iVOD / 165506

Field Value
IVOD_ID 165506
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/165506
日期 2025-11-17
會議資料.會議代碼 委員會-11-4-26-11
會議資料.會議代碼:str 第11屆第4會期社會福利及衛生環境委員會第11次全體委員會議
會議資料.屆 11
會議資料.會期 4
會議資料.會次 11
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4會期社會福利及衛生環境委員會第11次全體委員會議
影片種類 Clip
開始時間 2025-11-17T10:28:08+08:00
結束時間 2025-11-17T10:40:54+08:00
影片長度 00:12:46
支援功能[0] ai-transcript
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/ff1e125e807f56ab8f4454bb89fdb904bfb6dfa65ed0fc1da41d86124363ebc2bc5f279a864bc0545ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 蘇清泉
委員發言時間 10:28:08 - 10:40:54
會議時間 2025-11-17T09:00:00+08:00
會議名稱 立法院第11屆第4會期社會福利及衛生環境委員會第11次全體委員會議(事由:一、審查 (一)委員黃健豪等16人、委員陳超明等16人、委員蘇清泉等17人、委員呂玉玲等16人及委員柯志恩等16人擬具「勞工保險條例第六十三條條文修正草案」案。 (二)委員陳瑩等19人擬具「勞工保險條例第五十八條條文修正草案」案。 (三)委員許宇甄等19人、委員林國成等32人、委員王育敏等20人、委員蔡其昌等19人、委員羅廷瑋等16人、委員蔡易餘等18人、委員王美惠等17人、委員徐欣瑩等22人、委員翁曉玲等19人、委員楊曜等25人及委員王鴻薇等22人擬具「勞工保險條例第六十六條及第六十九條條文修正草案」案。 (四)委員邱鎮軍等19人擬具「勞工保險條例第三十一條條文修正草案」案。 (五)委員李昆澤等25人及委員賴瑞隆等17人擬具「勞工保險條例第六十九條條文修正草案」案。 (六)委員廖先翔等18人擬具「勞工保險條例第十九條條文修正草案」案。 (七)委員葉元之等21人、委員何欣純等17人及委員陳超明等16人擬具「勞工保險條例第五十八條條文修正草案」案。 (八)委員陳秀寳等21人擬具「勞工保險條例部分條文修正草案」案。 (九)委員王鴻薇等17人擬具「勞工保險條例第七十四條之二條文修正草案」案。 (十)委員林倩綺等32人及委員傅崐萁等19人擬具「勞工保險條例第五十九條條文修正草案」案。 (十一)委員陳瑩等19人擬具「勞工保險條例第六條條文修正草案」案。 (十二)委員李昆澤等19人擬具「勞工保險條例第二十九條條文修正草案」案。 二、審查 (一)委員陳玉珍等18人擬具「就業服務法第二十四條及第二十七條條文修正草案」案。 (二)委員涂權吉等17人擬具「就業服務法第二十四條條文修正草案」案。 (三)委員許宇甄等18人擬具「就業服務法第二十四條條文修正草案」案。 (四)委員翁曉玲等22人擬具「就業服務法第二十四條條文修正草案」案。 (五)委員蘇清泉等18人擬具「就業服務法第二十四條條文修正草案」案。 (六)委員廖偉翔等16人擬具「就業服務法第二十四條條文修正草案」案。 (七)委員洪孟楷等16人擬具「就業服務法第二十四條條文修正草案」案。 (八)台灣民眾黨黨團擬具「就業服務法第二十四條條文修正草案」案。 (九)委員柯志恩等18人擬具「就業服務法第二十四條條文修正草案」案。 (十)委員王育敏等17人擬具「就業服務法第二十四條、第二十七條及第二十八條條文修正草案」案。 (十一)委員楊瓊瓔等27人擬具「就業服務法第二十四條條文修正草案」案。 (十二)委員郭國文等19人擬具「就業服務法第二十四條及第二十六條之一條文修正草案」案。 【綜合詢答,僅詢答】)
transcript.pyannote[0].speaker SPEAKER_02
transcript.pyannote[0].start 4.41846875
transcript.pyannote[0].end 12.19784375
transcript.pyannote[1].speaker SPEAKER_01
transcript.pyannote[1].start 13.64909375
transcript.pyannote[1].end 13.91909375
transcript.pyannote[2].speaker SPEAKER_02
transcript.pyannote[2].start 23.11596875
transcript.pyannote[2].end 31.18221875
transcript.pyannote[3].speaker SPEAKER_01
transcript.pyannote[3].start 23.53784375
transcript.pyannote[3].end 24.14534375
transcript.pyannote[4].speaker SPEAKER_02
transcript.pyannote[4].start 32.04284375
transcript.pyannote[4].end 35.70471875
transcript.pyannote[5].speaker SPEAKER_01
transcript.pyannote[5].start 36.49784375
transcript.pyannote[5].end 78.07784375
transcript.pyannote[6].speaker SPEAKER_02
transcript.pyannote[6].start 77.67284375
transcript.pyannote[6].end 79.10721875
transcript.pyannote[7].speaker SPEAKER_01
transcript.pyannote[7].start 78.58409375
transcript.pyannote[7].end 78.60096875
transcript.pyannote[8].speaker SPEAKER_01
transcript.pyannote[8].start 78.65159375
transcript.pyannote[8].end 78.82034375
transcript.pyannote[9].speaker SPEAKER_02
transcript.pyannote[9].start 79.74846875
transcript.pyannote[9].end 95.37471875
transcript.pyannote[10].speaker SPEAKER_00
transcript.pyannote[10].start 95.44221875
