高虹安助理費遭重判 柯文哲坦言:心情很亂
今日新聞NOWnews.2024年7月27日 13:13
▲高虹安涉詐助理費遭判刑7年4個月,民眾黨主席柯文哲坦言心情很亂。(圖/民眾黨提供)

[NOWnews今日新聞] 新竹市長高虹安,遭控於擔任立委期間,涉嫌詐領助理費達新台幣46萬餘元,台北地檢署偵結,依貪汙、偽造文書等罪起訴,台北地院一審宣判昨日結果出爐,判刑7年4月,一審結果出爐後內政部也立即將高虹安停職,由副市長邱臣遠代理市長。對此,民眾黨主席柯文哲今(27)日坦言心情很亂,但他仍相信高虹安是清白的。

柯文哲今日參加宜蘭關懷在地「旅程很眾要」首發團活動,並於出發前接受訪問。媒體詢問高虹安自動退黨是否是不要讓柯文哲為難?柯文哲嘆一個口氣後表示,「我猜她心情很亂,我也很亂」,他半夜有發Line給他,會找時間和高虹安談一談,討論下一步該怎麼做。柯文哲坦言,高虹安之前也有和他討論退黨之事,並說「不會為難你。」

柯文哲稍早臉書發文是否有心疼高虹安嗎?是否評估對民眾黨有什麼創傷?柯文哲說,傷害一定會有,民眾黨成立至今每天都在風雨飄搖中渡過,但不怕困難,但是要有能力克服就好了。

媒體問根據地方制度法,若高虹安涉貪案三審定讞,或請辭,若市長職位剩餘2年內,將由中央指派代理市長,是否會擔心「整碗被綠營端走」?柯文哲回應說,「這應該也是在民進黨規劃當中」,因為事出突然,民眾黨內部也要討論下看要怎麼應付。

外界認為高虹安應該主動請辭市長職務,不該停職領半薪,柯文哲則說「還有半薪嗎?我不知道」選舉當然不是選一個人,而是選舉一個團隊,會把代理的邱臣遠找來,看他需要哪些協助,還是把市政做好。

媒體追問當初找邱臣遠當新竹副市長,是為了補選布局?柯文哲說,坦白說,過去邱臣遠跟高虹安在立院共識,兩人默契應該最高,人事他也是事後才知道,應該是高虹安自己選。

柯文哲也強調相信高虹安清白,並進一步表示,這叫潘朵拉的盒子,立院助理費跟薪資達成率97%,大家都把助理費領好、領滿,事情發生應該會去檢討立院制度那些應該要改,要不然立委的助理哪天偷偷copy帳目,去檢舉,每一個立委人人自危,與其這樣不如制度化、正常化。

更多 NOWnews 今日新聞 報導
嘆「讓年輕人遭到傷害」 柯文哲:支持高虹安上訴爭取清白
助理費案一審重判7年4月 高虹安震驚:將提上訴盼二審還清白
助理費案一審重判7年4月!黃國昌:支持高虹安上訴爭取清白

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

北海道 考察 黑熊

鄭文燦 涉案

京華城案 羈押

國賓 容積率

應曉薇 涉收 沈慶京

賴清德 勗勉 澎湖

FTNN新聞網
中天新聞網
TVBS新聞網
三立新聞網 setn.com
藍委質疑赴日棕熊區考察黑熊保育 監察院回應了
[FTNN新聞網]記者劉秀敏/台北報導國民黨立委羅智強今(7)日質疑,監察院明年編列一筆31.5萬的預算,預計派員至日本北海道考察日本黑熊保育,質疑與監察院核...
  • 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