《選罷法》修法能否出委員會成關鍵1席 民眾黨麥玉珍表態了
中天新聞網.2024年7月1日 15:21

國民黨立院黨團提議修《選罷法》,希望提高罷免門檻,立院內政委員會將在4日審議修正草案,力拚送出委員會進入二讀。日前民眾黨團表示,不會提出黨團的修正版本,立委麥玉珍也表態,「不贊成修法提高罷免門檻」。

國民黨團提出的修《選罷法》提高罷免門檻版本,能否出委員會民眾黨立委麥玉珍將成關鍵1席。(資料照/中天新聞)

內政委員會一共有14席立委,扣除召委無黨籍的高金素梅後,藍綠席次各為6席,而4日即將排審的國民黨團提出《公職人員選舉罷免法》修正草案提高罷免門檻,民眾黨立委麥玉珍就成為關鍵1席。

對此。麥玉珍今(1)日表示,黨主席柯文哲日前已經針對此議題3度表態,「不贊成修法提高罷免門檻」,因為這恐怕會如同《公投法》一樣,把人民罷免不適任政治人物的權利再度關進鳥籠。

麥玉珍續指,柯文哲強調《選罷法》當中的罷免制度設計,應該是一個「汰除機制」,而非是替政黨服務,訴諸仇恨和政黨動員,把人民當成政黨操作的工具,「故此,民眾黨反對『調高罷免門檻』的立場,也是我的立場!」

麥玉珍也提到,現行的《選罷法》罷免連署,的確也存在不合理之處,例如連署名冊不需要附上身分證影本,這就意味著任何人的個資都可隨意取得,有可能出現當事人不願意甚至是在不知道的情況下「被連署」,更會出現拿樁腳名冊直接抄寫,更別提過去發生不少次在連署開始前,連署人就已經亡故的「死人連署」離譜情況。

麥玉珍續指,對於《選罷法》罷免連署者的身分和方式應該更加嚴謹,例如可比照正副總統選舉連署,附上身分證影片,要杜絕罷免連署名冊浮濫抄錄的問題,防止政黨濫用罷免權,讓政黨的競爭惡化成鬥爭擴散至人民,製造國家混亂與政治對立。

民眾黨主席柯文哲日前3度表態不贊成修法提高罷免門檻。(資料照/中天新聞)

最後麥玉珍強調,自己將會在4日出席內政委員會,並正式表態「不贊成修法提高罷免門檻」。相信委員會立委都能理解民眾黨與她的立場,相互尊重。

延伸閱讀
《選罷法》修法吳秉叡突轉彎撤案 藍轟綠把修法當兒戲:難怪國家越來越亂
提高罷免門檻用意遭曲解 國民黨揭昔日3綠委版本轟雙標
柯建銘批修選罷法「白營地方議員恐全滅」 柯文哲反嗆:確定綠不會被罷免?

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

開放 中資

藍白 成立 電視

罷免 謝國樑

加嚴 吳秉叡

立院 成立 小組

選罷法 公聽會

太報
今日新聞NOWnews
匯流新聞網
台灣好新聞
幕後/民進黨新發言人「美女主播」韓瑩 舅舅是陳金德!
據悉,民進黨今(3)日下午將宣布新任發言人人事案,由前公視主播韓瑩出任。之後將由韓瑩與2位現任黨發言人吳崢、戴瑋姍,共計3人對外發言,持續強化對外論述,預計韓瑩最快本月就會加入「老闆要我開直播」陣容。民進黨今下午將召開中常會,預計會後轉述記者會上將公布此人事案,韓瑩也會現身說明。
  • 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