iVOD / 152870

Field Value
IVOD_ID 152870
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/152870
日期 2024-05-23
會議資料.會議代碼 委員會-11-1-26-17
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17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 17
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17次全體委員會議
影片種類 Clip
開始時間 2024-05-23T09:38:42+08:00
結束時間 2024-05-23T09:45:48+08:00
影片長度 00:07:06
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/d339c8d1909fa453aae24a123722cc1c9f2fcaa3dc194f7380469f81d004428392bee04615099ad75ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 盧縣一
委員發言時間 09:38:42 - 09:45:48
會議時間 2024-05-23T09:00:00+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17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。 【5月22日、23日二天一次會】)
gazette.lineno 333
gazette.blocks[0][0] 盧委員縣一:(9時38分)主席,有請部長。
gazette.blocks[1][0] 主席:請何部長。
gazette.blocks[2][0] 何部長佩珊:委員好。
gazette.blocks[3][0] 盧委員縣一:何部長好。看到我的話,應該第一個就要先想到我是原住民。
gazette.blocks[4][0] 何部長佩珊:是。
gazette.blocks[5][0] 盧委員縣一:我先問你一個問題,勞工從英文字上面來講是labor,對不對?
gazette.blocks[6][0] 何部長佩珊:是。
gazette.blocks[7][0] 盧委員縣一:那labor有什麼含義?
gazette.blocks[8][0] 何部長佩珊:請委員開示。
gazette.blocks[9][0] 盧委員縣一:也是生孩子、生產的意思,也就是費盡千辛萬苦的人叫labor,所以你時時刻刻都要想到勞工是費盡千辛萬苦的人。
gazette.blocks[10][0] 何部長佩珊:當然。
gazette.blocks[11][0] 盧委員縣一:我們先看到你的報告裡面第8頁,我們國人的勞動參與率是這樣,那我們原住民的部分,你知道嗎?原住民男性的參與率是多少,你知道嗎?
gazette.blocks[12][0] 何部長佩珊:64%。
gazette.blocks[13][0] 盧委員縣一:原住民男性是將近70%,平均的話是將近62、63那邊,也就是說都高於國人。我們再看到第6頁,我剛剛早上仔細看了你的報告,還有第5頁,我們的失業率是多少,你知道嗎?
gazette.blocks[14][0] 何部長佩珊:現在大概3%上下。
gazette.blocks[15][0] 盧委員縣一:我們的,你看到我就要想到原住民,好不好?
gazette.blocks[16][0] 何部長佩珊:是,不好意思,3.52%。
gazette.blocks[17][0] 盧委員縣一:好,第2頁……
gazette.blocks[18][0] 何部長佩珊:跟委員報告,事實上原住民現在的失業率已經降到跟一般國民差不多同等水準了。
gazette.blocks[19][0] 盧委員縣一:我們花蓮地震災後,請問你有關心過嗎?你最近有去過花蓮嗎?
gazette.blocks[20][0] 何部長佩珊:對不起,我個人……因為也沒有辦法過去……
gazette.blocks[21][0] 盧委員縣一:因為目前災區的地震受災情況不太一樣,有些是花蓮市、有些是秀林鄉,秀林鄉比較嚴重,很多族人跟我說他們兩個月過完所謂的……這邊有寫嘛!臨時工作機會,大概是提供兩個月,必要時可再延長。現在兩個月快到了,你要怎麼來延長它?
gazette.blocks[22][0] 何部長佩珊:已經要延到6個月了。
gazette.blocks[23][0] 盧委員縣一:OK,好,那很好。
gazette.blocks[24][0] 何部長佩珊:對,您放心、您放心。
gazette.blocks[25][0] 盧委員縣一:因為他們一直在擔心這個問題,叫我一定要提出來。
gazette.blocks[26][0] 何部長佩珊:是,我剛剛一開始就口頭報告了,對於花蓮震災的處理,勞動部這部分的措施。
gazette.blocks[27][0] 盧委員縣一:我們再看第17頁,我當然還是要說常常在分類的時候,我們是跟弱勢族群在一起,你看第17頁的報告,身心障礙者、原住民、二度就業婦女,我們都是放在這邊,沒有關係,可是比如說協助弱勢失業11萬2,243人,你只有總數,沒有把它分類,我不知道我們原住民的這個在哪裡,懂意思嗎?所以還是要把我們原住民條列化,好不好?
