樑行動」發言人李晏蓉。(圖/翻攝畫面)

李晏蓉說,第一階段連署時,曾被選委會淘汰900多份的經驗,第二階段則以「最高級規格」填寫,舉凡壓線、字跡潦草,都會現場再請民眾重寫一張,所以對這次正確性很有信心,法定門檻是3萬792份,有信心可以一次就通過,截至6月30日為止收到4萬3000份,之後從7月1日至今,陸續仍有民眾送件,即便要補件,手上也有幾千份可以遞補。至於預測可能會被剔除的比例?第一階段的錯誤件數落在1成,第二階段目前希望可以壓到1成以下。

基隆市政府發言人呂謦煒。(圖/翻攝畫面)

基隆市政府發言人呂謦煒對此回應,雖然罷免是人民的權力,但希望這一次是最後一次程序鬆散的罷免連署,不論罷免團體或民進黨如何進行政治操作,相信基隆人最關心基隆的發展,市府會繼續專注市政,讓市民感受到基隆的進步。

更多三立新聞網報導
害2親生女溺斃 新北狠母殺人重罪羈押獲准不禁見
北市小黃失控衝上人行道!連撞2單車及路樹 駕駛送醫不治
11名台籍通緝犯印尼峇里島遭逮 押抵桃機畫面曝光
印尼未給犯罪事證無法逮91名詐騙犯 刑事局長:加強跨境合作打擊犯罪

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

鄭文燦 涉貪

賴清德 肅貪

海基會 董事長 涉貪

鄭文燦 收賄

涉貪 賴清德

海基會 請辭

今日新聞NOWnews
今日新聞NOWnews
TVBS新聞網
今日新聞NOWnews
鄭文燦涉貪賴清德吐4字 他:這人恐也有事
[NOWnews今日新聞]前桃園市長鄭文燦疑涉入林口工五擴大用地弊案收賄,6日遭桃園地檢署聲押,桃園地院裁定500萬元交保,並限制住居、限制出境出海;總統賴清德對此表示,「不分黨派,不問何人,只要涉及...
  • 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