iVOD / 149820

Field Value
IVOD_ID 149820
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/149820
日期 2024-03-13
會議資料.會議代碼 委員會-11-1-26-5
會議資料.會議代碼:str 第11屆第1會期社會福利及衛生環境委員會第5次全體委員會議
會議資料.屆 11
會議資料.會期 1
會議資料.會次 5
會議資料.種類 委員會
會議資料.委員會代碼[0] 26
會議資料.委員會代碼:str[0] 社會福利及衛生環境委員會
會議資料.標題 第11屆第1會期社會福利及衛生環境委員會第5次全體委員會議
影片種類 Clip
開始時間 2024-03-13T12:25:51+08:00
結束時間 2024-03-13T12:38:46+08:00
影片長度 00:12:55
支援功能[0] ai-transcript
支援功能[1] gazette
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/7ed54bd69a3b6903588f12c00bc2fcb614b75c67118f492bf8ba9b0039caa7a64d80454cee631a6f5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 劉建國
委員發言時間 12:25:51 - 12:38:46
會議時間 2024-03-13T09:00:00+08:00
會議名稱 立法院第11屆第1會期社會福利及衛生環境委員會第5次全體委員會議(事由:邀請勞動部部長列席報告業務概況,並備質詢。 【3月13日及14日二天一次會】)
gazette.lineno 1091
gazette.blocks[0][0] 劉委員建國:(12時25分)謝謝召委,有請部長。
gazette.blocks[1][0] 主席:請許部長。
gazette.blocks[2][0] 劉委員建國:部長要不要先吃便當?
gazette.blocks[3][0] 許部長銘春:不用。委員好。
gazette.blocks[4][0] 劉委員建國:部長好。本席今天要來跟部長討論的就是缺工問題,還有中高齡及高齡者的就業促進。中高齡及高齡者就業促進法在你的任內推動完成,我就簡單講幾個背景資料,然後我們來做一個檢視。人力銀行相關的資料說臺灣的住宿、餐飲、零售、電子資訊軟體、半導體以及一般製造業,陷入嚴重的缺工狀態。在你們的報告裡面說,這波缺工潮起因於三年前的疫情,導致各行各業人力流失,疫情結束後,民眾消費力回復;但產業界人力流失的缺口卻無法及時補充,導致缺工情況發生。這是你們的報告,講到這邊,你認可嗎?
gazette.blocks[5][0] 許部長銘春:是。
gazette.blocks[6][0] 劉委員建國:缺工潮是因為這三年的疫情所造成的主因嗎?還是這三年之後才有這個缺工潮?是因為疫情的關係嗎?
gazette.blocks[7][0] 許部長銘春:包括少子化的問題,也使得勞動力缺口不斷的擴大;但是疫情之後,有一些產業缺工一直補不足,尤其像餐飲服務業,我們是特別針對這部分來做說明。
gazette.blocks[8][0] 劉委員建國:因素應該滿多的,但若單純寫這樣,我是覺得可能……
gazette.blocks[9][0] 許部長銘春:這個不夠周全。
gazette.blocks[10][0] 劉委員建國:是貴部的了解,還是?好,我們前面的就不討論,我們談後面的。你們評估之後,部長認為這個缺工潮會多久?這樣的大量缺工,以後會不會成為台灣社會的常態?
gazette.blocks[11][0] 許部長銘春:這個會更嚴峻,因為少子化以後,我覺得整個勞動力人口其實會一直降低的。
gazette.blocks[12][0] 劉委員建國:對,你們部裡面要怎麼做這個因應?
gazette.blocks[13][0] 許部長銘春:我們要開發一些勞動力,包括青年的部分、婦女再就業,還有中高齡、高齡者,我們是比較想把他們定義成壯世代,希望他們續留職場或重返職場;也希望雇主能夠善用這些壯世代的勞動力,不要有年齡歧視的問題。
gazette.blocks[14][0] 劉委員建國:壯世代的勞動力?現在對壯世代的勞動力,我覺得政府好像完全沒有辦法去掌控,而且引導的力道也非常薄弱。
gazette.blocks[15][0] 許部長銘春:我們其實一直在推計畫,像我們也有發覺到55歲以上的勞參率,比起韓日大概低了20%,所以我們現在也在推一個壯世代的三年計畫,希望能夠在這三年內多增加30萬名55歲以上的壯世代進入職場,來提高勞參率。
gazette.blocks[16][0] 劉委員建國:你現在把55歲以上定位為壯世代,然後你預計要多久可以讓這30萬進到職場?
gazette.blocks[17][0] 許部長銘春:三年。
gazette.blocks[18][0] 劉委員建國:三年內,從2024年開始起算?
gazette.blocks[19][0] 許部長銘春:從去年5月開始,我們的那個計畫是去年5月開始。
gazette.blocks[20][0] 劉委員建國:到現在也將近一年了,剩下一、兩個月就到一年了。你所講的這個壯士代,到目前為止,實際上進入到職場,就30萬的占比是多少?
gazette.blocks[21][0] 許部長銘春:中高齡大概19萬。
gazette.blocks[22][0] 劉委員建國:已經進入19萬?效益不錯啊!一個三年的規劃,不到一年,就可以達到60%,19除以30,有6成!
gazette.blocks[23][0] 許部長銘春:委員,我要修正一下……
gazette.blocks[24][0] 劉委員建國:這個要給你大大的獎勵……
gazette.blocks[25][0] 許部長銘春:19萬是中高齡以上,但是55歲的部分,我要再請他們再將數據分析一下。
gazette.blocks[26][0] 劉委員建國:你現在是講中高齡,中高齡就是從45歲到64歲,對不對?
gazette.blocks[27][0] 許部長銘春:對。所以這個要再算啦!剛剛的數字不對,我看了一下,那不是壯世代55歲……
gazette.blocks[28][0] 劉委員建國:如果照這樣的力道,就不需要再引進移工,對不對?
gazette.blocks[29][0] 許部長銘春:我們的移工是針對本國人不願意從事的產業,我們現在的壯世代當然是希望……
gazette.blocks[30][0] 劉委員建國:不是,不是。部長,我想那些背景資料你都比我清楚;但是國發會這邊也特別提到,2033年臺灣整體的勞動力重心將從現在的40到49歲,轉移到50到59歲,呼應你剛才的講法嘛!也就是說,臺灣在十年內整個勞動力的市場將產生天翻地覆的大變動,所以國發會主管人力事務處曾公開表示,人口紅利減少的速度比預期快。坦白講,這句話我很難接受,政府的預期怎麼會這麼不精準!這是其一。
gazette.blocks[30][1] 其二,國發會講政府預計要在2030年前引進40萬外來的人口就業,才能解除警報。所以我才會說,面對這樣的事情,如果國發會也對外做這樣的表達,那麼我們的因應之道,在勞動部的核心、主要政策是什麼?
gazette.blocks[31][0] 許部長銘春:報告委員,剛剛提到國發所謂的2030年40萬外來就業人口是中階以上的,包括白領、灰領,所謂灰領就是僑外生,就是在這八年內希望引進40萬。至於勞動部的部分,就是中階技術人力,我們就是把現在臺灣的藍領──具有技術的這些低階勞工,薪資達一定的門檻,希望將他轉成中階技術人力,來填補我們現在中階人力的不足。這個計畫是這樣子……
gazette.blocks[32][0] 劉委員建國:我先說比較小的範圍,因為特別提到了中高齡及高齡者的就業,促進法也在部長任內推動完成。你看一個數據,勞發署說臺灣中高齡就業人口60歲到64歲都還有39.6%,但是65歲以上的勞參率就直接掉到9.6%,如果對比其他國家是19%到37%,他們的數據明顯偏高,這個你們認可嘛!勞動部今天在報告中也闡述中高齡就45歲到64歲的勞參率有逐步在提升,就如你剛才所講的;但我剛剛也特別提到國發會講的,不到10年時間,我們的勞動力重心將從40歲到49歲轉移到50到59歲,我如果要檢視部長在推動中高齡及高齡者的就業政策有成效,究竟是透過法律的制定,然後推動整個執行面已經有成效?還是整體的勞動力重心已經朝向中高齡的區塊去做挪移?到底是哪一個?我要跟你討論的是本質問題!
