藍白擬開第一槍「查媒體」!劍指7名大法官 國民黨反感度居冠
三立新聞網 setn.com.2024年7月2日 20:20

記者廖品鈞、黃澄柏 / 台北報導

國會擴權法釋憲案還在進行當中,藍白就爭相用爭議法案來揭弊,就在民眾黨立委黃國昌7月1日宣布,7月12日要成立調查委員會查媒體之後,國民黨立委陳雪生也急著變更議程,7月3日要在交通、司法委員會的聯席會成立媒體調查小組。藍白搶著開第一槍,民進黨質疑恐怕徒增社會不信任。根據最新民調也顯示,國民黨的好感度居末,反感度則是最高。

國會擴權法朝野釋憲戰持續開打,國民黨再出招,劍指7名大法官跟民進黨關係密切,恐怕影響釋憲結果。

國民黨立院黨團副書記長王鴻薇:「黃瑞明大法官他的妻子就是著名的尤美女前立委,林明昕的論文,他的指導教授就是許宗力,許宗力應該在這次的釋憲案裡面申請迴避。」

民眾黨立院黨團總召黃國昌:「什麼時候要迴避,什麼時候不用迴避,憲法訴訟法有明確的規定。」

但國會擴權法是否涉及違憲還沒確定,藍白就搶著行使國會聽證調查權。黃國昌7月1日才喊出,7月12日成立調查委員會,調查鏡電視後,國民黨立委陳雪生也急著變更議程,打算7月3日在交通、司法聯席會上,成立鏡電視申設弊案調查小組,爭相開第一槍。

國民黨立院黨團首席副書記長林思銘:「我們在上個禮拜就已經開會做決定。」

民眾黨立院黨團總召黃國昌:「倒不會用搶不搶這種方式,最重要的事情是,發揮國會聽證調查制度的功能。」

民進黨立院黨團副幹事長洪申翰:「你用一個擴權的工具,只是徒留過程上面的爭議,跟未來社會的不信任而已。」

砲轟藍白使用涉及違憲法規查弊,而根據美麗島電子報最新民調也顯示,三黨好感度民進黨49.2%居冠、國民黨34.4%、民眾黨34.7%,反感度民進黨40.9%、國民黨54.0%、民眾黨50.5%,藍白反感度都過半,國民黨則是反感度第一,好感度也敬陪末座。

民眾黨主席柯文哲:「你們要上統計學誤差的判讀嗎?(所以你覺得是誤差範圍)沒有啦,那個都很少啦。」

國會擴權法爭議加上罷免案未歇,人民怒吼都反映在民調上。

更多三立新聞網報導
罷免連署「比照大選」附身分證影本 黃國昌挨轟自打臉
罷樑連署破4萬份!謝國樑奔黨中央「研擬策略」 吳思瑤:請鬼拿藥單
讓青鳥世代了解國民黨地方派系!民進黨啟動第二階段宣講「反黨國復辟」
拆樑若成案高嘉瑜喊做好準備 賴士葆酸「想得美喔」:基隆選有票嗎?

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

占領 委員會

蘇巧慧 參選 新北

中資 建設

委員會 修正

徐巧芯 綠委

三立 洗錢 主嫌

今日新聞NOWnews
中時新聞網
FTNN新聞網
民視
綠委佔主席台!藍委痛批:癱瘓國會拒絕討論
[NOWnews今日新聞]立法院內政委員會今(4)日初審《公職人員選舉罷免法》修正案,但民進黨立委一早就到會議室,占領主席台拒絕開會。國民黨隨後到黨團開記者會,黨團總召傅崐萁批,民進黨過去常喊,沒有討...
  • 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