iVOD / 156100

Field Value
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/402373dbe145685b22735bd175bd01946b4c0e929d5f577fce0a1e5c1d8db79694885ffc673e66ca5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 林淑芬
委員發言時間 10:55:20 - 11:16:23
影片長度 1263
會議時間 2024-10-24T09:00:00+08:00
會議名稱 立法院第11屆第2會期社會福利及衛生環境、經濟委員會第1次聯席會議(事由:審查委員吳春城等42人擬具「壯世代政策與產業發展促進法草案」案。 【如經復議則不予審查】)
transcript.pyannote[0].speaker SPEAKER_01
transcript.pyannote[0].start 9.32909375
transcript.pyannote[0].end 13.15971875
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 14.22284375
transcript.pyannote[1].end 15.85971875
transcript.pyannote[2].speaker SPEAKER_01
transcript.pyannote[2].start 16.43346875
transcript.pyannote[2].end 17.90159375
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 20.02784375
transcript.pyannote[3].end 21.24284375
transcript.pyannote[4].speaker SPEAKER_01
transcript.pyannote[4].start 22.45784375
transcript.pyannote[4].end 23.31846875
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 23.79096875
transcript.pyannote[5].end 24.75284375
transcript.pyannote[6].speaker SPEAKER_01
transcript.pyannote[6].start 25.27596875
transcript.pyannote[6].end 27.35159375
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 29.17409375
transcript.pyannote[7].end 32.26221875
transcript.pyannote[8].speaker SPEAKER_00
transcript.pyannote[8].start 37.56096875
transcript.pyannote[8].end 38.30346875
transcript.pyannote[9].speaker SPEAKER_01
transcript.pyannote[9].start 38.64096875
transcript.pyannote[9].end 49.55909375
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 50.26784375
transcript.pyannote[10].end 50.43659375
transcript.pyannote[11].speaker SPEAKER_01
transcript.pyannote[11].start 50.43659375
transcript.pyannote[11].end 161.89596875
transcript.pyannote[12].speaker SPEAKER_01
transcript.pyannote[12].start 162.31784375
transcript.pyannote[12].end 163.26284375
transcript.pyannote[13].speaker SPEAKER_01
transcript.pyannote[13].start 164.22471875
transcript.pyannote[13].end 238.20471875
transcript.pyannote[14].speaker SPEAKER_01
transcript.pyannote[14].start 238.50846875
transcript.pyannote[14].end 252.73409375
transcript.pyannote[15].speaker SPEAKER_00
transcript.pyannote[15].start 253.51034375
transcript.pyannote[15].end 253.83096875
transcript.pyannote[16].speaker SPEAKER_01
transcript.pyannote[16].start 253.91534375
transcript.pyannote[16].end 257.23971875
transcript.pyannote[17].speaker SPEAKER_00
transcript.pyannote[17].start 258.13409375
transcript.pyannote[17].end 261.50909375
transcript.pyannote[18].speaker SPEAKER_01
transcript.pyannote[18].start 258.64034375
transcript.pyannote[18].end 262.30221875
transcript.pyannote[19].speaker SPEAKER_00
transcript.pyannote[19].start 262.30221875
transcript.pyannote[19].end 262.74096875
transcript.pyannote[20].speaker SPEAKER_01
transcript.pyannote[20].start 262.74096875
transcript.pyannote[20].end 266.67284375
transcript.pyannote[21].speaker SPEAKER_00
transcript.pyannote[21].start 267.49971875
transcript.pyannote[21].end 268.98471875
transcript.pyannote[22].speaker SPEAKER_01
transcript.pyannote[22].start 268.98471875
transcript.pyannote[22].end 271.21221875
transcript.pyannote[23].speaker SPEAKER_01
transcript.pyannote[23].start 271.58346875
transcript.pyannote[23].end 283.36221875
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 284.02034375
transcript.pyannote[24].end 291.83346875
transcript.pyannote[25].speaker SPEAKER_01
transcript.pyannote[25].start 292.03596875
transcript.pyannote[25].end 300.54096875
transcript.pyannote[26].speaker SPEAKER_01
transcript.pyannote[26].start 300.96284375
transcript.pyannote[26].end 304.72596875
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 305.19846875
transcript.pyannote[27].end 307.13909375
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 307.47659375
transcript.pyannote[28].end 320.99346875
transcript.pyannote[29].speaker SPEAKER_01
transcript.pyannote[29].start 321.73596875
transcript.pyannote[29].end 325.06034375
transcript.pyannote[30].speaker SPEAKER_01
transcript.pyannote[30].start 325.68471875
transcript.pyannote[30].end 327.76034375
transcript.pyannote[31].speaker SPEAKER_01
transcript.pyannote[31].start 328.19909375
transcript.pyannote[31].end 329.39721875
transcript.pyannote[32].speaker SPEAKER_01
transcript.pyannote[32].start 329.73471875
transcript.pyannote[32].end 330.51096875
transcript.pyannote[33].speaker SPEAKER_01
transcript.pyannote[33].start 330.88221875
transcript.pyannote[33].end 335.32034375
transcript.pyannote[34].speaker SPEAKER_01
transcript.pyannote[34].start 336.06284375
transcript.pyannote[34].end 349.02284375
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 349.02284375
transcript.pyannote[35].end 349.42784375
transcript.pyannote[36].speaker SPEAKER_00
transcript.pyannote[36].start 350.13659375
transcript.pyannote[36].end 357.02159375
transcript.pyannote[37].speaker SPEAKER_00
transcript.pyannote[37].start 357.37596875
transcript.pyannote[37].end 358.64159375
transcript.pyannote[38].speaker SPEAKER_00
transcript.pyannote[38].start 359.02971875
transcript.pyannote[38].end 359.04659375
transcript.pyannote[39].speaker SPEAKER_00
transcript.pyannote[39].start 359.08034375
transcript.pyannote[39].end 359.72159375
transcript.pyannote[40].speaker SPEAKER_00
transcript.pyannote[40].start 360.76784375
transcript.pyannote[40].end 361.72971875
transcript.pyannote[41].speaker SPEAKER_00
transcript.pyannote[41].start 361.78034375
transcript.pyannote[41].end 361.96596875
transcript.pyannote[42].speaker SPEAKER_01
transcript.pyannote[42].start 361.96596875
transcript.pyannote[42].end 362.03346875
transcript.pyannote[43].speaker SPEAKER_00
transcript.pyannote[43].start 362.03346875
transcript.pyannote[43].end 362.06721875
transcript.pyannote[44].speaker SPEAKER_01
transcript.pyannote[44].start 362.06721875
transcript.pyannote[44].end 363.29909375
transcript.pyannote[45].speaker SPEAKER_00
transcript.pyannote[45].start 362.60721875
transcript.pyannote[45].end 363.24846875
transcript.pyannote[46].speaker SPEAKER_00
transcript.pyannote[46].start 363.29909375
transcript.pyannote[46].end 364.00784375
transcript.pyannote[47].speaker SPEAKER_01
transcript.pyannote[47].start 364.86846875
transcript.pyannote[47].end 367.34909375
transcript.pyannote[48].speaker SPEAKER_00
transcript.pyannote[48].start 365.81346875
transcript.pyannote[48].end 366.37034375
transcript.pyannote[49].speaker SPEAKER_01
transcript.pyannote[49].start 367.48409375
transcript.pyannote[49].end 369.82971875
transcript.pyannote[50].speaker SPEAKER_00
transcript.pyannote[50].start 370.52159375
transcript.pyannote[50].end 371.33159375
transcript.pyannote[51].speaker SPEAKER_00
transcript.pyannote[51].start 372.58034375
transcript.pyannote[51].end 373.94721875
transcript.pyannote[52].speaker SPEAKER_01
transcript.pyannote[52].start 374.31846875
transcript.pyannote[52].end 374.80784375
transcript.pyannote[53].speaker SPEAKER_00
transcript.pyannote[53].start 375.43221875
transcript.pyannote[53].end 377.76096875
transcript.pyannote[54].speaker SPEAKER_01
transcript.pyannote[54].start 377.76096875
transcript.pyannote[54].end 377.81159375
transcript.pyannote[55].speaker SPEAKER_01
transcript.pyannote[55].start 377.96346875
transcript.pyannote[55].end 377.98034375
transcript.pyannote[56].speaker SPEAKER_01
transcript.pyannote[56].start 378.31784375
transcript.pyannote[56].end 390.43409375
transcript.pyannote[57].speaker SPEAKER_01
transcript.pyannote[57].start 391.04159375
transcript.pyannote[57].end 398.97284375
