「沒什麼好道歉!」陳時中:絕沒罵里長「無腦」 內湖里長哽咽
TVBS新聞網.2022年8月14日 17:55

民進黨台北市長參選人陳時中提出內湖交通政策,卻被當地里長批評是「爛牛肉」,前一天陳時中說要批評也要有專業有腦筋,卻被網路傳陳時中罵里長無腦,里長哽咽說只是想給建議,陳時中則回應,自己沒罵過里長無腦,所以沒什麼好道歉!

圖/TVBS

港墘里里長魏景城:「(哽咽)我今天是被里民選出來,一票一票的選出來你罵我無腦,那難道你是腦水腫嗎?」

愈講愈傷心,港墘里里長想到前一天,因為說陳時中的內湖交通政策是爛牛肉,沒想到卻聽陳時中講到,要批評也要有腦筋跟專業,讓他覺得好委屈。

港墘里里長魏景城:「要解決內湖交通問題,其實你沒有跟當地里長溝通,也沒也來視訪過,你根本就不了解這邊的交通問題,今天我里長跟你建議,跟你講說爛牛肉只是跟你建議,你好好再規劃一下再想一下,你就說我是無腦。」

圖/TVBS

民進黨台北市長參選人陳時中:「這沒有什麼好道歉的啦,重要我也願意跟他來溝通,因為我並沒有罵他無腦,這要把這個事實要先釐清清楚。」

說自己沒有衝著里長而來,也就沒有道歉的問題,但早在陳時中回應前,蔣萬安就先到里長身邊聲援。

國民黨台北市長參選人蔣萬安:「我覺得真得是好大的官威喔,態度傲慢目中無人,完全不把選民的意見放在眼裡。」

民進黨台北市長參選人陳時中:「候選人現在要製造謠言,這樣也不好,確實我昨天是在公開的場合,我沒有談論到里長,我只有談論到候選人相關的一個政見,並沒有在做責怪里長的意思。」

圖/TVBS

要蔣萬安不要造謠,陳時中從本人到團隊大動作澄清,不是針對里長,畢竟槓上對手事小,但要是得罪了地方的「條仔腳」,可就沒那麼好解決了。

更多 TVBS 報導
里長看不下去!轟內湖交通政策挨轟「爛牛肉」 陳時中:批評要有腦
陳時中酸解決塞車「要有腦袋」 內湖里長哽咽:你才腦水腫
為內湖交通再槓陳時中 蔣萬安:對里長傲慢「好大的官威」
被控罵里長無腦 陳時中批製造謠言:我絕對沒罵這字眼

更多相關新聞
蔣萬安政見推預約公車座位 她點出5問題狠打臉
被酸在等四壞球保送 張善政回嗆:民進黨派糟糕投手也沒辦法
土城、三峽座談會 林佳龍大打交通牌
「幾隻小海豹」挨轟 柯志恩嗆:把話聽清楚
首掛18歲公民權板 謝國樑搶青年票

相關新聞影音

2022九合一選舉開跑 看台北市誰跨世代好感度最高?

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

國情 報告

鄭文燦 海基會

顧立雄 接掌 國防部

勞力士 賴清德

國會 改革

顧立雄 國防部長

FTNN新聞網
太報
三立新聞網 setn.com
今周刊
影/朱立倫邀赴立法院國情報告 賴清德答應了:符合法律安排「一定欣然赴會」
[FTNN新聞網]記者劉秀敏/台北報導國民黨主席朱立倫24日表示,準總統賴清德於5月20日就任後,國民黨立法院黨團將邀請他赴立院國情報告。對此,賴清德今(25)...
  • 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