柯文哲為何不挺罷免謝國樑?黃暐瀚揭關鍵
今日新聞NOWnews.2024年7月5日 15:03
▲黃暐瀚曝柯文哲不支持罷免謝國樑的原因。(圖/資料照片)

[NOWnews今日新聞] 國民黨推《公職人員選舉罷免法》修法,民進黨批藍是為了搶救面臨罷免危機的基隆市長謝國樑,才推動的自肥法案。而過去在多個法案與國民黨合作的民眾黨,此次不贊成調整罷免門檻,並表示會提出民眾黨版本的修法草案;不過另一方面,民眾黨主席柯文哲卻表示「不支持罷免謝國樑」。對此,資深媒體人黃暐瀚認為,柯文哲之所以表示不支持罷免謝國樑,是因為基隆市副市長是台灣民眾黨的邱佩琳,且基隆市的推廣大使是前民眾黨發言人楊寶楨。

黃暐瀚在《NOWnews今日新聞》自製的網路節目《鄉民大學問》指出,他認為罷免謝國樑要成功很困難,原因是民進黨即使在地方選舉、總統大選多次勝選,但在基隆的票數都不算高,罷免謝國樑成功門檻需要約「7萬6000票」,但謝國樑在競選基隆市長時,可以拿到9萬6000多票,與罷免門檻相差2萬多票以上。而民進黨兩次基隆選舉,2022市長選舉,蔡適應僅拿「7萬1000多票」、2024立委選舉,鄭文婷也只拿6萬9000票,都比罷免門檻還低。

至於為何柯文哲表示不支持罷免謝國樑,黃暐瀚認為,因為基隆市副市長是台灣民眾黨的邱佩琳,且基隆市的推廣大使是前民眾黨發言人楊寶楨,尤其是邱佩琳和柯文哲是非常熟的,所以民眾黨是不會支持這次罷免案,這也是他評估謝國樑罷免案的票數,藍白看起來應該都會動員不投票,這也是謝國樑罷免案不容易的原因之一。

更多 NOWnews 今日新聞 報導
2艘中國航母在台周邊測試 前空軍副司令揭「最可怕1事」
中國無人機飛越南竿機場 前飛官8字怒轟顧立雄:是個大破口
綠營杯葛選罷法 許宇甄怒批民進「擋」:賴清德別再搞雙標

看更多相關新聞
「拆樑」查對提前10天?中選會舉3罷免案例:絕無差別待遇
謝國樑為何成了罷免目標? 藍委分析:欲操作「骨牌效應」帶起明年大罷免潮
高虹安比謝國樑危險?黃揚明剖析罷免動員率:「拆樑」比「罷安」難度更高
罷免謝國樑連署書4.3萬份送基隆選委會審查 拆樑行動民團:有信心過關

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

海基會 涉貪 行為

生日 桃檢聲 禁見

桃園 涉貪

董事長 貪污

桃園 羈押

鄭文燦 生日 涉貪

民視
中天新聞網
台視新聞網
三立新聞網 setn.com
鄭文燦傳涉貪500萬交保 學者列關鍵3點:缺1項檢方就是濫權
政治中心/徐詩詠報導前桃園市長、海基會董事長鄭文燦,傳出因涉及違反貪汙治罪條例,今(6)日凌晨遭到檢方聲押禁見,後續法院裁定500萬元交保,且限制住居、限制出境出海,檢方後續則提出抗告。對此,旅美教授翁達瑞在臉書評論此案,並列出3點,直言若上述條件只要缺少1項,那檢方就是濫權,且有涉入政爭嫌疑。
  • 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