藍委推選罷法罷免門檻提高 下週四內政委員會將審查
FTNN新聞網.2024年6月28日 16:08

[FTNN新聞網]記者孫偉倫/台北報導

面對綠營醞釀針對藍委發起罷免箭在弦上,國民黨團也採取「提高罷免門檻」的修法方式反制。立法院內政委員會排定在下週三7月3日舉行公聽會,並隨即在週四4日委員會中審查「公職人員選舉罷免法」,對罷免門檻拉高。

獨家/藍委推選罷法罷免門檻提高 下週四內政委員會將排審
民進黨與民間組織醞釀發起罷免藍委行動,並列出名單。(圖/資料照)

藍白立委共推國會改革修法引起朝野政治對抗,綠營及側翼民間組織也醞釀對國民黨立委發動罷免,由於明年二月起即可啟動罷免程序,國民黨團有意提高罷免門檻因應,且有意趕在本會期法案會期處理,否則拖至下會期必須審查政府預算,恐無法處理法案。

現行民選公職人員的罷免門檻經2016年修法後規定,罷免通過的門檻是「有效同意票數多於不同意票數,且同意票數達原選舉區選舉人總數四分之一以上」,即為通過,使得罷免通過機率大增,罷免提案也大幅增加,外界也開始檢討,選區內25%選民可決定通過罷免的門檻是否適宜。

立法院內政委員會排定在下週三7月3日舉行公聽會,並隨即在週四4日委員會中審查「公職人員選舉罷免法」,對罷免門檻拉高。
立法院內政委員會排定在下週三7月3日舉行公聽會,並隨即在週四4日委員會中審查「公職人員選舉罷免法」。(圖/立法院)

國民黨立委許宇甄也提案修法,除將門檻訂為「罷免同意票數須『超過』被罷免人當選得票數」,另還增加就職未滿1年者,不得提出罷免與搜集連署的規定;同時藍營內也有主張將四分之一提高至三分之一的意見,相關重點修法預計都將在週三公聽會中提出,並在週四委員會中審查。

不過值得注意的是,由於下週內政委員會主席是高金素梅,但高金近日才因健康問題入院治療並出院,辦公室表示尚不確定高金是否出席主持會議,因此若高金不出席支持藍營,屆時委員會再上演表決大戰,除高金席次外,委員會朝野席次將呈現「藍六綠六白一」,也就是民眾黨內政委員會立委麥玉珍的一票,將成為法案審查是否通過的關鍵。

更多FTNN新聞網報導
「調高門檻避免對立,綠委不要不知感恩」 王鴻薇:罷免門檻不動「綠委也逃不過危機」
罷免謝國樑啟動二階連署!藍提修法提高門檻 綠委批:明目張膽球員兼裁判
罷免門檻應高於當選得票?陳柏惟邀辯論 朱立倫回應了

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

褒揚令 表彰 海虎

罷免 謝國樑

巴奈 金曲

核電 修法

謝國樑 連署 門檻

香港 迪士尼

中時新聞網
EBC東森新聞
台視新聞網
新頭殼
海虎艦事故調查報告仍未公開 白委質疑「今日公祭、明天忘記」
海虎潛艦去年12月發生官兵落水死亡意外,賴清德總統今天頒發褒揚令,表彰殉職海虎軍艦士官長林俊榮、顏辰帆及張晁毓恪盡職守。不過,白委林憶君表示,整起事件背後真相仍黑幕重重,調查報告完成至今已隔數月,卻仍不見國防部公開,難道國防部是打算讓此事「今日公祭、明天忘記」嗎?
  • 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