朝野僵局怎化解?羅智強:在賴清德一念之間
今日新聞NOWnews.2024年10月11日 09:56
▲羅智強認為,要化解朝野僵局,始作俑者的行政部門就應該先拋出和解的三大橄欖枝,主動權就在總統賴清德手上。(圖/記者葉政勳攝)

[NOWnews今日新聞] 114年度中央政府總算案卡關,立法院長韓國瑜受行政院長卓榮泰「協調請託」,今(11)日將與朝野黨團三長進行「和解飯」。對此,國民黨立委羅智強認為,要化解朝野僵局,始作俑者的行政部門就應該先拋出和解的三大橄欖枝,主動權就在總統賴清德手上,「要不要遞出去,都在您的一念之間。」

羅智強今日在臉書文,先是感謝韓國瑜給了一個滿滿中華民國國旗的中華民國國慶,「我希望賴清德總統,可以學習,除了口頭上說到了中華民國有沒有像韓國瑜一樣真心誠意的愛中華民國?」他也針對賴清得國慶致詞提出3問,「賴總統在昨天國慶演說上說,人民想要當家作主的願望終於實現。我想請問賴總統,人民反廢死要正義、挺核能反空污的願望,實現了嗎?賴總統也說,雖然深知彼此意見有所歧異,但始終願意攜手前進。我想請問賴總統,立法院邀請您來國會進行國情報告,您來了嗎?賴總統還說,國家要團結、社會要安定,感謝韓國瑜和卓榮泰開啟朝野合作,促成朝野黨團會商。我想請問賴總統,韓院長昨天當面呼籲您尊重國會改革法案,打造一個所有官員都負起責任,不造假、不隱瞞、不推諉體制的建言,您聽了嗎?」

羅智強指出,賴清德說得很好,國家利益永遠高於政黨利益、政黨利益不能凌駕人民利益。「但我就想請問賴總統,為什麼親近執政黨的媒體,8年可以拿95億標案,不親近執政黨的媒體,卻要被罰錢關台?漂亮話講得很好聽,也要把事情做得漂亮!」解鈴還需繫鈴人,要化解朝野僵局,和解飯當然可以吃,但如果只是想把球踢給韓院長,那就太算計了。

羅智強續指,要化解朝野僵局,始作俑者的行政部門就應該先拋出和解的三大橄欖枝,就是禁伐補償、健保點值、公糧收購,就要依法編列、尊重立法;要化解政治對立,始作俑者的民進黨就應該先尊重民主、放棄惡罷。法院已經四度打臉民進黨,還謝國樑清白。請賴主席命令林右昌秘書長停止作亂,還基隆一個乾淨善良的治理環境。「拋出橄欖枝,化解朝野僵局與政治對立,主動權就在賴清德總統手上。要不要遞出去,都在您的一念之間。」

更多 NOWnews 今日新聞 報導
評分國慶致詞!他曝韓國瑜比賴清德多了這1樣:令人印象深刻
陳水扁卸任後首度獲邀出席國慶大會 游盈隆:特赦議題再浮上?
賴清德國慶演說猛盯讀稿機?媒體人曝原因:像個被罰背書的小學生

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

馬英九 出席 大典

化解 總預算案

覆議 原民

化解 朝野

馬英九 大典

引新聞
民視
TVBS新聞網
民視
九九重陽節 賴清德視導桃園榮家訪慰榮民
(記者林富貴/綜合報導)今(11日)是九九重陽節,總統賴清德特地訪慰桃園榮家,除參觀榮家工作實況並給予基層員工 […]
  • 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