gazette.blocks[33][0] 許部長銘春:都會有。
gazette.blocks[34][0] 劉委員建國:都會有?
gazette.blocks[35][0] 許部長銘春:對,報告委員,未來的勞動力恐怕還是會往中高齡這邊靠,因為出生少。
gazette.blocks[36][0] 劉委員建國:我覺得部長不要誤判,一般人要講三次,我就講不要誤判N次。如果中高齡的就業政策推得好,65歲以上的長輩現在應該會是半退休的狀況,持續在職場上服務;但是目前在臺灣65歲退休之後,僅有9.6%還在職場服務。所以我要跟部長討論的是,你認為跟職場仍然普遍要求勞工必須要有完整的勞動工時有沒有關係?
gazette.blocks[37][0] 許部長銘春:完整的勞動工時?
gazette.blocks[38][0] 劉委員建國:對嘛!跟職場上普遍認為勞工還是要有完整的勞動工時有沒有關係?
gazette.blocks[39][0] 許部長銘春:我覺得針對不同的這些世代,應該有不同的勞動工時……
gazette.blocks[40][0] 劉委員建國:我現在針對高齡者跟中高齡者……
gazette.blocks[41][0] 許部長銘春:高齡者可能要有彈性的工時。
gazette.blocks[42][0] 劉委員建國:你覺得我們現在這樣的就業環境對高齡者有達到友善?有達到彈性?
gazette.blocks[43][0] 許部長銘春:我們在這部分還有很大的努力空間。
gazette.blocks[44][0] 劉委員建國:還有很大的努力空間嘛!部長也回答問題了。現在要讓65歲的這些高齡者,因為本身在體力上就有些障礙,然後他還要克服很多問題,除此之外,高齡者還要有完整的8個小時工作時間,這種退休之後的就業環境既不友善,也不健康,所以他的勞參率當然就很低。我想從這部分跟部長來做一個討論。
gazette.blocks[44][1] 職安署有一個統計,臺灣的外送人員從2019年的4萬5千人增加到2022年的14萬5千人,等於三年成長了300%;而人力銀行更發現,外送員大都來自製造業的基層跟餐飲業,這表示有一個板塊正很快速的在轉移,對不對?另外,WTW2023組織與人才關鍵報告中亦指出,Z世代人才最關鍵的因素不再是薪水,而是職涯的發展機會,他們相當在意公司是否提供彈性工時和員工福利,以及能否從工作內容找到這個使命感。這個是你們的資料。
gazette.blocks[44][2] 還有,資策會在去年7至9月實行彈性工時的實驗,一共有105位同仁參加,參加的員工一個月內要滿足168的總工時,但不拘束員工的上下班時間和工作地點,實驗的結果證實工作的產出跟表現並沒有變得不好,多數員工也表示幸福感在增加,不僅年輕世代在意公司是否有提供彈性工時,我想對中高齡及高齡者的就業環境,也應該要來做這個因應才對,我很誠懇的提醒部長這件事情。你們自己也有結合相關部會在偏鄉推動婦女再就業計畫,讓婦女兼顧家庭,勞動部還有提供雇主工時調整獎勵──針對雇主提供有照顧家庭需求的婦女比較彈性工時調整,其中就舉出這個系統櫃供應商的成功案例;然後旅宿業者也聘僱中高齡者,提出相對的彈性工時、多班式彈性工時的班表。這些你們都在做,但好像那個量能、那個速度有些緩不濟急,沒有辦法追過人口老化,沒有辦法讓想要給中高齡者從事就業的這個環境裡面,來提高他們的意願,我覺得這個部分仍有很大的討論空間。
gazette.blocks[45][0] 許部長銘春:對,我是覺得雇主可能觀念的改變非常重要,因為面對勞動力的短缺,大家對於這個勞動力的來源,要更能夠接受這些壯世代或者二度就業婦女……
gazette.blocks[46][0] 劉委員建國:所以剛剛林委員講的一些話,坦白講我也是心有戚戚焉,政府應該扮演更強大的一個力道。部長記得這個法律什麼時候通過的嗎?
gazette.blocks[47][0] 許部長銘春:2019吧!
gazette.blocks[48][0] 劉委員建國:108年,對不對?
gazette.blocks[49][0] 許部長銘春:但是我們上路好像2020……
gazette.blocks[50][0] 劉委員建國:沒有啦,是108啦!應該是108公告的。
gazette.blocks[51][0] 許部長銘春:108公告,109才上路,因為疫情……
gazette.blocks[52][0] 劉委員建國:OK,109、110、111、112、113,今年是第五年,可以大大的來討論,大大的來檢討,快速來盤整,讓我們高齡者的勞參率可以提高;而這個板塊的移動到底是因為你們的政策推動的很好,很有力道?還是因為人口的問題、人口紅利的問題,搞到翻天覆地的一個大改變?我想政府尤其勞動部應該特別來注意這個事情。一個禮拜內,好不好?
gazette.blocks[53][0] 許部長銘春:好。
gazette.blocks[54][0] 劉委員建國:謝謝。
gazette.blocks[55][0] 主席:謝謝劉建國委員,接下來請王鴻薇委員。
gazette.agenda.page_end 286
gazette.agenda.meet_id 委員會-11-1-26-5
gazette.agenda.speakers[0] 黃秀芳
gazette.agenda.speakers[1] 陳昭姿
gazette.agenda.speakers[2] 陳菁徽
gazette.agenda.speakers[3] 盧縣一
gazette.agenda.speakers[4] 邱鎮軍
gazette.agenda.speakers[5] 蘇清泉
gazette.agenda.speakers[6] 涂權吉
gazette.agenda.speakers[7] 王正旭
gazette.agenda.speakers[8] 楊曜
gazette.agenda.speakers[9] 王育敏
gazette.agenda.speakers[10] 李坤城
gazette.agenda.speakers[11] 林淑芬
gazette.agenda.speakers[12] 楊瓊瓔
gazette.agenda.speakers[13] 林月琴
gazette.agenda.speakers[14] 伍麗華Saidhai‧Tahovecahe
gazette.agenda.speakers[15] 李彥秀
gazette.agenda.speakers[16] 羅智強
gazette.agenda.speakers[17] 牛煦庭
gazette.agenda.speakers[18] 劉建國
gazette.agenda.speakers[19] 王鴻薇
gazette.agenda.speakers[20] 張雅琳
gazette.agenda.speakers[21] 黃仁
gazette.agenda.speakers[22] 吳春城
gazette.agenda.speakers[23] 陳瑩
gazette.agenda.speakers[24] 廖偉翔
gazette.agenda.speakers[25] 林德福
gazette.agenda.speakers[26] 葉元之
gazette.agenda.page_start 193
gazette.agenda.meetingDate[0] 2024-03-13
gazette.agenda.gazette_id 1131301
gazette.agenda.agenda_lcidc_ids[0] 1131301_00005
gazette.agenda.meet_name 立法院第11屆第1會期社會福利及衛生環境委員會第5次全體委員會議紀錄
gazette.agenda.content 邀請勞動部部長列席報告業務概況,並備質詢
gazette.agenda.agenda_id 1131301_00004
transcript.pyannote[0].speaker SPEAKER_00
transcript.pyannote[0].start 7.67534375
transcript.pyannote[0].end 9.37971875
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 9.83534375
transcript.pyannote[1].end 10.81409375
transcript.pyannote[2].speaker SPEAKER_00
transcript.pyannote[2].start 11.16846875
transcript.pyannote[2].end 12.29909375
transcript.pyannote[3].speaker SPEAKER_00
transcript.pyannote[3].start 13.36221875
transcript.pyannote[3].end 14.07096875
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 14.62784375
transcript.pyannote[4].end 15.13409375
transcript.pyannote[5].speaker SPEAKER_00
transcript.pyannote[5].start 15.57284375
transcript.pyannote[5].end 16.23096875
transcript.pyannote[6].speaker SPEAKER_00
transcript.pyannote[6].start 17.29409375
transcript.pyannote[6].end 18.91409375
transcript.pyannote[7].speaker SPEAKER_00
transcript.pyannote[7].start 18.96471875
transcript.pyannote[7].end 18.98159375
transcript.pyannote[8].speaker SPEAKER_00
transcript.pyannote[8].start 19.30221875
transcript.pyannote[8].end 26.17034375
transcript.pyannote[9].speaker SPEAKER_00
transcript.pyannote[9].start 27.03096875
transcript.pyannote[9].end 27.65534375
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 28.02659375
transcript.pyannote[10].end 31.90784375
transcript.pyannote[11].speaker SPEAKER_00
transcript.pyannote[11].start 32.46471875
transcript.pyannote[11].end 58.03034375
transcript.pyannote[12].speaker SPEAKER_00
transcript.pyannote[12].start 58.30034375
transcript.pyannote[12].end 60.32534375
transcript.pyannote[13].speaker SPEAKER_00
transcript.pyannote[13].start 60.62909375
transcript.pyannote[13].end 64.67909375
transcript.pyannote[14].speaker SPEAKER_00
transcript.pyannote[14].start 64.81409375
transcript.pyannote[14].end 66.43409375
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 66.67034375
transcript.pyannote[15].end 67.54784375
transcript.pyannote[16].speaker SPEAKER_00
transcript.pyannote[16].start 67.93596875
transcript.pyannote[16].end 69.25221875
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 70.23096875
transcript.pyannote[17].end 71.32784375
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 71.51346875
transcript.pyannote[18].end 71.83409375
transcript.pyannote[19].speaker SPEAKER_00
transcript.pyannote[19].start 72.89721875
