| IVOD_ID |
150530 |
| IVOD_URL |
https://ivod.ly.gov.tw/Play/Clip/1M/150530 |
| 日期 |
2024-03-27 |
| 會議資料.會議代碼 |
委員會-11-1-36-9 |
| 會議資料.會議代碼:str |
第11屆第1會期司法及法制委員會第9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 |
9 |
| 會議資料.種類 |
委員會 |
| 會議資料.委員會代碼[0] |
36 |
| 會議資料.委員會代碼:str[0] |
司法及法制委員會 |
| 會議資料.標題 |
第11屆第1會期司法及法制委員會第9次全體委員會議 |
| 影片種類 |
Clip |
| 開始時間 |
2024-03-27T11:35:30+08:00 |
| 結束時間 |
2024-03-27T11:45:48+08:00 |
| 影片長度 |
00:10:18 |
| 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/9baf490faf5eb4d547dd1f83c818959b6e9ac27f41e17f3cf8ba9b0039caa7a6cdb5c4b8ea9a70065ea18f28b6918d91.mp4/playlist.m3u8 |
| 委員名稱 |
吳宗憲 |
| 委員發言時間 |
11:35:30 - 11:45:48 |
| 會議時間 |
2024-03-27T09:00:00+08:00 |
| 會議名稱 |
立法院第11屆第1會期司法及法制委員會第9次全體委員會議（事由：一、邀請行政院人事行政總處人事長及行政院相關機關（含事業單位）列席就「政府機關推動人事服務數位轉型」進行專題報告，並備質詢。
二、審查及處理113年度中央政府總預算關於行政院人事行政總處及所屬主管預算凍結項目共8案。
【其中7案如經院會復議，則不予審查、處理】） |
| gazette.lineno |
896 |
| gazette.blocks[0][0] |
吳委員宗憲：（11時35分）麻煩請人事長。 |
| gazette.blocks[1][0] |
主席：有請人事長。 |
| gazette.blocks[2][0] |
蘇人事長俊榮：吳委員早。 |
| gazette.blocks[3][0] |
吳委員宗憲：早安。我想請教一下，最近勞動部有一個小規模以日來計算育嬰假5日的開放申請，這個部分讓我想到一些事情，就是現在講求性別平等，還有工作跟家庭生活要平衡，包括我上一次請教您的部分也有提到，公務員男女比例以及高階公務員男女比例目前還是有一個差距，包括這個部分，我覺得性平是我們要努力的方向。所以將來性平這一塊可能會反映到公務員的男女比例上面，是不是會越拉越近？另外還有一個可能跟公務員男女比例有關的部分，就是育嬰假的申請。我想請問一下人事長，可不可以簡單的說明一下目前育嬰留職停薪制度辦理的狀況？ |
| gazette.blocks[4][0] |
蘇人事長俊榮：跟委員報告，公務員如果有養育三足歲以下的子女，都可以以日、月、年為單位，沒有次數的限制。過去這段時間，一次申請三個月以上大概八成多；大概兩成左右是未達三個月。因為大家的需求不同嘛！三個月以上大概有八成到八成五，剩下百分之十五到二十是屬於一次申請三個月以下，可是他可以選擇以日、月或年為單位，就是三歲以下都可以這樣申請。 |
| gazette.blocks[4][1] |
另外，剛才委員說男女育嬰留職停薪的問題，坦白講，前幾年男性請育嬰留停的比較少，但最近它成長的幅度非常的快，現在男性請育嬰留停比率已經差不多18%，女性大概82%，本來大概5%左右，成長速度非常的快。這幾年男性請育嬰留停的還滿多的，而且我們有一個制度，夫妻可以同時請育嬰留停，夫妻都可以，有做這個調整。 |
| gazette.blocks[5][0] |
吳委員宗憲：這個是已經通過了嗎？ |
| gazette.blocks[6][0] |
蘇人事長俊榮：已經通過了，目前就這樣實施的。 |
| gazette.blocks[7][0] |
吳委員宗憲：好，謝謝。我們來看一下現在的比率，從107年到112年，當然我們看到就是107年，男女申請留停的比例，差距從本來是72.8然後到現在剩下56.8，也就是確實就如同剛剛人事長說的，差距在縮小中。我覺得這是一個好現象，我也覺得說……請教一下，你們有沒有去研究一下，為什麼這男女比會差這麼多？ |
| gazette.blocks[8][0] |
蘇人事長俊榮：因為傳統的……嬰兒哺乳的問題，女性去照顧可能會比較方便，當然也有透過其他的方式，每一個人考慮的情況不一樣。最近我們在觀察，事實上，男性他覺得在夫妻之間有一個協調，有可能他們兩個工作場域不同，工作場域有可能是公家、可能是私人機關也有可能兩個都是公家機關，樣態也是滿多元的，不過假如有希望我們再試著去做進一步的分析，我們會再進一步調查。 |
| gazette.blocks[9][0] |
吳委員宗憲：因為這有一個可能性，我上次跟人事長有請教過，高階公務員的男女比例有差距，那在申請留停的時候，我想每一個家庭除了考量到剛剛人事長說的餵養問題之外，當然有一個可能性也許就是薪資，高階公務員男性的比例就是比較高，他們在考量薪資的時候，當然會選擇薪資比較低的去申請留職停薪。請問一下，包含上一次我跟您請教的問題到這一次有關留職停薪，你有沒有想過這個差距、有沒有去做過相關的關聯性分析？ |
| gazette.blocks[10][0] |
蘇人事長俊榮：相關的關聯性，其實剛才委員說的，我的待遇可能比較高，所以我就留著工作，待遇比較低的因為……另外有一種現象可能要跟委員稍微說明一下，因為女性目前在行政職的比較多，他的pay基本上會比較低。如果是屬於工程職系或者其他職系的pay會比較高。基本上這種情況會有兩種選擇，一種是夫妻同時請育嬰留停，就一起顧，負擔還沒那麼重；另外一個就是，雖然我們有本俸八成的一個補助，但是一個家庭的維持，算一算後覺得比較吃緊，就有可能誰的待遇比較高，另外一個就留下來顧，也不見得都是男性的待遇會比較高，我們最近發現有些女性同仁的待遇也不見得比男性差。 |
| gazette.blocks[11][0] |
吳委員宗憲：所以這部分是不是可以去做一個關聯性分析，看到底問題出在哪裡？當然直覺覺得有一個像您剛說的餵養問題，那我剛說的薪水、薪資的問題，都是很現實面的，就會牽連到像您剛說的行政職薪水可能比較低，或者是高階公務員裡面女性占比比較低，都會影響到後續請育嬰留停比例上的差距，如果有可能的話，再麻煩做一個分析。 |
| gazette.blocks[12][0] |
蘇人事長俊榮：向委員報告，一般到高階，他的小孩都長大了，那時候沒有三歲了。 |
| gazette.blocks[13][0] |
吳委員宗憲：不能這樣講嘛。 |
| gazette.blocks[14][0] |