transcript.pyannote[58].speaker SPEAKER_01
transcript.pyannote[58].start 399.17534375
transcript.pyannote[58].end 411.20721875
transcript.pyannote[59].speaker SPEAKER_01
transcript.pyannote[59].start 412.08471875
transcript.pyannote[59].end 417.21471875
transcript.pyannote[60].speaker SPEAKER_01
transcript.pyannote[60].start 417.60284375
transcript.pyannote[60].end 473.32409375
transcript.pyannote[61].speaker SPEAKER_01
transcript.pyannote[61].start 475.63596875
transcript.pyannote[61].end 476.41221875
transcript.pyannote[62].speaker SPEAKER_01
transcript.pyannote[62].start 477.93096875
transcript.pyannote[62].end 479.33159375
transcript.pyannote[63].speaker SPEAKER_00
transcript.pyannote[63].start 477.99846875
transcript.pyannote[63].end 478.67346875
transcript.pyannote[64].speaker SPEAKER_01
transcript.pyannote[64].start 479.68596875
transcript.pyannote[64].end 482.23409375
transcript.pyannote[65].speaker SPEAKER_00
transcript.pyannote[65].start 482.30159375
transcript.pyannote[65].end 483.11159375
transcript.pyannote[66].speaker SPEAKER_01
transcript.pyannote[66].start 483.97221875
transcript.pyannote[66].end 528.21846875
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 528.50534375
transcript.pyannote[67].end 570.45659375
transcript.pyannote[68].speaker SPEAKER_01
transcript.pyannote[68].start 570.82784375
transcript.pyannote[68].end 573.94971875
transcript.pyannote[69].speaker SPEAKER_01
transcript.pyannote[69].start 574.75971875
transcript.pyannote[69].end 582.67409375
transcript.pyannote[70].speaker SPEAKER_01
transcript.pyannote[70].start 583.16346875
transcript.pyannote[70].end 604.69596875
transcript.pyannote[71].speaker SPEAKER_00
transcript.pyannote[71].start 606.14721875
transcript.pyannote[71].end 617.45346875
transcript.pyannote[72].speaker SPEAKER_01
transcript.pyannote[72].start 615.20909375
transcript.pyannote[72].end 617.09909375
transcript.pyannote[73].speaker SPEAKER_01
transcript.pyannote[73].start 617.45346875
transcript.pyannote[73].end 617.79096875
transcript.pyannote[74].speaker SPEAKER_00
transcript.pyannote[74].start 617.79096875
transcript.pyannote[74].end 617.97659375
transcript.pyannote[75].speaker SPEAKER_01
transcript.pyannote[75].start 617.97659375
transcript.pyannote[75].end 618.02721875
transcript.pyannote[76].speaker SPEAKER_00
transcript.pyannote[76].start 618.02721875
transcript.pyannote[76].end 618.93846875
transcript.pyannote[77].speaker SPEAKER_01
transcript.pyannote[77].start 618.93846875
transcript.pyannote[77].end 619.07346875
transcript.pyannote[78].speaker SPEAKER_00
transcript.pyannote[78].start 619.07346875
transcript.pyannote[78].end 619.10721875
transcript.pyannote[79].speaker SPEAKER_01
transcript.pyannote[79].start 619.10721875
transcript.pyannote[79].end 620.08596875
transcript.pyannote[80].speaker SPEAKER_00
transcript.pyannote[80].start 620.08596875
transcript.pyannote[80].end 620.11971875
transcript.pyannote[81].speaker SPEAKER_01
transcript.pyannote[81].start 620.11971875
transcript.pyannote[81].end 620.15346875
transcript.pyannote[82].speaker SPEAKER_00
transcript.pyannote[82].start 620.15346875
transcript.pyannote[82].end 621.09846875
transcript.pyannote[83].speaker SPEAKER_00
transcript.pyannote[83].start 621.35159375
transcript.pyannote[83].end 633.97409375
transcript.pyannote[84].speaker SPEAKER_01
transcript.pyannote[84].start 621.38534375
transcript.pyannote[84].end 621.94221875
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 633.97409375
transcript.pyannote[85].end 635.15534375
transcript.pyannote[86].speaker SPEAKER_00
transcript.pyannote[86].start 634.93596875
transcript.pyannote[86].end 637.87221875
transcript.pyannote[87].speaker SPEAKER_01
transcript.pyannote[87].start 637.70346875
transcript.pyannote[87].end 638.66534375
transcript.pyannote[88].speaker SPEAKER_00
transcript.pyannote[88].start 639.45846875
transcript.pyannote[88].end 642.34409375
transcript.pyannote[89].speaker SPEAKER_01
transcript.pyannote[89].start 642.34409375
transcript.pyannote[89].end 644.03159375
transcript.pyannote[90].speaker SPEAKER_01
transcript.pyannote[90].start 644.79096875
transcript.pyannote[90].end 644.85846875
transcript.pyannote[91].speaker SPEAKER_00
transcript.pyannote[91].start 644.85846875
transcript.pyannote[91].end 648.06471875
transcript.pyannote[92].speaker SPEAKER_01
transcript.pyannote[92].start 644.90909375
transcript.pyannote[92].end 646.30971875
transcript.pyannote[93].speaker SPEAKER_01
transcript.pyannote[93].start 647.45721875
transcript.pyannote[93].end 649.24596875
transcript.pyannote[94].speaker SPEAKER_01
transcript.pyannote[94].start 649.68471875
transcript.pyannote[94].end 649.85346875
transcript.pyannote[95].speaker SPEAKER_01
transcript.pyannote[95].start 650.42721875
transcript.pyannote[95].end 651.00096875
transcript.pyannote[96].speaker SPEAKER_01
transcript.pyannote[96].start 651.57471875
transcript.pyannote[96].end 653.12721875
transcript.pyannote[97].speaker SPEAKER_00
transcript.pyannote[97].start 654.54471875
transcript.pyannote[97].end 654.56159375
transcript.pyannote[98].speaker SPEAKER_01
transcript.pyannote[98].start 654.56159375
transcript.pyannote[98].end 654.61221875
transcript.pyannote[99].speaker SPEAKER_00
transcript.pyannote[99].start 654.61221875
transcript.pyannote[99].end 655.96221875
transcript.pyannote[100].speaker SPEAKER_01
transcript.pyannote[100].start 655.96221875
transcript.pyannote[100].end 657.02534375
transcript.pyannote[101].speaker SPEAKER_00
transcript.pyannote[101].start 657.02534375
transcript.pyannote[101].end 657.10971875
transcript.pyannote[102].speaker SPEAKER_01
transcript.pyannote[102].start 657.10971875
transcript.pyannote[102].end 665.51346875
transcript.pyannote[103].speaker SPEAKER_00
transcript.pyannote[103].start 657.14346875
transcript.pyannote[103].end 658.86471875
transcript.pyannote[104].speaker SPEAKER_00
transcript.pyannote[104].start 661.12596875
transcript.pyannote[104].end 661.76721875
transcript.pyannote[105].speaker SPEAKER_01
transcript.pyannote[105].start 666.61034375
transcript.pyannote[105].end 670.54221875
transcript.pyannote[106].speaker SPEAKER_01
transcript.pyannote[106].start 671.25096875
transcript.pyannote[106].end 672.02721875
transcript.pyannote[107].speaker SPEAKER_00
transcript.pyannote[107].start 672.02721875
transcript.pyannote[107].end 672.38159375
transcript.pyannote[108].speaker SPEAKER_01
transcript.pyannote[108].start 672.38159375
transcript.pyannote[108].end 672.73596875
transcript.pyannote[109].speaker SPEAKER_00
transcript.pyannote[109].start 672.73596875
transcript.pyannote[109].end 672.87096875
transcript.pyannote[110].speaker SPEAKER_01
transcript.pyannote[110].start 672.87096875
transcript.pyannote[110].end 672.88784375
transcript.pyannote[111].speaker SPEAKER_00
transcript.pyannote[111].start 672.88784375
transcript.pyannote[111].end 672.95534375
transcript.pyannote[112].speaker SPEAKER_01
transcript.pyannote[112].start 672.95534375
transcript.pyannote[112].end 672.97221875
transcript.pyannote[113].speaker SPEAKER_00
transcript.pyannote[113].start 672.97221875
transcript.pyannote[113].end 674.89596875
transcript.pyannote[114].speaker SPEAKER_00
transcript.pyannote[114].start 676.14471875
transcript.pyannote[114].end 677.22471875
transcript.pyannote[115].speaker SPEAKER_00
transcript.pyannote[115].start 677.35971875
transcript.pyannote[115].end 679.45221875
transcript.pyannote[116].speaker SPEAKER_01
transcript.pyannote[116].start 677.42721875
transcript.pyannote[116].end 682.97909375
transcript.pyannote[117].speaker SPEAKER_01
