市府頻爆合同貪汙 蘭德提4步驟防治
世界日報World Journal.2024年9月18日 14:26

針對近期多起市府合同貪腐事件,市主計長蘭德宣布「四步驟」防治計畫。(記者范航瑜/攝影)

針對日前頻繁爆出的市府合同貪汙事件,市主計長蘭德(Brad Lander)17日發布題為「防止採購腐敗」(Prevent Corruption in Procurement)的報告,提出四個步驟以降低貪腐風險,並再次強調了自己將參選市長,修護市民對市府的信任。

報告指出,在2023財年,紐約市簽訂了1萬2820份新採購合同,總價值達382億2000萬元,超過了30個州的預算。蘭德指出,面對如此大規模的合約,市府應建立健全的採購程序,確保採購的誠信,保護市民所獲的資源,防止貪腐現象發生。

報告建議,市府應當加強對承包商的監督與問責、減少過度依賴緊急採購、降低非競標採購的腐敗風險。此外,蘭德還呼籲提高透明度,以促進問責制。

早在2022年,蘭德就提議模仿市府現行的Compstat管理系統,建立「ContractStat」管理系統,幫助清理合同積壓與延誤問題,並要求披露額外的高管薪酬與競選捐款歷史,防止貪腐和濫用。但該願景但至今未落地。

蘭德表示,從兒童保育到為老人送餐,紐約市依賴眾多承包商提供基礎服務。「然而,在很多情況下,我們甚至不清楚支付給了承包商哪些款項。」

近期,亞當斯政府深陷貪腐醜聞,多名親信捲入聯邦調查。據「紐約時報」(New York Times) 援引知情人士透露,此次聯邦調查主要針對一樁涉及市府合同的潛在賄賂計畫,調查對象包括亞當斯政府內兩名兄弟官員經營的諮詢公司,並牽涉公共安全副市長班克斯(Phil Banks)與市教育局長班克斯(David Banks)。

在當日召開的發布會上,當被問及是否會要求亞當斯辭職,蘭德表示暫不急於要求,但強調紐約市民應該享有透明和可信的政府。「我近來並沒有和市長交流過,但如果是我,我想我會儘早開除貪腐的官員。」蘭德7月已宣布將競選市長。

「紐約市民應該擁有一個誠實、可信且管理良好的政府,能夠有效保護納稅人的資金不被浪費、欺詐和濫用。」蘭德表示。

更多世界日報報導
「友好問候」釣魚詐騙 紐約州府籲民眾小心
美保姆太貴 南加華女「進口」中國便宜保姆
顯貴名流成功「進口」保姆到美 還帶司機、管家入境

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

韓國瑜 募款

京華城 簽訂 協議書

賴清德 意見

韓國瑜 晚會

京華城 建照

死刑 釋憲案

中天新聞網
今日新聞NOWnews
今日新聞NOWnews
今日新聞NOWnews
台積電領軍反攻!台股收盤漲363點重返22000大關
聯準會宣布降息2碼,是4年多來的首次降息,道瓊、標普指數盤中觸及歷史高點後回檔,四大指數全面收低。但台股在台積電(2330)領軍反攻下,加權指數今天(19日)一開盤雖開低走高,但終場大漲364點收22042.69點。
  • 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