transcript.pyannote[10].end 97.65284375
transcript.pyannote[11].speaker SPEAKER_02
transcript.pyannote[11].start 97.75409375
transcript.pyannote[11].end 99.00284375
transcript.pyannote[12].speaker SPEAKER_00
transcript.pyannote[12].start 98.39534375
transcript.pyannote[12].end 100.48784375
transcript.pyannote[13].speaker SPEAKER_02
transcript.pyannote[13].start 99.01971875
transcript.pyannote[13].end 99.28971875
transcript.pyannote[14].speaker SPEAKER_02
transcript.pyannote[14].start 100.09971875
transcript.pyannote[14].end 102.02346875
transcript.pyannote[15].speaker SPEAKER_02
transcript.pyannote[15].start 103.12034375
transcript.pyannote[15].end 104.65596875
transcript.pyannote[16].speaker SPEAKER_00
transcript.pyannote[16].start 105.44909375
transcript.pyannote[16].end 108.23346875
transcript.pyannote[17].speaker SPEAKER_02
transcript.pyannote[17].start 109.36409375
transcript.pyannote[17].end 119.43846875
transcript.pyannote[18].speaker SPEAKER_00
transcript.pyannote[18].start 110.08971875
transcript.pyannote[18].end 111.15284375
transcript.pyannote[19].speaker SPEAKER_00
transcript.pyannote[19].start 111.87846875
transcript.pyannote[19].end 113.83596875
transcript.pyannote[20].speaker SPEAKER_02
transcript.pyannote[20].start 119.69159375
transcript.pyannote[20].end 124.66971875
transcript.pyannote[21].speaker SPEAKER_01
transcript.pyannote[21].start 124.66971875
transcript.pyannote[21].end 148.64909375
transcript.pyannote[22].speaker SPEAKER_02
transcript.pyannote[22].start 148.75034375
transcript.pyannote[22].end 152.02409375
transcript.pyannote[23].speaker SPEAKER_02
transcript.pyannote[23].start 153.84659375
transcript.pyannote[23].end 161.49096875
transcript.pyannote[24].speaker SPEAKER_01
transcript.pyannote[24].start 161.49096875
transcript.pyannote[24].end 172.18971875
transcript.pyannote[25].speaker SPEAKER_02
transcript.pyannote[25].start 161.84534375
transcript.pyannote[25].end 162.28409375
transcript.pyannote[26].speaker SPEAKER_02
transcript.pyannote[26].start 172.13909375
transcript.pyannote[26].end 182.98971875
transcript.pyannote[27].speaker SPEAKER_01
transcript.pyannote[27].start 181.21784375
transcript.pyannote[27].end 181.43721875
transcript.pyannote[28].speaker SPEAKER_01
transcript.pyannote[28].start 182.63534375
transcript.pyannote[28].end 207.81284375
transcript.pyannote[29].speaker SPEAKER_02
transcript.pyannote[29].start 207.81284375
transcript.pyannote[29].end 226.15596875
transcript.pyannote[30].speaker SPEAKER_00
transcript.pyannote[30].start 219.79409375
transcript.pyannote[30].end 219.81096875
transcript.pyannote[31].speaker SPEAKER_01
transcript.pyannote[31].start 219.81096875
transcript.pyannote[31].end 220.06409375
transcript.pyannote[32].speaker SPEAKER_01
transcript.pyannote[32].start 225.93659375
transcript.pyannote[32].end 227.25284375
transcript.pyannote[33].speaker SPEAKER_00
transcript.pyannote[33].start 230.89784375
transcript.pyannote[33].end 231.43784375
transcript.pyannote[34].speaker SPEAKER_00
transcript.pyannote[34].start 231.52221875
transcript.pyannote[34].end 231.94409375