transcript.pyannote[117].start 684.17721875
transcript.pyannote[117].end 686.38784375
transcript.pyannote[118].speaker SPEAKER_01
transcript.pyannote[118].start 686.53971875
transcript.pyannote[118].end 690.16784375
transcript.pyannote[119].speaker SPEAKER_00
transcript.pyannote[119].start 690.72471875
transcript.pyannote[119].end 699.80346875
transcript.pyannote[120].speaker SPEAKER_01
transcript.pyannote[120].start 694.67346875
transcript.pyannote[120].end 694.94346875
transcript.pyannote[121].speaker SPEAKER_01
transcript.pyannote[121].start 695.95596875
transcript.pyannote[121].end 696.34409375
transcript.pyannote[122].speaker SPEAKER_01
transcript.pyannote[122].start 696.96846875
transcript.pyannote[122].end 699.70221875
transcript.pyannote[123].speaker SPEAKER_01
transcript.pyannote[123].start 699.80346875
transcript.pyannote[123].end 723.19221875
transcript.pyannote[124].speaker SPEAKER_00
transcript.pyannote[124].start 723.19221875
transcript.pyannote[124].end 742.75034375
transcript.pyannote[125].speaker SPEAKER_01
transcript.pyannote[125].start 732.06846875
transcript.pyannote[125].end 733.36784375
transcript.pyannote[126].speaker SPEAKER_01
transcript.pyannote[126].start 735.89909375
transcript.pyannote[126].end 736.28721875
transcript.pyannote[127].speaker SPEAKER_00
transcript.pyannote[127].start 742.83471875
transcript.pyannote[127].end 750.32721875
transcript.pyannote[128].speaker SPEAKER_01
transcript.pyannote[128].start 748.01534375
transcript.pyannote[128].end 760.21596875
transcript.pyannote[129].speaker SPEAKER_00
transcript.pyannote[129].start 754.09034375
transcript.pyannote[129].end 756.43596875
transcript.pyannote[130].speaker SPEAKER_01
transcript.pyannote[130].start 760.85721875
transcript.pyannote[130].end 765.12659375
transcript.pyannote[131].speaker SPEAKER_00
transcript.pyannote[131].start 761.44784375
transcript.pyannote[131].end 762.03846875
transcript.pyannote[132].speaker SPEAKER_00
transcript.pyannote[132].start 762.71346875
transcript.pyannote[132].end 762.96659375
transcript.pyannote[133].speaker SPEAKER_01
transcript.pyannote[133].start 766.08846875
transcript.pyannote[133].end 768.90659375
transcript.pyannote[134].speaker SPEAKER_01
transcript.pyannote[134].start 769.48034375
transcript.pyannote[134].end 779.03159375
transcript.pyannote[135].speaker SPEAKER_01
transcript.pyannote[135].start 779.48721875
transcript.pyannote[135].end 781.84971875
transcript.pyannote[136].speaker SPEAKER_01
transcript.pyannote[136].start 782.18721875
transcript.pyannote[136].end 784.85346875
transcript.pyannote[137].speaker SPEAKER_01
transcript.pyannote[137].start 785.47784375
transcript.pyannote[137].end 793.24034375
transcript.pyannote[138].speaker SPEAKER_01
transcript.pyannote[138].start 793.86471875
transcript.pyannote[138].end 815.02596875
transcript.pyannote[139].speaker SPEAKER_00
transcript.pyannote[139].start 815.02596875
transcript.pyannote[139].end 834.97221875
transcript.pyannote[140].speaker SPEAKER_01
transcript.pyannote[140].start 822.01221875
transcript.pyannote[140].end 824.12159375
transcript.pyannote[141].speaker SPEAKER_01
transcript.pyannote[141].start 824.47596875
transcript.pyannote[141].end 825.99471875
transcript.pyannote[142].speaker SPEAKER_01
transcript.pyannote[142].start 832.67721875
transcript.pyannote[142].end 833.18346875
transcript.pyannote[143].speaker SPEAKER_01
transcript.pyannote[143].start 834.97221875
transcript.pyannote[143].end 845.08034375
transcript.pyannote[144].speaker SPEAKER_00
transcript.pyannote[144].start 845.08034375
transcript.pyannote[144].end 851.22284375
transcript.pyannote[145].speaker SPEAKER_01
transcript.pyannote[145].start 849.01221875
transcript.pyannote[145].end 850.98659375
transcript.pyannote[146].speaker SPEAKER_01
transcript.pyannote[146].start 851.22284375
transcript.pyannote[146].end 851.23971875
transcript.pyannote[147].speaker SPEAKER_00
transcript.pyannote[147].start 852.01596875
transcript.pyannote[147].end 852.10034375
transcript.pyannote[148].speaker SPEAKER_01
transcript.pyannote[148].start 852.97784375
transcript.pyannote[148].end 867.06846875
transcript.pyannote[149].speaker SPEAKER_00
transcript.pyannote[149].start 859.94721875
transcript.pyannote[149].end 860.94284375
transcript.pyannote[150].speaker SPEAKER_01
transcript.pyannote[150].start 867.23721875
transcript.pyannote[150].end 867.28784375
transcript.pyannote[151].speaker SPEAKER_00
transcript.pyannote[151].start 867.28784375
transcript.pyannote[151].end 868.97534375
transcript.pyannote[152].speaker SPEAKER_01
transcript.pyannote[152].start 868.97534375
transcript.pyannote[152].end 868.99221875
transcript.pyannote[153].speaker SPEAKER_00
transcript.pyannote[153].start 868.99221875
transcript.pyannote[153].end 869.09346875
transcript.pyannote[154].speaker SPEAKER_01
transcript.pyannote[154].start 870.15659375
transcript.pyannote[154].end 872.48534375
transcript.pyannote[155].speaker SPEAKER_01
transcript.pyannote[155].start 872.75534375
transcript.pyannote[155].end 874.03784375
transcript.pyannote[156].speaker SPEAKER_00
transcript.pyannote[156].start 874.03784375
transcript.pyannote[156].end 875.11784375
transcript.pyannote[157].speaker SPEAKER_00
transcript.pyannote[157].start 875.75909375
transcript.pyannote[157].end 876.94034375
transcript.pyannote[158].speaker SPEAKER_00
transcript.pyannote[158].start 877.56471875
transcript.pyannote[158].end 883.97721875
transcript.pyannote[159].speaker SPEAKER_01
transcript.pyannote[159].start 878.67846875
transcript.pyannote[159].end 893.93346875
transcript.pyannote[160].speaker SPEAKER_01
transcript.pyannote[160].start 894.28784375
transcript.pyannote[160].end 895.36784375
transcript.pyannote[161].speaker SPEAKER_01
transcript.pyannote[161].start 896.14409375
transcript.pyannote[161].end 897.40971875
transcript.pyannote[162].speaker SPEAKER_01
transcript.pyannote[162].start 897.83159375
transcript.pyannote[162].end 898.42221875
transcript.pyannote[163].speaker SPEAKER_01
transcript.pyannote[163].start 898.94534375
transcript.pyannote[163].end 901.05471875
transcript.pyannote[164].speaker SPEAKER_01
transcript.pyannote[164].start 901.27409375
transcript.pyannote[164].end 903.29909375
transcript.pyannote[165].speaker SPEAKER_01
transcript.pyannote[165].start 903.48471875
transcript.pyannote[165].end 904.39596875
transcript.pyannote[166].speaker SPEAKER_01
transcript.pyannote[166].start 904.69971875
transcript.pyannote[166].end 906.87659375
transcript.pyannote[167].speaker SPEAKER_01
transcript.pyannote[167].start 907.34909375
transcript.pyannote[167].end 910.21784375
transcript.pyannote[168].speaker SPEAKER_01
transcript.pyannote[168].start 911.29784375
transcript.pyannote[168].end 912.68159375
transcript.pyannote[169].speaker SPEAKER_01
transcript.pyannote[169].start 914.74034375
transcript.pyannote[169].end 917.47409375
transcript.pyannote[170].speaker SPEAKER_01
transcript.pyannote[170].start 918.11534375
transcript.pyannote[170].end 920.93346875
transcript.pyannote[171].speaker SPEAKER_01
transcript.pyannote[171].start 922.04721875
transcript.pyannote[171].end 933.55596875
transcript.pyannote[172].speaker SPEAKER_01
transcript.pyannote[172].start 934.11284375
transcript.pyannote[172].end 939.69846875
transcript.pyannote[173].speaker SPEAKER_01
transcript.pyannote[173].start 939.95159375
transcript.pyannote[173].end 940.00221875
transcript.pyannote[174].speaker SPEAKER_01
transcript.pyannote[174].start 940.10346875
transcript.pyannote[174].end 943.19159375