蘇人事長俊榮：如果到高階，一般來說小孩都長大了，三歲以下的比較少，坦白講實務上就是這樣，都年輕的在生嘛！ |
| gazette.blocks[15][0] |
吳委員宗憲：比例啦，比例啦。 |
| gazette.blocks[16][0] |
蘇人事長俊榮：高階又拼出生率的有啦，但這種人比較少。 |
| gazette.blocks[17][0] |
吳委員宗憲：對啦，沒有啦……有機會我再告訴你我的狀況。 |
| gazette.blocks[18][0] |
蘇人事長俊榮：我們會回去做關聯性分析，我覺得這個議題也非常棒啦，這個議題非常棒。 |
| gazette.blocks[19][0] |
吳委員宗憲：就是做一個對國家有幫助的調查。再請教一個問題，接下來可以預期AI可能會有一個爆炸性的成長，AI將來爆炸性成長之後，對於公務員人力上面，有沒有去預想將來人力上面的衝擊你們會怎麼做？ |
| gazette.blocks[20][0] |
蘇人事長俊榮：事實上人工智慧就是看你怎麼用，主要看你用，當然它會有很多負面的impact，它會有衝擊嘛，我以人總為例，上一年2月的時候，就前年年底ChatGPT剛出來，我們上一年2月份就啟動ChatGPT的一個實驗型的計畫。就是跟銓敘部、保訓會、考選部，他們有一些法規，還有一些釋例，我們把這些人事法規的部分透過ChatGPT演算，因為我們遇到的問題是很多新進的人事人員進來，他也不曉得要如何去查到對的人事法規，所以我們有去做這樣的一個實驗，準確率大概從六成慢慢拉到大概八成左右，因為人工智慧本來就要一直對話。 |
| gazette.blocks[20][1] |
不過這裡我必須要跟委員報告一件事情，我們不是在雲端處理的模式，而是在地端。我們是把資料download到地端，因為我們也擔心在雲端的話，有時候ChatGPT會去抓，資料正確性會降低，因為它是一個cross domain的概念，所以我們是用地端。上一年12月底我們也有對外發表了使用的心得，我們會持續，像今年我們啟動一個計畫就是來試做會議紀錄，開完會以後透過ChatGPT，可以在最短的時間把會議紀錄產生出來。 |
| gazette.blocks[21][0] |
吳委員宗憲：我為什麼提到這個？AI風行之後可能對人事有很大影響。公務員不管負擔過重或負擔過輕都不是人民能夠接受的。我這裡有一個例子，美國新墨西哥州政府有一個嬰兒機器人的自動程序，以前需要一個月的時間流程，導入這個系統後，就只要10分鐘。也就是說，將來有很多東西被人工智慧取代之後，在人力的使用上面絕對跟現在會不一樣，我當然不是說一定要求人事總處要做怎麼樣的處理，但是我們必須先做研究，因應將來可能會發生的變化。就像我剛剛說的公務員不管負擔過重或過輕，人民都沒有辦法接受，最適當的人力運用是最好的，好，謝謝。 |
| gazette.blocks[22][0] |
蘇人事長俊榮：謝謝委員。 |
| gazette.blocks[23][0] |
主席：謝謝吳召委，謝謝蘇人事長。 |
| gazette.blocks[24][0] |
主席（吳委員宗憲代）：請鄭天財委員。 |
| gazette.agenda.page_end |
210 |
| gazette.agenda.meet_id |
委員會-11-1-36-9 |
| gazette.agenda.speakers[0] |
鍾佳濱 |
| gazette.agenda.speakers[1] |
黃國昌 |
| gazette.agenda.speakers[2] |
沈發惠 |
| gazette.agenda.speakers[3] |
陳俊宇 |
| gazette.agenda.speakers[4] |
林思銘 |
| gazette.agenda.speakers[5] |
羅智強 |
| gazette.agenda.speakers[6] |
莊瑞雄 |
| gazette.agenda.speakers[7] |
吳思瑤 |
| gazette.agenda.speakers[8] |
翁曉玲 |
| gazette.agenda.speakers[9] |
謝龍介 |
| gazette.agenda.speakers[10] |
傅崐萁 |
| gazette.agenda.speakers[11] |
吳宗憲 |
| gazette.agenda.speakers[12] |
鄭天財Sra Kacaw |
| gazette.agenda.page_start |
151 |
| gazette.agenda.meetingDate[0] |
2024-03-27 |
| gazette.agenda.gazette_id |
1132001 |
| gazette.agenda.agenda_lcidc_ids[0] |
1132001_00008 |
| gazette.agenda.meet_name |
立法院第11屆第1會期司法及法制委員會第9次全體委員會議紀錄 |
| gazette.agenda.content |
一、邀請行政院人事行政總處人事長及行政院相關機關（含事業單位）列席就「政府機關推動人
事服務數位轉型」進行專題報告，並備質詢；二、審查及處理113年度中央政府總預算關於行政
院人事行政總處及所屬主管預算凍結項目共7案 |
| gazette.agenda.agenda_id |
1132001_00017 |
| transcript.pyannote[0].speaker |
SPEAKER_01 |
| transcript.pyannote[0].start |
0.38534375 |
| transcript.pyannote[0].end |
0.41909375 |
| transcript.pyannote[1].speaker |
SPEAKER_00 |
| transcript.pyannote[1].start |
0.41909375 |
| transcript.pyannote[1].end |
1.12784375 |
| transcript.pyannote[2].speaker |
SPEAKER_00 |
| transcript.pyannote[2].start |
1.26284375 |
| transcript.pyannote[2].end |
1.80284375 |
| transcript.pyannote[3].speaker |
SPEAKER_00 |
| transcript.pyannote[3].start |
2.17409375 |
| transcript.pyannote[3].end |
2.19096875 |
| transcript.pyannote[4].speaker |
SPEAKER_01 |
| transcript.pyannote[4].start |
2.19096875 |
| transcript.pyannote[4].end |
3.13596875 |
