王世堅喊話國民黨提案倒閣、解散國會!許智傑要罷免10立委
FTNN新聞網.2024年6月16日 19:04

[FTNN新聞網]記者陳弘志/台北報導

民進黨16日在台灣南北各地舉行「反濫權、護民主」宣講活動。立委王世堅在台北喊話國民黨直接提出倒閣,以利解散國會,讓立法院全面改選,一次完成,不用每天吵來吵去、亂來亂去。立委許智傑則在高雄表示,藍白聯手擴權與濫權,因此一定要罷免立委,「明年至少罷免10名立委」,煙硝味濃重。

民進黨立委王世堅喊話國民黨提出倒閣、解散國會,讓立法院全面改選。(圖/王世堅臉書)
民進黨立委王世堅喊話國民黨提出倒閣、解散國會,讓立法院全面改選。(圖/王世堅臉書)

在台北場方面,民進黨祕書長林右昌、立院黨團幹事長吳思瑤、立委王世堅、吳沛憶、洪申翰等人在街頭開講,還有數名市議員到場。台北下午下起大雨,仍有近百名民眾穿著雨衣、撐傘聽講。

王世堅表示,國民黨立委一起在幹壞事,國民黨和民眾黨立委黃國昌是「一天到晚都在小人報仇」,雙方一搭一唱。他提到國民黨立委徐巧芯曾說,如果有一名國民黨立委被罷免,她就要發起罷免五名民進黨立委。王世堅說,「不用這麼麻煩,國民黨可以直接提倒閣、解散國會、全面改選,要就一次來,不用每天吵來吵去、亂來亂去」。

在高雄場方面,下午由高雄市長陳其邁邀議長康裕成、民進黨副祕書長何博文,以及8名高雄立委邱議瑩、邱志偉、李柏毅、黃捷、賴瑞隆、許智傑、林岱樺、李昆澤等人開講,現場約有500人聽講。

許智傑表示,他在立法院目睹立委邱志偉「被人從台上丟下去,當時很多人受傷,立法院長韓國瑜卻執意要表決,很冷血。表決要這麼快,是要赴死嗎?」

許智傑譴責韓國瑜要負最大責任,另外國民黨立委傅崐萁、民眾黨立委黃國昌兩人狼狽為奸,後面的手就是中國。現在藍白在立法院擴權、濫權,後面還要亂修反滲透法、服貿,因此罷免這件事,未來一定要做,明年至少要罷免10名立委。

更多FTNN新聞網報導
不辯論理由!柯建銘:立院就是最佳舞台「看藍白神風特攻隊上政治斷頭台」
群眾21日立院對決 洪孟楷:執政黨主動上街頭,暴力衝突要發起者負責
衝進立院?吳思瑤預告青鳥重返「國會不討論!就交由社會來討論」

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

政論 記者 盯梢

政論 節目

中國 懲治 台獨

監察院 釋憲

陳玉珍 記者會

國會 釋憲

中時新聞網
新頭殼
獨家報導
今日新聞NOWnews
新聞透視》陸媒駐台過5關 來台言行還被盯梢
《自由時報》指稱新華社駐台記者涉入台灣電視台政論節目,真相如何有待相關單位調查。其實陸媒來台駐點流程繁瑣,就算取得許可來台,一言一行都會被我方相關單位「緊盯」,也必須遵守規範。2020年就曾發生「東南衛視」駐台記者因涉及在台製播政論節目,而遭我方廢止記者證與來台許可證後離境等情事。
  • 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