gazette.blocks[28][0] 何部長佩珊:好,特別標出來。
gazette.blocks[29][0] 盧委員縣一:對,還有第25頁,因為我們常常會發生一些勞災,比如說墜落的這些事情,常常發生在我們原住民身上,我特別看了一下,你說營造業的監督執行率是1萬328次,今年到4月為止,也就是說120天裡面你執行了一萬多次,也就是每天110次,你如何達成的?
gazette.blocks[30][0] 何部長佩珊:這部分我請署長來回答好嗎?
gazette.blocks[31][0] 鄒署長子廉:委員好。我們各地勞動檢查機構根據風險做監督檢查,是由各檢查機構來實施檢查……
gazette.blocks[32][0] 盧委員縣一:每天幾乎有110次喔……
gazette.blocks[33][0] 鄒署長子廉:對,每天都有檢查。
gazette.blocks[34][0] 盧委員縣一:可是我們的罰款還是有一億多,那一億多的這個件數是多少件違法?然後平均每一件受罰的金額是多少?應該也要知道啊!
gazette.blocks[35][0] 鄒署長子廉:是。
gazette.blocks[36][0] 盧委員縣一:雖然知道是一億多,可是我不知道你罰了誰,也不知道你罰了多少人。
gazette.blocks[37][0] 鄒署長子廉:後續我們再給委員進一步的資料,這個我們都有,謝謝委員。
gazette.blocks[38][0] 盧委員縣一:好,第27頁,關於死亡給付的部分我們沒有看到,因為你這邊只有寫職業災害保險現金給付是10億元,不過關於這裡面因為職災死亡的人數或者給付的比例,我們沒有看到,因為死亡是最重要的嘛!這個應該特別再匡列,好不好?
gazette.blocks[39][0] 何部長佩珊:好,謝謝。
gazette.blocks[40][0] 盧委員縣一:那我們就看原住民的部分,因為我們看到去年的職災死亡是19人,全國是151人,如果按照這個比例的話,我們這個比例是十二點多,可是我們原住民的人口在全國人口不到3%,也就是說目前我們的死亡率是6倍,所以要特別注意這一點,好不好?
gazette.blocks[41][0] 何部長佩珊:是。
gazette.blocks[42][0] 盧委員縣一:好,大部分都是在墜落這邊,就是我們剛才講的……
gazette.blocks[43][0] 何部長佩珊:營造業。
gazette.blocks[44][0] 盧委員縣一:所謂職業災害的盤點,或是監測、去稽查,應該都要知道。
gazette.blocks[44][1] 還有跟我講的最多的是,他們去做工作的時候,很多雇主都沒有投保,所以他們在上班的時候都沒有安全感,你要怎麼去杜絕或者是預防這樣的事情?
gazette.blocks[45][0] 何部長佩珊:我跟委員報告,職災保險現在是一律都可以投。
gazette.blocks[46][0] 盧委員縣一:可是還是很多勞工,我們原住民勞工並不知道他有這樣的……他可以去哪裡申辦還是怎麼樣。
gazette.blocks[47][0] 何部長佩珊:好,我們來加強宣導,事實上職災保險現在到seven就可以投保了。
gazette.blocks[48][0] 盧委員縣一:對……
gazette.blocks[49][0] 何部長佩珊:只要到ibon……
gazette.blocks[50][0] 盧委員縣一:他掉下去了,然後去查的時候,發現雇主沒有幫他保,常常會有這樣的事。
gazette.blocks[51][0] 何部長佩珊:而且職災保險是相對便宜啦!這個我們來加強對營造業工地的宣導好嗎?
gazette.blocks[52][0] 盧委員縣一:OK。
gazette.blocks[53][0] 何部長佩珊:是。
gazette.blocks[54][0] 盧委員縣一:我們就講移工的部分,目前我們知道要開放1萬5,000名,我們怕未來會不會擠壓到原住民的就業?因為我們大部分也從事勞動這些重工業的工作,比如說營建、工程,你引進這麼多移工的時候,會不會相對的就壓縮了我們工作的權利?要怎麼來預防、怎麼來跟我們原住民勞工來解釋?
gazette.blocks[55][0] 何部長佩珊:是,跟委員報告,我們對原住民勞工的就業保障,一定放在最優先,所以其實在引進移工前,我們會確保國內的招募到一定比例,我請署長跟您回復一下好嗎?
