| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

討薪者再次成為恐怖分子 輿論環境

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
  2021年5月14日,中央12套播出了一段視頻,標題是“北京 警企聯合開展反恐處突專項演練”。視頻當中,一名男子負責扮演“恐怖分子”,手中舉了一塊泡沫板制成的牌子,寫著標語,嘴上大喊“還我血汗錢,還我工程款”,走入一家商場。商場員工前去勸阻,結果被激動的男子用牌子敲打。之後,商城聯系警方,立即將此事定性為“持械傷人”,幾名警察迅速出動將討薪男子壓倒制伏。視頻的結尾,警方提醒要提高群眾的安全意識。


  中共警察局以“討薪者”作為反恐演習的對象,已經不是第一次了。2009年12月,廣州的一次反恐演習也假設“工人討薪引發群體事件”。然而在當時,廣州市公安局的做法,引起了輿論的廣泛抨擊,中新網,揚子晚報,南方周末等紛紛發文評論抨擊。就連廣州市人大代表,也出來發聲,指責市公安局做法欠妥。

  


  時隔13年,相同的境況再次出現。此次反恐演習是由北京市朝陽區公安局舉行,然而輿論上卻石沉大海,只在網路上透過微博,抖音,B站,貼吧等民間途徑慢慢傳播,官方媒體對此不僅不以為恥反以為榮,澎湃新聞甚至還發文贊頌。

  以討薪工人作為“反恐演練”對象,顯然對中共憲法中所寫的“工農階級領導國家”是一個極大的諷刺。工人階級非但不能領導國家,反而還會因為合法合理的討要薪水,遭當局指控為“恐怖分子”“惡意討薪”。

  習近平上台以來,明面上要對“欠薪”零容忍,實際上則變本加厲的打壓工人。北京在2020年通過了《北京市人民檢察院關於充分發揮檢查職能服務保障首都經濟社會發展的實施意見》,其中明確提到要“依法打擊惡意討薪等違法犯罪”。在輿論上,五毛網軍一齊出動,打壓討薪事件熱度,抹黑工人正常維權,將其污名化為“黑社會”“恐怖分子”。在這樣的形勢下,也無怪乎有網友評論說“這是一個黃世仁有理,楊白勞有罪的時代!”

  EternalOctober:自我標榜為“工人階級領導的國家”卻不允許工人罷工,卻不允許非官方工人自治的工會的出現,還拿著國外的工人自治工會運動來給自己臉上貼金,實屬諷刺。


  巴伐利亞:惡意討薪是中國歷史上絕無僅有的發明。自古就是欠債還錢的說法。沒有惡意討薪的說法。以後還會有惡意告狀惡意自衛惡意謀生對吧?討薪合法合理怎麼是惡意?邏輯不同。最多是手段問題。動機那裡有惡意?可以說他們已經比大清朝大明朝那些所謂的帝王更邪惡。居然顛倒黑白了。已經超越了一個民族幾千年的道德底線了。

  bobstar911:太魔幻現實主義了。

  peter78517980:還我血汗錢,還我工程款。這個是全文的重點。


  We_Lives_Matter:所以,在中國,真正應該恐怖的不是“恐怖分子”而是“恐怖分母”。

  RedDawn2021:前幾年上海就有一個討薪的,被警察連開6槍,彈無虛發,2槍擊中本人,4槍擊中看熱鬧的路人。上新聞說是警察有效阻止拿菜刀要砍人的恐怖分子。

  TuCaoFakeNews:可怕的是這種心理預設,就像把農民工說成低端人口一樣。

  一品貨:公安部門為什麼要將討薪當成反恐演練對象呢?這暴露出他們骨子裡對討薪者的厭惡和反感,潛意識中是把那些站在高高的塔吊上討薪的人當成了恐怖分子,並通過將他們當成反恐演練對象,將他們所痛恨的討薪者污名化了。他們對討薪者的痛恨遠高於欠薪者,欠薪者再可惡,並沒有損害他們的利益,並沒有影響他們的政績,可討薪者跳樓秀之類的行為則影響到了他們:造成了交通堵塞,形成了丑聞效應,影響了地方形象等等。所以他們恨之入骨,廣東部分人大代表曾建議加大對跳樓討薪的嚴懲,將他們關起來勞動教養。而當地警方也早就聲稱會嚴懲跳樓秀。 摘自《恐怖主義的大帽,討薪者絕不敢戴》
點個贊吧!您的鼓勵讓我們進步     好新聞沒人評論怎麼行,我來說幾句
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0363 秒 and 7 DB Queries in 0.0051 秒