transcript.pyannote[35].speaker SPEAKER_00
transcript.pyannote[35].start 231.97784375
transcript.pyannote[35].end 233.02409375
transcript.pyannote[36].speaker SPEAKER_00
transcript.pyannote[36].start 233.96909375
transcript.pyannote[36].end 234.32346875
transcript.pyannote[37].speaker SPEAKER_01
transcript.pyannote[37].start 234.44159375
transcript.pyannote[37].end 236.55096875
transcript.pyannote[38].speaker SPEAKER_02
transcript.pyannote[38].start 236.55096875
transcript.pyannote[38].end 238.96409375
transcript.pyannote[39].speaker SPEAKER_01
transcript.pyannote[39].start 237.47909375
transcript.pyannote[39].end 237.83346875
transcript.pyannote[40].speaker SPEAKER_01
transcript.pyannote[40].start 238.18784375
transcript.pyannote[40].end 238.91346875
transcript.pyannote[41].speaker SPEAKER_01
transcript.pyannote[41].start 238.96409375
transcript.pyannote[41].end 239.03159375
transcript.pyannote[42].speaker SPEAKER_02
transcript.pyannote[42].start 239.03159375
transcript.pyannote[42].end 239.04846875
transcript.pyannote[43].speaker SPEAKER_01
transcript.pyannote[43].start 239.04846875
transcript.pyannote[43].end 239.06534375
transcript.pyannote[44].speaker SPEAKER_02
transcript.pyannote[44].start 239.06534375
transcript.pyannote[44].end 239.08221875
transcript.pyannote[45].speaker SPEAKER_01
transcript.pyannote[45].start 239.08221875
transcript.pyannote[45].end 240.61784375
transcript.pyannote[46].speaker SPEAKER_02
transcript.pyannote[46].start 240.61784375
transcript.pyannote[46].end 248.04284375
transcript.pyannote[47].speaker SPEAKER_01
transcript.pyannote[47].start 246.89534375
transcript.pyannote[47].end 254.13471875
transcript.pyannote[48].speaker SPEAKER_02
transcript.pyannote[48].start 253.34159375
transcript.pyannote[48].end 260.02409375
transcript.pyannote[49].speaker SPEAKER_02
transcript.pyannote[49].start 260.46284375
transcript.pyannote[49].end 278.26596875
transcript.pyannote[50].speaker SPEAKER_02
transcript.pyannote[50].start 278.95784375
transcript.pyannote[50].end 295.79909375
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 295.91721875
transcript.pyannote[51].end 313.33221875
transcript.pyannote[52].speaker SPEAKER_02
transcript.pyannote[52].start 313.73721875
transcript.pyannote[52].end 316.42034375
transcript.pyannote[53].speaker SPEAKER_01
transcript.pyannote[53].start 317.39909375
transcript.pyannote[53].end 324.40221875
transcript.pyannote[54].speaker SPEAKER_02
transcript.pyannote[54].start 325.12784375
transcript.pyannote[54].end 325.41471875
transcript.pyannote[55].speaker SPEAKER_02
transcript.pyannote[55].start 325.70159375
transcript.pyannote[55].end 333.63284375
transcript.pyannote[56].speaker SPEAKER_02
transcript.pyannote[56].start 333.78471875
transcript.pyannote[56].end 333.83534375
transcript.pyannote[57].speaker SPEAKER_01
transcript.pyannote[57].start 333.83534375
transcript.pyannote[57].end 339.57284375
transcript.pyannote[58].speaker SPEAKER_02
transcript.pyannote[58].start 334.54409375
transcript.pyannote[58].end 334.86471875
transcript.pyannote[59].speaker SPEAKER_00
