名嘴徐嶔煌亂爆高虹安偷吃人夫 法院判賠10萬元
三立新聞網 setn.com.2024年7月3日 09:35

記者莊淇鈞/新北報導

名嘴徐嶔煌亂爆料,判賠10萬元。(圖/翻攝臉書《徐嶔煌的時事點線面》)

名嘴徐嶔煌2022年九合一大選期間,上民視政論節目上「辣新聞152」時,爆料指稱時任立法委員、新竹市長候選人高虹安2019年與有婦之夫的男子李忠庭交往,被高虹安提告求償160萬。新北地方法院發現,李男在2015年就已離婚,雙方交往時李已恢復單身,認為徐嶔煌言論未經合理查證與事實不符,所使用文字足以貶損高虹安社會評價,判決徐應賠償高非財產精神損害10萬元。

據了解,徐嶔煌當時在政論節目「辣新聞152」上,以手持字板載明「2019年與李男交往,李男仍有婚姻關係」,指稱雙方交往時李男為有婦之夫,惡意編造自己是第三者,破壞對方婚姻等負面形象,再透過節目播放及網路散佈,造成個人社會評價受嚴重貶抑,侵害其名譽權甚鉅。為此高虹安提告徐嶔煌求償160萬元,以及將判決主文刊登在徐個人臉書1日。

徐嶔煌則抗辯,當時在政論節目上的發言,重點在於高虹安是否貪汙助理費的社會重大議題,字板有關於有婦之夫的內容並言論之重點,且字板內容是出於媒體相關報導所整理,自己已盡查證義務。當時高是不分區立委,同時參選新竹市長,自己身為新聞評論者,追蹤高、李兩人間關係,以釐清助理費爭議,並檢視高虹安的言行,事涉公共利益。

新北地院調查發現,李男2015年就與配偶離婚,2018年高虹安到鴻海集團任職,才與李男結識,並與2019年交往,雙方交往時李已無婚姻關係,法官認為,徐嶔煌所持字板有加上不在其他新聞報導內的註記,是由他加入自己由他處獲悉甚至是個人主觀推斷而來,又是以「事實陳述」方式揭示而非是「意見表述」的方式呈現,明顯是徐等人逕行臆測跳躍推論而得,結論與事實不符。

徐嶔煌未經合理查證,散布不實言論有過失,更何況縱使是基於公共利益評論,就「事實」範疇的陳述,還是要負合理查證義務,足認毀損高虹安名譽權,因此判徐嶔煌賠償10萬元。

不良行為,請勿模仿!

更多三立新聞網報導
救災新世代來臨 緊急醫療結合AI全方位應用、提升社會韌性
噁爆!基隆「最強滷肉飯」凸槌 油豆腐一咬驚見頭身分離大蟑螂
詐團AI深偽變臉成劉德華 資深ANDY粉遭詐264萬元
治安隱憂!吸毒父抓狂拿刀亂揮險砍4歲女 12歲哥哥奪門跑大街求救

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 引進 離島

侯友宜 停權

三立 詐團

修法 衝突

裁撤 中隊

排審 選罷法

三立新聞網 setn.com
CTWANT
今日新聞NOWnews
三立新聞網 setn.com
藍委提案引中資!退回程序委員會 黃捷酸包藏禍心:連自己人都不挺
記者詹宜庭/台北報導 國民黨立委陳雪生、陳玉珍等人提出「離島建設條例部分條文修正草案」,其中有關引進中資建設離島的第七條之一,今(5日)在立法院會中被民進黨團要求退回
  • 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