transcript.pyannote[19].end 74.87159375
transcript.pyannote[20].speaker SPEAKER_00
transcript.pyannote[20].start 75.52971875
transcript.pyannote[20].end 76.98096875
transcript.pyannote[21].speaker SPEAKER_01
transcript.pyannote[21].start 77.70659375
transcript.pyannote[21].end 77.79096875
transcript.pyannote[22].speaker SPEAKER_00
transcript.pyannote[22].start 77.79096875
transcript.pyannote[22].end 81.68909375
transcript.pyannote[23].speaker SPEAKER_01
transcript.pyannote[23].start 82.29659375
transcript.pyannote[23].end 85.63784375
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 85.95846875
transcript.pyannote[24].end 88.50659375
transcript.pyannote[25].speaker SPEAKER_01
transcript.pyannote[25].start 88.91159375
transcript.pyannote[25].end 95.45909375
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 95.91471875
transcript.pyannote[26].end 99.00284375
transcript.pyannote[27].speaker SPEAKER_00
transcript.pyannote[27].start 99.00284375
transcript.pyannote[27].end 107.20409375
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 103.06971875
transcript.pyannote[28].end 105.80346875
transcript.pyannote[29].speaker SPEAKER_00
transcript.pyannote[29].start 107.55846875
transcript.pyannote[29].end 114.96659375
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 115.64159375
transcript.pyannote[30].end 117.76784375
transcript.pyannote[31].speaker SPEAKER_00
transcript.pyannote[31].start 118.32471875
transcript.pyannote[31].end 119.01659375
transcript.pyannote[32].speaker SPEAKER_01
transcript.pyannote[32].start 120.51846875
transcript.pyannote[32].end 121.00784375
transcript.pyannote[33].speaker SPEAKER_01
transcript.pyannote[33].start 121.29471875
transcript.pyannote[33].end 124.21409375
transcript.pyannote[34].speaker SPEAKER_01
transcript.pyannote[34].start 124.70346875
transcript.pyannote[34].end 129.12471875
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 130.17096875
transcript.pyannote[35].end 132.71909375
transcript.pyannote[36].speaker SPEAKER_01
transcript.pyannote[36].start 133.30971875
transcript.pyannote[36].end 133.76534375
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 133.86659375
transcript.pyannote[37].end 143.89034375
transcript.pyannote[38].speaker SPEAKER_01
transcript.pyannote[38].start 144.34596875
transcript.pyannote[38].end 154.25159375
transcript.pyannote[39].speaker SPEAKER_01
transcript.pyannote[39].start 154.60596875
transcript.pyannote[39].end 155.90534375
transcript.pyannote[40].speaker SPEAKER_00
transcript.pyannote[40].start 156.31034375
transcript.pyannote[40].end 157.52534375
transcript.pyannote[41].speaker SPEAKER_00
transcript.pyannote[41].start 158.14971875
transcript.pyannote[41].end 159.82034375
transcript.pyannote[42].speaker SPEAKER_00
transcript.pyannote[42].start 160.19159375
transcript.pyannote[42].end 163.43159375
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 163.87034375
transcript.pyannote[43].end 167.54909375
transcript.pyannote[44].speaker SPEAKER_01
transcript.pyannote[44].start 167.93721875
transcript.pyannote[44].end 176.50971875
transcript.pyannote[45].speaker SPEAKER_01
transcript.pyannote[45].start 176.76284375
transcript.pyannote[45].end 179.58096875
transcript.pyannote[46].speaker SPEAKER_01
transcript.pyannote[46].start 179.74971875
transcript.pyannote[46].end 184.86284375
transcript.pyannote[47].speaker SPEAKER_00
transcript.pyannote[47].start 179.78346875
transcript.pyannote[47].end 180.13784375
transcript.pyannote[48].speaker SPEAKER_01
transcript.pyannote[48].start 185.03159375
transcript.pyannote[48].end 186.95534375
transcript.pyannote[49].speaker SPEAKER_01
transcript.pyannote[49].start 187.17471875
transcript.pyannote[49].end 189.73971875
transcript.pyannote[50].speaker SPEAKER_01
transcript.pyannote[50].start 190.07721875
transcript.pyannote[50].end 192.67596875
transcript.pyannote[51].speaker SPEAKER_01
transcript.pyannote[51].start 193.01346875
transcript.pyannote[51].end 193.41846875
transcript.pyannote[52].speaker SPEAKER_01
transcript.pyannote[52].start 194.58284375
transcript.pyannote[52].end 197.24909375
transcript.pyannote[53].speaker SPEAKER_00
transcript.pyannote[53].start 197.36721875
transcript.pyannote[53].end 199.91534375
transcript.pyannote[54].speaker SPEAKER_00
transcript.pyannote[54].start 200.16846875
transcript.pyannote[54].end 202.95284375
transcript.pyannote[55].speaker SPEAKER_01
transcript.pyannote[55].start 200.59034375
transcript.pyannote[55].end 201.14721875
transcript.pyannote[56].speaker SPEAKER_00
transcript.pyannote[56].start 203.20596875
transcript.pyannote[56].end 204.65721875
transcript.pyannote[57].speaker SPEAKER_01
transcript.pyannote[57].start 204.60659375
transcript.pyannote[57].end 205.16346875
transcript.pyannote[58].speaker SPEAKER_00
transcript.pyannote[58].start 205.26471875
transcript.pyannote[58].end 208.47096875
transcript.pyannote[59].speaker SPEAKER_01
transcript.pyannote[59].start 205.85534375
transcript.pyannote[59].end 206.29409375
transcript.pyannote[60].speaker SPEAKER_01
transcript.pyannote[60].start 207.71159375
transcript.pyannote[60].end 208.09971875
transcript.pyannote[61].speaker SPEAKER_01
transcript.pyannote[61].start 208.99409375
transcript.pyannote[61].end 209.58471875
transcript.pyannote[62].speaker SPEAKER_00
transcript.pyannote[62].start 209.61846875
transcript.pyannote[62].end 210.68159375
transcript.pyannote[63].speaker SPEAKER_01
transcript.pyannote[63].start 210.39471875
transcript.pyannote[63].end 213.61784375
transcript.pyannote[64].speaker SPEAKER_00
transcript.pyannote[64].start 211.33971875
transcript.pyannote[64].end 212.43659375
transcript.pyannote[65].speaker SPEAKER_00
transcript.pyannote[65].start 213.01034375
