對罷免厭煩 柯文哲:確定民進黨不會被罷?
今日新聞NOWnews.2024年6月30日 12:45
▲民眾黨主席柯文哲受訪時直言,對罷免潮政黨仇恨動員感到厭煩。(圖/記者呂炯昌攝,2024.06.30)

[NOWnews今日新聞] 基隆市長謝國樑罷免案可能成案,對於綠營近日掀起罷免聲浪,民眾黨主席柯文哲今(30)日直言,自己對台灣政壇政黨仇恨動員「感到非常厭煩」,並嗆聲「你確定民進黨不會被罷免喔?真的還假的?」柯文哲強調,民眾黨主張罷免門檻不要動來動去,但至少要跟總統、副總統選舉連署標準一致,而不是淪為政黨仇恨動員。

民眾黨主席柯文哲今天出席立委吳春城桃園服務處揭牌活動,針對民進黨立院黨團總召柯建銘警告,如果藍白合作強修《選罷法》,必將引起民意更大反彈,不但會直接把國民黨籍基隆市長謝國樑送上「斷頭台」,民眾黨籍縣市議員都可能被罷免光。柯文哲則連連反問柯建銘:「你怎麼不怕你們民進黨的被罷免?這種就是台灣話說的『嗆聲』,這個對台灣社會有好處嗎?你確定民進黨不會被罷免喔?真的還假的?」柯文哲病呼籲民進黨不要再搞這種事情,「我對台灣政壇這段時間這種現象,感到非常厭煩。」

至於各界關切民眾黨與國民黨對《選罷法》修法不同調,他受訪時重申,不樂見罷免淪為政黨仇恨動員的工具,民眾黨不認同門檻動來動去。不過,柯文哲則強調,民眾黨主張罷免連署應該跟總統、副總統選舉連署標準一致,「還是會修改連署過程」。

柯文哲並批評,他才覺得奇怪怎麼罷免連署這麼容易,只需要填寫姓名、身分證字號跟戶籍住址,不需要身分證影本,他也大酸「我猜現在所謂連署都是『被連署』,都是政黨樁腳拿名冊出來抄一抄!」

柯文哲強調,民眾黨非常反對民進黨每天在台灣製造對立、製造仇恨,台灣還有勞保、健保與缺電、缺工等問題,選完應該趕快去解決。呼籲民進黨不要在這個國家社會製造對立,對大家都沒有好處。

更多 NOWnews 今日新聞 報導
柯文哲反對調高罷免門檻 朱立倫:至少要比當選多一票吧!
朱立倫指謝國樑罷免案關鍵在林右昌 二度喊話「該懸崖勒馬了」
「罷免謝國樑」第二階達標!連署3.6萬份超過門檻 預計7/5送件

看更多相關新聞
謝國樑罷免案 朱立倫喊話林右昌懸崖勒馬
修選罷法爭取支持?民眾黨插旗桃園 謝國樑、藍委捧場
罷免謝國樑二階段達標 拆樑行動發聲了
謝國樑罷免案連署過門檻 民進黨發言人赴基隆宣講添柴火

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

罷免 門檻

沈伯洋 立場

罷免 謝國樑

國會 職權 修法

啟用 謝國樑

中央社 出席

三立新聞網 setn.com
台視新聞網
新頭殼
三立新聞網 setn.com
民眾黨團3決議出爐!黃國昌:7/12提案「邀賴清德赴立法院國情報告」
記者許皓婷/台北報導 民眾黨立法院黨團今(2)日召開記者會,黨團總召黃國昌宣布,針對接下來議事跟法案做出3點決議,分別是國會聽證調查制度上路後,要成立2個委員會、將於
  • 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