transcript.pyannote[175].speaker SPEAKER_01
transcript.pyannote[175].start 944.91284375
transcript.pyannote[175].end 946.22909375
transcript.pyannote[176].speaker SPEAKER_01
transcript.pyannote[176].start 946.71846875
transcript.pyannote[176].end 947.79846875
transcript.pyannote[177].speaker SPEAKER_00
transcript.pyannote[177].start 946.87034375
transcript.pyannote[177].end 948.60846875
transcript.pyannote[178].speaker SPEAKER_00
transcript.pyannote[178].start 948.89534375
transcript.pyannote[178].end 949.08096875
transcript.pyannote[179].speaker SPEAKER_01
transcript.pyannote[179].start 949.08096875
transcript.pyannote[179].end 960.96096875
transcript.pyannote[180].speaker SPEAKER_01
transcript.pyannote[180].start 961.82159375
transcript.pyannote[180].end 964.03221875
transcript.pyannote[181].speaker SPEAKER_01
transcript.pyannote[181].start 964.52159375
transcript.pyannote[181].end 969.71909375
transcript.pyannote[182].speaker SPEAKER_01
transcript.pyannote[182].start 969.88784375
transcript.pyannote[182].end 979.16909375
transcript.pyannote[183].speaker SPEAKER_01
transcript.pyannote[183].start 980.40096875
transcript.pyannote[183].end 981.39659375
transcript.pyannote[184].speaker SPEAKER_00
transcript.pyannote[184].start 980.50221875
transcript.pyannote[184].end 980.97471875
transcript.pyannote[185].speaker SPEAKER_01
transcript.pyannote[185].start 981.75096875
transcript.pyannote[185].end 990.03659375
transcript.pyannote[186].speaker SPEAKER_01
transcript.pyannote[186].start 990.25596875
transcript.pyannote[186].end 993.15846875
transcript.pyannote[187].speaker SPEAKER_01
transcript.pyannote[187].start 995.14971875
transcript.pyannote[187].end 998.35596875
transcript.pyannote[188].speaker SPEAKER_01
transcript.pyannote[188].start 998.89596875
transcript.pyannote[188].end 999.95909375
transcript.pyannote[189].speaker SPEAKER_00
transcript.pyannote[189].start 999.75659375
transcript.pyannote[189].end 1002.50721875
transcript.pyannote[190].speaker SPEAKER_01
transcript.pyannote[190].start 1000.88721875
transcript.pyannote[190].end 1001.76471875
transcript.pyannote[191].speaker SPEAKER_01
transcript.pyannote[191].start 1002.32159375
transcript.pyannote[191].end 1010.35409375
transcript.pyannote[192].speaker SPEAKER_01
transcript.pyannote[192].start 1010.57346875
transcript.pyannote[192].end 1027.19534375
transcript.pyannote[193].speaker SPEAKER_01
transcript.pyannote[193].start 1027.68471875
transcript.pyannote[193].end 1029.54096875
transcript.pyannote[194].speaker SPEAKER_01
transcript.pyannote[194].start 1030.46909375
transcript.pyannote[194].end 1031.54909375
transcript.pyannote[195].speaker SPEAKER_01
transcript.pyannote[195].start 1031.95409375
transcript.pyannote[195].end 1033.65846875
transcript.pyannote[196].speaker SPEAKER_01
transcript.pyannote[196].start 1034.31659375
transcript.pyannote[196].end 1035.32909375
transcript.pyannote[197].speaker SPEAKER_01
transcript.pyannote[197].start 1035.85221875
transcript.pyannote[197].end 1039.63221875
transcript.pyannote[198].speaker SPEAKER_01
transcript.pyannote[198].start 1040.52659375
transcript.pyannote[198].end 1041.37034375
transcript.pyannote[199].speaker SPEAKER_00
transcript.pyannote[199].start 1042.85534375
transcript.pyannote[199].end 1045.01534375
transcript.pyannote[200].speaker SPEAKER_01
transcript.pyannote[200].start 1045.20096875
transcript.pyannote[200].end 1045.63971875
transcript.pyannote[201].speaker SPEAKER_01
transcript.pyannote[201].start 1046.23034375
transcript.pyannote[201].end 1046.66909375
transcript.pyannote[202].speaker SPEAKER_01
transcript.pyannote[202].start 1046.95596875
transcript.pyannote[202].end 1052.57534375
transcript.pyannote[203].speaker SPEAKER_01
transcript.pyannote[203].start 1053.06471875
transcript.pyannote[203].end 1055.98409375
transcript.pyannote[204].speaker SPEAKER_01
transcript.pyannote[204].start 1056.32159375
transcript.pyannote[204].end 1056.84471875
transcript.pyannote[205].speaker SPEAKER_01
transcript.pyannote[205].start 1057.04721875
transcript.pyannote[205].end 1087.11846875
transcript.pyannote[206].speaker SPEAKER_01
transcript.pyannote[206].start 1087.81034375
transcript.pyannote[206].end 1119.73784375
transcript.pyannote[207].speaker SPEAKER_01
transcript.pyannote[207].start 1120.09221875
transcript.pyannote[207].end 1124.22659375
transcript.pyannote[208].speaker SPEAKER_01
transcript.pyannote[208].start 1124.56409375
transcript.pyannote[208].end 1159.02284375
transcript.pyannote[209].speaker SPEAKER_01
transcript.pyannote[209].start 1159.07346875
transcript.pyannote[209].end 1162.22909375
transcript.pyannote[210].speaker SPEAKER_01
transcript.pyannote[210].start 1162.66784375
transcript.pyannote[210].end 1163.61284375
transcript.pyannote[211].speaker SPEAKER_01
transcript.pyannote[211].start 1164.64221875
transcript.pyannote[211].end 1169.50221875
transcript.pyannote[212].speaker SPEAKER_01
transcript.pyannote[212].start 1170.00846875
transcript.pyannote[212].end 1176.04971875
transcript.pyannote[213].speaker SPEAKER_00
transcript.pyannote[213].start 1176.70784375
transcript.pyannote[213].end 1188.19971875
transcript.pyannote[214].speaker SPEAKER_01
transcript.pyannote[214].start 1179.27284375
transcript.pyannote[214].end 1179.28971875
transcript.pyannote[215].speaker SPEAKER_00
transcript.pyannote[215].start 1188.79034375
transcript.pyannote[215].end 1202.39159375
transcript.pyannote[216].speaker SPEAKER_01
transcript.pyannote[216].start 1199.21909375
transcript.pyannote[216].end 1200.70409375
transcript.pyannote[217].speaker SPEAKER_01
transcript.pyannote[217].start 1201.49721875
transcript.pyannote[217].end 1206.23909375
transcript.pyannote[218].speaker SPEAKER_01
transcript.pyannote[218].start 1206.72846875
transcript.pyannote[218].end 1217.00534375
transcript.pyannote[219].speaker SPEAKER_00
transcript.pyannote[219].start 1213.98471875
transcript.pyannote[219].end 1215.04784375
transcript.pyannote[220].speaker SPEAKER_01
transcript.pyannote[220].start 1217.49471875
transcript.pyannote[220].end 1226.55659375
transcript.pyannote[221].speaker SPEAKER_01
transcript.pyannote[221].start 1227.11346875
transcript.pyannote[221].end 1240.30971875
transcript.pyannote[222].speaker SPEAKER_00
transcript.pyannote[222].start 1238.47034375
transcript.pyannote[222].end 1241.01846875
transcript.pyannote[223].speaker SPEAKER_01
transcript.pyannote[223].start 1241.01846875
transcript.pyannote[223].end 1241.28846875
transcript.pyannote[224].speaker SPEAKER_00
transcript.pyannote[224].start 1241.28846875
transcript.pyannote[224].end 1241.30534375
transcript.pyannote[225].speaker SPEAKER_01
transcript.pyannote[225].start 1241.30534375
transcript.pyannote[225].end 1241.37284375
transcript.pyannote[226].speaker SPEAKER_00
transcript.pyannote[226].start 1241.37284375
transcript.pyannote[226].end 1242.62159375
transcript.pyannote[227].speaker SPEAKER_01
transcript.pyannote[227].start 1243.16159375
transcript.pyannote[227].end 1248.10596875
transcript.pyannote[228].speaker SPEAKER_01
transcript.pyannote[228].start 1248.39284375
transcript.pyannote[228].end 1251.02534375
transcript.pyannote[229].speaker SPEAKER_00
transcript.pyannote[229].start 1251.02534375
transcript.pyannote[229].end 1251.97034375
transcript.pyannote[230].speaker SPEAKER_01
transcript.pyannote[230].start 1251.97034375
transcript.pyannote[230].end 1252.03784375
transcript.pyannote[231].speaker SPEAKER_00
transcript.pyannote[231].start 1252.03784375
transcript.pyannote[231].end 1252.96596875
transcript.pyannote[232].speaker SPEAKER_01