transcript.pyannote[65].end 216.41909375
transcript.pyannote[66].speaker SPEAKER_01
transcript.pyannote[66].start 215.15346875
transcript.pyannote[66].end 215.92971875
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 216.28409375
transcript.pyannote[67].end 216.68909375
transcript.pyannote[68].speaker SPEAKER_00
transcript.pyannote[68].start 216.57096875
transcript.pyannote[68].end 217.83659375
transcript.pyannote[69].speaker SPEAKER_01
transcript.pyannote[69].start 218.24159375
transcript.pyannote[69].end 218.91659375
transcript.pyannote[70].speaker SPEAKER_00
transcript.pyannote[70].start 218.47784375
transcript.pyannote[70].end 222.34221875
transcript.pyannote[71].speaker SPEAKER_01
transcript.pyannote[71].start 219.55784375
transcript.pyannote[71].end 221.14409375
transcript.pyannote[72].speaker SPEAKER_00
transcript.pyannote[72].start 222.35909375
transcript.pyannote[72].end 223.03409375
transcript.pyannote[73].speaker SPEAKER_01
transcript.pyannote[73].start 223.60784375
transcript.pyannote[73].end 224.06346875
transcript.pyannote[74].speaker SPEAKER_00
transcript.pyannote[74].start 224.14784375
transcript.pyannote[74].end 226.54409375
transcript.pyannote[75].speaker SPEAKER_01
transcript.pyannote[75].start 226.89846875
transcript.pyannote[75].end 227.53971875
transcript.pyannote[76].speaker SPEAKER_01
transcript.pyannote[76].start 227.77596875
transcript.pyannote[76].end 228.50159375
transcript.pyannote[77].speaker SPEAKER_00
transcript.pyannote[77].start 229.90221875
transcript.pyannote[77].end 231.03284375
transcript.pyannote[78].speaker SPEAKER_01
transcript.pyannote[78].start 231.58971875
transcript.pyannote[78].end 232.12971875
transcript.pyannote[79].speaker SPEAKER_00
transcript.pyannote[79].start 232.12971875
transcript.pyannote[79].end 233.04096875
transcript.pyannote[80].speaker SPEAKER_01
transcript.pyannote[80].start 235.13346875
transcript.pyannote[80].end 235.21784375
transcript.pyannote[81].speaker SPEAKER_00
transcript.pyannote[81].start 235.50471875
transcript.pyannote[81].end 235.72409375
transcript.pyannote[82].speaker SPEAKER_00
transcript.pyannote[82].start 236.70284375
transcript.pyannote[82].end 237.24284375
transcript.pyannote[83].speaker SPEAKER_00
transcript.pyannote[83].start 237.61409375
transcript.pyannote[83].end 238.77846875
transcript.pyannote[84].speaker SPEAKER_00
transcript.pyannote[84].start 239.09909375
transcript.pyannote[84].end 244.22909375
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 244.00971875
transcript.pyannote[85].end 244.85346875
transcript.pyannote[86].speaker SPEAKER_00
transcript.pyannote[86].start 244.61721875
transcript.pyannote[86].end 248.56596875
transcript.pyannote[87].speaker SPEAKER_01
transcript.pyannote[87].start 244.93784375
transcript.pyannote[87].end 246.10221875
transcript.pyannote[88].speaker SPEAKER_01
transcript.pyannote[88].start 246.72659375
transcript.pyannote[88].end 247.62096875
transcript.pyannote[89].speaker SPEAKER_01
transcript.pyannote[89].start 248.11034375
transcript.pyannote[89].end 248.22846875
transcript.pyannote[90].speaker SPEAKER_00
transcript.pyannote[90].start 248.59971875
transcript.pyannote[90].end 248.63346875
transcript.pyannote[91].speaker SPEAKER_01
transcript.pyannote[91].start 248.66721875
transcript.pyannote[91].end 250.01721875
transcript.pyannote[92].speaker SPEAKER_01
transcript.pyannote[92].start 250.37159375
transcript.pyannote[92].end 256.53096875
transcript.pyannote[93].speaker SPEAKER_00
transcript.pyannote[93].start 251.29971875
transcript.pyannote[93].end 252.73409375
transcript.pyannote[94].speaker SPEAKER_00
transcript.pyannote[94].start 256.59846875
transcript.pyannote[94].end 256.85159375
transcript.pyannote[95].speaker SPEAKER_01
transcript.pyannote[95].start 256.85159375
transcript.pyannote[95].end 258.15096875
transcript.pyannote[96].speaker SPEAKER_00
transcript.pyannote[96].start 256.86846875
transcript.pyannote[96].end 256.88534375
transcript.pyannote[97].speaker SPEAKER_00
transcript.pyannote[97].start 258.28596875
transcript.pyannote[97].end 262.53846875
transcript.pyannote[98].speaker SPEAKER_01
transcript.pyannote[98].start 261.64409375
transcript.pyannote[98].end 264.88409375
transcript.pyannote[99].speaker SPEAKER_01
transcript.pyannote[99].start 264.96846875
transcript.pyannote[99].end 269.67659375
transcript.pyannote[100].speaker SPEAKER_00
transcript.pyannote[100].start 268.32659375
transcript.pyannote[100].end 275.27909375
transcript.pyannote[101].speaker SPEAKER_01
transcript.pyannote[101].start 274.33409375
transcript.pyannote[101].end 274.41846875
transcript.pyannote[102].speaker SPEAKER_01
transcript.pyannote[102].start 274.70534375
transcript.pyannote[102].end 277.30409375
transcript.pyannote[103].speaker SPEAKER_00
transcript.pyannote[103].start 276.52784375
transcript.pyannote[103].end 277.40534375
transcript.pyannote[104].speaker SPEAKER_01
transcript.pyannote[104].start 277.40534375
transcript.pyannote[104].end 285.72471875
transcript.pyannote[105].speaker SPEAKER_00
transcript.pyannote[105].start 285.72471875
transcript.pyannote[105].end 287.19284375
transcript.pyannote[106].speaker SPEAKER_00
transcript.pyannote[106].start 287.69909375
transcript.pyannote[106].end 311.08784375
transcript.pyannote[107].speaker SPEAKER_00
transcript.pyannote[107].start 311.61096875
transcript.pyannote[107].end 312.57284375
transcript.pyannote[108].speaker SPEAKER_00
transcript.pyannote[108].start 312.82596875
transcript.pyannote[108].end 324.70596875
transcript.pyannote[109].speaker SPEAKER_00
transcript.pyannote[109].start 324.94221875
transcript.pyannote[109].end 327.11909375
transcript.pyannote[110].speaker SPEAKER_00
transcript.pyannote[110].start 327.97971875
