看豪宅喊居住正義! 爆柯怒「看屋被大作文章」 白營駁
華視.2024年8月25日 20:04

台北市 / 黃品瑄 陳建安 報導

民眾黨主席柯文哲妻子陳佩琪看1.2億豪宅引發討論,而 在此多事之秋, 民眾黨台北市議會黨團還主辦居住正義講座,被民進黨議員顏若芳痛批,大喊居住正義,卻是買房上億,不只如此,現在還傳出柯文哲 在8月22日的 組織部會議上也曾說過,1.2億的房子,又不是買不起,被批他只在意外界是否看得起他能否買得起豪宅,面對種種爭議,柯文哲趕忙滅火,說他的意思是向年輕人喊話,表示不捨年輕人當屋奴。

民眾黨主席柯文哲說:「1億元的房子對我們來講,也不是很困難的事啦,我也不用去裝窮本來就買得起。」要柯主席掏出1億元,似乎輕輕鬆鬆,但這話聽在,很多人耳裡可不好受,在脆上跳出來緊急滅火,為現在年輕人感到不捨,一輩子都在辛辛苦苦當屋奴,再次高喊「居住正義」,不過這究竟只是口號還是真的發自內心?有吹哨者爆料,柯文哲近期在組織部會議動怒,1.2億的房子我又不是買不起,新竹農地1500萬,原來的房子6000萬,選舉補助款加一加就有了,不滿外界拿看豪宅一事大作文章。

前民眾黨新竹黨部執行長林冠年說:「其實搞錯重點了,就是說柯文哲現在比較關心,人家看不看得起,他買不買得起豪宅,而不是關心民眾黨的未來,跟他自己的政治誠信。」民眾黨回應不知道爆料從哪來,可信度打折扣,但柯文哲從醫療現場到政治戰場,光靠先前存款,是不是真能將豪宅輕鬆入袋,醫生蘇一峰直言只有三條路,除非從政經商,或是當網紅帶貨,否則2位醫生,要買1億2千萬的房子難上加難,只是柯太太一邊看豪宅,民眾黨同時要辦居住正義講座。

(28)日上午民眾黨台北市議會黨團主辦,議員邀請參加,只是網友留言你不尷尬尷尬的就是別人,柯的人設崩壞不演了嗎,也有人提到看豪宅就是居住正義,民眾黨北市議會黨團,留言回覆網友,歡迎報名來表達觀點,台北市議員(民)顏若芳說:「柯文哲的居住正義買房上億,原來柯文哲就是那個富爸爸,可以幫孩子去買1.2億的房子,那這個資金怎麼來的應該也要交代清楚。」過去主打「親民清廉」形象,如今隨著爭議接二連三,柯文哲的政治路,飽受考驗。

原始連結



更多華視新聞報導
前幕僚爆「金主陪陳佩琪看豪宅」 民眾黨不回應
妻看1.2億豪宅遭批 柯文哲:本來就買得起 不用裝窮
不只豪宅爭議「農地未賣」遭疑養地 柯稱卡關

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

陳佩琪 現金

面對 中國

國台辦 聲援

民進黨 介入 罷樑

台灣 人民 自救

民調 高雄

三立新聞網 setn.com
中天新聞網
三立新聞網 setn.com
三立新聞網 setn.com
柯文哲「不太會用USB記帳!」陳佩琪扯:他愛看量子力學
記者凌毓鈞、戴偉臣/台北報導 民眾黨主席柯文哲捲入弊案遭收押。他的妻子陳佩琪12日受訪提到「關鍵USB」,她說柯文哲不太會用USB記帳,接著就岔開話題說,柯文哲喜歡看
  • 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