transcript.pyannote[59].start 336.01221875
transcript.pyannote[59].end 336.02909375
transcript.pyannote[60].speaker SPEAKER_02
transcript.pyannote[60].start 336.02909375
transcript.pyannote[60].end 336.55221875
transcript.pyannote[61].speaker SPEAKER_02
transcript.pyannote[61].start 337.42971875
transcript.pyannote[61].end 343.03221875
transcript.pyannote[62].speaker SPEAKER_02
transcript.pyannote[62].start 343.43721875
transcript.pyannote[62].end 372.83346875
transcript.pyannote[63].speaker SPEAKER_02
transcript.pyannote[63].start 373.05284375
transcript.pyannote[63].end 378.14909375
transcript.pyannote[64].speaker SPEAKER_02
transcript.pyannote[64].start 378.67221875
transcript.pyannote[64].end 381.86159375
transcript.pyannote[65].speaker SPEAKER_02
transcript.pyannote[65].start 381.89534375
transcript.pyannote[65].end 383.63346875
transcript.pyannote[66].speaker SPEAKER_02
transcript.pyannote[66].start 384.27471875
transcript.pyannote[66].end 389.25284375
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 389.87721875
transcript.pyannote[67].end 391.31159375
transcript.pyannote[68].speaker SPEAKER_01
transcript.pyannote[68].start 391.83471875
transcript.pyannote[68].end 393.08346875
transcript.pyannote[69].speaker SPEAKER_01
transcript.pyannote[69].start 393.67409375
transcript.pyannote[69].end 395.95221875
transcript.pyannote[70].speaker SPEAKER_02
transcript.pyannote[70].start 396.20534375
transcript.pyannote[70].end 404.42346875
transcript.pyannote[71].speaker SPEAKER_02
transcript.pyannote[71].start 405.50346875
transcript.pyannote[71].end 417.41721875
transcript.pyannote[72].speaker SPEAKER_02
transcript.pyannote[72].start 417.73784375
transcript.pyannote[72].end 424.60596875
transcript.pyannote[73].speaker SPEAKER_02
transcript.pyannote[73].start 424.90971875
transcript.pyannote[73].end 426.00659375
transcript.pyannote[74].speaker SPEAKER_02
transcript.pyannote[74].start 426.15846875
transcript.pyannote[74].end 429.46596875
transcript.pyannote[75].speaker SPEAKER_01
transcript.pyannote[75].start 431.42346875
transcript.pyannote[75].end 436.38471875
transcript.pyannote[76].speaker SPEAKER_02
transcript.pyannote[76].start 434.86596875
transcript.pyannote[76].end 437.31284375
transcript.pyannote[77].speaker SPEAKER_02
transcript.pyannote[77].start 437.36346875
transcript.pyannote[77].end 437.38034375
transcript.pyannote[78].speaker SPEAKER_01
transcript.pyannote[78].start 437.38034375
transcript.pyannote[78].end 472.42971875
transcript.pyannote[79].speaker SPEAKER_02
transcript.pyannote[79].start 473.37471875
transcript.pyannote[79].end 480.46221875
transcript.pyannote[80].speaker SPEAKER_02
transcript.pyannote[80].start 480.79971875
transcript.pyannote[80].end 484.63034375
transcript.pyannote[81].speaker SPEAKER_02
transcript.pyannote[81].start 484.98471875
transcript.pyannote[81].end 486.14909375
transcript.pyannote[82].speaker SPEAKER_02
transcript.pyannote[82].start 486.55409375
transcript.pyannote[82].end 490.01346875
transcript.pyannote[83].speaker SPEAKER_02
transcript.pyannote[83].start 490.75596875
