藍防罷免欲修法提高門檻 柯建銘盼「懸崖勒馬」:否則將把謝國樑送上斷頭台
太報.2024年7月1日 11:33
民進黨團記者會,左起吳思瑤、柯建銘、莊瑞雄。廖瑞祥攝
近期網路陸續出現罷免國民黨立委的聲浪,國民黨立院黨團遂提案要修法,提高罷免門檻,立法院內政委員會7月3日將召開《公職人員選舉罷免法》修正公聽會,7月4日排入審查。對此,民進黨立院黨團總召柯建銘今(7/1)表示,國民黨應「修正主張」以符合民意,而非「修法」,這是本末倒置,恐怕最後會滅頂,希望懸崖勒馬,否則是自尋死路,並把基隆市長謝國樑送上斷國台。

民進黨立院黨團今召開輿情記者會。柯建銘舉例,2021年10月23日罷免陳柏惟成功,後來民進黨團成員有人提案修法,但他說過:「不能昨天輸了,今天要翻桌」,因為法是大家共同通過,就要奉行,這是民進黨一貫的政治主張。

柯建銘表示,國民黨不要頭痛醫腳,倒行逆施,這樣更麻煩,國民黨要知道被罷免的原因,並質問:「難道不是你毀憲亂政、一權獨大、亂權擴權,造成全民的恐慌?」他說,大法官已經受理國會改革法釋憲,藍白合作沒收民主,這是國會不能容許的,為何人民會站出來,藍營要找出原因。

柯建銘指出,立法院目前太多重大衝突性法案,剝奪行政院人事權、NCC組織法、喪失預算主控權,上週又推出要修《老人福利法》65歲以上免健保費,一次就要300多億,未來還要更多,整個將拖垮國家財政,而且完全違反憲法、大法官解釋。他直言,藍白毀憲亂政,再加上實質性法案綁著無法施政,兩者相加如同雙颱,共伴效應下,國民黨肯定滅頂,民眾黨自己要小心。

至於國民黨大張旗鼓舉行記者會,反批民進黨也曾有人主張修《選罷法》,民進黨立院黨團幹事長吳思瑤則說明,當時是在陳柏惟之後提案,民進黨團的態度清楚,柯建銘就定調,不能因為昨天選輸今天就翻桌,最後連委員會排審都沒有,沒讓這樣的修法進入審議討論;民進黨立院黨團書記長莊瑞雄則強調,民進黨團立場沒變,就是「當莊的不要詐賭,輸的人也不要翻桌」。

更多太報報導
罷樑第2階段連署估破4萬逾門檻 藍營擬反擊鎖定罷免5綠營議員
藍啟動「固樑」!黨中央明與謝國樑開會研商 專案小組隨時進駐
《選罷法》下週排審、柯文哲籲罷免連署要更嚴謹 吳思瑤批:變相沒收罷免權

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

選罷法 修法 吳秉叡

國會 釋憲

罷免 謝國樑

選罷法 修法

馬英九 賴清德

孫曉雅 獎章

太報
中天新聞網
今日新聞NOWnews
三立新聞網 setn.com
慶祝中央社一世紀 蕭美琴:紀錄東亞局勢百年變遷「華文媒體」非常難得
中央社邁入成立100年暨改制28週年,今(7/1)上午在台北漢來大飯店舉行「當今新聞界的挑戰與因應」國際媒體論壇,下午舉辦「百年轉身‧自由永續」酒會,副總統蕭美琴、行政院長卓榮泰皆出席酒會。蕭美琴指出,親身見證、紀錄整個東亞局勢、百年變遷的華文媒體,是非常難得,她謝謝大家共同慶祝一世紀的中央社,也祝福中央社100歲生日快樂。
  • 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