transcript.pyannote[232].start 1252.96596875
transcript.pyannote[232].end 1253.03346875
transcript.pyannote[233].speaker SPEAKER_00
transcript.pyannote[233].start 1253.03346875
transcript.pyannote[233].end 1253.97846875
transcript.pyannote[234].speaker SPEAKER_01
transcript.pyannote[234].start 1253.97846875
transcript.pyannote[234].end 1254.31596875
transcript.pyannote[235].speaker SPEAKER_01
transcript.pyannote[235].start 1254.53534375
transcript.pyannote[235].end 1258.28159375
transcript.pyannote[236].speaker SPEAKER_00
transcript.pyannote[236].start 1256.12159375
transcript.pyannote[236].end 1258.90596875
transcript.pyannote[237].speaker SPEAKER_01
transcript.pyannote[237].start 1259.32784375
transcript.pyannote[237].end 1259.81721875
transcript.pyannote[238].speaker SPEAKER_00
transcript.pyannote[238].start 1260.03659375
transcript.pyannote[238].end 1260.35721875
transcript.pyannote[239].speaker SPEAKER_00
transcript.pyannote[239].start 1261.04909375
transcript.pyannote[239].end 1262.95596875
transcript.pyannote[240].speaker SPEAKER_01
transcript.pyannote[240].start 1261.63971875
transcript.pyannote[240].end 1262.61846875
transcript.whisperx[0].start 0.009
transcript.whisperx[0].end 0.97
transcript.whisperx[0].text 主席 各位 大家午安 是不是還是請 請 我不知道要請誰應該加吳委員 請吳委員好吧 那我們就先這個
transcript.whisperx[1].start 29.232
transcript.whisperx[1].end 30.995
transcript.whisperx[1].text 老師說我真的不想好 沒關係勞動不好了
transcript.whisperx[2].start 37.591
transcript.whisperx[2].end 63.813
transcript.whisperx[2].text 委員好部長好我之所以說不曉得找誰上台因為這個是一個應該理論上是行政院處長有來行政院的這個層級但我想先這樣說因為委員的版本談到壯世代的這一個產業發展促進法基本上是產業發展促進法那談到生產力還有這個消費力
transcript.whisperx[3].start 65.474
transcript.whisperx[3].end 90.899
transcript.whisperx[3].text 做一個消費者壯世代做一個消費者擁有消費力這一件事情我認為我對政府部門不擔心因為大家都知道壯世代的經濟實力都會比年輕人更高大概為了台灣如果從45歲50歲這個年齡來界定也有人是從45歲來界定的大概台灣的財富的一半以上
transcript.whisperx[4].start 91.559
transcript.whisperx[4].end 93
transcript.whisperx[4].text 在百貨公司的週年慶上他們的平均消費力
transcript.whisperx[5].start 120.609
transcript.whisperx[5].end 120.789
transcript.whisperx[5].text 林淑芬議員
transcript.whisperx[6].start 138.183
transcript.whisperx[6].end 138.383
transcript.whisperx[6].text 但是呢﹖
transcript.whisperx[7].start 164.738
transcript.whisperx[7].end 166.479
transcript.whisperx[7].text 作為他們如果我們從他們的這個勞動力這個生產者這樣的角度來看的確大家都非常的憂慮那為什麼這個其實我們要講說等到他是壯世代再來解決中高齡就業問題已經是來不及了
transcript.whisperx[8].start 185.351
transcript.whisperx[8].end 185.391
transcript.whisperx[8].text 議員吳春城
transcript.whisperx[9].start 201.221
transcript.whisperx[9].end 212.051
transcript.whisperx[9].text 台灣的女性從55歲到64歲一旦當上了阿嬤就業的機率就像土石流一樣下滑統計上只剩下35到38%所以她是勞動力的土石流
transcript.whisperx[10].start 220.64
transcript.whisperx[10].end 237.73
transcript.whisperx[10].text 而這個我們都知道第一波土石油是女性生育生和育小育兒以後之後他就土石油崩滑一次然後當阿嬤還要為了幫孩子帶孫子所以他又再下滑一次
transcript.whisperx[11].start 238.875
transcript.whisperx[11].end 252.1
transcript.whisperx[11].text 所以我們在講說因為要比較嘛為什麼要比較除了比較OECD以外我們在講說55到59歲的女性臺灣的女性勞參率下滑比德國低了多少%你記得嗎我還問過你我們都比這個低了多少你記得嗎約略55到59歲臺灣女性的勞參率下滑的現象比德國低了幾%你知道嗎
transcript.whisperx[12].start 267.557
transcript.whisperx[12].end 291.454
transcript.whisperx[12].text 至少十幾二十有不你錯了33.760到64歲的女性的勞參率比德國低了多少你知道嗎為什麼講土石流因為比德國低了33.4%所以說你的策略等到壯世代了我們再來想這個是太慢了太晚了來不及了
transcript.whisperx[13].start 292.185
transcript.whisperx[13].end 319.904
transcript.whisperx[13].text 我們一路要從他生兒育兒然後你要完善的生兒育兒的配套讓阿嬤不用為了孩子去購孫留住勞動力然後不離開職場這個就是你失職的地方啊不能夠等到我現在壯世代了我想要重返職場再想如何鼓勵他們重返職場這是不應該的而是應該要想你要更積極的去想你要讓他續留職場
transcript.whisperx[14].start 321.789
transcript.whisperx[14].end 348.599
transcript.whisperx[14].text 你一直做不到啊光是我們在講的這個育嬰留庭改成這個這個照顧假你就沒有辦法很積極的去做那我必須要再講一個數字喔青年的失業率為什麼要講青年因為要解決這個勞動力的問題啊有可能他的發生一開始就在青年了勞動力青年的這個失業率有多高你知道嗎台灣
transcript.whisperx[15].start 350.785
transcript.whisperx[15].end 352.767
transcript.whisperx[15].text 我請署長回答一下好不好
transcript.whisperx[16].start 375.792
transcript.whisperx[16].end 389.303
transcript.whisperx[16].text 來啦!青年失業率阿這個OECD的平均青年失業率是10.8%阿我國的青年失業率來到11.4%我們比OECD平均還要高你知道澳洲幾%嗎?署長
transcript.whisperx[17].start 391.104
transcript.whisperx[17].end 391.244
transcript.whisperx[17].text 韓國6.4 荷蘭7.8 紐西蘭9.1 而台灣
transcript.whisperx[18].start 412.31
transcript.whisperx[18].end 429.85
transcript.whisperx[18].text 這一路走來始終是兩位數11.4那為什麼要講這個呢如果青年的失業問題沒有解決的話也會降低人力資本跟社會資本的累積會傷害國家的經濟發展而且如果失業青年難以步入職場
transcript.whisperx[19].start 431.331
transcript.whisperx[19].end 447.659
transcript.whisperx[19].text 會間接形成中年失業甚至變成啃老族整體國家的青年經濟力出現下降造成社會整體消費力衰弱產生不分不生然後不分不生陷入惡性循環讓國家的人口結構競爭力也造成負面的影響好
transcript.whisperx[20].start 453.802
transcript.whisperx[20].end 472.911
transcript.whisperx[20].text 這還是間接的我講低薪跟低就業意願的惡性循環我國勞動部的薪資行情跟大專就業導航的數據顯示臺灣大多數的大專畢業生都從事什麼行業你知道嗎什麼行業你們勞動部自己的服務業高達幾%你知道嗎70%
transcript.whisperx[21].start 484.008
transcript.whisperx[21].end 485.43
transcript.whisperx[21].text 台灣的大專生畢業高達74.34%選擇從事服務相關行業這個是2022年的數據其中服務業裡面選擇批發零售業
transcript.whisperx[22].start 498.988
transcript.whisperx[22].end 523.155
transcript.whisperx[22].text 是16.95%是最高幾乎17%都去做批發零售那我們都知道批發零售服務業多數相對低階的技術低階的薪資難以被期待獲取到高薪的待遇服務業的薪資天花板通常也不高也沒有辦法帶動薪資成長對個人生涯發展並無優勢而且現在還要面臨一個衝擊
transcript.whisperx[23].start 531.337
transcript.whisperx[23].end 554.728
transcript.whisperx[23].text 當國家未來的棟樑投入低所得的職業對我們的經濟成長帶來非常重的影響是因為隨著全球化人工智慧的進步多數的低技術工作比較容易移到基本工資較低的新興國家或是被機器自動化取代
transcript.whisperx[24].start 555.348
transcript.whisperx[24].end 559.091
transcript.whisperx[24].text 而國內的低技術工作機會將會越來越少而年輕人若有17%持續從事這一類的工作將會面臨中高齡失業所以我們講壯世代的就業問題
transcript.whisperx[25].start 574.867
transcript.whisperx[25].end 587.435
transcript.whisperx[25].text 老動力的問題其實是從年輕的時候就開始展開那一條可能注定要失業的路了他不能夠等到壯世代來來講說我如果輔導你重返職場他現在就要處理了那我們這個部分我剛剛講的青年失業率我剛剛講的從事批發零售業達到17%國家的政策是什麼我們不能夠等到壯世代再來處理你們的政策是什麼
transcript.whisperx[26].start 606.168
transcript.whisperx[26].end 608.969
transcript.whisperx[26].text 所以壯世代的問題在青年時代就種下了因
transcript.whisperx[27].start 621.254
transcript.whisperx[27].end 638.831
transcript.whisperx[27].text ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
transcript.whisperx[28].start 639.542
transcript.whisperx[28].end 664.147
transcript.whisperx[28].text 其實今年的失業率是有降低的有阿2016年122022年12只是那個幅度2021年12.1改善你都自我感覺良好就是說當然這個也有他你有沒有覺得教育產業也需要跟你們配合阿如果你們的教育產業一直在停留在說餐飲業、觀光業
transcript.whisperx[29].start 667.177
transcript.whisperx[29].end 682.736
transcript.whisperx[29].text 那些科系是不是開始也要想想看輔導轉型 有沒有需要那麼大量可是委員 這部分正在缺工這是一個困難你知道嗎 正在缺工 請問他們科系系所減的數目有沒有很多
transcript.whisperx[30].start 684.172
transcript.whisperx[30].end 699.872
transcript.whisperx[30].text ⋯⋯
transcript.whisperx[31].start 699.912
transcript.whisperx[31].end 706.037
transcript.whisperx[31].text 到行政院從行政院開始我們面對千年畢業就踏入職場就選擇這麼低階的服務業的工作這個零售業的工作這一方面我們是不是從頭就要開始如何讓他的學歷他的學習含金量是高的
transcript.whisperx[32].start 719.269
transcript.whisperx[32].end 737.994
transcript.whisperx[32].text 然後讓他可以在未來有更好的適應力的不要做到最後是中年失業的對可是委員我想應該是這樣當然餐飲啊這一些服務業相對低薪可是我覺得餐飲服務業面餐飲的人不一定是服務生哦不要這樣講哦可是我的意思說應該是相對去尋求服務業的產業結構的改善
transcript.whisperx[33].start 742.875
transcript.whisperx[33].end 765.503
transcript.whisperx[33].text ⋯⋯⋯⋯
transcript.whisperx[34].start 766.141
transcript.whisperx[34].end 792.802
transcript.whisperx[34].text 一個月、一個多月、兩個月以後台灣一半的人都超過45歲而且在明年以後65歲以上的人口五個就有一個進入超高齡社會喔然後呢在這種狀況裡面我必須要講啦勞動大家勞動力市場都喜歡年輕勞動力是不爭的事實啦大家都喜歡新鮮的肝嘛但是
transcript.whisperx[35].start 793.903
transcript.whisperx[35].end 797.585
transcript.whisperx[35].text 但是勞動力需求很高的產業他也不得不面對勞動力短缺的這一個問題所以我剛才就在講說只要女性的勞參率提高2%我們的這一個缺工的問題會解決很多那你有能力留住我們女性提高我們女性的勞參率嗎
transcript.whisperx[36].start 817.615
transcript.whisperx[36].end 841.663
transcript.whisperx[36].text 對委員所以我們現在正在推行多元陪伴服務方案我們希望能夠在多元陪伴服務方案就可以提升女性的勞參率嗎那當然是一個面向啦就是一個方案我們希望能從這樣的推動來進行我們我就告訴你其實照顧上照顧政策也出現了很大的問題照顧政策女性勞動力向土石流滑落生子再來孤孫就跟你講了這兩個關鍵啊
transcript.whisperx[37].start 845.564
transcript.whisperx[37].end 845.804
transcript.whisperx[37].text 告孫跟長照有什麼相關?