transcript.pyannote[110].end 330.74721875
transcript.pyannote[111].speaker SPEAKER_01
transcript.pyannote[111].start 330.74721875
transcript.pyannote[111].end 331.11846875
transcript.pyannote[112].speaker SPEAKER_01
transcript.pyannote[112].start 331.25346875
transcript.pyannote[112].end 332.06346875
transcript.pyannote[113].speaker SPEAKER_00
transcript.pyannote[113].start 331.54034375
transcript.pyannote[113].end 340.14659375
transcript.pyannote[114].speaker SPEAKER_00
transcript.pyannote[114].start 340.53471875
transcript.pyannote[114].end 342.54284375
transcript.pyannote[115].speaker SPEAKER_01
transcript.pyannote[115].start 342.96471875
transcript.pyannote[115].end 365.52659375
transcript.pyannote[116].speaker SPEAKER_01
transcript.pyannote[116].start 366.08346875
transcript.pyannote[116].end 375.02721875
transcript.pyannote[117].speaker SPEAKER_01
transcript.pyannote[117].start 375.26346875
transcript.pyannote[117].end 376.79909375
transcript.pyannote[118].speaker SPEAKER_00
transcript.pyannote[118].start 375.39846875
transcript.pyannote[118].end 387.22784375
transcript.pyannote[119].speaker SPEAKER_00
transcript.pyannote[119].start 387.48096875
transcript.pyannote[119].end 388.24034375
transcript.pyannote[120].speaker SPEAKER_00
transcript.pyannote[120].start 388.74659375
transcript.pyannote[120].end 392.07096875
transcript.pyannote[121].speaker SPEAKER_00
transcript.pyannote[121].start 392.76284375
transcript.pyannote[121].end 395.27721875
transcript.pyannote[122].speaker SPEAKER_00
transcript.pyannote[122].start 395.39534375
transcript.pyannote[122].end 397.97721875
transcript.pyannote[123].speaker SPEAKER_00
transcript.pyannote[123].start 398.07846875
transcript.pyannote[123].end 399.69846875
transcript.pyannote[124].speaker SPEAKER_00
transcript.pyannote[124].start 400.12034375
transcript.pyannote[124].end 400.82909375
transcript.pyannote[125].speaker SPEAKER_00
transcript.pyannote[125].start 401.40284375
transcript.pyannote[125].end 403.78221875
transcript.pyannote[126].speaker SPEAKER_00
transcript.pyannote[126].start 404.08596875
transcript.pyannote[126].end 405.52034375
transcript.pyannote[127].speaker SPEAKER_00
transcript.pyannote[127].start 405.75659375
transcript.pyannote[127].end 415.27409375
transcript.pyannote[128].speaker SPEAKER_01
transcript.pyannote[128].start 406.07721875
transcript.pyannote[128].end 406.11096875
transcript.pyannote[129].speaker SPEAKER_00
transcript.pyannote[129].start 415.51034375
transcript.pyannote[129].end 418.39596875
transcript.pyannote[130].speaker SPEAKER_00
transcript.pyannote[130].start 419.17221875
transcript.pyannote[130].end 423.44159375
transcript.pyannote[131].speaker SPEAKER_00
transcript.pyannote[131].start 423.86346875
transcript.pyannote[131].end 424.85909375
transcript.pyannote[132].speaker SPEAKER_00
transcript.pyannote[132].start 425.14596875
transcript.pyannote[132].end 426.04034375
transcript.pyannote[133].speaker SPEAKER_00
transcript.pyannote[133].start 426.49596875
transcript.pyannote[133].end 430.96784375
transcript.pyannote[134].speaker SPEAKER_00
transcript.pyannote[134].start 431.27159375
transcript.pyannote[134].end 434.37659375
transcript.pyannote[135].speaker SPEAKER_00
transcript.pyannote[135].start 434.76471875
transcript.pyannote[135].end 440.26596875
transcript.pyannote[136].speaker SPEAKER_00
transcript.pyannote[136].start 441.51471875
transcript.pyannote[136].end 442.17284375
transcript.pyannote[137].speaker SPEAKER_00
transcript.pyannote[137].start 443.48909375
transcript.pyannote[137].end 445.75034375
transcript.pyannote[138].speaker SPEAKER_01
transcript.pyannote[138].start 445.63221875
transcript.pyannote[138].end 445.73346875
transcript.pyannote[139].speaker SPEAKER_01
transcript.pyannote[139].start 445.75034375
transcript.pyannote[139].end 446.39159375
transcript.pyannote[140].speaker SPEAKER_00
transcript.pyannote[140].start 446.54346875
transcript.pyannote[140].end 447.28596875
transcript.pyannote[141].speaker SPEAKER_01
transcript.pyannote[141].start 447.37034375
transcript.pyannote[141].end 447.91034375
transcript.pyannote[142].speaker SPEAKER_01
transcript.pyannote[142].start 448.24784375
transcript.pyannote[142].end 452.33159375
transcript.pyannote[143].speaker SPEAKER_01
transcript.pyannote[143].start 452.85471875
transcript.pyannote[143].end 454.32284375
transcript.pyannote[144].speaker SPEAKER_00
transcript.pyannote[144].start 454.44096875
transcript.pyannote[144].end 455.89221875
transcript.pyannote[145].speaker SPEAKER_00
transcript.pyannote[145].start 456.46596875
transcript.pyannote[145].end 456.78659375
transcript.pyannote[146].speaker SPEAKER_00
transcript.pyannote[146].start 456.83721875
transcript.pyannote[146].end 458.03534375
transcript.pyannote[147].speaker SPEAKER_00
transcript.pyannote[147].start 458.54159375
transcript.pyannote[147].end 461.12346875
transcript.pyannote[148].speaker SPEAKER_00
transcript.pyannote[148].start 461.39346875
transcript.pyannote[148].end 478.43721875
transcript.pyannote[149].speaker SPEAKER_00
transcript.pyannote[149].start 478.60596875
transcript.pyannote[149].end 480.95159375
transcript.pyannote[150].speaker SPEAKER_00
transcript.pyannote[150].start 482.03159375
transcript.pyannote[150].end 488.42721875
transcript.pyannote[151].speaker SPEAKER_00
transcript.pyannote[151].start 489.67596875
transcript.pyannote[151].end 490.06409375
transcript.pyannote[152].speaker SPEAKER_01
transcript.pyannote[152].start 491.38034375
transcript.pyannote[152].end 492.81471875
transcript.pyannote[153].speaker SPEAKER_00
transcript.pyannote[153].start 492.71346875
transcript.pyannote[153].end 493.15221875
transcript.pyannote[154].speaker SPEAKER_01
transcript.pyannote[154].start 493.50659375