| transcript.pyannote[5].speaker |
SPEAKER_00 |
| transcript.pyannote[5].start |
3.13596875 |
| transcript.pyannote[5].end |
3.60846875 |
| transcript.pyannote[6].speaker |
SPEAKER_01 |
| transcript.pyannote[6].start |
3.60846875 |
| transcript.pyannote[6].end |
3.62534375 |
| transcript.pyannote[7].speaker |
SPEAKER_00 |
| transcript.pyannote[7].start |
5.49846875 |
| transcript.pyannote[7].end |
7.74284375 |
| transcript.pyannote[8].speaker |
SPEAKER_01 |
| transcript.pyannote[8].start |
5.81909375 |
| transcript.pyannote[8].end |
6.49409375 |
| transcript.pyannote[9].speaker |
SPEAKER_00 |
| transcript.pyannote[9].start |
7.92846875 |
| transcript.pyannote[9].end |
17.56409375 |
| transcript.pyannote[10].speaker |
SPEAKER_00 |
| transcript.pyannote[10].start |
18.05346875 |
| transcript.pyannote[10].end |
22.13721875 |
| transcript.pyannote[11].speaker |
SPEAKER_00 |
| transcript.pyannote[11].start |
22.57596875 |
| transcript.pyannote[11].end |
29.39346875 |
| transcript.pyannote[12].speaker |
SPEAKER_00 |
| transcript.pyannote[12].start |
29.61284375 |
| transcript.pyannote[12].end |
33.17346875 |
| transcript.pyannote[13].speaker |
SPEAKER_00 |
| transcript.pyannote[13].start |
33.47721875 |
| transcript.pyannote[13].end |
35.28284375 |
| transcript.pyannote[14].speaker |
SPEAKER_00 |
| transcript.pyannote[14].start |
35.55284375 |
| transcript.pyannote[14].end |
39.31596875 |
| transcript.pyannote[15].speaker |
SPEAKER_00 |
| transcript.pyannote[15].start |
39.68721875 |
| transcript.pyannote[15].end |
42.21846875 |
| transcript.pyannote[16].speaker |
SPEAKER_00 |
| transcript.pyannote[16].start |
42.38721875 |
| transcript.pyannote[16].end |
42.99471875 |
| transcript.pyannote[17].speaker |
SPEAKER_00 |
| transcript.pyannote[17].start |
43.56846875 |
| transcript.pyannote[17].end |
54.80721875 |
| transcript.pyannote[18].speaker |
SPEAKER_00 |
| transcript.pyannote[18].start |
55.02659375 |
| transcript.pyannote[18].end |
56.71409375 |
| transcript.pyannote[19].speaker |
SPEAKER_00 |
| transcript.pyannote[19].start |
57.55784375 |
| transcript.pyannote[19].end |
58.58721875 |
| transcript.pyannote[20].speaker |
SPEAKER_00 |
| transcript.pyannote[20].start |
58.89096875 |
| transcript.pyannote[20].end |
61.11846875 |
| transcript.pyannote[21].speaker |
SPEAKER_00 |
| transcript.pyannote[21].start |
61.40534375 |
| transcript.pyannote[21].end |
64.45971875 |
| transcript.pyannote[22].speaker |
SPEAKER_00 |
| transcript.pyannote[22].start |
65.28659375 |
| transcript.pyannote[22].end |
65.47221875 |
| transcript.pyannote[23].speaker |
SPEAKER_00 |
| transcript.pyannote[23].start |
66.19784375 |
| transcript.pyannote[23].end |
75.74909375 |
| transcript.pyannote[24].speaker |
SPEAKER_01 |
| transcript.pyannote[24].start |
76.30596875 |
| transcript.pyannote[24].end |
85.21596875 |
| transcript.pyannote[25].speaker |
SPEAKER_01 |
| transcript.pyannote[25].start |
85.57034375 |
| transcript.pyannote[25].end |
133.10721875 |
