綠批修《選罷法》是自肥 許宇甄:罷免成輸不起者的報復工具
菱傳媒.2024年6月29日 15:30

國民黨立委許宇甄29日表示,現行罷免門檻偏低,連署方式過於寬鬆,已讓罷免成為輸不起者的報復工具。資料照片/林啟弘攝

(菱傳媒/台北報導)國民黨立院團將調高罷免門檻的《公職人員選舉罷免法》修正案排進下周四內政委員會,遭綠營痛批是背離民意、自肥,將全力阻擋。提案的國民黨立委許宇甄今(29日)表示,現行罷免門檻偏低,連署方式過於寬鬆,已讓罷免成為輸不起者的報復工具,利用罷免來實現私利,進而削弱了民主的根基。

許宇甄表示,自從罷免制度門檻下修後,有成功的案例,也有失敗的情況。選舉、罷免都是重要的民主工具。選舉的核心精神是公平、具積極性,而罷免的核心精神是課責、具報復性。雖說罷免制度可以讓民眾有機會下架不適任的公職人員,但必須警惕罷免成為政治鬥爭的籌碼,更不能容忍罷免成為一種政治報復的工具。

她指出,民主制度需要一個健全的機制來保護,而不是任由其被濫用。民主的精髓在於尊重多數人的意志,但當罷免的門檻設定過低時,就可能導致少數人利用罷免來實現私利,進而削弱了民主的根基。

許宇甄說,罷免制度是定期選舉制度下的消極補救措施,民國83年10 月《選罷法》修正前,通過罷免門檻為三分之一,後來才修正為二分之一;民國105年11月,民進黨全面執政後,將罷免門檻修正為「罷免案投票結果,有效同意票數多於不同意票數,且同意票數達原選舉區選舉人總數四分之一以上」。

許表示,當時《選罷法》修法時,時任民進黨立委尤美美、顧立雄針對罷免門檻修正也有提出修法版本,他們認為罷免權具有破壞性質,為避免罷免權遭濫用而破壞政治穩定,脫離憲政常軌,而當時的罷免門檻二分之一規定又過高,他們兩人聯合提案將罷免門檻修正回到83年狀態,改為達原選舉區選舉人數三分之一以上同意。

許宇甄認為,現行罷免門檻過低已造成變相鼓勵罷免,與民主精神背道而馳,影響民主制度運作的穩定性,造成各區三不五時的出現罷免宣傳,甚至報復性操作,不僅影響施政的運行,也使社會長期處於紛擾之中,不利國家團結。現行低門檻的罷免制度,以及罷免連署規範不夠嚴謹,導致有心人可以拿著名冊亂抄,加上中選會的不作為,總總缺失加在一起,已為罷免制度帶來一系列不良影響。罷免門檻偏低,連署方式過於寬鬆,已讓罷免成為輸不起者的報復工具,甚至成為賺錢、換成名的政治遊戲,而不是一個嚴肅的公共事務,損害民主制度的信譽。

許宇甄強調,她提出「公職人員選舉罷免法修正草案」是在現有的機制下,修正第75條,增加一年內不得為罷免之提議與連署,讓當選的人至少有一年的時間可以好好做事;同時也修正第90條,要求罷免的票數要高於當初當選的票數,不能讓少數民意否決多數民意;若再補強連署弊端與缺失,可以讓罷免成為一個救濟選舉的嚴肅程序,而非輕率的行為。下周即將審查該條文,請大家理性看待這次修法,從過往朝野各黨提案情形來看,現行罷免門檻確實偏低,連署亂象更是影響機關信譽,對民主造成不良影響,應檢討現行制度,修復被破壞的民主制度。

更多新聞:

藍提修法拉高罷免門檻 吳思瑤批自肥:民進黨會全力阻擋

23架共機「四面擾台」 最近離基隆僅40海浬

這次被罰了!柯建銘立院內抽菸 北市衛生局裁處2千元

菱傳媒原始網址:綠批修《選罷法》是自肥 許宇甄:罷免成輸不起者的報復工具

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

冒用 沈伯洋

轉運站 啟用 林右昌

罷免 門檻

沈伯洋 立場

海虎 官兵

選罷法 罷免 門檻

三立新聞網 setn.com
三立新聞網 setn.com
今日新聞NOWnews
今日新聞NOWnews
王鴻薇質疑稱身分遭冒用又改口 沈伯洋駁斥:從沒講過被冒用護照
記者盧素梅/台北報導民進黨立委沈伯洋日前稱,有一國外秘密會議,他被冒用身分,國民黨立委王鴻薇發文聲援調查真相,沈伯洋隨後又改口質疑她幫誰要資料。王鴻薇昨(29)日晚間發文,沈伯洋表
  • 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