transcript.pyannote[154].end 493.87784375
transcript.pyannote[155].speaker SPEAKER_00
transcript.pyannote[155].start 494.11409375
transcript.pyannote[155].end 498.78846875
transcript.pyannote[156].speaker SPEAKER_01
transcript.pyannote[156].start 494.21534375
transcript.pyannote[156].end 497.82659375
transcript.pyannote[157].speaker SPEAKER_01
transcript.pyannote[157].start 499.73346875
transcript.pyannote[157].end 500.32409375
transcript.pyannote[158].speaker SPEAKER_01
transcript.pyannote[158].start 500.67846875
transcript.pyannote[158].end 506.46659375
transcript.pyannote[159].speaker SPEAKER_00
transcript.pyannote[159].start 505.45409375
transcript.pyannote[159].end 508.12034375
transcript.pyannote[160].speaker SPEAKER_01
transcript.pyannote[160].start 506.95596875
transcript.pyannote[160].end 508.87971875
transcript.pyannote[161].speaker SPEAKER_00
transcript.pyannote[161].start 509.18346875
transcript.pyannote[161].end 516.05159375
transcript.pyannote[162].speaker SPEAKER_01
transcript.pyannote[162].start 509.26784375
transcript.pyannote[162].end 510.43221875
transcript.pyannote[163].speaker SPEAKER_00
transcript.pyannote[163].start 516.28784375
transcript.pyannote[163].end 518.97096875
transcript.pyannote[164].speaker SPEAKER_01
transcript.pyannote[164].start 518.16096875
transcript.pyannote[164].end 521.55284375
transcript.pyannote[165].speaker SPEAKER_00
transcript.pyannote[165].start 521.23221875
transcript.pyannote[165].end 533.78721875
transcript.pyannote[166].speaker SPEAKER_01
transcript.pyannote[166].start 530.22659375
transcript.pyannote[166].end 530.69909375
transcript.pyannote[167].speaker SPEAKER_00
transcript.pyannote[167].start 534.05721875
transcript.pyannote[167].end 537.16221875
transcript.pyannote[168].speaker SPEAKER_01
transcript.pyannote[168].start 537.04409375
transcript.pyannote[168].end 537.41534375
transcript.pyannote[169].speaker SPEAKER_00
transcript.pyannote[169].start 537.31409375
transcript.pyannote[169].end 552.73784375
transcript.pyannote[170].speaker SPEAKER_01
transcript.pyannote[170].start 544.72221875
transcript.pyannote[170].end 546.00471875
transcript.pyannote[171].speaker SPEAKER_01
transcript.pyannote[171].start 548.01284375
transcript.pyannote[171].end 548.09721875
transcript.pyannote[172].speaker SPEAKER_01
transcript.pyannote[172].start 548.26596875
transcript.pyannote[172].end 548.40096875
transcript.pyannote[173].speaker SPEAKER_01
transcript.pyannote[173].start 549.54846875
transcript.pyannote[173].end 551.08409375
transcript.pyannote[174].speaker SPEAKER_01
transcript.pyannote[174].start 551.43846875
transcript.pyannote[174].end 551.67471875
transcript.pyannote[175].speaker SPEAKER_01
transcript.pyannote[175].start 551.87721875
transcript.pyannote[175].end 551.91096875
transcript.pyannote[176].speaker SPEAKER_00
transcript.pyannote[176].start 553.44659375
transcript.pyannote[176].end 586.03221875
transcript.pyannote[177].speaker SPEAKER_00
transcript.pyannote[177].start 586.18409375
transcript.pyannote[177].end 587.07846875
transcript.pyannote[178].speaker SPEAKER_00
transcript.pyannote[178].start 587.82096875
transcript.pyannote[178].end 589.99784375
transcript.pyannote[179].speaker SPEAKER_00
transcript.pyannote[179].start 590.23409375
transcript.pyannote[179].end 592.02284375
transcript.pyannote[180].speaker SPEAKER_00
transcript.pyannote[180].start 592.49534375
transcript.pyannote[180].end 599.92034375
transcript.pyannote[181].speaker SPEAKER_00
transcript.pyannote[181].start 600.64596875
transcript.pyannote[181].end 622.60034375
transcript.pyannote[182].speaker SPEAKER_00
transcript.pyannote[182].start 623.19096875
transcript.pyannote[182].end 626.34659375
transcript.pyannote[183].speaker SPEAKER_00
transcript.pyannote[183].start 627.00471875
transcript.pyannote[183].end 631.54409375
transcript.pyannote[184].speaker SPEAKER_00
transcript.pyannote[184].start 631.91534375
transcript.pyannote[184].end 634.98659375
transcript.pyannote[185].speaker SPEAKER_00
transcript.pyannote[185].start 635.91471875
transcript.pyannote[185].end 637.24784375
transcript.pyannote[186].speaker SPEAKER_00
transcript.pyannote[186].start 637.77096875
transcript.pyannote[186].end 639.27284375
transcript.pyannote[187].speaker SPEAKER_00
transcript.pyannote[187].start 639.96471875
transcript.pyannote[187].end 640.97721875
transcript.pyannote[188].speaker SPEAKER_00
transcript.pyannote[188].start 641.53409375
transcript.pyannote[188].end 653.22846875
transcript.pyannote[189].speaker SPEAKER_00
transcript.pyannote[189].start 653.88659375
transcript.pyannote[189].end 655.25346875
transcript.pyannote[190].speaker SPEAKER_00
transcript.pyannote[190].start 655.40534375
transcript.pyannote[190].end 656.21534375
transcript.pyannote[191].speaker SPEAKER_00
transcript.pyannote[191].start 657.64971875
transcript.pyannote[191].end 665.07471875
transcript.pyannote[192].speaker SPEAKER_00
transcript.pyannote[192].start 665.74971875
transcript.pyannote[192].end 668.04471875
transcript.pyannote[193].speaker SPEAKER_00
transcript.pyannote[193].start 668.34846875
transcript.pyannote[193].end 670.67721875
transcript.pyannote[194].speaker SPEAKER_00
transcript.pyannote[194].start 670.72784375
transcript.pyannote[194].end 673.41096875
transcript.pyannote[195].speaker SPEAKER_00
transcript.pyannote[195].start 674.44034375
transcript.pyannote[195].end 674.72721875
transcript.pyannote[196].speaker SPEAKER_00
transcript.pyannote[196].start 674.94659375
transcript.pyannote[196].end 675.31784375
transcript.pyannote[197].speaker SPEAKER_00
transcript.pyannote[197].start 675.63846875
transcript.pyannote[197].end 678.11909375
transcript.pyannote[198].speaker SPEAKER_00
