藍委告發軟禁議事人員 柯建銘:更換會議室才是非法
中央社.2024年7月4日 18:59

(中央社記者王承中台北4日電)立法院內政委員會今天排審選罷法修正草案,國民黨立委遞狀告發民進黨立委涉嫌強制等罪。民進黨立法院黨團總召柯建銘指出,「有這種行為嗎?」換會議室要在原所屬會議室宣告,沒有這樣做就是非法宣告,所召開會議也是非法集會。

立法院內政委員會今天排審選罷法修正草案,國民黨立委提案提高罷免門檻,民進黨立委上午發布甲動,搶在會議開始前就占領主席台一整天。高金素梅下午在群賢樓101會議室指出,這是非常惡意的杯葛,她體恤議事人員的無奈,宣布散會,8日將繼續排審。

國民黨立委認為民進黨立委囚禁議事人員,黨籍立委林倩綺、王鴻薇、徐巧芯、許宇甄與徐欣瑩下午4時許前往台北地檢署,遞狀告發民進黨立委涉嫌強制罪、妨害自由及妨害公務罪。

高金素梅宣布散會後,柯建銘下午4時許在紅樓202會議室受訪表示,他已經讓議事人員先行離開,今天的會議很清楚,正式議場就是在紅樓202會議室,國民黨立委在群賢樓101會議室開會,那是非法行為。

媒體詢問對國民黨團到北檢控告民進黨團綁架議事人員的回應,柯建銘反問,「有這種行為嗎?」如果委員會要換會議室,就要先在原所屬的會議室宣告,高金素梅在走廊宣告更換會議室,是非法宣告,召開的會議也是非法集會。

柯建銘強調,內政委員會開會場所就是在紅樓202會議室,立法院議事人員也在紅樓202會議室,民進黨認定高金素梅在群賢樓101會議室的會議,是無效的。

對於高金素梅宣布8日會繼續排案,柯建銘表示,排案是召委的權利,當天會議狀況會如何,等到8日再來講,民進黨團的最大原則,就是絕對不容許國民黨沒收罷免、沒收民主。

他指出,過去國民黨用目前這個遊戲規則,罷免過前立委陳柏惟、林昶佐及當時擔任市議員的民進黨立委黃捷,現在國民黨立委怕被罷免,就翻桌要修法,讓人民的權利變成只有選舉、沒有罷免,民進黨絕對不會接受。

今天列席內政委員會的內政部長劉世芳受訪表示,行政系統尊重立法院的議事攻防,但可看出,各立委提出的選罷法修正草案,並沒有凝聚共識,一整天的朝野攻防都集中在哪個地方開會,沒有討論選罷法的相關內容,顯示這是政治性非常強的法案。

劉世芳指出,當朝野黨團都沒有凝聚共識,如果要強行修法通過,只會造成大家的歧見,立法院如果8日還要繼續排審,她尊重也會列席,看朝野能否凝聚共識。(編輯:林興盟)1130704

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

生日 涉貪

土地 收賄

生日 桃檢聲 禁見

桃園 涉貪

董事長 貪污

土地 弊案 收賄

FTNN新聞網
今日新聞NOWnews
CTWANT
民視
新自強號出軌案「監控員上廁所漏看土石流」 台鐵走向改革螺絲能跟著拴緊?
[FTNN新聞網]記者盧逸峰/特稿4月初花蓮強震造成花東多處災情,除了重創觀光也造成地質不穩,6月起台鐵北迴線已經3度因為土石流或落石意外導致中,其中在6月2...
  • 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