青年局年花400萬聘「非編制人力」 議員質疑蔣「拿納稅錢養蔣家軍」
鏡週刊Mirror Media.2024年5月2日 14:53
台北市議員林延鳳質疑青年局未先公開釐清成立後預算支出內容與施政計畫,卻先急著拿納稅錢養自家人,動機不單純。(翻攝林延鳳臉書)

台北市議員林延鳳昨(1日)揭露蔣市府未就「青年局成立」提出墊付案予議會審議「規避監督」,今(2日)再踢爆蔣市府預訂年花超過400萬,在青年局聘用5名「非編制人力」,她質疑青年局未先公開釐清成立後預算支出內容與施政計畫,卻先急著拿納稅錢「養自家人」,是否代表市長蔣萬安「急了」?

林延鳳認為,依人事處資料,青年局整體薪資恐逾400萬元,加上外傳蔣早在二月就已屬意副發言人蔡畹鎣轉任該局簡任十職等機要專委,讓她質疑青年局在蔣市府手中恐將「變質」,淪為準局長殷瑋領軍之「蔣家軍」寄生所在,目的恐係劍指2026年市長連任或市議員選舉佈局。

此外,林延鳳揭露蔣市府「偷吃步」不提墊付案後,市府依然故我「擺爛」,對此她也將在議會提案要求蔣市府必須提報墊付案,供實質審查後始得動支。

林延鳳表示,根據勞動局30日發布的新聞稿指出「預計於6月1日成立之本府青年局,其中聘用研究員職缺,起薪高達57K」,由於此為非編制人力,向人事處了解後發現,編制員額為50人的青年局,竟要招聘5名聘用人員,包含研究員、規劃師與企劃師等,但市府均未有提出相關計畫或說明。依該處提供之最高薪點月薪數乘以13.5個月(包含年終獎金),一年就需412萬6140元預算,但青發中心卻在未提供任何未來移撥給青年局之預算。

林延鳳指出,青年局編制人力未見全額到位之時,就要對外高薪招聘5名聘用人員,如此急促開缺,令她懷疑市府是否早有內定,有意投件應徵的其他人都將落於「陪榜」窘境;上月媒體報導,有藍營地方人士建議蔣萬安籌組「蔣家軍」,蔡畹鎣剛好就是被點名轉戰北市議員的黨內青年,令人好奇未來這份聘用名單再加上蔡畹鎣,就是佈局2026之「蔣家軍」所在。林延鳳說,若此為真,該局成立之美意將蕩然無存,希望蔣市府屆時別只幫助「自己人」,佈局自己的政治路。

更多鏡週刊報導
【有片】遭高階警拿走私人提袋還嘔吐丟棄 美女議員還原案發經過
921地震北市列管建物仍有7成未補強 議員汪志冰轟「掉漆」
人行道留1.2公尺就能停機車 趙怡翔轟蔣萬安:加劇行人地獄亂象

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

朝野 達成 卓榮泰

朱立倫 就職

議場 衝突

出席 賴清德

文化部 集資

國會 改革 法案

中時新聞網
中時新聞網
今日新聞NOWnews
賴清德赴立院國情報告有譜 朝野13日協商
準總統賴清德將在520就任,立法院國民黨、民眾黨團均提案邀請賴清德到立法院國情報告,藍綠白三黨10日達共識,13日黨團協商。藍黨團總召傅崐萁說「不設任何限制」;民進黨團總召柯建銘指出,要協商的事項包括總統報告要先來還是後來,以及總統來的時候要不要統問統答。
  • 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