transcript.whisperx[38].start 853.651
transcript.whisperx[38].end 874.146
transcript.whisperx[38].text 審查與衛福部長照有什麼相關?告孫與長照有什麼相關?你剛剛回答我說這個問題要怎麼解決你說你要跟衛福部的長照體系去討論我就不知道衛福部的長照跟告孫跟審查有什麼相關那委員育兒也不是我的事啊是不是給假是你的事啊育兒留職停薪給假啊
transcript.whisperx[39].start 878.929
transcript.whisperx[39].end 893.594
transcript.whisperx[39].text 我們不生小孩除了經濟因素以外就是要陪伴因為養小孩要陪伴而沒有假可以陪伴讓很多人不願意當然在青年失業沒有工作又低薪我不就不想生這跟你有關啊怎麼會沒有關呢
transcript.whisperx[40].start 896.175
transcript.whisperx[40].end 909.945
transcript.whisperx[40].text 但我們講回來啦 這個週刊有一篇報導啦齁週刊有一篇報導說啊他們去訪問這個百大的這個優良的企業啦齁這個企業裡面啦是這樣子就是說週刊在永續這個他們去看
transcript.whisperx[41].start 922.116
transcript.whisperx[41].end 942.807
transcript.whisperx[41].text 入選世代百強的友善企業壯世代他們禁用新進員工51歲以上的壯世代的比例最好的台灣的壯世代百強的壯世代最友善的企業他們禁用新進員工的比例是幾%你知道嗎
transcript.whisperx[42].start 944.946
transcript.whisperx[42].end 959.773
transcript.whisperx[42].text 您有看那篇報導嗎?上週的。上週的人家都,你都知道今天要報告有壯世代的這個產業促進法了。你們至少要惡補一下吧。人家做了一個專題,你至少要看一下吧。而且這個是
transcript.whisperx[43].start 961.869
transcript.whisperx[43].end 979.497
transcript.whisperx[43].text ﹏﹏
transcript.whisperx[44].start 980.541
transcript.whisperx[44].end 992.614
transcript.whisperx[44].text 51十一歲啦所以產業但是他裡面講產業的特性很大程度決定了企業要不要任用壯世代的積極性缺工海嘯第一排是哪一個業缺工海嘯第一排最嚴重的最缺工的
transcript.whisperx[45].start 998.953
transcript.whisperx[45].end 998.993
transcript.whisperx[45].text 蔣麗玉議員蔣麗玉議員
transcript.whisperx[46].start 1027.737
transcript.whisperx[46].end 1041.064
transcript.whisperx[46].text 用壯世代最不可能的,可能是最低的,步調最慢的,哪一個產業你知道嗎?大家趨勢若霧,年輕人都要去的,就不需要老人工啊。那哪個產業?上面有寫資訊科企業啊。
transcript.whisperx[47].start 1045.399
transcript.whisperx[47].end 1050.662
transcript.whisperx[47].text 對啊 對啊所以就是說服務業傳產科技為什麼他們會有差別因為他們的他們條件不一樣嘛就是這樣子這麼簡單而大家都知道你要禁用這個中高齡的這個人力他不是說企業內部馬上禁用就可以的
transcript.whisperx[48].start 1064.449
transcript.whisperx[48].end 1086.839
transcript.whisperx[48].text 他要醞釀一個友善的措施跟氣氛 這個根據104中高齡銀行總經理吳立雪的經驗講他要調試 企業要調試 調試起至少需要5年欸所以為什麼也是需要政府去輔導 因為他需要調試從公告周知改善工作環境由下而上塑造自然而然的年齡共融文化
transcript.whisperx[49].start 1087.85
transcript.whisperx[49].end 1094.532
transcript.whisperx[49].text 都需要5年所以如果你沒有這關鍵的4、5年趕快準備真正缺工的時候企業是沒有辦法應對的所以這一件事情跟勞動力有關跟企業雇主也有關所以為什麼有人就覺得說中高齡員工通常忠誠而且可靠經驗豐富有助於服務客戶而且混零的職場對組織也帶來好處能夠共享知識和經濟
transcript.whisperx[50].start 1113.558
transcript.whisperx[50].end 1132.329
transcript.whisperx[50].text ⋯⋯⋯
transcript.whisperx[51].start 1132.449
transcript.whisperx[51].end 1155.164
transcript.whisperx[51].text 所以他的留任年、他的自我要求高、留任穩定性高所以美聯社的人、人資長就說我們45歲以上的員工流動率有不到30歲以下的一半流動率低減少了重複招募的訓練成本穩定服務品質所以壯世代人力的運用也為企業帶來好處而他們也必須要低頭去重新重視這個壯世代的人力
transcript.whisperx[52].start 1162.81
transcript.whisperx[52].end 1175.849
transcript.whisperx[52].text 所以啊 這個裡面啊 這個都是市場自由機制 那政府能做什麼 所以我一直講市場能夠自由機制 人家自行就去調整了 那政府都不用作為嗎 政府當然要作為啊
transcript.whisperx[53].start 1176.755
transcript.whisperx[53].end 1205.921
transcript.whisperx[53].text 委員我可不可以補充就是說我一上來我就說缺工不能等於低薪啦當時服務業一直要我開放移工可是我到現在我並沒有這麼做可是也因為這樣所以餐飲業這樣的服務業他們在中高齡的任用上比例是有增加的而且還這個真的是有顯而立見的效果所以你有做出防衛的提升上面你有守備你有防衛但是這樣子不夠啊你除了儲備你要心力啊
transcript.whisperx[54].start 1206.801
transcript.whisperx[54].end 1215.249
transcript.whisperx[54].text 你還要新立啊當然你有中高齡產業促進的鼓勵中小企業的抵減的方案出來有沒有更積極的啊那我剛剛講的這個要讓婦女留在職場續留續留我們要假要有假然後青年的
transcript.whisperx[55].start 1227.179
transcript.whisperx[55].end 1228.321
transcript.whisperx[55].text 關於技職教育我是花很多心力啦 謝謝 謝謝
transcript.whisperx[56].start 1243.338
transcript.whisperx[56].end 1253.422
transcript.whisperx[56].text 我如果說什麼你每個人都覺得你做得很好我如果說什麼你每個人都覺得你很好如果這樣為什麼還有這麼多問題呢就已經做得不錯了 也很認真了這樣你以後就不要再拖了蘇清泉不要再幫忙了 謝謝林委員
gazette.lineno 516
gazette.blocks[0][0] 林委員淑芬:(10時55分)主席、各位,大家午安,是不是還是請……我不知道要請誰,應該請吳委員,好吧!那我們就先……老實說我真的不曉得,沒關係,勞動部好了。
gazette.blocks[1][0] 何部長佩珊:委員好。
gazette.blocks[2][0] 林委員淑芬:部長好。我之所以說不曉得要找誰上台,因為這個應該理論上是行政院的這個層級,處長有來,但我想先這樣說,因為吳委員的版本談到壯世代的產業發展促進法,基本上是產業發展促進法,談到生產力還有消費力,做一個消費者壯世代,做一個消費者擁有消費力這一件事情,我認為我對政府部門不擔心,因為大家都知道壯世代的經濟實力都會比年輕人更高,大概在臺灣,如果從45歲50歲這個年齡來界定,也有人是從45歲來界定的,大概擁有臺灣財富的一半以上,所以他是消費的主力,當然市場上針對這個族群的行銷,專門針對他們其實是沒有很多,但是仍然不能夠否認他們是消費的主力。
gazette.blocks[2][1] 以餐飲方面的消費金額為例,曾經有報導說他們消費的金額是30到40歲這一個世代的2.5倍,在百貨公司的週年慶上他們的平均消費力金額也十分可觀,所以我的意思是說他們是消費的主力,擁有財富的能力都比年輕人還更多,所以這個市場機制很成熟,所以有能力投資,我也不覺得我們還要再鼓勵他們投資,因為市場自然會開發出屬於他們的商品來,這個金融市場也會,他們有能力消費,所以市場如果真的有到那一個階段,市場自然會趨之若鶩的為他們量身訂製,所以作為一個消費者擁有消費能力這一件事情,我不擔心。
gazette.blocks[2][2] 但是如果我們從他們的勞動力、生產者這樣的角度來看,的確大家都非常的憂慮,為什麼?其實我們要講等到他是壯世代再來解決中高齡就業問題已經是來不及了,到壯世代才開始要來面對,如何讓他們續留在職場,讓他們可以重返職場,我必須要說有一點慢,有一件事情是我經常說的,就是臺灣的女性從55歲到64歲,一旦當上了阿嬤,就業率就像土石流一樣下滑,統計上只剩下35到38%,所以他是勞動力的土石流,而我們都知道,第一波土石流是女性生育、育兒以後,之後他就土石流崩滑一次,然後當阿嬤還要為了幫孩子帶孫子,所以他又再下滑一次。因為要比較嘛!為什麼要比較?除了比較OECD以外,我們在講55到59歲的女性,臺灣的女性勞參率下滑比德國低了多少比例,你記得嗎?我還問過你。
gazette.blocks[3][0] 何部長佩珊:是,我們都比OECD……
gazette.blocks[4][0] 林委員淑芬:低了多少?你記得嗎?約略。
gazette.blocks[5][0] 何部長佩珊:你是指……
gazette.blocks[6][0] 林委員淑芬:55歲到59歲臺灣女性的勞參率下滑的現象,比德國低了多少比例你知道嗎?
