「製造國家動盪還樂此不疲!」民眾黨國慶前開嗆綠營:前後任總統難辭其咎
風傳媒.2024年10月9日 20:17

明(10)日是國慶日,總統賴清德將發表首次國慶文告,民眾黨今(9)日發出聲明表示,賴清德上任5個月來,人們看到的是關閉對話、拒絕理性務實溝通、逐步走向獨裁一言堂的政黨;是與側翼結合,打擊政敵,在人民之中製造分裂的執政黨,製造國家動盪還樂此不疲,執政黨的角色嚴重錯置且扭曲,前後任總統都難辭其咎。

民眾黨表示,明天就是中華民國的生日,歡慶雙十國慶,民眾黨要提前祝賀所摯愛的寶島台灣「生日快樂、國泰民安」,在這個國家重要的日子,民眾黨8席立法委員將全體出席中樞國慶大典,與關注台灣未來的人們、與心繫台灣的海內外僑胞,共同以行動號召團結,攜手促進台灣的民主、法治、多元、進步,邁向堂堂而立。

民眾黨提到,回顧立國百年,台灣人民篳路藍縷,攜手打下令世界驚豔的經濟、民主奇蹟,曾經,台灣人昂首闊步、為自己驕傲喝采;如今的台灣人依舊努力不懈,卻苦無國家方向明確政策引領。台灣的能源轉型速度緩慢、國債警鈴大作、高齡少子國安危機、居住正義與社會公義無法彰顯,司法與媒體亟待改革,在在都讓人們焦慮不安,人民期待一個將國家利益放在個人及政黨利益之上的領導人,能再一次引領亞洲民主先驅、自由之島台灣,走向繁榮共好。

批賴政府製造國家動盪 民眾黨:執政黨角色嚴重錯置且扭曲

民眾黨指出,遺憾的是,賴清德上任5個月來卻反其道而行,從國會改革法案,民進黨煽動民粹、不尊重法治國精神,4機關同步提請聲請大法官釋憲,傾全力反改革;到重要人事提名用人唯親,只問顏色不問能力,考試院、大法官、國家通訊傳播委員會(NCC)到內閣首長,淪為酬庸及平衡派系政治工具;賴政府扛著前任的包袱與民主進步黨的神主牌,無力斬斷光電舞弊叢生、放任能源轉型捅出國家級財政大窟窿、助長電價與通膨,對人民的苦楚視若無睹。

民眾黨批評,為了轉移焦點、遮掩其執政不力的事實,民進黨視監督制衡、權責分立如敝屣,巧妙運用司法、媒體、側翼謠言等多重武器,無所不用其極的攻擊在野黨、惡意罷免攻訐他黨地方首長,製造國家動盪還樂此不疲。執政黨的角色嚴重錯置且扭曲,前後任總統都難辭其咎。

民眾黨表示,民眾黨期盼賴清德首次國慶談話,能正視台灣的憲政與民主危機,能展現氣度與高度,不以戲謔的言語、不以選票為考量消費兩岸關係;期待總統文告,不只是各種文青詞藻堆疊,而要以實際的行動,帶領國家回歸正軌;期待賴清德走出少數執政的焦慮,不再讓台灣在政治鬥爭裡虛耗;期待賴清得以更大的智慧與包容,使台灣人民重新信賴政府,請認真且努力的,做全台灣人民的總統。

更多風傳媒報導

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

賴清德 中華民國

韓國瑜 祖國論

捍衛 賴清德

謝國樑 投票

和解飯 登場

罷免 謝國樑

臺灣時報
今日新聞NOWnews
新頭殼
TVBS新聞網
  • 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