gazette.blocks[56][0] 蔡署長孟良:跟委員報告,我們在開放,但是我們跟內政部在整個程序當中,一定會落實對國內招募的部分要優先來適用。
gazette.blocks[57][0] 盧委員縣一:對,沒有錯,可是我還是會聽到很多勞工朋友說:外勞朋友把我的工作權拿走了。所以我想這個部分,你們一定要去想辦法杜絕或者避免,可以嗎?
gazette.blocks[58][0] 蔡署長孟良:好,這個我們會特別來留意。
gazette.blocks[59][0] 盧委員縣一:至少要公告周知,讓原住民的朋友認為外勞不是要來搶他們的工作,而是工作性質不一樣,要把這個都說明清楚,可以嗎?謝謝部長。
gazette.blocks[60][0] 蔡署長孟良:好,這個我們會照委員的意見來辦理。
gazette.blocks[61][0] 盧委員縣一:好,謝謝。
gazette.blocks[62][0] 主席:謝謝盧縣一委員的發言。
gazette.blocks[62][1] 接下來請蘇清泉委員發言。
gazette.agenda.page_end 464
gazette.agenda.meet_id 委員會-11-1-26-17
gazette.agenda.speakers[0] 黃秀芳
gazette.agenda.speakers[1] 陳昭姿
gazette.agenda.speakers[2] 林月琴
gazette.agenda.speakers[3] 陳菁徽
gazette.agenda.speakers[4] 盧縣一
gazette.agenda.speakers[5] 蘇清泉
gazette.agenda.speakers[6] 王育敏
gazette.agenda.speakers[7] 涂權吉
gazette.agenda.speakers[8] 林淑芬
gazette.agenda.speakers[9] 王正旭
gazette.agenda.speakers[10] 鄭天財Sra Kacaw
gazette.agenda.speakers[11] 何欣純
gazette.agenda.speakers[12] 黃珊珊
gazette.agenda.speakers[13] 牛煦庭
gazette.agenda.speakers[14] 麥玉珍
gazette.agenda.speakers[15] 陳亭妃
gazette.agenda.speakers[16] 洪孟楷
gazette.agenda.speakers[17] 廖偉翔
gazette.agenda.speakers[18] 吳春城
gazette.agenda.speakers[19] 楊瓊瓔
gazette.agenda.speakers[20] 陳培瑜
gazette.agenda.speakers[21] 林國成
gazette.agenda.speakers[22] 陳瑩
gazette.agenda.speakers[23] 劉建國
gazette.agenda.speakers[24] 楊曜
gazette.agenda.speakers[25] 邱鎮軍
gazette.agenda.speakers[26] 李彥秀
gazette.agenda.speakers[27] 羅智強
gazette.agenda.speakers[28] 翁曉玲
gazette.agenda.page_start 383
gazette.agenda.meetingDate[0] 2024-05-23
gazette.agenda.gazette_id 1135001
gazette.agenda.agenda_lcidc_ids[0] 1135001_00006
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17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 1135001_00005
transcript.pyannote[0].speaker SPEAKER_02
transcript.pyannote[0].start 11.16846875
transcript.pyannote[0].end 12.31596875
transcript.pyannote[1].speaker SPEAKER_00
transcript.pyannote[1].start 12.48471875
transcript.pyannote[1].end 13.32846875
transcript.pyannote[2].speaker SPEAKER_02
transcript.pyannote[2].start 17.32784375
transcript.pyannote[2].end 24.92159375
transcript.pyannote[3].speaker SPEAKER_00
transcript.pyannote[3].start 23.21721875
transcript.pyannote[3].end 24.04409375
transcript.pyannote[4].speaker SPEAKER_02
transcript.pyannote[4].start 25.20846875
transcript.pyannote[4].end 30.57471875
transcript.pyannote[5].speaker SPEAKER_00
transcript.pyannote[5].start 32.11034375
transcript.pyannote[5].end 34.40534375
transcript.pyannote[6].speaker SPEAKER_02
transcript.pyannote[6].start 33.02159375
transcript.pyannote[6].end 33.57846875
transcript.pyannote[7].speaker SPEAKER_02
transcript.pyannote[7].start 34.40534375
transcript.pyannote[7].end 45.74534375
transcript.pyannote[8].speaker SPEAKER_00
transcript.pyannote[8].start 38.11784375
transcript.pyannote[8].end 38.43846875
transcript.pyannote[9].speaker SPEAKER_00
transcript.pyannote[9].start 45.74534375
transcript.pyannote[9].end 46.82534375
transcript.pyannote[10].speaker SPEAKER_02
transcript.pyannote[10].start 46.33596875
transcript.pyannote[10].end 48.42846875
transcript.pyannote[11].speaker SPEAKER_02
transcript.pyannote[11].start 49.54221875
transcript.pyannote[11].end 50.52096875
transcript.pyannote[12].speaker SPEAKER_02
