柯文哲兩次羈押庭為何結果不同 律師點出關鍵「檢察官太急」
中天新聞網.2024年9月6日 11:36

前台北市長柯文哲涉京華城案,第一次無保請回,第二次才被台北地院裁定羈押禁見。對此,經常在網路上評論時事的律師林智群也發表看完北院羈押裁定內容後的看法,並分析2關鍵原因。

柯文哲遭上銬收押禁見。(圖/塗豐駿攝)

柯文哲因台北市長任內的京華城容積率弊案,昨(5日)遭台北地方法院裁定羈押禁見,移送台北看守所。

由於柯文哲第一次是無保請回,第二次才被台北地院裁定羈押禁見,對此,律師林智群看完北院羈押裁定內容後,透過臉書發文表示,「1.檢察官第一次開庭時,放著圖利罪不強調,太急於主攻收賄罪。結果只能拿出100多萬元的不明金流,跟京華城200億元的利益差太多,開庭前嚇死人,開庭笑死人,收賄罪部分沒辦法說服法官,連穩穩的圖利罪也沒被採納。其實光是圖利罪就是5年以上重罪,不需要硬加法條,特別是相關金流無法證明的情況下,一直主張收賄罪,很難被法官買單;2.第二次開庭,檢察官改主打圖利罪,最後法官就以圖利罪羈押阿北。」

林智群分析說「結論就是,開庭時不能太貪心,先丟有把握的牌,沒把握的牌,日後證據收集充分後再戰。

延伸閱讀
網友用ChatGPT檢視柯文哲收押裁定書 AI發現「證據不明確」等5大潛在問題
《時代雜誌》AI百大影響力人物 魏哲家、黃仁勳、蘇姿丰上榜
柯文哲羈押禁見!郭正亮:圖利罪收押真的少見

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

凍結 總統府

媒體 宣傳 預算

雲林 中央

張啓楷 凍結 總統府

柯文哲 民眾黨

罷免 謝國樑

新頭殼
中天新聞網
TVBS新聞網
三立新聞網 setn.com
白委嗆凍結總統府預算》綠黨團:狹怨報復、民眾黨會更崩盤
[Newtalk新聞] 對於民眾黨主席柯文哲遭到司法羈押偵辦,民眾黨立委張啟楷喊出要凍結總統府預算,民進黨立院黨團幹事長吳思瑤今(16)日說,這就是狹怨報復,理性、務實、科學,不是你們柯文哲主席說的嗎?如果民眾黨立委是非理性的進行職權行使,他們的民調會更加崩盤。 民進黨立院黨團今日上午舉行輿情回應。 立法院下會期即將開議,將審議下年度中央政府總預算案。針對在野黨批評,民進黨政府下年度政府宣傳費用大幅增加,質疑圖利特定媒體,幹事長吳思瑤反駁,中央政府明年度宣傳經費增加5.91億元,增加第一名的內政部,增加2.39億元,集中在剛剛通過的打詐四法,強化全民視詐、防詐,向詐騙集團宣戰。請問國民黨反對國家一起來打詐嗎? 吳思瑤說,增加第二高的是交通部0.63億元,不要忘了剛通過道路交通安全設施條例、交通安全基本法,交通部門要全面宣導行人道路交通安全。增加幅度第三名是外交部4千9百萬元,在國際社會民主同盟對挺台抗中成為世界新顯學關鍵時刻,世界各國都在挺台灣,台灣當然要在外交作為趁勝追擊。在野黨磨刀霍霍要砍預算,但要說出理由。 民眾黨立委張啟楷認為黨主席柯文哲遭到總統賴清德司法追殺,喊出要凍結總統府
  • 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