國民黨喊修選罷法惹議!吳思瑤轟藍營「鷹派抬頭」 質疑挑戰憲法
民視.2024年10月15日 12:35

 即時中心/高睿鴻報導

立法院朝野黨團近日的衝突態勢持續升級,尤其在基隆市長謝國樑罷免案投票落幕後,在野陣營打算更動《選罷法》、提高罷免難度;但此舉遭執政黨反對,故外界預料,3黨之間即將為此開展激烈的議事攻防。民進黨立委吳思瑤今(15)天受訪時感嘆說,「國民黨內部真的是鷹派抬頭」,並也指出,修法方向無論是要求檢附身分證、或加註發證日期,都是添加民眾行使罷免權的難度,挑戰憲法賦予人民的權利。

吳思瑤先是痛批,大家原本以為,國民黨在謝國樑罷免案當中,已看到多少的黨內立委、黨政高層,為了保護謝國樑而「全黨救1人」;而藍營在此過程中,也一再呼籲台灣不應出現「復仇式罷免」,豈料罷免案結束後,現在又傳出磨刀霍霍、劍指數位民進黨立委,打算朝「惡罷」方向下手。吳思瑤質疑說:「這不是才說了嘴,又自己打了嘴?」。

她接著說明,憲法賦予的罷免權其實有兩個重點。首先,罷免是由人民發動的權利,而非政黨操控政治的工具。所以發動者應是人民,而非政黨。其次,發動罷免的目的,應是人民針對不適任的民代或首長,提出相對應不信任罷免選舉。但現在,國民黨則是不明就裡亂點一通,「以為罷免是在亂點鴛鴦譜?」。吳思瑤接著又怒問說:「請問這些被鎖定的民進黨立委,哪個涉入弊端?哪個表現不適任?」。

快新聞/國民黨喊修選罷法惹議!吳思瑤轟藍營「鷹派抬頭」 質疑挑戰憲法
民進黨立委吳思瑤。(圖/民視新聞)

吳思瑤續指,以她自己而言,已經在北投天母服務這麼多年,地方服務可說相當扎實;且就在本周,她才再次接受公民評鑑優秀立委,完成第11次上榜的紀錄。所以她認為,國民黨想提罷免,根本不是為了人民的權利發聲,而是完全政治性的報復性為。因此她說:「國民黨不要說了嘴又打了嘴,選罷法修法也呼籲藍白懸崖勒馬,不要拿人民權利開刀!」。

吳思瑤強調,選罷法本身就是高度政治性、對立性、爭議性的法案,並且無論是要求檢附身分證、或加註發證日期,都是增添人民行使罷免權利的難度;但罷免權其實是憲法賦予人民的珍貴權利。

原文出處:快新聞/國民黨喊修選罷法惹議!吳思瑤轟藍營「鷹派抬頭」 質疑挑戰憲法

更多民視新聞報導
週刊爆柯文哲令「橘子」帶錢離境 民眾黨怒轟:嚴厲譴責不實報導
收威京錢擋京華城停工? 秦慧珠:王鴻薇、徐巧芯與中工也有互動
153架次中國軍機擾台「創單日新高」 國軍派出任務機嚴密監控

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

國安 會議 擺拍

罷免 謝國樑

捷克 論壇

國安 會議

中共 發動

國防部長 應變

FTNN新聞網
中天新聞網
中天新聞網
太報
中共軍演!內政部:未來招募「40萬民力」不會參與任何軍事武裝作戰行動
[FTNN新聞網]記者陳弘志/台北報導中共解放軍東部戰區今(14)日閃電宣布對台灣實施「聯合利劍-2024B」演習,再度「包圍台灣」。內政部今天表示,未來招募的...
  • 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