民進黨全代會改選 賴瑞隆連任中評委主委:會繼續團結改革
三立新聞網 setn.com.2024年7月22日 10:00

記者盧素梅/台北報導

中評會主委賴瑞隆(圖/記者高逸帆攝影)

今天是民進黨全代會,改選黨內權力核心,其中,攸關黨紀處分事務的中評會選舉共計選出11人,並一致推舉新潮流立委賴瑞隆為第21屆中評會主委,順利連任,他強調會繼續團結改革,讓民主台灣持續壯大。

民進黨每2年改選權力核心中常委、中執委、中評委,黨內已投票選出309席票選全國黨代表,加上立委、直轄市議員、歷任黨主席、縣市長等黨公職組成的308席當然黨代表,這617票將在全代會時改選出30席中執委、10席中評委。

其中,攸關黨紀處分事務的中評會選舉,今年共有16人登記競爭11席,結果選舉結果,包括洪宗熠、李宗翰、張丞儀、曾朝榮、蔡昌達、呂孫綾、周志賢、黃中志、陳怡君、李雨庭、賴瑞隆11人當選,並一致推舉賴瑞隆為中評會主委。

賴瑞隆表示,感謝兩年前黨員前輩同志及所有中評委支持,支持他擔任中評會主委,在民進黨最艱困的時刻,他們團結一致全力改革,完成台南市高雄市議長選舉勝選,各項革新工作持續展開,12次中評會會議一致決議來貫徹黨紀,用團結改革形象爭取人民的支持。謝謝全黨同志的團結合作,讓民進黨改革腳步持續前進,讓台灣持續繁榮發展。

賴瑞隆並表示,今天再次感謝黨員同志及中評委的支持,讓他順利連任中評委主委。未來兩年,將秉持團結合作紀律改革的理念,與主席賴清德、所有幹部共同努力,全力貫徹民進黨「清廉、勤政、愛鄉土」的執政價值,依據黨章賦予的權責,全力以赴完成團結改革任務,讓台灣人民更加信任民進黨,共同打造更好的台灣。

賴瑞隆強調,新的民進黨團隊就定位,讓大家一起努力,守護台灣的自由民主繁榮進步,給下一代更好的未來。

更多三立新聞網報導
快訊/卓榮泰拍板:軍公教明年調薪3% 會適時對外做完全最後的定案
幕後/陳其邁奧援!英、蘇系掌3席中常委 新系跑票危機失「御前」勢力
影/民進黨中常會親賴系統過半 陳亭妃逆襲搶下中常委
漢光演習加強國際宣傳!國防部秀AI主播轉換18國語言

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

中國 國歌 退將

高雄 國賓 惹議

北市府 發聲

北檢 收押

高雄 國賓 改建

京華城案 羈押庭

太報
放言 Fount Media
今日新聞NOWnews
中廣新聞網
中國學者團來台卡關 羅文嘉:讓不同的人聽見彼此聲音才是有意義交流
有報導指出,中國福建廈門大學台灣研究院學者團原訂昨天(9/05)來台,計畫到政治大學交流,而另一個團「廈大校長團」也預定9月8日來台,但傳出成行之前因專案申請尚未審查通過,順延目前延後到10月。海基會秘書長羅文嘉今天(9/06)下午表示,政府是一體的,但是要讓不同的人,聽見彼此的聲音,才是有意義的交流。如果只有一種聲音,那會是就變成「唱和」或 「附和」,不是有意義的交流。羅文嘉也強調,海基會大們也永遠為中國大陸朋友敞開。
  • 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