| transcript.pyannote[26].speaker |
SPEAKER_01 |
| transcript.pyannote[26].start |
133.37721875 |
| transcript.pyannote[26].end |
159.51659375 |
| transcript.pyannote[27].speaker |
SPEAKER_00 |
| transcript.pyannote[27].start |
159.80346875 |
| transcript.pyannote[27].end |
161.55846875 |
| transcript.pyannote[28].speaker |
SPEAKER_01 |
| transcript.pyannote[28].start |
161.79471875 |
| transcript.pyannote[28].end |
164.98409375 |
| transcript.pyannote[29].speaker |
SPEAKER_00 |
| transcript.pyannote[29].start |
163.36409375 |
| transcript.pyannote[29].end |
164.19096875 |
| transcript.pyannote[30].speaker |
SPEAKER_00 |
| transcript.pyannote[30].start |
165.11909375 |
| transcript.pyannote[30].end |
171.76784375 |
| transcript.pyannote[31].speaker |
SPEAKER_00 |
| transcript.pyannote[31].start |
171.93659375 |
| transcript.pyannote[31].end |
174.21471875 |
| transcript.pyannote[32].speaker |
SPEAKER_00 |
| transcript.pyannote[32].start |
174.51846875 |
| transcript.pyannote[32].end |
175.17659375 |
| transcript.pyannote[33].speaker |
SPEAKER_00 |
| transcript.pyannote[33].start |
175.53096875 |
| transcript.pyannote[33].end |
177.42096875 |
| transcript.pyannote[34].speaker |
SPEAKER_00 |
| transcript.pyannote[34].start |
177.87659375 |
| transcript.pyannote[34].end |
182.04471875 |
| transcript.pyannote[35].speaker |
SPEAKER_00 |
| transcript.pyannote[35].start |
182.43284375 |
| transcript.pyannote[35].end |
186.22971875 |
| transcript.pyannote[36].speaker |
SPEAKER_00 |
| transcript.pyannote[36].start |
186.31409375 |
| transcript.pyannote[36].end |
189.63846875 |
| transcript.pyannote[37].speaker |
SPEAKER_00 |
| transcript.pyannote[37].start |
189.94221875 |
| transcript.pyannote[37].end |
190.41471875 |
| transcript.pyannote[38].speaker |
SPEAKER_00 |
| transcript.pyannote[38].start |
191.20784375 |
| transcript.pyannote[38].end |
191.66346875 |
| transcript.pyannote[39].speaker |
SPEAKER_00 |
| transcript.pyannote[39].start |
192.20346875 |
| transcript.pyannote[39].end |
201.61971875 |
| transcript.pyannote[40].speaker |
SPEAKER_01 |
| transcript.pyannote[40].start |
202.54784375 |
| transcript.pyannote[40].end |
205.43346875 |
| transcript.pyannote[41].speaker |
SPEAKER_01 |
| transcript.pyannote[41].start |
205.80471875 |
| transcript.pyannote[41].end |
230.39159375 |
| transcript.pyannote[42].speaker |
SPEAKER_01 |
| transcript.pyannote[42].start |
230.42534375 |
| transcript.pyannote[42].end |
247.78971875 |
| transcript.pyannote[43].speaker |
SPEAKER_00 |
| transcript.pyannote[43].start |
247.68846875 |
| transcript.pyannote[43].end |
247.92471875 |
| transcript.pyannote[44].speaker |
SPEAKER_00 |
| transcript.pyannote[44].start |
248.09346875 |
| transcript.pyannote[44].end |
255.40034375 |
| transcript.pyannote[45].speaker |
SPEAKER_00 |
| transcript.pyannote[45].start |
255.43409375 |
| transcript.pyannote[45].end |
258.53909375 |
| transcript.pyannote[46].speaker |
SPEAKER_00 |
| transcript.pyannote[46].start |
258.84284375 |
| transcript.pyannote[46].end |