gazette.blocks[7][0] 何部長佩珊:至少百分之十幾、二十有。
gazette.blocks[8][0] 林委員淑芬:不,你錯了,33.7%,60到64歲的女性的勞參率比德國低了多少,你知道嗎?為什麼講土石流?因為比德國低了33.4%,所以說你的策略等到壯世代了,我們再來想,這個是太慢了,太晚了,來不及了。我們要一路從他生兒、育兒做起,然後要有完善的生兒、育兒的配套,讓阿嬤不用為了孩子去顧孫,留住勞動力,然後不離開職場,這個就是你失職的地方啊。不能夠等到壯世代想要重返職場,再來想如何鼓勵他們重返職場,這是不應該的,而是應該要想,你要更積極地去想,你要讓他續留職場,你一直做不到啊,光是我們在講的育嬰留停改成照顧假,你就沒有辦法很積極地去做,那我必須要再講一個數字,就是青年的失業率,為什麼要講青年的失業率?因為要解決這個勞動力的問題,有可能發生一開始就在青年了,臺灣青年的失業率有多高,你知道嗎?
gazette.blocks[9][0] 何部長佩珊:青年的失業率現在要看15到24歲的話,大概是7.9%。
gazette.blocks[10][0] 林委員淑芬:什麼7.9%?
gazette.blocks[11][0] 何部長佩珊:對不起。
gazette.blocks[12][0] 林委員淑芬:7.9%?勞發署你們都沒有資料?這種基本數字、基本概念都沒有?
gazette.blocks[13][0] 何部長佩珊:我們請署長回答一下,好不好?
gazette.blocks[14][0] 林委員淑芬:來,根據OECD的數據,青年失業率平均是10.8%,我國的青年失業率來到11.4%,我們比OECD平均還要高,你知道澳洲多少嗎?署長。部長一定不知道,你知道澳洲有多少嗎?7.9%。加拿大是9.9%,德國的青年失業率是5.7%,日本的青年失業率是5.2%,韓國是6.4%,荷蘭是7.8%,紐西蘭是9.1%,美國是8.1%,而臺灣這一路走來始終是兩位數,11.4%。為什麼要講這個呢?如果青年的失業問題沒有解決的話,也會降低人力資本跟社會資本的累積,會傷害國家的經濟發展。而且如果失業青年難以步入職場,會為間接形成中年失業,甚至變成啃老族,整體國家的青年經濟力出現下降,造成社會整體消費力衰弱,不婚不生,然後不婚不生陷入惡性循環,讓國家的人口結構競爭力也造成負面的影響。
gazette.blocks[14][1] 好,這還是間接的,我再來講低薪跟低就業意願的惡性循環,我國勞動部的薪資行情跟大專就業導航的數據顯示,臺灣大多數的大專畢業生都從事什麼行業,你知道嗎?什麼行業?
gazette.blocks[15][0] 何部長佩珊:服務業。
gazette.blocks[16][0] 林委員淑芬:你們勞動部自己的資料,高達幾%你知道嗎?
gazette.blocks[17][0] 何部長佩珊:70。
gazette.blocks[18][0] 林委員淑芬:臺灣的大專生畢業高達74.34%選擇從事服務相關行業,這個是2022年的數據,其中服務業裡面,選擇批發零售業是16.95%,是最高,幾乎17%都去做批發、零售。我們都知道,批發零售服務業都屬相對低階的技術、低階的薪資,難以被期待獲取高薪的待遇。服務業的薪資天花板通常也不高,也沒有辦法帶動薪資成長,對個人生涯發展並無優勢,而且現在還要面臨一個衝擊,就是當這個國家未來的棟樑投入低所得的職業,對我們的經濟成長帶來非常重的影響,因為隨著全球化人工智慧的進步,多數的低技術工作比較容易移到基本工資較低的新興國家,或是被機器自動化取代,而國內的低技術工作機會將會越來越少,而年輕人若有17%持續從事這一類的工作,將會面臨中高齡失業,所以我們講壯世代的就業問題、勞動力的問題,即使是從年輕的時候就開始展開那一條可能注定要失業的路了,不能夠等到壯世代,你再來講說如何輔導他重返職場,現在就要處理了。我剛剛講的青年失業率,我剛剛講的從事批發零售業達到17%,國家的政策是什麼?我們不能夠等到壯世代再來處理。你們的政策是什麼?
gazette.blocks[19][0] 何部長佩珊:委員,青年的失業率也是一個結構性的問題,裡面其實也有……
gazette.blocks[20][0] 林委員淑芬:對啊,所以壯世代的問題在青年時代就種下了因,在結構上。
gazette.blocks[21][0] 何部長佩珊:是,是。對,對。所以當然我們現在也動用很多行政措施,在所謂的投資青年就業方案這樣子的行政措施……
gazette.blocks[22][0] 林委員淑芬:有效嗎?這十年來始終都是11%、12%。
gazette.blocks[23][0] 何部長佩珊:相對還是有改善啦。
gazette.blocks[24][0] 林委員淑芬:哪裡改善?
gazette.blocks[25][0] 何部長佩珊:其實今年的失業率是有降低的。
gazette.blocks[26][0] 林委員淑芬:有啊,2016年12%,2022年12%。
gazette.blocks[27][0] 何部長佩珊:是,只是那個幅度……
gazette.blocks[28][0] 林委員淑芬:2021年12.1%,改善?你都自我感覺良好。
gazette.blocks[29][0] 何部長佩珊:就是說,當然這個也有……
gazette.blocks[30][0] 林委員淑芬:你有沒有覺得教育產業也需要跟你們配合啊?如果教育產業一直停留在餐飲業、觀光業,那些科系是不是要開始想想看輔導轉型?有沒有需要那麼大量?
gazette.blocks[31][0] 何部長佩珊:可是委員,這部分正在缺工,這是一個困難。
gazette.blocks[32][0] 林委員淑芬:你知道嗎?這部分正在缺工,請問他們的科系系所減的數目有沒有很多?唸完的人就要去當服務生嗎?服務生需要唸餐飲科嗎?唸餐飲科的是要成為主廚的。
gazette.blocks[33][0] 何部長佩珊:是,委員,可是其實我們在技職青年的就業方面,我們是很鼓勵多元的……
gazette.blocks[34][0] 林委員淑芬:我的意思是說,你應該從行政院開始,我們面對青年畢業後踏入職場,就選擇這麼低階的服務業的工作、零售業的工作,這一方面我們是不是從頭就要開始,思考如何讓他們的學歷、學習含金量是高的,然後讓他們可以在未來有更好的適應力,不要做到最後是中年失業。
gazette.blocks[35][0] 何部長佩珊:對,可是委員,我想應該是這樣,當然餐飲這些服務業相對低薪,可是我覺得……
gazette.blocks[36][0] 林委員淑芬:餐飲服務業?唸餐飲的人不一定是服務生,不要這樣講。
gazette.blocks[37][0] 何部長佩珊:對對對。可是我的意思是說,應該是相對去尋求服務業的產業結構的改善,其實這部分讓服務業的薪水怎麼提上來,我想我們在場經濟部會……
gazette.blocks[38][0] 林委員淑芬:你不要講那麼多啦,這個講下去就說這不是你勞動部的業務,你當然可以在這裡講很多。我現在要提醒你是,從2025年開始,臺灣一半以上的人口超過45歲,這是國發會推估的,在兩個月以後,臺灣一半的人都超過45歲,而且在明年以後,65歲以上的人口每5個就有1個,進入超高齡社會,在這種狀況裡面,我必須要講,勞動力市場都喜歡年輕勞動力是不爭的事實,大家都喜歡新鮮的肝嘛,但是勞動力需求很高的產業,也不得不面對勞動力短缺的這一個問題,所以我剛剛就在講說,只要女性的勞參率提高2%,我們這一個缺工的問題會解決很多,那你有能力留住我們女性,提高女性的勞參率嗎?
gazette.blocks[39][0] 何部長佩珊:所以我們現在正在推行多元陪伴服務方案,我們希望能夠給婦女一些支持……
gazette.blocks[40][0] 林委員淑芬:多元陪伴服務方案就可以提升女性的勞參率嗎?
