吳秉叡撤案拒當選罷法修法鬥爭工具 國民黨團譴責
中央社.2024年7月2日 17:29

(中央社記者王揚宇台北2日電)立法院內政委員會4日將排審選罷法修法,當中包括國民黨立委許宇甄等人擬提高罷免門檻的版本,也將民進黨立委吳秉叡所提修法版本納入。吳秉叡今天說,為避免防弊措施修法被國民黨利用,成為政治攻防手段,他先暫時撤案。

    對此,國民黨立法院黨團發布新聞稿譴責吳秉叡,也說在選罷法這個議題討論上,民進黨說一套、做一套。

    立法院內政委員會4日將排審立委許宇甄、吳秉叡、盧縣一、伍麗華、高金素梅、鄭天財等人分別所提公職人員選舉罷免法部分條文修正草案等案,共有7個版本。

    吳秉叡下午在臉書撰文,指國民黨為防堵近期民意的罷免訴求,緊急排案審查要修改公職人員選舉罷免法,想藉由法律的修正,拖延甚至阻擋罷免連署成案,他堅決反對這種作為。

    吳秉叡說,他在上一屆的立法院即倡議並提案,希望針對亡者連署、幽靈連署書等個人資料,遭不當利用的情形做修正,但好的修法提案,不該成為國民黨於特定時機用作阻撓民意的政治工具。

    吳秉叡表示,為避免防弊措施的修法,被國民黨利用為政治攻防手段,他決定先暫時撤案,以避免國民黨混淆焦點,也籲請國民黨正視其過去虛假連署的問題,也請國民黨省視自己的提案,排案初衷是為了人民、為了民主,還是為了政治利益。

    吳秉叡提到,幽靈連署書妨害公投與罷免的公正,因此他的修法版本,是增加「發證日期」欄位,以減少幽靈連署,希望避免有心人士利用持有的大量個資冒名連署,且「發證日期」因遺失、搬遷等換發情況較有變動性,等於新增一道比對查核的機制。

    國民黨立法院黨團隨後發布新聞稿表示,針對吳秉叡把選罷法版本撤案,國民黨團強力譴責,也證明真正把選罷法修法當兒戲、當政治鬥爭工具的就是民進黨團,因人設事、隨意修法,根本沒有長治久安的考量、只有政治利益的算計,難怪國家在民進黨執政下越來越亂。

    國民黨團表示,吳秉叡所拋的選罷法修法版本中,罷免案提議、連署應依規定填國民身分證統一編號外,還需附身分證「發證日期」等,也新增罰則,這些不都是針對過去的亂象加強防範,如今吳秉叡撤案,反而做實過去提案的倉促。在選罷法這個議題討論上,看見民進黨「說一套、做一套」,用政治眼光來看待修法,實不可取。(編輯:林興盟)1130702

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

蘇巧慧 參選 新北

中資 建設

委員會 修正

徐巧芯 綠委

三立 洗錢 主嫌

委員會 開會

中廣新聞網
新頭殼
FTNN新聞網
民視
表態參選新北市長 蘇巧慧:努力朝這個方向讓大家認可能力
民進黨立委、新北市黨部主委蘇巧慧3日公開表態擬參選新北市長,她3日接受「齊有此理」節目專訪時表明,很努力讓大家認可能力,希望當新北隊的隊長;談到黨內可能對手時強調,她對新北的了解,應是她的強項。
  • 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