262.15034375 |
| transcript.pyannote[47].speaker |
SPEAKER_00 |
| transcript.pyannote[47].start |
262.62284375 |
| transcript.pyannote[47].end |
267.04409375 |
| transcript.pyannote[48].speaker |
SPEAKER_00 |
| transcript.pyannote[48].start |
267.65159375 |
| transcript.pyannote[48].end |
271.11096875 |
| transcript.pyannote[49].speaker |
SPEAKER_00 |
| transcript.pyannote[49].start |
271.39784375 |
| transcript.pyannote[49].end |
275.07659375 |
| transcript.pyannote[50].speaker |
SPEAKER_00 |
| transcript.pyannote[50].start |
275.26221875 |
| transcript.pyannote[50].end |
278.92409375 |
| transcript.pyannote[51].speaker |
SPEAKER_00 |
| transcript.pyannote[51].start |
279.10971875 |
| transcript.pyannote[51].end |
286.55159375 |
| transcript.pyannote[52].speaker |
SPEAKER_00 |
| transcript.pyannote[52].start |
286.77096875 |
| transcript.pyannote[52].end |
287.95221875 |
| transcript.pyannote[53].speaker |
SPEAKER_00 |
| transcript.pyannote[53].start |
288.30659375 |
| transcript.pyannote[53].end |
289.25159375 |
| transcript.pyannote[54].speaker |
SPEAKER_00 |
| transcript.pyannote[54].start |
289.74096875 |
| transcript.pyannote[54].end |
292.32284375 |
| transcript.pyannote[55].speaker |
SPEAKER_01 |
| transcript.pyannote[55].start |
293.99346875 |
| transcript.pyannote[55].end |
300.99659375 |
| transcript.pyannote[56].speaker |
SPEAKER_01 |
| transcript.pyannote[56].start |
301.28346875 |
| transcript.pyannote[56].end |
349.03971875 |
| transcript.pyannote[57].speaker |
SPEAKER_01 |
| transcript.pyannote[57].start |
349.91721875 |
| transcript.pyannote[57].end |
359.90721875 |
| transcript.pyannote[58].speaker |
SPEAKER_00 |
| transcript.pyannote[58].start |
359.90721875 |
| transcript.pyannote[58].end |
372.09096875 |
| transcript.pyannote[59].speaker |
SPEAKER_00 |
| transcript.pyannote[59].start |
372.25971875 |
| transcript.pyannote[59].end |
375.41534375 |
| transcript.pyannote[60].speaker |
SPEAKER_00 |
| transcript.pyannote[60].start |
375.53346875 |
| transcript.pyannote[60].end |
378.03096875 |
| transcript.pyannote[61].speaker |
SPEAKER_00 |
| transcript.pyannote[61].start |
378.06471875 |
| transcript.pyannote[61].end |
380.02221875 |
| transcript.pyannote[62].speaker |
SPEAKER_00 |
| transcript.pyannote[62].start |
380.35971875 |
| transcript.pyannote[62].end |
383.68409375 |
| transcript.pyannote[63].speaker |
SPEAKER_00 |
| transcript.pyannote[63].start |
384.13971875 |
| transcript.pyannote[63].end |
386.23221875 |
| transcript.pyannote[64].speaker |
SPEAKER_00 |
| transcript.pyannote[64].start |
386.58659375 |
| transcript.pyannote[64].end |
394.85534375 |
| transcript.pyannote[65].speaker |
SPEAKER_01 |
| transcript.pyannote[65].start |
394.16346875 |
| transcript.pyannote[65].end |
398.50034375 |
| transcript.pyannote[66].speaker |
SPEAKER_01 |
| transcript.pyannote[66].start |
398.90534375 |
| transcript.pyannote[66].end |
420.20159375 |
| transcript.pyannote[67].speaker |
SPEAKER_00 |
| transcript.pyannote[67].start |