transcript.pyannote[198].start 678.64221875
transcript.pyannote[198].end 679.85721875
transcript.pyannote[199].speaker SPEAKER_00
transcript.pyannote[199].start 680.26221875
transcript.pyannote[199].end 681.51096875
transcript.pyannote[200].speaker SPEAKER_00
transcript.pyannote[200].start 681.91596875
transcript.pyannote[200].end 691.07909375
transcript.pyannote[201].speaker SPEAKER_00
transcript.pyannote[201].start 691.38284375
transcript.pyannote[201].end 692.76659375
transcript.pyannote[202].speaker SPEAKER_00
transcript.pyannote[202].start 693.37409375
transcript.pyannote[202].end 695.41596875
transcript.pyannote[203].speaker SPEAKER_01
transcript.pyannote[203].start 695.41596875
transcript.pyannote[203].end 695.71971875
transcript.pyannote[204].speaker SPEAKER_01
transcript.pyannote[204].start 696.05721875
transcript.pyannote[204].end 702.16596875
transcript.pyannote[205].speaker SPEAKER_01
transcript.pyannote[205].start 702.50346875
transcript.pyannote[205].end 704.00534375
transcript.pyannote[206].speaker SPEAKER_01
transcript.pyannote[206].start 704.27534375
transcript.pyannote[206].end 704.78159375
transcript.pyannote[207].speaker SPEAKER_01
transcript.pyannote[207].start 704.91659375
transcript.pyannote[207].end 708.35909375
transcript.pyannote[208].speaker SPEAKER_01
transcript.pyannote[208].start 708.79784375
transcript.pyannote[208].end 710.90721875
transcript.pyannote[209].speaker SPEAKER_00
transcript.pyannote[209].start 711.24471875
transcript.pyannote[209].end 718.41659375
transcript.pyannote[210].speaker SPEAKER_01
transcript.pyannote[210].start 718.63596875
transcript.pyannote[210].end 718.68659375
transcript.pyannote[211].speaker SPEAKER_00
transcript.pyannote[211].start 718.68659375
transcript.pyannote[211].end 721.92659375
transcript.pyannote[212].speaker SPEAKER_01
transcript.pyannote[212].start 723.42846875
transcript.pyannote[212].end 724.91346875
transcript.pyannote[213].speaker SPEAKER_00
transcript.pyannote[213].start 725.36909375
transcript.pyannote[213].end 726.71909375
transcript.pyannote[214].speaker SPEAKER_01
transcript.pyannote[214].start 726.38159375
transcript.pyannote[214].end 728.54159375
transcript.pyannote[215].speaker SPEAKER_00
transcript.pyannote[215].start 729.33471875
transcript.pyannote[215].end 730.16159375
transcript.pyannote[216].speaker SPEAKER_00
transcript.pyannote[216].start 731.02221875
transcript.pyannote[216].end 732.30471875
transcript.pyannote[217].speaker SPEAKER_01
transcript.pyannote[217].start 732.30471875
transcript.pyannote[217].end 734.48159375
transcript.pyannote[218].speaker SPEAKER_00
transcript.pyannote[218].start 733.18221875
transcript.pyannote[218].end 733.51971875
transcript.pyannote[219].speaker SPEAKER_00
transcript.pyannote[219].start 734.48159375
transcript.pyannote[219].end 736.05096875
transcript.pyannote[220].speaker SPEAKER_01
transcript.pyannote[220].start 735.03846875
transcript.pyannote[220].end 735.56159375
transcript.pyannote[221].speaker SPEAKER_00
transcript.pyannote[221].start 736.21971875
transcript.pyannote[221].end 741.60284375
transcript.pyannote[222].speaker SPEAKER_01
transcript.pyannote[222].start 740.11784375
transcript.pyannote[222].end 741.07971875
transcript.pyannote[223].speaker SPEAKER_01
transcript.pyannote[223].start 741.48471875
transcript.pyannote[223].end 741.90659375
transcript.pyannote[224].speaker SPEAKER_00
transcript.pyannote[224].start 742.04159375
transcript.pyannote[224].end 752.43659375
transcript.pyannote[225].speaker SPEAKER_01
transcript.pyannote[225].start 743.23971875
transcript.pyannote[225].end 743.67846875
transcript.pyannote[226].speaker SPEAKER_00
transcript.pyannote[226].start 752.52096875
transcript.pyannote[226].end 763.03409375
transcript.pyannote[227].speaker SPEAKER_00
transcript.pyannote[227].start 763.35471875
transcript.pyannote[227].end 765.54846875
transcript.pyannote[228].speaker SPEAKER_00
transcript.pyannote[228].start 766.15596875
transcript.pyannote[228].end 767.57346875
transcript.pyannote[229].speaker SPEAKER_01
transcript.pyannote[229].start 767.57346875
transcript.pyannote[229].end 767.82659375
transcript.pyannote[230].speaker SPEAKER_00
transcript.pyannote[230].start 767.91096875
transcript.pyannote[230].end 768.56909375
transcript.pyannote[231].speaker SPEAKER_01
transcript.pyannote[231].start 768.75471875
transcript.pyannote[231].end 769.78409375
transcript.pyannote[232].speaker SPEAKER_01
transcript.pyannote[232].start 770.29034375
transcript.pyannote[232].end 773.85096875
transcript.whisperx[0].start 8.214
transcript.whisperx[0].end 33.994
transcript.whisperx[0].text 好謝謝趙委又請部長請許部長部長要不要先吃便當不用喔好委員好部長好部長我想今天我還要來跟討論就是這個缺工問題還有中高齡及高齡者的就業的促進我想中高齡及高齡者的就業促進法也在你的任內推動完成好那我們到事實上
transcript.whisperx[1].start 34.778
transcript.whisperx[1].end 59.895
transcript.whisperx[1].text 我簡單講幾個背景的資料然後我們來做一個警示嘛齁這個人力銀行的相關的資料說臺灣已住宿餐飲零售電子資訊軟體半導體以及一般製造業陷入嚴重的缺工狀態那我們呢報告裡面說這波缺工潮起因於3年前的疫情導致各行各業人力流失疫情結束後民眾消費力回復
transcript.whisperx[2].start 60.735
transcript.whisperx[2].end 81.056
transcript.whisperx[2].text 但產業界人力流失的缺口卻無法及時補充導致缺工情況發生這是你們報告你認可嗎?缺工草是因為這三年的疫情所造成的主因嗎?還是這三年之後才有這個缺工草是因為疫情的關係嗎?
transcript.whisperx[3].start 82.848
transcript.whisperx[3].end 108.899
transcript.whisperx[3].text 報告少子化吼勞動力缺口也不斷的擴大這個也是但是我們可能是針對疫情之後吼因為有一些產業他缺工一直補不足啦吼尤其像餐飲服務服務業然後我們是特別針對這部分來做說明應該藝術蠻多的啦吼但是只有單純寫這樣我是覺得這個不夠周全了是不是貴部了解還是還是所以所以
transcript.whisperx[4].start 109.289
transcript.whisperx[4].end 132.245
transcript.whisperx[4].text 所以好那我們就前面就不談我們台南後面的那部長認為你們評估起來這個缺工廠會多久?這樣呢大量缺工會不會成為台灣社會以後的常態?這個會更嚴峻啦因為早子化以後這個我就覺得整個人口勞動力人口它其實是一直會降低的對阿你們部要怎麼做這個因應?
transcript.whisperx[5].start 133.976
transcript.whisperx[5].end 153.976
transcript.whisperx[5].text 因為我們要開放一些勞動力,比如說包括青年的部分,婦女在就業,還有中高齡高齡者,我們是比較小心把它定義成壯世代,希望他們能續留職場或重返職場。那也希望說僱主能夠善用這些壯世代的勞動力,不要有這個憐憫歧視的問題。