transcript.pyannote[12].start 50.90909375
transcript.pyannote[12].end 53.52471875
transcript.pyannote[13].speaker SPEAKER_02
transcript.pyannote[13].start 53.60909375
transcript.pyannote[13].end 56.71409375
transcript.pyannote[14].speaker SPEAKER_00
transcript.pyannote[14].start 56.71409375
transcript.pyannote[14].end 57.10221875
transcript.pyannote[15].speaker SPEAKER_02
transcript.pyannote[15].start 57.40596875
transcript.pyannote[15].end 58.08096875
transcript.pyannote[16].speaker SPEAKER_02
transcript.pyannote[16].start 58.50284375
transcript.pyannote[16].end 60.62909375
transcript.pyannote[17].speaker SPEAKER_02
transcript.pyannote[17].start 62.04659375
transcript.pyannote[17].end 63.48096875
transcript.pyannote[18].speaker SPEAKER_02
transcript.pyannote[18].start 63.49784375
transcript.pyannote[18].end 63.51471875
transcript.pyannote[19].speaker SPEAKER_00
transcript.pyannote[19].start 63.51471875
transcript.pyannote[19].end 64.59471875
transcript.pyannote[20].speaker SPEAKER_02
transcript.pyannote[20].start 64.12221875
transcript.pyannote[20].end 65.94471875
transcript.pyannote[21].speaker SPEAKER_00
transcript.pyannote[21].start 65.87721875
transcript.pyannote[21].end 66.70409375
transcript.pyannote[22].speaker SPEAKER_02
transcript.pyannote[22].start 66.24846875
transcript.pyannote[22].end 67.10909375
transcript.pyannote[23].speaker SPEAKER_00
transcript.pyannote[23].start 67.10909375
transcript.pyannote[23].end 67.63221875
transcript.pyannote[24].speaker SPEAKER_02
transcript.pyannote[24].start 67.49721875
transcript.pyannote[24].end 72.20534375
transcript.pyannote[25].speaker SPEAKER_00
transcript.pyannote[25].start 72.20534375
transcript.pyannote[25].end 72.59346875
transcript.pyannote[26].speaker SPEAKER_02
transcript.pyannote[26].start 72.59346875
transcript.pyannote[26].end 74.87159375
transcript.pyannote[27].speaker SPEAKER_00
transcript.pyannote[27].start 72.61034375
transcript.pyannote[27].end 72.66096875
transcript.pyannote[28].speaker SPEAKER_02
transcript.pyannote[28].start 76.01909375
transcript.pyannote[28].end 78.34784375
transcript.pyannote[29].speaker SPEAKER_02
transcript.pyannote[29].start 78.53346875
transcript.pyannote[29].end 79.37721875
transcript.pyannote[30].speaker SPEAKER_02
transcript.pyannote[30].start 79.71471875
transcript.pyannote[30].end 81.23346875
transcript.pyannote[31].speaker SPEAKER_02
transcript.pyannote[31].start 81.50346875
transcript.pyannote[31].end 82.31346875
transcript.pyannote[32].speaker SPEAKER_02
transcript.pyannote[32].start 82.73534375
transcript.pyannote[32].end 84.67596875
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 85.09784375
transcript.pyannote[33].end 87.00471875
transcript.pyannote[34].speaker SPEAKER_02
transcript.pyannote[34].start 86.88659375
transcript.pyannote[34].end 91.18971875
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 87.88221875
transcript.pyannote[35].end 91.71284375
transcript.pyannote[36].speaker SPEAKER_02
transcript.pyannote[36].start 91.71284375
transcript.pyannote[36].end 92.21909375
transcript.pyannote[37].speaker SPEAKER_00
transcript.pyannote[37].start 92.21909375
transcript.pyannote[37].end 92.96159375
transcript.pyannote[38].speaker SPEAKER_02
transcript.pyannote[38].start 92.33721875
