公權力的道德考驗
中時新聞網.2024年10月5日 04:10

(圖/本報系資料照)

 京華城案沸沸揚揚,人們經常討論的就是對價關係,檢方也從這個角度切入,想耙梳出相關人等的「金流」。追本溯源,實因政府機關掌握的公權力巨大,容積率的核定牽涉到上百億元的出入,而掌管權力的公務員,月薪在數萬到十數萬元之間,巨大的權力與相對微薄的薪酬之間的不對等引來了道德災變,把持不住的,公務員被動收賄;食髓知味者甚至主動索賄,玩法弄權,藉端藉勢,壓迫人民、宰割廠商,淪落到道德熔斷。

 俗話說:「官不在大,有管就行」,也因此,警員與稅務員經常受到「道德風險」的考驗,屬於顯性對象,政府機關也設有政風單位或內部稽查予以防範。

 另方面,政務官的從政目的經常是「與民牟利」、「為民興利」,拿捏之間須依法行政,但政府法規通常防弊重於興利,綁手綁腳。民選的縣市長與民代經常要打破這些條條框框,才能贏得選民的愛戴。而選舉燒錢,在這過程中,原本想為人民興利除弊的美意卻可能遭逢道德風險的考驗,而中央與縣市政府中都設有一個機關為政務官把關,那就是「研考會」。

 「研考會」全名為「研究發展考核委員會」,執掌各部門政策整合與分工,長官若能善用,能起很大的作用。例如,蔣經國先生擔任行政院長、陳水扁擔任台北市長及中華民國總統第一任時都很能重用善用,因而改造政府,也推出新政策。但如若將之投閒置散,其功能也就聊備一格,有人戲稱為「聾子的耳朵」。

 柯文哲擔任台北市長任內若有善用研考會,或可避免目前京華城疑案的處境。根據「無罪推定原則」來想像柯市長,當初起心動念或許是想要藉民間提議的京華城改建案來翻轉南松山地區,增加城市韌性,或成為智慧城市、永續城市的新標竿。市長的標準的作法應該是由研考會先行「研究」,再來進行「發展」,完備法律,進而整合政府的人事與組織,然後施行,並根據所擬定計畫進行追蹤管考。

 這「研究、發展、考核」就是研考三部曲,柯市府如果經過這樣的步驟,不僅會合規合法,也實質完成「程序正義」,今天柯市長及副市長等人也不至於「跳到黃河洗不清」。

 總結而言,有三個不對等造成道德危難:一、資訊與知識的不對等,二、權力不對等,三、報酬不對等。市長、公務員、議員與廠商彼此分別處於上述各條件翹翹板的兩端,很容易失去平衡,最遭的狀況就是道德熔斷。京華城案淪落到哪個程度還有待法院分曉。(作者為前台北市研考會主任委員)

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

颱風 標準

蟒蛇 戰略

總預算 韓國瑜

雷神 高報 軍售

朝野 和解飯

巨蛋 晚會

太報
中時新聞網
中天新聞網
TVBS新聞網
藍委諷颱風預報「像射飛鏢」 卓榮泰反駁:氣象署預測相當準確
行政院長卓榮泰今(10/4)天到立法院備詢,國民黨立委羅明才在質詢批評,颱風山陀兒帶來許多災情,人民收到的訊息都不一樣,氣象署從幾天前說會破紀錄,最後不斷修正變化,如孫悟空七十二變,一年花了幾十億弄得像射飛鏢,卓榮泰則反駁,氣象署預測相當準確。
  • 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