transcript.whisperx[6].start 156.383
transcript.whisperx[6].end 167.439
transcript.whisperx[6].text 撞四代勞動力現在撞四代勞動力是我覺得是政府好像完全沒有辦法去掌控而且引導上的力道也是非常薄弱的
transcript.whisperx[7].start 168.221
transcript.whisperx[7].end 189.393
transcript.whisperx[7].text 我們其實一直在推計畫啦吼那像我們現在有發覺到說55歲以上的這個勞參率喔比起韓日大概低了到20%所以我們現在有推一個壯世代的一個計畫希望能夠三年計畫希望能夠在這三年內多增加30萬的這個55歲以上壯世代能夠
transcript.whisperx[8].start 194.742
transcript.whisperx[8].end 222.88
transcript.whisperx[8].text 進入到職場來提高他的勞參率你先把他定位55歲以上叫做壯士代然後你預計多久要提高到30萬可以進到職場3年3年內了對從2024年開始起算去年去年就起算了去年5月開始ok去年5月那到現在快也將近快1年了嘛剩下幾個就1年嘛對那30萬到目前實際上有進入到這個陳主委所講的壯士代對有多少
transcript.whisperx[9].start 224.199
transcript.whisperx[9].end 227.805
transcript.whisperx[9].text 站比是多少?這三十萬的站比是多少?大概19萬已經進到19萬了那效益不錯啊對19萬了對
transcript.whisperx[10].start 237.085
transcript.whisperx[10].end 248.157
transcript.whisperx[10].text 19萬的不到3年的一個規劃然後不到一年我們就可以達到百分之19除以30那幾%60%6成我要修正一下這個是中高齡以上但是55歲的我要再請他們的數據再
transcript.whisperx[11].start 256.887
transcript.whisperx[11].end 276.886
transcript.whisperx[11].text 再分離一下你現在是講中高齡,中高齡就從45歲到64歲嘛對不對?對對對阿所以這個要再算啦那剛剛對數字不對我看了一下那不是不是壯士代55如果這樣就不需要再引進那個移工進來了嘛對不對?如果照這樣的力道阿就是我們移工還是對於缺空這是得證欸
transcript.whisperx[12].start 278.667
transcript.whisperx[12].end 293.756
transcript.whisperx[12].text 移工是針對本國人不願意從事的產業我們現在壯士在這個當然是希望不是不是不是部長我想那些背景資料你都比我清楚但是國會這邊有特別提到他在2033年台灣整體的勞動力重心也將從現在的40到19歲轉移到50到59歲
transcript.whisperx[13].start 300.9
transcript.whisperx[13].end 326.712
transcript.whisperx[13].text 就呼籲你剛才的講法也說臺灣在10年內整個勞動力的市長將產生這個天翻地覆的大變動所以國會的事務主委曾公開表示人口的紅利減少的速度比預期快坦白講這句話我是很難接受政府的預期怎麼會預期的這麼不精準這其一其二政府預計要在2030年前引進40萬外來的人口就業
transcript.whisperx[14].start 328.318
transcript.whisperx[14].end 342.205
transcript.whisperx[14].text 這是國會講的才能解除警報喔所以我才會講說如果面對這樣的事情國會也這樣的對外做這樣的表達那我們的因應知道在勞動部的核心主要的政策是什麼
transcript.whisperx[15].start 342.998
transcript.whisperx[15].end 363.01
transcript.whisperx[15].text 那個報告委員剛剛國話會那個203040萬那個是中階以上的對包括白領灰領我們所謂灰領啊橋外生啊他是要在這8年內要要要希望引進40萬好那像勞動部的部分就是中階技術人力好我就是把現在在臺灣的藍領低階的這些勞工
transcript.whisperx[16].start 366.152
transcript.whisperx[16].end 389.907
transcript.whisperx[16].text 他具有技術他心智大一點的門檻現在他轉成中階技術人力來填補我們現在中階人力的不足他這個地方是這樣子我現在先說比較小的範圍因為特別提到中高齡及高齡者的就業蘇慶華也在部長任內來推動完成對不對你看一個數據老花鼠臺灣中高齡就業人口60到64歲都還有39.6
transcript.whisperx[17].start 392.796
transcript.whisperx[17].end 417.514
transcript.whisperx[17].text 但是65歲以上就直接掉到9.6如果你對比其他的國家你自己看齁台灣65歲以上的勞參率低了將近其他對比其他國家是19到37這明顯偏高嘛這你們認可嘛齁那不如今天在報告中也闡述啦齁莊高麟就45到6歲勞參率有逐步在提升就稱呼你剛才所講的嘛齁但但剛剛委員特別提到國會講
transcript.whisperx[18].start 419.212
transcript.whisperx[18].end 440.057
transcript.whisperx[18].text 不到10點時間就是從40歲到19歲會轉移到50到59歲這個是我如果要檢視部長在推動中高齡及高齡的就業的這個政策有成效通過法律的制定然後推動整個執行面有成效還是還是這個整體的勞動力的重心已經朝向中高齡的區塊去做螺蟻到底是哪一個到底是哪一個
transcript.whisperx[19].start 443.547
transcript.whisperx[19].end 444.608
transcript.whisperx[19].text 我覺得部長不要誤判一般人要講三次
transcript.whisperx[20].start 458.615
transcript.whisperx[20].end 487.664
transcript.whisperx[20].text 我就講不要誤判恩賜啦齁如果中高齡的就業政策推得好齁65歲以上的長輩應該是現在會以半退休的狀況嘛對不對齁持續在職場上服務但是目前台灣為此的65歲退休之後沒事做的現在僅有9.6%還在職場服務所以我要跟部長討論是說你認為啦齁跟普遍職場仍然要求勞工必須要有一個完整的勞動工時有沒有關係啊
transcript.whisperx[21].start 489.724
transcript.whisperx[21].end 491.445
transcript.whisperx[21].text 有沒有?
transcript.whisperx[22].start 491.445
transcript.whisperx[22].end 492.906
transcript.whisperx[22].text 完整的勞動工時?
transcript.whisperx[23].start 492.906
transcript.whisperx[23].end 501.01
transcript.whisperx[23].text 對嘛。 職長薩爾普遍認為勞動還是要一個完整的勞動工時有沒有關係?
transcript.whisperx[24].start 501.01
transcript.whisperx[24].end 515.457
transcript.whisperx[24].text 這個我是覺得針對不同的好像這些世代應該有可能不同的勞動工時。 我現在針對高齡者跟高齡者。 高齡者他可能要有彈性的工時。 對嘛。 你覺得你覺得現在的這樣的我們的這些環境對高齡者
transcript.whisperx[25].start 516.377
transcript.whisperx[25].end 536.799
transcript.whisperx[25].text 有達到友善有達到彈性這部分還要在很大的努力空間部長有回答問題了因為我覺得現在齁你看要讓65歲的這些高齡者因為體育上本身就有一些障礙了嘛對不對齁然後他還要課很多問題除此之外讓高齡者要有一個完整的8個工作
transcript.whisperx[26].start 537.8
transcript.whisperx[26].end 550.07
transcript.whisperx[26].text 的這個時間來從事他的退休之後的就業的一個環境這既不友善也不健康所以他的勞參率當然就很低我是要從這部分跟部長來做一個討論那你看喔
transcript.whisperx[27].start 553.516
transcript.whisperx[27].end 556.137
transcript.whisperx[27].text 五千人等於三年成長百分之三百然後人力營養更發現外送人大多數來自這個製造業的基層跟餐飲業這個是一個板塊的很大很大的很快的速度在
transcript.whisperx[28].start 576.385
transcript.whisperx[28].end 599.672
transcript.whisperx[28].text 在做一個轉移嘛對不對這是這是你們的資料然後這個WTW2023的組織跟人才的關鍵報告中指出歷史代齁人才最關鍵的因素他不再是薪水而是職矮的發展機會他們相當在意公司是我提供彈性工時及和員工福利以及這個成功做內容找到這個使命感
transcript.whisperx[29].start 601.2
transcript.whisperx[29].end 622.391
transcript.whisperx[29].text 這個是你們的資料支撐會在去年7到9月實行彈性工時的實驗一共有105位的同仁參加參加的員工一個月內要滿足168的總工時但不拘束員工的上下班時間和工作定點實驗的結果證實工作的產出跟表現並沒有變得不好
transcript.whisperx[30].start 623.251
transcript.whisperx[30].end 625.993
transcript.whisperx[30].text 對中高齡及高齡者的就業環境應該要有所來做這個因應才對嘛我是要很
transcript.whisperx[31].start 641.601
transcript.whisperx[31].end 664.907
transcript.whisperx[31].text 很誠懇的提醒部長這事情齁那你們自己也有結合相關部會嘛齁在偏鄉推動這個婦女再就業計畫然後什麼婦女什麼兼顧家庭勞動部提供僱主公使調整獎勵還有公使調整獎勵嘛齁然後針對僱主提供有照顧家庭需求的婦女比較彈性公使調整其中就有舉出這個系統貴供應商的成功案例
transcript.whisperx[32].start 665.779
transcript.whisperx[32].end 694.711
transcript.whisperx[32].text 然後李肅岳哲也併顧鍾高齡也提出了相對的這個彈性的工時多半是這個彈性工時的班表這個你們又有在做啊但是好像那個量能好像那個速度緩不濟急沒有辦法追過人口老化沒有辦法追過這些想要在給高齡者要從事這個就業的環境裡面提高他們的意願這個我覺得很大大的討論空間
transcript.whisperx[33].start 696.124
transcript.whisperx[33].end 721.476
transcript.whisperx[33].text 我是覺得雇主可能觀念的改變非常重要因為面對這個勞動力的短缺大家可能對於這個勞動力的來源要更能夠接受這些壯世代或者二度就業婦女這些所以剛剛您委員講的一些話坦白講我心裡有戚戚焉政府應該扮演更強大的這樣的一個力道不然我們這個法律法律你部長記得什麼時候通過的嗎
transcript.whisperx[34].start 725.818
transcript.whisperx[34].end 748.355
transcript.whisperx[34].text 201919吧20191080嘛對不對但是我們上路好像2020齁沒有啊108啦應該是108公告的啦108公告啊109才上路因為疫情OK嘛09 110 11 12 13第5年可以大大來討論了嘛當然要檢討了嘛快速來盤整嘛好不好那我們這個高齡者的勞動率可以提高嘛那這個板塊移動到底是因為你們的政策
transcript.whisperx[35].start 748.895
transcript.whisperx[35].end 749.235
transcript.whisperx[35].text 接下來請王宏威委員