transcript.pyannote[83].end 499.29471875
transcript.pyannote[84].speaker SPEAKER_00
transcript.pyannote[84].start 501.28596875
transcript.pyannote[84].end 518.76846875
transcript.pyannote[85].speaker SPEAKER_02
transcript.pyannote[85].start 519.44346875
transcript.pyannote[85].end 521.14784375
transcript.pyannote[86].speaker SPEAKER_00
transcript.pyannote[86].start 521.09721875
transcript.pyannote[86].end 526.05846875
transcript.pyannote[87].speaker SPEAKER_00
transcript.pyannote[87].start 526.09221875
transcript.pyannote[87].end 528.87659375
transcript.pyannote[88].speaker SPEAKER_02
transcript.pyannote[88].start 530.53034375
transcript.pyannote[88].end 531.01971875
transcript.pyannote[89].speaker SPEAKER_02
transcript.pyannote[89].start 531.81284375
transcript.pyannote[89].end 534.79971875
transcript.pyannote[90].speaker SPEAKER_02
transcript.pyannote[90].start 536.21721875
transcript.pyannote[90].end 545.95409375
transcript.pyannote[91].speaker SPEAKER_01
transcript.pyannote[91].start 546.15659375
transcript.pyannote[91].end 553.39596875
transcript.pyannote[92].speaker SPEAKER_01
transcript.pyannote[92].start 553.95284375
transcript.pyannote[92].end 568.33034375
transcript.pyannote[93].speaker SPEAKER_01
transcript.pyannote[93].start 568.56659375
transcript.pyannote[93].end 585.47534375
transcript.pyannote[94].speaker SPEAKER_01
transcript.pyannote[94].start 585.67784375
transcript.pyannote[94].end 599.83596875
transcript.pyannote[95].speaker SPEAKER_01
transcript.pyannote[95].start 600.19034375
transcript.pyannote[95].end 607.64909375
transcript.pyannote[96].speaker SPEAKER_01
transcript.pyannote[96].start 607.93596875
transcript.pyannote[96].end 642.17534375
transcript.pyannote[97].speaker SPEAKER_02
transcript.pyannote[97].start 612.40784375
transcript.pyannote[97].end 613.52159375
transcript.pyannote[98].speaker SPEAKER_02
transcript.pyannote[98].start 613.77471875
transcript.pyannote[98].end 614.53409375
transcript.pyannote[99].speaker SPEAKER_00
transcript.pyannote[99].start 614.53409375
transcript.pyannote[99].end 614.55096875
transcript.pyannote[100].speaker SPEAKER_02
transcript.pyannote[100].start 633.34971875
transcript.pyannote[100].end 634.48034375
transcript.pyannote[101].speaker SPEAKER_02
transcript.pyannote[101].start 640.75784375
transcript.pyannote[101].end 641.60159375
transcript.pyannote[102].speaker SPEAKER_02
transcript.pyannote[102].start 642.17534375
transcript.pyannote[102].end 646.15784375
transcript.pyannote[103].speaker SPEAKER_01
transcript.pyannote[103].start 642.68159375
transcript.pyannote[103].end 643.15409375
transcript.pyannote[104].speaker SPEAKER_01
transcript.pyannote[104].start 646.59659375
transcript.pyannote[104].end 654.54471875
transcript.pyannote[105].speaker SPEAKER_01
transcript.pyannote[105].start 655.15221875
transcript.pyannote[105].end 667.58909375
transcript.pyannote[106].speaker SPEAKER_01
transcript.pyannote[106].start 668.85471875
transcript.pyannote[106].end 680.07659375
transcript.pyannote[107].speaker SPEAKER_01
transcript.pyannote[107].start 681.32534375
transcript.pyannote[107].end 696.02346875