400.57596875 |
| transcript.pyannote[67].end |
401.50409375 |
| transcript.pyannote[68].speaker |
SPEAKER_00 |
| transcript.pyannote[68].start |
411.47721875 |
| transcript.pyannote[68].end |
413.14784375 |
| transcript.pyannote[69].speaker |
SPEAKER_00 |
| transcript.pyannote[69].start |
419.98221875 |
| transcript.pyannote[69].end |
420.85971875 |
| transcript.pyannote[70].speaker |
SPEAKER_00 |
| transcript.pyannote[70].start |
421.53471875 |
| transcript.pyannote[70].end |
424.43721875 |
| transcript.pyannote[71].speaker |
SPEAKER_01 |
| transcript.pyannote[71].start |
422.04096875 |
| transcript.pyannote[71].end |
429.51659375 |
| transcript.pyannote[72].speaker |
SPEAKER_00 |
| transcript.pyannote[72].start |
425.70284375 |
| transcript.pyannote[72].end |
426.58034375 |
| transcript.pyannote[73].speaker |
SPEAKER_00 |
| transcript.pyannote[73].start |
428.43659375 |
| transcript.pyannote[73].end |
437.31284375 |
| transcript.pyannote[74].speaker |
SPEAKER_00 |
| transcript.pyannote[74].start |
437.71784375 |
| transcript.pyannote[74].end |
438.27471875 |
| transcript.pyannote[75].speaker |
SPEAKER_00 |
| transcript.pyannote[75].start |
438.79784375 |
| transcript.pyannote[75].end |
440.33346875 |
| transcript.pyannote[76].speaker |
SPEAKER_00 |
| transcript.pyannote[76].start |
440.63721875 |
| transcript.pyannote[76].end |
445.09221875 |
| transcript.pyannote[77].speaker |
SPEAKER_00 |
| transcript.pyannote[77].start |
445.36221875 |
| transcript.pyannote[77].end |
450.18846875 |
| transcript.pyannote[78].speaker |
SPEAKER_00 |
| transcript.pyannote[78].start |
450.77909375 |
| transcript.pyannote[78].end |
454.81221875 |
| transcript.pyannote[79].speaker |
SPEAKER_01 |
| transcript.pyannote[79].start |
456.73596875 |
| transcript.pyannote[79].end |
460.51596875 |
| transcript.pyannote[80].speaker |
SPEAKER_01 |
| transcript.pyannote[80].start |
460.78596875 |
| transcript.pyannote[80].end |
463.99221875 |
| transcript.pyannote[81].speaker |
SPEAKER_01 |
| transcript.pyannote[81].start |
464.75159375 |
| transcript.pyannote[81].end |
497.60721875 |
| transcript.pyannote[82].speaker |
SPEAKER_01 |
| transcript.pyannote[82].start |
497.70846875 |
| transcript.pyannote[82].end |
523.91534375 |
| transcript.pyannote[83].speaker |
SPEAKER_01 |
| transcript.pyannote[83].start |
524.84346875 |
| transcript.pyannote[83].end |
563.85846875 |
| transcript.pyannote[84].speaker |
SPEAKER_00 |
| transcript.pyannote[84].start |
563.85846875 |
| transcript.pyannote[84].end |
566.15346875 |
| transcript.pyannote[85].speaker |
SPEAKER_00 |
| transcript.pyannote[85].start |
566.18721875 |
| transcript.pyannote[85].end |
580.32846875 |
| transcript.pyannote[86].speaker |
SPEAKER_00 |
| transcript.pyannote[86].start |
580.73346875 |
| transcript.pyannote[86].end |
582.80909375 |
| transcript.pyannote[87].speaker |
SPEAKER_00 |
| transcript.pyannote[87].start |
583.04534375 |
| transcript.pyannote[87].end |
585.28971875 |
| transcript.pyannote[88].speaker |