gazette.blocks[41][0] 何部長佩珊:那當然是一個面向,就是一個方案,我們希望能從這樣的推動來進行。
gazette.blocks[42][0] 林委員淑芬:我就告訴你,其實照顧政策也出現了很大的問題,女性勞動力像土石流滑落,生小孩和顧孫子,我都跟你講了這兩個關鍵。
gazette.blocks[43][0] 何部長佩珊:是,那我想我們跟衛福部長照體系一起來共同討論好不好?
gazette.blocks[44][0] 林委員淑芬:顧孫子跟長照有什麼相關?生小孩和衛福部長照有什麼相關?顧孫子跟長照有什麼相關?你剛剛回答我這個問題要怎麼解決,你說你要跟衛福部的長照體系去討論,我就不知道衛福部的長照跟顧孫子和生小孩有什麼相關。
gazette.blocks[45][0] 何部長佩珊:委員,育兒也不是我的事啊,是不是?
gazette.blocks[46][0] 林委員淑芬:給假是你的事啊,育兒留職停薪,給假啊!
gazette.blocks[47][0] 何部長佩珊:委員,給假是……
gazette.blocks[48][0] 林委員淑芬:我們不生小孩,除了經濟因素以外,就是要陪伴,因為養小孩要陪伴,而沒有假可以陪伴,讓很多人不願意生,青年失業,沒有工作又低薪,就不想生,這也跟你有關啊,怎麼會沒有呢?那我們講回來,週刊有一篇報導說,他們去看入選世代百強的友善企業,得知他們進用新進員工51歲以上的壯世代的比例,這些企業是最好的臺灣百強企業中,對壯世代最友善的企業,他們進用新進員工的比例是多少,你知道嗎?你有看那一篇報導嗎?是商周的。
gazette.blocks[49][0] 何部長佩珊:請委員指示。
gazette.blocks[50][0] 林委員淑芬:你都知道今天要報告壯世代產業促進法了,你們至少要惡補一下吧?人家做了一個專題,你至少要看一下吧?而且這個是9月才出刊的專題,內容講說,壯世代新進員工占他們新進員工的比例是7%,而你勞動部部長都不知道,那未入選的企業幾乎都是零,言下之意是企業大概都不會再聘僱51歲以上的員工,但是裡面也講,產業的特性很大程度決定了企業要不要任用壯世代的積極性,缺工海嘯第一排是哪一個行業?缺工海嘯第一排最嚴重的、最缺工的、最低薪的是哪一個?
gazette.blocks[51][0] 何部長佩珊:當然是服務業,相對缺。
gazette.blocks[52][0] 林委員淑芬:服務業也不得不,它要妥協啊,所以它必須要低頭,所以他們現在是號稱最懂壯世代的優點,所以也最願意用;然後傳統製造業的人力被半導體業搶人搶走了,所以他們也在討論要怎麼處理。而哪一個產業是最不可能用壯世代的?可能是最低的,步調最慢的,是哪一個產業?你知道嗎?大家趨之若鶩,年輕人都要去的,就不需要老人工了,是哪個產業?
gazette.blocks[53][0] 何部長佩珊:上面有寫資訊科技。
gazette.blocks[54][0] 林委員淑芬:對啊。所以意思是說,服務業、傳產科技為什麼他們會有差別?因為他們條件不一樣嘛,就是這樣子,這麼簡單。而大家都知道,要進用中高齡的人力,不是說企業內部馬上進用就可以了,要醞釀友善的措施跟氣氛,這個根據104人力銀行總經理吳麗雪的經驗,企業要調適,調適期至少需要5年,為什麼也是需要政府去輔導?因為需要調適,從公告周知、改善工作環境、由下而上塑造自然而然的年齡共融文化,都需要5年,所以如果你沒有在這個關鍵的四、五年趕快準備,真正缺工的時候,企業是沒有辦法應對的。這件事情跟勞動力有關,跟企業雇主也有關,所以為什麼有人就覺得說,中高齡勞工通常忠誠而且可靠,經驗豐富,有助於服務客戶,而且混齡的職場對組織也帶來好處,能夠共享知識和經濟,彼此生產力得以互補,然後培養出下一代人才。可是我們要講的是說,因為他們也不得不這樣子,中高齡還需要就業的人,當然他有他的經濟需求,也當然不可能像年輕人一樣,說工作不合,他不做,就走了,所以他的自我要求高,留任穩定性高,所以美廉社的人資長就說,他們45歲以上的員工流動率不到30歲以下的一半。流動率低,減少了重複招募的訓練成本,穩定服務品質,所以壯世代人力的運用,也為企業帶來好處,而他們也必須要低頭去重新重視壯世代的人力。這個都是市場自由機制,那政府能做什麼?所以我一直講,市場能夠行自由機制,人家自己就去調整了,那政府都不用作為嗎?政府當然也要作為。
gazette.blocks[55][0] 何部長佩珊:委員,我可不可以補充一件事,我一上任就說,缺工不能等於低薪,當時服務業一直要我開放移工,可是到現在我並沒有這麼做,可是也因為這樣,所以餐飲業這樣的服務業,他們在中高齡的任用上,比例是有增加的,這個真的是有顯而立見的效果。在薪水的提升上面,也有增加。
gazette.blocks[56][0] 林委員淑芬:所以你有守備,你有防衛,但是這樣子不夠啊。你除了除弊,還要興利啊,當然你有就產業處境提出鼓勵中小企業的抵減方案出來,有沒有更積極的?我剛剛講的,要讓婦女續留在職場,要有假,然後青年踏入社會的就業,必須要是含金量更高的技術,不要含金量都沒有,那你要去找教育部到行政院去討論啊,這不是很具體的需要嗎?
gazette.blocks[57][0] 何部長佩珊:委員,關於技職教育,我是花很多心力啦,謝謝,謝謝。
gazette.blocks[58][0] 林委員淑芬:我說什麼,你就覺得你每一樣都做得很多,做得很好,我如果說什麼,你就每一樣都覺得很好,如果真是如此,為什麼還有這麼多問題呢?
gazette.blocks[59][0] 主席:就是他們這裡做得不錯啊,也很認真啊。
gazette.blocks[60][0] 林委員淑芬:這樣的話,他們的預算你就不能砍喔,蘇清泉。
gazette.blocks[61][0] 主席:我會幫他們,我會幫忙。
gazette.blocks[61][1] 好,謝謝,謝謝林委員,謝謝部長。
gazette.blocks[61][2] 繼續我們請黃秀芳委員質詢,準時一點。
gazette.agenda.page_end 160
gazette.agenda.meet_id 聯席會議-11-2-26,19-1
gazette.agenda.speakers[0] 蘇清泉
gazette.agenda.speakers[1] 黃秀芳
gazette.agenda.speakers[2] 邱議瑩
gazette.agenda.speakers[3] 林月琴
gazette.agenda.speakers[4] 王正旭
gazette.agenda.speakers[5] 林淑芬
gazette.agenda.speakers[6] 吳春城
gazette.agenda.speakers[7] 陳昭姿
gazette.agenda.speakers[8] 陳亭妃
gazette.agenda.speakers[9] 鄭正鈐
gazette.agenda.speakers[10] 廖偉翔
gazette.agenda.speakers[11] 陳菁徽
gazette.agenda.speakers[12] 王育敏
gazette.agenda.speakers[13] 邱鎮軍
gazette.agenda.speakers[14] 楊瓊瓔
gazette.agenda.speakers[15] 陳瑩
gazette.agenda.speakers[16] 賴瑞隆
gazette.agenda.speakers[17] 翁曉玲
gazette.agenda.speakers[18] 劉建國
gazette.agenda.speakers[19] 吳宗憲
gazette.agenda.speakers[20] 洪孟楷
gazette.agenda.speakers[21] 黃珊珊
gazette.agenda.speakers[22] 林倩綺
gazette.agenda.speakers[23] 林國成
gazette.agenda.speakers[24] 涂權吉
gazette.agenda.speakers[25] 蔡易餘
gazette.agenda.speakers[26] 羅廷瑋
gazette.agenda.speakers[27] 麥玉珍
gazette.agenda.speakers[28] 楊曜
gazette.agenda.speakers[29] 盧縣一
gazette.agenda.speakers[30] 張嘉郡
gazette.agenda.speakers[31] 陳超明
gazette.agenda.speakers[32] 林憶君
gazette.agenda.speakers[33] 邱志偉
gazette.agenda.speakers[34] 謝衣鳯
gazette.agenda.page_start 63
gazette.agenda.meetingDate[0] 2024-10-24
gazette.agenda.gazette_id 1139001
gazette.agenda.agenda_lcidc_ids[0] 1139001_00003
gazette.agenda.meet_name 立法院第11屆第2會期社會福利及衛生環境、經濟委員會第1次聯席會議紀錄
gazette.agenda.content 審查委員吳春城等42人擬具「壯世代政策與產業發展促進法草案」案
gazette.agenda.agenda_id 1139001_00002
IVOD_ID 156100
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/156100
日期 2024-10-24
會議資料.會議代碼 聯席會議-11-2-26,19-1
會議資料.屆 11
會議資料.會期 2
會議資料.會次 1
會議資料.種類 聯席會議
會議資料.委員會代碼[0] 26
會議資料.委員會代碼[1] 19
會議資料.標題 第11屆第2會期社會福利及衛生環境、經濟委員會第1次聯席會議
影片種類 Clip
開始時間 2024-10-24T10:55:20+08:00
結束時間 2024-10-24T11:16:23+08:00
支援功能[0] ai-transcript
支援功能[1] gazette