transcript.pyannote[38].end 93.58596875
transcript.pyannote[39].speaker SPEAKER_00
transcript.pyannote[39].start 93.68721875
transcript.pyannote[39].end 100.67346875
transcript.pyannote[40].speaker SPEAKER_02
transcript.pyannote[40].start 99.12096875
transcript.pyannote[40].end 99.13784375
transcript.pyannote[41].speaker SPEAKER_02
transcript.pyannote[41].start 99.15471875
transcript.pyannote[41].end 99.34034375
transcript.pyannote[42].speaker SPEAKER_02
transcript.pyannote[42].start 100.94346875
transcript.pyannote[42].end 106.52909375
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 103.44096875
transcript.pyannote[43].end 104.03159375
transcript.pyannote[44].speaker SPEAKER_00
transcript.pyannote[44].start 106.64721875
transcript.pyannote[44].end 108.48659375
transcript.pyannote[45].speaker SPEAKER_00
transcript.pyannote[45].start 108.97596875
transcript.pyannote[45].end 110.19096875
transcript.pyannote[46].speaker SPEAKER_02
transcript.pyannote[46].start 110.19096875
transcript.pyannote[46].end 110.59596875
transcript.pyannote[47].speaker SPEAKER_00
transcript.pyannote[47].start 110.59596875
transcript.pyannote[47].end 110.61284375
transcript.pyannote[48].speaker SPEAKER_02
transcript.pyannote[48].start 110.61284375
transcript.pyannote[48].end 122.20596875
transcript.pyannote[49].speaker SPEAKER_00
transcript.pyannote[49].start 110.69721875
transcript.pyannote[49].end 112.67159375
transcript.pyannote[50].speaker SPEAKER_00
transcript.pyannote[50].start 118.51034375
transcript.pyannote[50].end 119.10096875
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 122.54346875
transcript.pyannote[51].end 130.05284375
transcript.pyannote[52].speaker SPEAKER_02
transcript.pyannote[52].start 130.93034375
transcript.pyannote[52].end 134.69346875
transcript.pyannote[53].speaker SPEAKER_00
transcript.pyannote[53].start 132.87096875
transcript.pyannote[53].end 133.30971875
transcript.pyannote[54].speaker SPEAKER_00
transcript.pyannote[54].start 134.17034375
transcript.pyannote[54].end 138.50721875
transcript.pyannote[55].speaker SPEAKER_02
transcript.pyannote[55].start 136.95471875
transcript.pyannote[55].end 141.00471875
transcript.pyannote[56].speaker SPEAKER_00
transcript.pyannote[56].start 139.50284375
transcript.pyannote[56].end 147.99096875
transcript.pyannote[57].speaker SPEAKER_02
transcript.pyannote[57].start 146.20221875
transcript.pyannote[57].end 148.48034375
transcript.pyannote[58].speaker SPEAKER_02
transcript.pyannote[58].start 151.12971875
transcript.pyannote[58].end 163.33034375
transcript.pyannote[59].speaker SPEAKER_02
transcript.pyannote[59].start 163.71846875
transcript.pyannote[59].end 165.16971875
transcript.pyannote[60].speaker SPEAKER_02
transcript.pyannote[60].start 165.30471875
transcript.pyannote[60].end 181.06596875
transcript.pyannote[61].speaker SPEAKER_00
transcript.pyannote[61].start 177.21846875
transcript.pyannote[61].end 177.58971875
transcript.pyannote[62].speaker SPEAKER_00
transcript.pyannote[62].start 178.18034375
transcript.pyannote[62].end 179.73284375
transcript.pyannote[63].speaker SPEAKER_00
transcript.pyannote[63].start 181.15034375
transcript.pyannote[63].end 181.53846875
transcript.pyannote[64].speaker SPEAKER_02