SPEAKER_00 |
| transcript.pyannote[88].start |
586.01534375 |
| transcript.pyannote[88].end |
618.01034375 |
| transcript.whisperx[0].start |
0.529 |
| transcript.whisperx[0].end |
28.852 |
| transcript.whisperx[0].text |
麻煩請人事長有請人事長委員早早安我想請教一下就是因為最近那個勞動部他有一個小規模以日來計算這個育嬰假五日那個開放申請所以說由這個部分讓我想到一些事情就是我們現在其實講求這個性別平等還有一些工作跟家庭生活我們要讓他平衡 |
| transcript.whisperx[1].start |
29.753 |
| transcript.whisperx[1].end |
56.518 |
| transcript.whisperx[1].text |
那包括我上一次請教您的部分也有提到就是說公務員男女比例以及高階公務員男女比例他目前還是有一個有一個差距在男女上面那包括到這個部分就我覺得性平是我們努力的方向所以將來性平這一塊他可能會反映到這個公務員的男女比例上面是不是將來會越拉越近 |
| transcript.whisperx[2].start |
57.578 |
| transcript.whisperx[2].end |
84.599 |
| transcript.whisperx[2].text |
另外還有一個可能跟公務員有關難於比例的部分就是我今天想要談的就是育嬰價的申請好那我想請問一下人事長你可不可以簡單的說明一下目前育嬰留職停薪這個制度現在辦理的狀況怎麼樣我這裡跟委員報告一下就公務員他如果有養育三足歲以下的子女都可以以日 |
| transcript.whisperx[3].start |
86.195 |
| transcript.whisperx[3].end |
99.809 |
| transcript.whisperx[3].text |
業、年、為、單位沒有次數的限制。過去這段時間來大概有一次申請3個月以上大概8成多有大概2成左右是未達3個月因為大家的輸給沒夠 |
| transcript.whisperx[4].start |
103.914 |
| transcript.whisperx[4].end |
118.43 |
| transcript.whisperx[4].text |
大概3個月以上大概有8層到8層5那剩下大概15%到20是屬於一次申請3個月以下可是他可以選擇以日為單位、月或年就是3回以下都可以都可以這樣請 |
| transcript.whisperx[5].start |
119.871 |
| transcript.whisperx[5].end |
145.436 |
| transcript.whisperx[5].text |
另外,剛才委員說男女異因流子停薪的問題蓋戴生前幾年坦白講男性請異因流停的比較少最近他成長的幅度非常非常的快他現在已經大概男性請異因流停也比率已經差不多18%女性大概82%他本來大概5%左右他的成長速度非常的快 |
| transcript.whisperx[6].start |
146.176 |
| transcript.whisperx[6].end |
156.529 |
| transcript.whisperx[6].text |
這幾年男性請議員留庭的還蠻多的而且我們這幾年有做一個制度夫妻可以同時請議員留庭 阿母都可以做主委請有做這個條件 |
| transcript.whisperx[7].start |
160.324 |
| transcript.whisperx[7].end |
189.003 |
| transcript.whisperx[7].text |
這個是已經通過的嗎?目前就是這樣實施的。好,那謝謝。那我們看一下現在的比例啦從107年到112年當然我們看到就是107年男女申請留庭的這個比例他的差距本來是從72.8然後到現在剩下56.8也就是說這個比例確實就如同剛剛任市長說的他的這個差距確實在縮小中 |
| transcript.whisperx[8].start |
190.044 |
| transcript.whisperx[8].end |
201.002 |
| transcript.whisperx[8].text |
那我覺得這是一個好現象那我也覺得說請教一下你們有沒有去研究一下為什麼這男女比會差這麼多 |
| transcript.whisperx[9].start |
202.571 |
| transcript.whisperx[9].end |
206.013 |
| transcript.whisperx[9].text |
有可能他們倆的工作場合不一樣 |
| transcript.whisperx[10].start |
230.829 |
| transcript.whisperx[10].end |
246.339 |
| transcript.whisperx[10].text |
工作場有可能是公家一個有可能是私人機關嘛有可能兩個都會公家機關他的樣態也是還蠻多元的不過假如有希望我們再試著去做進一步的分析啦我們再進一步去調查一下 |
| transcript.whisperx[11].start |
248.18 |
| transcript.whisperx[11].end |
266.621 |
| transcript.whisperx[11].text |
因為這有一個可能性啦就是說因為我上次跟人事長有請教過這高階公務員他的男女比例有差距那一樣在申請留庭的時候我想每一個家庭除了考量到剛剛那個人事長說的那個餵養的問題之外當然有一個可能性就是也許是薪資嘛 |
| transcript.whisperx[12].start |
267.722 |
| transcript.whisperx[12].end |
291.975 |
| transcript.whisperx[12].text |
高階公務員男性的比例就是比較高當然他們在考量薪資的時候當然會選擇薪資比較低的那個去申請留職聽薪我想請問一下包含到上一次我跟您請教的問題到這一次有關留職聽薪你有沒有想過這個這個差距有沒有去做過相關的關聯性分析 |
| transcript.whisperx[13].start |
294.042 |
| transcript.whisperx[13].end |
309.22 |
| transcript.whisperx[13].text |
相關關聯性齁其實討論委員講的就是我的待遇可能比較高所以我就留著工作待遇比較低的因為另外有一種現象我可能跟委員再說明一下因為每一個人 |
| transcript.whisperx[14].start |
309.52 |
| transcript.whisperx[14].end |
