挨批「林九萬」 林飛帆:王鴻薇補助款領258萬元 才讓人更相對剝奪感
新頭殼.2023年5月31日 16:59

民進黨前副秘書長林飛帆   圖:林朝億/攝

[Newtalk新聞] 對於外界批評林飛帆第一份工作是民進黨副秘書長,薪水9萬,被稱「林九萬」,林飛帆今(31)日接受民進黨立委提名後反擊王鴻薇對年輕人輕視。他並說,王鴻薇去年剛當選議員不到一週就宣布參選立委,從議員、立委兩份政治補助款就領了258萬元,這反而會讓更多人感覺到相對剝奪感。

民進黨今日公布第二波立委艱困選區提名,其中,太陽花學運領袖、前民進黨副秘書長林飛帆參選台北市中山、北松山,將對戰國民黨王鴻薇。

林飛帆在記者會中表示,這四年,他成為總統的幕僚,把自己投注在中央黨部交付的任務,投身在外交工作、政策溝通,和價值整合的協調工作,學習讓自己成為一個能在幕後成就團隊,而不是一直站在鎂光燈下的政治工作者。

林飛帆說,也許很多人對他的印象依然停留在2014年。但其實,就在兩個禮拜前,他滿35歲了,而且他也已經是一個三歲小孩的父親,跟很多年輕爸媽一樣期待可以給下一代更好的成長環境。

對於外界批評林飛帆的標籤就是「九萬」,林飛帆在記者會後受訪主動回擊王鴻薇說,她的攻擊並無意外。一直以來,她對年輕人、年輕世代的輕視,這次講話也展現無疑。

林飛帆說,國民黨跟王鴻薇如果真的在意年輕人,這個選區也許應該是一個國民黨內優秀的年輕世代來參選。但現實卻是王鴻薇來選。

林飛帆說,至於王鴻薇今日上午提到的「相對剝奪感」,更讓大家感受到相對剝奪感的是去年剛當選議員不到一週就宣布參選立委,從議員、立委兩份政治補助款就領了258萬元,這反而會讓更多人感覺到相對剝奪感。

至於壯闊台灣大聯盟理事長吳怡農批評民進黨這次艱困選區提名,短期的徵召策略對從政夥伴的士氣和對團隊的認同產生相當程度的打擊,林飛帆說,吳怡農並不是批評。他對於檔的發展都很關注。兩次對中山北松山選舉都打下很好的基礎。他對選區、民進黨貢獻非常卓著。對民進黨有很多期待,對黨決策提醒都是善意的。

對於民進黨在本區沒有提名雞排妹,吳沛憶說,這段時間鄭家純展現了一位非常優秀的、有智慧的年輕女性。身為台灣隊的每個成員接下來要盡每一份的努力爭取民主大聯盟的支持。她也透露昨天是傍晚接到中央黨部通知將徵召她。會爭取地方所有非藍力量的支持。

查看原文

更多Newtalk新聞報導
美「刺針」飛彈運抵台灣不敢攔截? 國台辦 : 把台灣同胞當砲灰 堅決反對
提名大法官「大滿貫」蔡可馬不可? 黃偉哲曾轟馬用到臭 陳以信要他道歉

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

離島 建設 修法

兩岸 關係

正國會 開鍘

改革 釋憲案

宴請 盧秀燕

離島 建設 引進

信傳媒
華視
TVBS新聞網
三立新聞網 setn.com
數發部邀網路社群三巨頭攜手打詐 Meta表態將優先移除高風險詐騙帳號
在台灣,詐騙事件層出不窮,有人一輩子的積蓄在一瞬間化為烏有,也有人是不幸中的大...
  • 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