嗆綠營造謠抹黑柯志恩 國民黨高市黨部:政治口水和淹水一樣令人討厭
新頭殼.2024年10月7日 14:00

柯志恩(右)颱風後各處勘災。   圖:國民黨高雄市黨部提供

[Newtalk新聞] 針對高市議會民進黨團今(7)日召開記者會持續指稱國民黨市黨部主委柯志恩未出席投票審查總預算,是阻礙高雄的杯葛共犯,國民黨高雄市黨部發言人張永杰回嗆,高雄因颱風受創各地都在重建、清理家園,而民進黨議員就只顧著罵柯志恩,上次擋預算已經被認證假消息,政治口水和淹水一樣令人討厭,呼籲民進黨把開造謠記者會的心力拿去關心受災市民比較實在。

張永杰表示,不知道民進黨的民意代表是不是活在平行時空還是停留在撥接時代,上週五柯志恩一早就前往高雄各地區與黨籍議員勘災、協助受災市民,民進黨的民代在台北和網路上說要協尋柯志恩,不知道是視力差還是眼睛業障重?

張永杰指出,上週高雄遭受重大颱風災情過後第一時間,柯主委即向立院黨團協調,高雄受災嚴重,她必須留在高雄協助市民,這次颱風造成高雄多處大型路樹倒塌、公共建設摧毀,更有上萬戶民眾停水停電長達四天之久,直至現在還有部分民眾家中水電尚未復原,卻看到民進黨的立委和議員,在災後重建當天就急著對柯主委抹黑造謠、噴政治口水,著實令人遺憾。

張永杰表示,針對114年中央政府總預算案,國民黨立院黨團已多次說明,而這些被忽視的醫護、農民及原民權益,都與高雄市民息息相關,難道民進黨議員們不在意?更何況上次民進黨團召開記者會的造謠抹黑已經被事實查核中心打臉認證是假消息,民進黨還能換個方式繼續抹黑讓人無奈。

張永杰進一步表示,2019年韓國瑜院長擔任高雄市長時,當年市府交付議會審查預算,遭民進黨團強力杯葛,相信在座許多民進黨議員都還記憶猶新,你們是否也是阻礙高雄進步發展的幫兇,還是民進黨把預算當成政治鬥爭、打擊政敵的手段?怎麼你們對預算提出質疑,身為立委的柯主委就被質疑是杯葛預算?又是雙重標準嗎?

張永杰強調,柯志恩身為立法委員本就有為民監督、把關預算的職責,民進黨抹黑造謠、雙重標準早就被看破手腳,還有部分市民因風災截至目前家裡還沒復電,呼籲民進黨議員把開記者會抹黑柯志恩的時間和力氣,拿去關心受災市民比較實在,大家都忙著清理家園,而你們卻忙著攻擊在野黨立委,政治口水和淹水一樣都令人討厭。

查看原文

更多Newtalk新聞報導
會面韓國瑜討論拿下高屏? 柯志恩:沒討論到選舉
批柯志恩杯葛防災預算 高市議會民進黨團:不該封殺⼈民救命錢

柯志恩(左)颱風後各處勘災。   圖:國民黨高雄市黨部提供

柯志恩(中)颱風後各處勘災。   圖:國民黨高雄市黨部提供

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

回應 祖國論

死刑 合憲

祖國論 嗆中

晚會 祖國

韓國 瑜國慶

賴清德 晚會

EBC東森新聞
TVBS新聞網
民視
民視
「今日柯」明日蔣? 民眾黨議員記者會挨批「情緒勒索」
「今日柯」明日蔣? 民眾黨議員記者會挨批「情緒勒索」
  • 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