罷免當遮羞布?她揭林右昌基隆市政3缺失:都謝國樑善後
中時新聞網.2024年6月26日 00:10

李彥秀強調,林右昌(右)擔任基隆市長時期的市政缺失,都是現任市長謝國樑(左)在收拾善後。(示意圖/資料照/黃世麒攝)

基隆市府與大日公司因東岸商場爭議對簿公堂,基隆地院21日判決大日敗訴,基市府免付東岸商場5千萬增建費。而民進黨秘書長林右昌則於週末親自帶隊在基隆進行「反國會改革」宣講。林右昌子弟兵、民進黨議員張顥瀚深夜宣布,提供罷樑連署服務,為民進黨介入罷免開第一槍。國民黨立委李彥秀質疑,民進黨為罷免添柴火,親下指導棋不演了,難道當成林右昌基隆市政缺失的遮羞布?但既然大日敗訴,罷免就該收手。

李彥秀25日在臉書發文表示,基隆東岸廣場爭議,大日公司敗訴的法院判決理由證明,謝國樑市長捍衛市府財產依法有據,但民進黨秘書長林右昌為掩蓋自己在基隆市府任內缺失,要求子弟兵發動服務處協助連署,政治操作的痕跡明顯。

「這樣的行徑,證明民進黨有兩個不演了。」李彥秀指出,第一個不演了:反國會改革的宣講,就是為了後續推動罷免添柴火,都是為了民進黨的政黨利益,而不是人民的權益!第二個不演了:先用原本躲在公民團體身後的民進黨不演了!林右昌下指導棋,民進黨議員協助衝連署,證明罷免謝國樑的公民團體,滿滿都是民進黨的痕跡。

李彥秀強調,賴清德把攻擊當做是凝聚民進黨團結的政績,對比前總統陳水扁、蔡英文意圖當全民總統,賴清德則到處放火,變成「放火內閣」,啟動選舉的模式,嘴巴說要拚人民的幸福、拚經濟,但民進黨從中央到地方全面啟動放火模式;賴清德直接站在第一線,拚民進黨的政治利益、賴清德個人的政治利益,但犧牲全民利益。

「林右昌急於推動罷免謝國樑,難道是為了要遮掩林右昌擔任市長時期的市政缺失嗎?」李彥秀質疑,包括基隆田徑場波折多,3年未完工;基隆城際轉運更是足足讓基隆市民等了五年,一直到今年七月謝國樑任內才啟用;基市美術館工程缺失高達363項,廠商遭罰314萬等,這些林右昌的市政缺失,都是謝國樑在收拾善後,林右昌卻急於罷免謝國樑,難道是將罷免謝國樑當成自己市政缺失的遮羞布嗎?

「大日已經敗訴,罷免就該收手!」李彥秀直言,林右昌應該還給基隆市政府好好推動市政的空間。相信基隆市民的智慧,最終會還給謝國樑市長一個公道與正義。

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

韓國瑜 邀約 朝野

賴清德 綠委

民進黨 高雄

社會 防衛 韌性

賴清德 全勤令

韓國瑜 和解飯

菱傳媒
中天新聞網
中天新聞網
中天新聞網
韓國瑜邀朝野吃「和解飯」時間曝 傅崐萁、黃國昌已答應出席
(菱傳媒/台北報導)中央政府總預算案卡關,行政院長卓榮泰、立法院長韓國瑜為化解僵局,兩人昨喝了一杯「溫暖的咖啡」,韓國瑜並表達意願,擬邀集卓揆、藍綠白三黨黨團幹部,下周五吃「和解飯」。對此,卓榮
  • 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