獨家!前助理爆高虹安「慣老闆」現任助理現身「這樣說」
TVBS新聞網.2022年11月17日 21:37

新竹市長候選人高虹安,日前遭前助理指控,請病假會被扣薪,要上繳公積金,就連杯子沒洗也要扣錢,但高虹安的現任助理接受我們獨家訪問,大談辦公室運作的情形,也拿出爆料前助理曾經經手的法案,回擊高虹安幫宣明智推法案的指控。

圖/TVBS

立委高虹安助理:「我自己的薪水從來沒回繳過,我們同事們自己知道的,沒出現這種狀況。」

說自己在立法院工作近2年,沒遇過薪水要回繳的情況,立委高虹安辦公室現任3位助理,接受我們獨家訪問,先坦言高虹安辦公室不好待。

立委高虹安現任助理:「我們這邊真的是辛苦一點。」

立委高虹安現任助理:「我們的工作確實老闆會比較嚴格,我跟委員相處模式,很像指導教授模式。」

每次開會就像面對教授皮繃得很緊,只是老闆這麼嚴格,怎麼會想出來面對鏡頭,難道是高虹安授意嗎?

立委高虹安現任助理:「我們會想出來的原因,事情已經是目前國會辦公室的運作,跟過去的運作有太大落差,才會想要出來澄清,而不是說我們受了誰的...(指示)。」

說是受不了外界調侃的眼光,讓留任的助理也受很多流言蜚語,只是外界都好奇,辦公室真的有像離職的前助理A先生說的,請個假就會被扣薪?

立委高虹安現任助理:「爆料的人他自己請假請太多了,他在任職期間的請假紀錄,他確實把他不用扣薪的假用完了,請了比較多的事假跟病假。」

圖/TVBS

翻出爆料前助理的出勤紀錄,開議重點期間11月跟12月,短短兩個月就有5天請假,待了一個會期就離職的A先生。

立委高虹安助理:「剛去初期還傳訊息給我同事說,你要不要離職啊我這裡很爽,看起來當事人想去輕輕鬆鬆的地方。」

去到民進黨委員辦公室還回頭虧前同事,保持不錯的關係,現任助理就搞不懂A先生怎麼突然爆料,說高虹安交代要幫宣董通過法案。

立委高虹安現任助理:「我在辦公室比檢舉人久,從來沒有聽過法案是為了誰要過,不管是郭董還是宣董,他自己提的只有2個,公共電視法無線電視公股條例。」

圖/TVBS

搬出A先生曾經的提案幫老闆澄清,高虹安忙著回擊爭議之際,現任助理也槓上前助理。

更多 TVBS 報導
校內民調遭側翼出征!高虹安聲援遭檢舉
遭爆怒嗆大學生「一直罵執政黨是怎樣?」 徐定禎回應了
高虹安爆哭倒在家7天!最美發言人飆7字:別妖魔化她
高虹安男友爆2週前已出國 遭疑「畏罪潛逃」競辦回應了

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

內閣 人事

國會 改革 法案

余天 民進黨

馬英九 賴清德

國會 改革 草案

民進黨 蘇巧慧

Yahoo奇摩(即時新聞)
聯合新聞網
信傳媒
華視
黃彥男將接數位部長 資通訊頂尖專家
準行政院長卓榮泰今天公布第三波內閣名單,由中央研究院資訊科技創新研究中心的資通安全專題中心特聘研究員黃彥男接任數位發展部部長。黨政人士今天說,內定數位部長黃彥男在資安、AI、智慧物聯網領域皆有專業。
  • 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