迎戰大罷免策略
中時新聞網.2024年6月28日 04:10

 民進黨祕書長,也是前基隆市長林右昌,日前在基隆進行針對國會改革法案的宣講後,旋即就有民進黨議員宣布其服務處提供罷免基隆市長謝國樑的連署服務。也就是說,民進黨已然光明正大地將國會改革的戰場與罷免進行連結,正式開啟「大罷免時代」的階段。

 罷免是憲法賦予公民的直接權利,用以制衡公職人員,不因任期保障而背離民意。但諷刺的是,如今的罷免卻成為特定政黨用以政治報復競爭政黨的手段,甚至變成執政黨恫嚇在野黨民代,反制直接民意監督的政治操作。

 為何要罷免謝國樑?綠營說,因為謝市府強搶NET財產。結果,就在法院一審判決基市府勝訴,罷免理由消失時,民進黨卻開始加碼罷免力道,準備遍地開花。道理很簡單,綠營就只是要個藉口來政治操作、政治得利。

 換個案例看看葉元之,在《榮泰創數據》近期的統計裡,討論罷免葉元之的聲量在113位立委裡排序第2,葉的總聲量裡有超過一半都是罷免。然而綠營罷免葉的口號卻是「柿子挑軟的吃」,連像樣的罷免理由都不想了,直接就表明之所以要罷免葉,只是因為他當初險勝,從得票率看起來較容易成功。

 選舉、創制、複決、罷免四大民權,在賴清德總統眼裡,直接民主其實就只是民進黨直接做主,當家鬧事、執政制衡在野。

 從國會結構上來說,藍營目前54席、綠營51席、白營8席,雖然在國會改革議題上藍白聯手,看似是62比51,有一定差距,但不少法案其實民眾黨是作壁上觀,而在正副院長不輕易投票的情況下,國民黨事實上僅以1票之差贏過民進黨。所以說,只要有1位藍委被罷免,且補選由綠營獲勝,藍綠就變成51比52,韓、江必須出馬,才能翻盤。甚者,一旦有兩位藍委被罷免成功,50比53,即使算上韓、江兩票,藍營也屈居少數,必須獲得民眾黨支持才可能贏過民進黨。

 因此雖然名為大罷免時代,但從結構上來說,民進黨只要狙擊掉兩席藍委,就能改變立院整體議事攻防策略。

 從「青鳥行動」的陳抗示威,到如今的「拆樑行動」,民進黨否認主導,聲稱是公民自發行動,但卻處處可見民進黨的蹤跡。賴清德治國注定走上充滿政治對抗、虛耗國政發展的道路。

 面對民進黨新開的大罷免戰場,在野陣營必須迎戰,但除了《選罷法》外,也應當注意《政治獻金法》的修法,將申報範圍納入罷免,以公開透明的制度斷絕綠營對側翼團體的黑箱暗助。(作者為中華青年公共參與協會理事長)

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

沈伯洋 悖離

力挺 謝國樑

冒用 沈伯洋

罷免 謝國樑

香港 迪士尼

國民黨 國會

中天新聞網
中天新聞網
中天新聞網
民視
沈伯洋喊「看A片被統戰」 謝龍介姪子驚覺:賴清德要成立成人影片審查委員會
民進黨立委沈伯洋頻頻以悖離現實的離譜言論搏版面,昨(28)日又在政論節目稱,用VPN看A片會被大陸掌握政治傾向,再度遭嘲諷,謝龍介姪子謝克洋也對此發文評論。
  • 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