transcript.pyannote[64].start 184.60971875
transcript.pyannote[64].end 204.40409375
transcript.pyannote[65].speaker SPEAKER_00
transcript.pyannote[65].start 204.87659375
transcript.pyannote[65].end 207.12096875
transcript.pyannote[66].speaker SPEAKER_01
transcript.pyannote[66].start 207.12096875
transcript.pyannote[66].end 217.61721875
transcript.pyannote[67].speaker SPEAKER_02
transcript.pyannote[67].start 214.30971875
transcript.pyannote[67].end 232.43346875
transcript.pyannote[68].speaker SPEAKER_01
transcript.pyannote[68].start 227.35409375
transcript.pyannote[68].end 227.65784375
transcript.pyannote[69].speaker SPEAKER_01
transcript.pyannote[69].start 230.17221875
transcript.pyannote[69].end 233.90159375
transcript.pyannote[70].speaker SPEAKER_02
transcript.pyannote[70].start 232.93971875
transcript.pyannote[70].end 233.14221875
transcript.pyannote[71].speaker SPEAKER_02
transcript.pyannote[71].start 233.90159375
transcript.pyannote[71].end 247.58721875
transcript.pyannote[72].speaker SPEAKER_02
transcript.pyannote[72].start 247.80659375
transcript.pyannote[72].end 253.69596875
transcript.pyannote[73].speaker SPEAKER_00
transcript.pyannote[73].start 253.69596875
transcript.pyannote[73].end 254.01659375
transcript.pyannote[74].speaker SPEAKER_00
transcript.pyannote[74].start 254.13471875
transcript.pyannote[74].end 255.02909375
transcript.pyannote[75].speaker SPEAKER_02
transcript.pyannote[75].start 255.41721875
transcript.pyannote[75].end 263.41596875
transcript.pyannote[76].speaker SPEAKER_00
transcript.pyannote[76].start 261.49221875
transcript.pyannote[76].end 262.03221875
transcript.pyannote[77].speaker SPEAKER_02
transcript.pyannote[77].start 263.43284375
transcript.pyannote[77].end 272.17409375
transcript.pyannote[78].speaker SPEAKER_02
transcript.pyannote[78].start 272.81534375
transcript.pyannote[78].end 274.80659375
transcript.pyannote[79].speaker SPEAKER_00
transcript.pyannote[79].start 274.35096875
transcript.pyannote[79].end 275.11034375
transcript.pyannote[80].speaker SPEAKER_02
transcript.pyannote[80].start 275.11034375
transcript.pyannote[80].end 276.00471875
transcript.pyannote[81].speaker SPEAKER_00
transcript.pyannote[81].start 275.16096875
transcript.pyannote[81].end 275.26221875
transcript.pyannote[82].speaker SPEAKER_02
transcript.pyannote[82].start 278.85659375
transcript.pyannote[82].end 279.34596875
transcript.pyannote[83].speaker SPEAKER_02
transcript.pyannote[83].start 281.20221875
transcript.pyannote[83].end 294.09471875
transcript.pyannote[84].speaker SPEAKER_00
transcript.pyannote[84].start 284.18909375
transcript.pyannote[84].end 285.58971875
transcript.pyannote[85].speaker SPEAKER_02
transcript.pyannote[85].start 295.47846875
transcript.pyannote[85].end 307.22346875
transcript.pyannote[86].speaker SPEAKER_00
transcript.pyannote[86].start 307.98284375
transcript.pyannote[86].end 312.33659375
transcript.pyannote[87].speaker SPEAKER_00
transcript.pyannote[87].start 312.69096875
transcript.pyannote[87].end 313.43346875
transcript.pyannote[88].speaker SPEAKER_00
transcript.pyannote[88].start 313.82159375
transcript.pyannote[88].end 314.44596875
transcript.pyannote[89].speaker SPEAKER_02
transcript.pyannote[89].start 313.90596875
