謝國樑罷免案安全下庄?律師親揭「1超傷關鍵」
民視.2024年10月14日 12:37

政治中心/徐詩詠報導

國民黨基隆市長謝國樑日前在罷免案中成功脫身,該案不同意罷免票獲數8萬6014票,且有效票數中,不同意罷免票數多於同意罷免票數,投票結果為否決。不過,律師林智群在臉書上撰文分析,不諱言謝國樑未被罷免「不見得是好事」,並點出最大關鍵。


林智群昨(13)日晚間在臉書上發文,指出罷免失敗,對謝國樑也不見得「是好事」,更舉例民眾黨主席柯文哲在2018年差一點沒辦法連任,那個時候支持者都說還好他連任;結果柯文哲現在被挖出來的5大案,都是在第2任期發生。他進一步說:「謝國樑2022年拿95000票,這次拿到85000票,代表國民黨跟謝家的選舉系統是有在動員的!大家應該知道選舉很花錢的,選一個議員,沒1000萬沒辦法,選立法委員,沒幾千萬元沒辦法,選市長,金額只會更高。」

謝國樑「罷免Pass = 安全下庄」?律師親揭1超傷關鍵:不見得是好事
罷免團體昨日宣布罷免謝國樑失敗。(圖/民視新聞資料照)

他解釋:「政治人物都有一個選舉帳,謝國樑花那麼多錢選市長,難道只是為了一個月14萬市長的薪水嗎?現在的問題是,當謝國樑出了一堆包,搞到被罷免,還成案,變成要投票,他就要花錢了。」林智群舉例,基隆市區一堆謝國樑看板,要花錢;辦選前之夜,動員一堆人搭遊覽車到場,要花錢;到每個里辦說明會,請人家吃吃喝喝,要花錢。他形容謝國樑等於是1任4年,花了2次選舉經費,是原本1任市長選舉預算的2倍。

謝國樑「罷免Pass = 安全下庄」?律師親揭1超傷關鍵:不見得是好事
律師分析,謝國樑未被罷免並非壞事,也點出他1任市長就用掉2任的選舉經費。(圖/民視新聞資料照)

林智群點出:「如果謝國樑是一心為人民服務,沒想過回收選舉成本,那就沒問題,如果不是,以後奇怪標案只會越來越多,不會變少,然後檢調在旁邊虎視眈眈。你以為他贏了,其實他多花了一次選舉經費,而且沒有選舉補助款。」



原文出處:謝國樑「罷免案Pass = 安全下莊」?律師親揭1超傷關鍵:不見得是好事

更多民視新聞報導
鍾小平"違規喊話"涉違選罷法 最高恐面臨200萬罰鍰
LIVE/保住市長大位 謝國樑發表談話
罷樑案開票結果「謝國樑驚險過關」 權威解析看這裡

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 講話

罷樑案 登場

罷免 謝國樑

中共 軍演

謝國樑 罷免案

基隆 罷免

中天新聞網
中時新聞網
三立新聞網 setn.com
中天新聞網
「利劍-2024B」為何選在破曉出動?陸專家分析:「由訓轉戰」氛圍濃
中共解放軍東部戰區今無預警發起「聯合利劍-2024B」圍台軍演,大陸軍事科學院研究員付征南表示,共軍這次行動一個新特點是「全天候」,實戰氛圍更加濃厚。他透露,此次參與演練任務的部隊聯合編組是在夜間就發起軍事懾壓行動,隨時可「由訓轉戰」。
  • 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