第3波民主改革國會改革說明會 全新政治面貌迎接挑戰!
台灣好報.2024年7月7日 22:52
▲第3波民主改革—國會改革說明會。(記者劉春生攝)

【記者 劉春生/雲林 報導】國民黨雲林縣黨部於7日,在虎尾鎮多功能活動中心舉行「第3波民主改革-國會改革說明會」由主任委員張嘉郡立委主持,朱立倫主席,張麗善縣長、中央組發會許宇甄主委暨立法委員、丁學忠立委、鄉鎮市長、縣議員、鄉鎮市民代表會正、副主席、代表,各級社團領導幹部數百人參加,張嘉郡主委更邀請到立法院的戰將謝龍介、徐巧芯兩位立委蒞臨助講,場面熱絡。

張嘉郡主委表示,國會改革法案歷經馬拉松表決大戰,終於在5月28日3讀通過完成立法,當時她緊守在韓國瑜院長身旁,親眼目睹韓院長不厭其煩的進行1個個法條宣讀與表決,讓她在法案通過後直呼–喊了31年的國會改革,終於完成了!她很榮幸能參與這次民主深化的國會改革,也讓國會改革法案順利通過,這也再次證明中華民國的民主與進步,是靠著數人頭的表決來通過1個個法案,而不是用打破人頭的抗爭、與煽動錯誤資訊的認知作戰下妥協,「我們靠的是每個選民投票的託付」。張嘉郡主委強調,國會改革是讓國家的政治體制能夠更加完備,讓行政權與立法權互相監督制衡的機制能夠更加完善,透過國會改革的修法,可以增強國會的監督權力,提升政府的透明度和效能,防止權力的濫用。重點如下:總統國情報告:平衡總統有權無責的制度缺失,讓總統直接面對民意。藐視國會罪:杜絕政府人員在國會說謊,讓國會質詢實問實答。

國會調查權:高端、NCC 等弊案資料,不能永不見天日,讓弊案無所遁形。人事同意權:拉長人事權審查期,讓人事權審查更加完備。未來將繼續努力修訂「立法委員互選院長副院長辦法」,讓立法院長選舉改為記名投票,讓立法委員為自己的投票負責。地方議會已經有陽光,立法院不能不見天日!

張嘉郡主委說,民進黨執政8年以來,弊案叢生,惡意濫權!是記憶猶新?還記得疫苗採購、及讓大家排隊買很貴的口罩嗎?還記得光電弊案嗎?還記得雞蛋採購嗎?還記得某些官員在院內答詢大聲咆哮不願回答的樣子嗎……?這些荒腔走板可謂罄竹難書!執政黨掌握中央政府預算,施政影響全2300萬國人的權益,執政黨若真的能以民意為依歸做福國利民之舉,又何須畏懼國會監督?國民黨作為最大在野黨,我們提出國會改革法案,讓陽光照進國會,以全新的政治面貌迎接挑戰!相信人民有目共睹。

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 致詞

陳水扁 切除 腫瘤

共軍 封鎖 台灣

山陀兒 淹水

晚會 江蕙 開唱

回應 祖國

TVBS新聞網
中天新聞網
中天新聞網
民視
藍綠比拚!總統提「祖國論」 韓問「多久沒愛國」
國慶晚會台北大巨蛋登場,不過卻出現了藍綠之間的煙硝味,總統賴清德和立法院長韓國瑜登台時致辭互別苗頭。總統拿出中華民國和中華人民共和國建國的年紀對比,高喊「中華人民共和國是絕對不可能成為中華民國人民的祖國」。另外,總統致辭中提「中華民國5次、台灣1次」。
  • 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