transcript.pyannote[89].end 314.39534375
transcript.pyannote[90].speaker SPEAKER_02
transcript.pyannote[90].start 314.44596875
transcript.pyannote[90].end 320.45346875
transcript.pyannote[91].speaker SPEAKER_00
transcript.pyannote[91].start 320.47034375
transcript.pyannote[91].end 329.97096875
transcript.pyannote[92].speaker SPEAKER_02
transcript.pyannote[92].start 326.51159375
transcript.pyannote[92].end 332.18159375
transcript.pyannote[93].speaker SPEAKER_00
transcript.pyannote[93].start 331.94534375
transcript.pyannote[93].end 339.74159375
transcript.pyannote[94].speaker SPEAKER_02
transcript.pyannote[94].start 334.67909375
transcript.pyannote[94].end 335.05034375
transcript.pyannote[95].speaker SPEAKER_02
transcript.pyannote[95].start 338.88096875
transcript.pyannote[95].end 339.10034375
transcript.pyannote[96].speaker SPEAKER_02
transcript.pyannote[96].start 340.04534375
transcript.pyannote[96].end 341.10846875
transcript.pyannote[97].speaker SPEAKER_02
transcript.pyannote[97].start 341.44596875
transcript.pyannote[97].end 342.15471875
transcript.pyannote[98].speaker SPEAKER_02
transcript.pyannote[98].start 343.40346875
transcript.pyannote[98].end 362.50596875
transcript.pyannote[99].speaker SPEAKER_02
transcript.pyannote[99].start 363.70409375
transcript.pyannote[99].end 370.77471875
transcript.pyannote[100].speaker SPEAKER_00
transcript.pyannote[100].start 371.58471875
transcript.pyannote[100].end 381.64221875
transcript.pyannote[101].speaker SPEAKER_00
transcript.pyannote[101].start 381.81096875
transcript.pyannote[101].end 382.06409375
transcript.pyannote[102].speaker SPEAKER_00
transcript.pyannote[102].start 382.58721875
transcript.pyannote[102].end 384.57846875
transcript.pyannote[103].speaker SPEAKER_00
transcript.pyannote[103].start 386.13096875
transcript.pyannote[103].end 388.18971875
transcript.pyannote[104].speaker SPEAKER_03
transcript.pyannote[104].start 388.76346875
transcript.pyannote[104].end 398.24721875
transcript.pyannote[105].speaker SPEAKER_02
transcript.pyannote[105].start 398.07846875
transcript.pyannote[105].end 408.81096875
transcript.pyannote[106].speaker SPEAKER_03
transcript.pyannote[106].start 408.81096875
transcript.pyannote[106].end 410.86971875
transcript.pyannote[107].speaker SPEAKER_02
transcript.pyannote[107].start 409.01346875
transcript.pyannote[107].end 409.78971875
transcript.pyannote[108].speaker SPEAKER_02
transcript.pyannote[108].start 410.26221875
transcript.pyannote[108].end 419.25659375
transcript.pyannote[109].speaker SPEAKER_03
transcript.pyannote[109].start 418.66596875
transcript.pyannote[109].end 421.77096875
transcript.pyannote[110].speaker SPEAKER_02
transcript.pyannote[110].start 419.66159375
transcript.pyannote[110].end 420.58971875
transcript.pyannote[111].speaker SPEAKER_02
transcript.pyannote[111].start 424.97721875
transcript.pyannote[111].end 425.65221875
transcript.whisperx[0].start 11.327
transcript.whisperx[0].end 17.615
transcript.whisperx[0].text 主席有請部長請何部長委員好
transcript.whisperx[1].start 18.066
transcript.whisperx[1].end 19.247
transcript.whisperx[1].text 勞工從英文字上面來講是labor對不對那labor有什麼含義
transcript.whisperx[2].start 32.388
transcript.whisperx[2].end 60.371
