遭控鉅額欠債逾30年 郭信良:不善理財、不是黑金
新頭殼.2022年12月24日 17:29

台南市議長郭信良。   圖:黃博郎/攝

[新頭殼newtalk] 台南市議長選舉爆出疑似暴力介入選舉事件,國民黨議員方一峰 22 日傳被民進黨台南市黨部執委林士傑「帶上車」威脅不能支持議長郭信良。林士傑女兒、南市新科議員林依婷則出面駁斥,並質疑郭信良黑金掏空農漁會。郭信良今( 24 )日正面回應,「我不是黑金」,解釋自己不擅理財,時間都用來服務選民才能連續七屆當選。

台南市日前傳出國民黨議員方一峰「被帶上車」,要求議長選舉只能「投自己」、「不出席」,車上的人隨後被爆出是林士傑。林士傑事後則直接退出民進黨,女兒林依婷則出面駁斥,指出郭信良平時行檢不良,掏空農漁會特權借貸,債務已累積至 1500 萬,至今已近 30 年但他竟然可以一毛錢都不用還,除了向漁會借錢,同時也跟農會借錢金額高達 8000 萬,「這就是所謂的黑金?」

郭信良今日在市議會接受媒體訪問,正面回應「我不是黑道也不是黑金」,解釋自己 1996 年出來創業,向農漁會借錢創業養 4、50 甲塭養蝦,但蝦養不好而欠下債務。他不善理財,這眾所皆知,他將所有時間、精力都用在服務選民,為民眾謀福祉上,所以他才能連續 7 屆最高票當選市議員,他 4 年議長任期內,債務不是問題,未來當然也不是問題,他有他的想法,未來會讓債務減少。

郭信良也提到,林依婷是很有前途的政治人物,像她的長輩、父親 30 年來的努力付出奮鬥打拼,都有他的過程、方式,每一個成功的人背後都有他們的辛酸的一面,大家共同努力才是重點。未來路上不希望有仇恨,權力、慾望都是過眼雲煙,不要結仇才是重點,讓社會更安詳,才是人民所期待。

談到明天議長選舉,郭信良表示心情很正常,「該你的就是你的,不是你的爭也沒有用」。

方一峰事件之後,台南市警察局長方仰寧已經要求分局長拜會轄區議員,有需要者即派遣警職人員全天候保護安全,至今有 17 名議員提出申請。

郭信良則認為,台南市治安沒有那麼壞啦,太矯枉過正,搞得風聲鶴唳,沒有那麼緊張卻搞得這麼緊張?方仰寧實在有點「亂七八糟」,搞得那麼緊張幹嗎?

更多新頭殼報導
嘆台南成「慶記之都」 謝龍介:民進黨「黑出於藍」清德兄加油!
挺康裕成選議長 基進張博洋籲綠議員展現團結、光復議會
別想技術犯規!民進黨中評會:投錯人、投自己、投無效票都算跑票 一律開除黨籍

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

警示 兩岸

罷免 謝國樑

陸委會 旅遊 橙色

劉世芳 拜會 北市府

國會 釋憲

童子賢 核能

台視新聞網
中時新聞網
中時新聞網
德國之聲
中國戰狼大使又吐「驚」句!盧沙野:台灣是叛亂政權、隨時收回
中國戰狼外交官、駐法大使「盧沙野」對台灣又有爭議性的發言!日前他在一場公開演講上,表示目前的台灣政權,是中國版圖中的一個「叛亂政權」,並宣稱中國政府隨時有權驅逐這個政權,把台灣的治理權重新收回來,對此
  • 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