柯獻金風暴再起?黃珊珊強調合法 藍議員酸「快拿證據」!
民視.2024年9月18日 20:34

論壇中心/綜合報導
民眾黨主席柯文哲捲入京華城案遭羈押,相關政治獻金的爭議也未熄火。據《鏡週刊》報導,柯文哲選前3個月現金收入逾9萬筆,累積1億9517萬元,檢廉將追查有無特定企業或金主以人頭隱匿捐款,不過時任柯競總總幹事的黃珊珊出面駁斥,強調「都是依照法律規定,也都有轉帳紀錄」。國民黨台北市議員柳采葳聽後直言,面對政治獻金風暴,民眾黨若真有憑有據的話,黃珊珊現在就可以拿出來來打臉週刊、自證清白。


柯政治獻金風暴再起?黃珊珊強調合法 藍議員酸「快拿出證據」!
柯文哲政治獻金又起爭議,柳采葳呼籲黃珊珊盡快拿出證據證明清白。(圖/全國第一勇)

據週刊報導,北檢查到柯文哲的政治獻金「個人捐款」多達14萬6000多筆,其中13萬7000多筆是現金捐贈,占個人捐贈總筆數93%,明顯不符常情。不只黃珊珊就此報導出面澄清,民眾黨發言人也痛批「通篇都是舊聞,把小額捐款影射成京華城不明金流來源,荒謬至極」。

引發質疑的是,政治獻金風暴延燒之初,民眾黨將責任推給委任會計師端木正,黃珊珊更發文痛批端木正「避重就輕」。議員柳采葳就在《全國第一勇》節目中表示,端木正若敢做假帳,就是因為背後絕對有個夠有力、夠有份量的人,所以下指令的不是柯文哲就是黃珊珊。

柳采葳進一步指出,針對誤報政治獻金唯一合理的解釋就是,黃珊珊給端木正資料,並告知他「只要負責蓋章就好」,唯有這樣才能理解,為何一個專業的會計師,可以讓沒有單據的東西出現在申報資料上面。柳采葳認為,雖無法確定指示的人是誰,但當時端木正一定很相信此人的保證,包括不會出事、不會違法,柳采葳質疑「在民眾黨內誰有份量可以讓端木正相信呢?也只有柯文哲或黃珊珊而已」。

柳采葳同時也強力喊話,若黃珊珊認為政治獻金都是有證有據,何不拿出證據打臉週刊所說的「金流不清」,不要「只會叫人去查清楚,自己卻都拿不出來。」

原文出處:柯獻金風暴再起?黃珊珊強調合法 藍議員酸「快拿證據」!

更多民視新聞報導
最新民調:柯文哲9個月來220萬人好感蒸發
「哪有人無恥到護航貪污!」 黃智賢:挺柯的人已失心瘋
最新民調:柯文哲9個月來220萬人好感蒸發

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 募款

京華城 簽訂 協議書

韓國瑜 晚會

潘孟安 高雄

京華城 建照

國土 計畫

中天新聞網
今日新聞NOWnews
今日新聞NOWnews
今日新聞NOWnews
台積電領軍反攻!台股收盤漲363點重返22000大關
聯準會宣布降息2碼,是4年多來的首次降息,道瓊、標普指數盤中觸及歷史高點後回檔,四大指數全面收低。但台股在台積電(2330)領軍反攻下,加權指數今天(19日)一開盤雖開低走高,但終場大漲364點收22042.69點。
  • 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