transcript.pyannote[108].speaker SPEAKER_01
transcript.pyannote[108].start 696.07409375
transcript.pyannote[108].end 701.49096875
transcript.pyannote[109].speaker SPEAKER_01
transcript.pyannote[109].start 701.65971875
transcript.pyannote[109].end 703.48221875
transcript.pyannote[110].speaker SPEAKER_02
transcript.pyannote[110].start 704.03909375
transcript.pyannote[110].end 704.41034375
transcript.pyannote[111].speaker SPEAKER_02
transcript.pyannote[111].start 704.86596875
transcript.pyannote[111].end 706.45221875
transcript.pyannote[112].speaker SPEAKER_02
transcript.pyannote[112].start 706.97534375
transcript.pyannote[112].end 711.10971875
transcript.pyannote[113].speaker SPEAKER_01
transcript.pyannote[113].start 710.40096875
transcript.pyannote[113].end 710.82284375
transcript.pyannote[114].speaker SPEAKER_02
transcript.pyannote[114].start 711.12659375
transcript.pyannote[114].end 713.42159375
transcript.pyannote[115].speaker SPEAKER_02
transcript.pyannote[115].start 714.11346875
transcript.pyannote[115].end 719.66534375
transcript.pyannote[116].speaker SPEAKER_01
transcript.pyannote[116].start 719.36159375
transcript.pyannote[116].end 719.96909375
transcript.pyannote[117].speaker SPEAKER_02
transcript.pyannote[117].start 719.96909375
transcript.pyannote[117].end 720.12096875
transcript.pyannote[118].speaker SPEAKER_01
transcript.pyannote[118].start 720.12096875
transcript.pyannote[118].end 720.79596875
transcript.pyannote[119].speaker SPEAKER_02
transcript.pyannote[119].start 720.79596875
transcript.pyannote[119].end 723.02346875
transcript.pyannote[120].speaker SPEAKER_01
transcript.pyannote[120].start 721.03221875
transcript.pyannote[120].end 729.43596875
transcript.pyannote[121].speaker SPEAKER_01
transcript.pyannote[121].start 730.58346875
transcript.pyannote[121].end 734.38034375
transcript.pyannote[122].speaker SPEAKER_01
transcript.pyannote[122].start 734.95409375
transcript.pyannote[122].end 744.18471875
transcript.pyannote[123].speaker SPEAKER_01
transcript.pyannote[123].start 745.48409375
transcript.pyannote[123].end 746.69909375
transcript.pyannote[124].speaker SPEAKER_02
transcript.pyannote[124].start 746.69909375
transcript.pyannote[124].end 747.00284375
transcript.pyannote[125].speaker SPEAKER_01
transcript.pyannote[125].start 747.00284375
transcript.pyannote[125].end 747.01971875
transcript.pyannote[126].speaker SPEAKER_01
transcript.pyannote[126].start 749.50034375
transcript.pyannote[126].end 757.26284375
transcript.pyannote[127].speaker SPEAKER_02
transcript.pyannote[127].start 749.51721875
transcript.pyannote[127].end 750.10784375
transcript.pyannote[128].speaker SPEAKER_01
transcript.pyannote[128].start 757.49909375
transcript.pyannote[128].end 760.31721875
transcript.pyannote[129].speaker SPEAKER_01
transcript.pyannote[129].start 766.40909375
transcript.pyannote[129].end 766.96596875
transcript.whisperx[0].start 4.434
transcript.whisperx[0].end 31.125
transcript.whisperx[0].text 好 謝謝主席 我請部長還有勞保局 白局長還有基金應用局 蘇局長請部長 蘇委員好今天大家都在替你擔心切口是3.5兆這是怎麼算來的啊
transcript.whisperx[1].start 32.219