322.977 |
| transcript.whisperx[14].text |
你信的目前在行政指的會比較多他的配基本上會比較低你如果是屬於工程直系的或者其他直系的他的配會比較高基本上他夫妻同時有這種情況會有兩種選擇 |
| transcript.whisperx[15].start |
325.62 |
| transcript.whisperx[15].end |
344.411 |
| transcript.whisperx[15].text |
一種是夫妻同時就請伊英、劉婷的家庭做主委顧嘛,這樣負擔還不會那麼重。另外一個就是說,雖然我們有本奉的八成的一個補助,但是說這個一個家庭的維持,他們的剩下的,覺得比較硬,就有可能什麼人的待遇比較高,那些會流開。 |
| transcript.whisperx[16].start |
349.997 |
| transcript.whisperx[16].end |
377.354 |
| transcript.whisperx[16].text |
也不見得都是男性的待遇會比較高因為我們最近發現有些女性同仁的待遇事實上也不見得比男性差所以這部分我就說是不是可以去做一個關聯性分析到底問題出在哪裡當然我們直覺就覺得有一個像您剛說的餵養問題那我剛說的薪水薪資的問題這個都是一個很現實面的嘛那這個就會牽連到像您剛說的 |
| transcript.whisperx[17].start |
378.234 |
| transcript.whisperx[17].end |
393.022 |
| transcript.whisperx[17].text |
行政職薪水可能比較低,或者是高階公務員裡面女性占比比較低,所以這個都會影響到後續這個請御營留庭的這個比例上的差距,這個如果有可能的話再麻煩這個能夠注目。 |
| transcript.whisperx[18].start |
399.165 |
| transcript.whisperx[18].end |
399.185 |
| transcript.whisperx[18].text |
對啦。 |
| transcript.whisperx[19].start |
421.598 |
| transcript.whisperx[19].end |
427.08 |
| transcript.whisperx[19].text |
我後面再跟你請教一個問題就是這個AI到時候這個接下來我們可以預期到AI可能會一個爆炸性的成長那這個AI將來爆炸性成長之後我們公務員對於人力上面 |
| transcript.whisperx[20].start |
450.811 |
| transcript.whisperx[20].end |
463.765 |
| transcript.whisperx[20].text |
你們有沒有去預想將來這能力上面的這個衝擊你們會怎麼做?就沒有分其實齁我們就是人工智慧事實上就是看你怎麼用 |
| transcript.whisperx[21].start |
464.813 |
| transcript.whisperx[21].end |
486.745 |
| transcript.whisperx[21].text |
主要的看一眼當然他會有很多的一個負面的一個impact他會有衝擊嘛我舉人種為例啦就上一年上一年二月的時候就前年年底CHAP GPT剛出來我們上一年年底上一年二月份我們就啟動一個CHAP GPT的一個實驗型的計畫 |
| transcript.whisperx[22].start |
487.705 |
| transcript.whisperx[22].end |
516.981 |
| transcript.whisperx[22].text |
我們就是跟前續部保訓會考選部他們有一些法規還有一些事例我們把這些人事法規的部分把它等於透過CHAP GPT因為我們進步到的問題很多新進的人事人員進來他人事法規他也不曉得要如何去查如何去查到對的法規所以我們有去做這樣的一個實驗大概從準確率大概六成慢慢拉到大概八成左右 |
| transcript.whisperx[23].start |
517.361 |
| transcript.whisperx[23].end |
523.606 |
| transcript.whisperx[23].text |
因為人工智慧本來一直要對話不過這裡我必須要跟委員報告一件事情 |
| transcript.whisperx[24].start |
524.955 |
| transcript.whisperx[24].end |
549.427 |
| transcript.whisperx[24].text |
我們不是在雲端的一個處理模式,我們是在地端。我們是把那個資料download到地端,因為我們也擔心在雲端的話,CFGPD有時候他去抓的資料,他的正確性往後會降低,因為他是一個cost domain的概念,所以我們是用地端。就上一年12月底,我們也有對外發表了一個使用的心得。 |
| transcript.whisperx[25].start |
549.887 |
| transcript.whisperx[25].end |
564.796 |
| transcript.whisperx[25].text |
那我想我們會持續在其他領域像今年我們會啟動一個計劃就是來試做那個會議記錄當我開完會了以後我透過CHAPGPD可以在最短的時間把那個會議記錄把它產生出來那我為什麼提到這個AI |
| transcript.whisperx[26].start |
566.437 |
| transcript.whisperx[26].end |
585.095 |
| transcript.whisperx[26].text |
那個風行之後可能對這個人事有很大影響就是我們公務員不管負擔過重或負擔過輕都不是人民能夠接受的好那我就有個例子就是美國那個新墨西哥州政府他有一個嬰兒機器人的自動程序他把以前需要一個月的 |
| transcript.whisperx[27].start |
586.475 |
| transcript.whisperx[27].end |
609.19 |
| transcript.whisperx[27].text |
時間流程導入這個系統之後只要10分鐘也就是說將來有很多東西可能我們被人工智慧取代之後在人力的使用上面絕對跟現在會不一樣那我當然不是說一定要求這個人事總組要做什麼樣的處理但是我們必須先做研究因應將來可能會發生的變化就像我剛剛說的不管他的公務員負擔 |
| transcript.whisperx[28].start |
610.352 |
| transcript.whisperx[28].end |
617.067 |
| transcript.whisperx[28].text |
過重或過輕人民都沒有辦法接受我們一個最適當的那個人力運用是最好的好好謝謝謝謝 |