transcript.whisperx[2].text 是請委員開示也是生孩子的生生產的意思也就是費盡千辛萬苦的人叫labor所以你時時刻刻都要想到勞工是費盡千辛萬苦的人當然當然我們先看到第8頁的那個報告裡面齁那兩那個我們的勞動參與率那我們國人是這樣那我們原住民你知道嗎是原住民的男性是參與率是多少你知道嗎
transcript.whisperx[3].start 62.253
transcript.whisperx[3].end 90.861
transcript.whisperx[3].text 八月六十四年是將近七十男性那平均的話是將近六十二六十三那邊也就是說都高於國人是好那我們再看到第六頁我那早上仔細看了你的報告了所以大概我看一下還有第五頁那我們的失業率是多少你知道嗎現在大概三趴上下沒有我們的你看到我就要想到原住民是不好意思3.5
transcript.whisperx[4].start 94.024
transcript.whisperx[4].end 103.935
transcript.whisperx[4].text 實際上現在原住民跟委員報告原住民現在的失業率已經降到跟一般國民差不多同等水準了因為災後我們花蓮地震請問你有去過花蓮嗎最近
transcript.whisperx[5].start 107.118
transcript.whisperx[5].end 129.474
transcript.whisperx[5].text 對不起我個人因為也沒有這個因為目前的災區當然地震人受災的情況不太一樣那有些是花蓮市有些秀林鄉秀林鄉比較嚴重那他們很多人主人跟我說他們兩個月過完那個所謂的這邊有寫嘛臨時工作機會大概是提供兩個月必要時可再延長那現在
transcript.whisperx[6].start 130.97
transcript.whisperx[6].end 147.688
transcript.whisperx[6].text 那2個月如果快快到啦那你要怎麼你要怎麼來延長已經要已經要延到6個月了OK好那對您放心您放心在擔心這個問題是是是提出來我剛剛在口頭報告一開始就報告了對於震災海花蓮震災的這一個處理啊老公部的這部分措施
transcript.whisperx[7].start 151.175
transcript.whisperx[7].end 178.796
transcript.whisperx[7].text 因為我們常常我當然還是要說我們常常在分類的時候我們是跟弱勢族群在一起可是你在看第17月的報告你會說身心障礙者原住民二度就業婦女我們都是放在這邊沒有關係可是你的比如說你協助弱勢失業112243人你只有總數你沒有把它分類我不知道我們原住民的這個在哪裡懂意思嗎所以還是要把我們原住民把它表列化特別標出來還有25頁
transcript.whisperx[8].start 184.639
transcript.whisperx[8].end 204.144
transcript.whisperx[8].text 因為我們常常會發生一些牢災比如說墜落的這些事情常常發生在我們原住民身上我特別看了一下你說營造業的監督執行率是10328次今年到4月為止也就是說120天裡面你執行了1萬多次也就是每天110次你如何達成的
transcript.whisperx[9].start 204.929
transcript.whisperx[9].end 231.856
transcript.whisperx[9].text 啊,這邊我請署長來回答,好嗎?委員法,我們各有各地勞動檢查機構根據風險做監督檢查是由各檢查機構來做實時檢查的所以是每天幾乎有一百二十一次喔?然後可是我們的罰款還是有一億多那可是一億多的這個件數是多少件違法然後它的平均的受罰的沒件數的受罰的金額是多少應該也要知道啊你雖然知道是一億多可是我不知道你罰了誰也不知道你罰了多少人這個我們都有,謝謝委員
transcript.whisperx[10].start 233.916
transcript.whisperx[10].end 233.936
transcript.whisperx[10].text 好,謝謝。
transcript.whisperx[11].start 255.478
transcript.whisperx[11].end 275.692
transcript.whisperx[11].text 那我們就看我們原住民的部分因為我們看到去年的死亡是19人那我們全國是151人那如果按照這個比例的話我們這個比例是12點多可是我們原住民的人口在我們全國人口不到3%也就是說目前我們的死亡率是6倍所以我們要特別注意這一點好不好在下一頁下一頁
transcript.whisperx[12].start 281.223
transcript.whisperx[12].end 306.784
transcript.whisperx[12].text 大部分都是在墜落這邊齁就是我們剛剛講的那個職業的災害的那個所謂的盤點或是說監測啊或是去稽查應該都要知道還有不好意思在上月還有最多跟我講的是說他們去做工作的時候很多僱主都沒有投保所以他們在上班的時候都沒有安全感你要怎麼去杜絕或者去預防這樣的事情
transcript.whisperx[13].start 308.035
transcript.whisperx[13].end 330.925
transcript.whisperx[13].text 我跟委員報告好,職災保險現在是一律都可以投喔。可是還是很多勞工,我們原住民勞工並不知道他有這樣的一個,他可以去哪裡去申辦還是怎麼樣?好,我們來加強這個宣導,然後因為事實上職災保險現在到了7就可以投保了,只要到iBON他掉下去了,然後就去找的時候就顧主面幫他保。
transcript.whisperx[14].start 331.345
transcript.whisperx[14].end 331.726
transcript.whisperx[14].text 我們再下一項
transcript.whisperx[15].start 343.642
transcript.whisperx[15].end 370.103
transcript.whisperx[15].text 我們目前我們就講移工的部分我們知道要開放一萬五千名那我們怕就是說我們未來會不會擠壓到我們原住民的就業因為我們大部分也從事勞動這些重工業的工作比如說營建或工程你營建這麼多我們的移工的時候會不會相對的就壓縮了我們的工作的權利要怎麼來預防怎麼來跟我們原住民的勞工來解釋
transcript.whisperx[16].start 371.713
transcript.whisperx[16].end 384.387
transcript.whisperx[16].text 是,各位報告我們對原住民勞工的就業保障一定放在最優先所以其實在這個引進移工前我們會確保他招募這個國內的招募到一定比例
transcript.whisperx[17].start 386.244
transcript.whisperx[17].end 410.2
transcript.whisperx[17].text 我請署長可你回覆一下好嗎跟委員報告這個我們在開放但是我們跟內政部會在整個程序當中一定會落實對國內的招募的一個部分要優先來試驗對沒有錯可是我還是會聽到很多老公朋友說外老朋友把我的工作權拿走了所以我想說這個部分你一定要去想辦法杜絕或者說避免可以嗎好這位委員這我們會特別來點
transcript.whisperx[18].start 410.52
transcript.whisperx[18].end 410.76
transcript.whisperx[18].text 月二天一次會議