transcript.whisperx[1].end 34.369
transcript.whisperx[1].text 你是小心要蓋然後把費率在那裡鋪陳
transcript.whisperx[2].start 36.536
transcript.whisperx[2].end 63.621
transcript.whisperx[2].text 委員並不是 這個你講的是潛藏負債那這個勞保基金的這個潛藏的負債其實主要的原因它其實是因為這個因為勞保是確定給付制嘛那在這確定給付制裡面其實我們不一定之前都不一定是有逐年這個提滿它的這個費率那費率可能是逐年的調高
transcript.whisperx[3].start 64.301
transcript.whisperx[3].end 87.218
transcript.whisperx[3].text 那所以其實在我們在看到各國的公共的基金的這個保險社會保險的公共基金裡面其實都會看到潛藏負債的狀況那這個潛藏負債的狀況並不會一次就實現所以我們看聽說勞保破產差不多聽了十幾年了每年都要破產每年都要過每年就過關頭過身就過我們現在勞保費率是12.5%嘛
transcript.whisperx[4].start 92.422
transcript.whisperx[4].end 98.824
transcript.whisperx[4].text 那裡面一般的是11.5%嗎12.5%是包括舊寶舊寶1%所以11.5%那這個11.5%有沒有在漲價的空間我們到116年是12%到就慢慢的會加到100到12%那有沒有打算又再漲
transcript.whisperx[5].start 116.704
transcript.whisperx[5].end 130.463
transcript.whisperx[5].text 因為最有效的方法就是漲費率嘛當然漲費率你要看勞工會不會動公司會不會動跟我的說明的確不管是漲費率或者是相對的做法因為它確實會
transcript.whisperx[6].start 132.466
transcript.whisperx[6].end 151.848
transcript.whisperx[6].text 涉及到比方說勞工或者是企業的這個部分所以這當然我們有聽當然各界會有人提出這樣子的主張但是的確這會需要也需要一些社會的討論跟社會的共識因為這也涉及到勞工的權益所以近期內沒有發生要去匯率吧
transcript.whisperx[7].start 154.274
transcript.whisperx[7].end 179.697
transcript.whisperx[7].text 我們目前有人就叫你召開國事會議有人召開什麼東東的然後看起來都是在在研議研議研議嘛對我覺得各種做法當然我們都必須要有一些評估跟思考啦可是每個做法重點是他後面在社會接受度的可行性上面也要一併的考慮所以在你任內應該這個規律不會往上調啦這個跟這個衛福部部長那種執行的感觀
transcript.whisperx[8].start 181.979
transcript.whisperx[8].end 204.535
transcript.whisperx[8].text 我覺得我們現在當然就是包括基金投資這幾年的收益很好也包括像現在持續的爭取撥補也很謝謝行政院跟組總願意在我們現在很辛苦的國家財政之下還是願意給勞保一定額度今年大概明年一千二以上這樣子的撥補的金額
transcript.whisperx[9].start 206.756
transcript.whisperx[9].end 226.252
transcript.whisperx[9].text 我想這部分要很謝謝竹總我們現在勞保基金差不多1.2兆嘛勞動基金差不多7.43兆差不多嘛那新制的勞退基金4.9兆然後就職的差不多1.03兆所以加起來是10幾兆啊1313嘛勞動基金就是包含新制 旧制
transcript.whisperx[10].start 236.764
transcript.whisperx[10].end 250.719
transcript.whisperx[10].text 7.4兆這是兩個加起來所有的勞動基金加起來是7.4兆所以你現在13兆那你又缺口又13.5兆你現在在玩魔術跟我說13兆是13兆是潛藏負債他不是一定會實現的數字潛藏負債
transcript.whisperx[11].start 256.666
transcript.whisperx[11].end 277.825
transcript.whisperx[11].text 學者專家的吃飽太遠都在想人想事常常聽到他們一天到晚恐嚇勒索我覺得我們傳統產業最近是蠻辛苦的台灣是靠單一的一個產業晶片產業占了GDP的將近六七十%這是很可怕的事情
transcript.whisperx[12].start 279.231
transcript.whisperx[12].end 294.753
transcript.whisperx[12].text 萬一這個有一點散失的話整個是會像荷蘭這樣人家講荷蘭病荷蘭病荷蘭病就是在說什麼他們就是整個投到石化業因為整個北海挖到石油之後荷蘭可以分到錢就整個國家瘋狂都在搞石化業
transcript.whisperx[13].start 296.169
transcript.whisperx[13].end 315.808
transcript.whisperx[13].text 搞一搞到最後就出事啦 油價一噴盤 抓竊了我們台灣現在都在課晶片那個看起來是很棒 稅金也一大部分從那邊來那我們傳統產業自己又現在美國關稅又搞一搞的話 是會很慘的所以 莫大夫 你要注意一點
transcript.whisperx[14].start 317.729
transcript.whisperx[14].end 332.686
transcript.whisperx[14].text 這當然這是整體台灣的產業經濟的狀況也會有關於勞工的各種的條件跟待遇當然好所以短期內我們匯率就是明年到增加到12%之後你們沒有再往上調目前沒有啦
transcript.whisperx[15].start 335.362
transcript.whisperx[15].end 356.022
transcript.whisperx[15].text 後年到12%這是依法的部分所以部長你這個整個掌管整個全國勞工的勞動前夜還有公司行要讓他們能夠做下去有的要保護有的要扶持有的要補助等等
transcript.whisperx[16].start 357.504
transcript.whisperx[16].end 379.22
transcript.whisperx[16].text 所以有時候也不要一昧的去苛責公司行號這邊有時候我覺得你們都太嚴格了啦然後去就不管三七二十一大家看著人然後勞動部的人都要害怕死了大家都哀鴻騙人現在做構築是很難做的所以你們出去要和藹可親慈眉善目好不好
transcript.whisperx[17].start 385.364
transcript.whisperx[17].end 400.57
transcript.whisperx[17].text 輔導為主不要亂搞 哪個亂砍沒有人受得了我們大概就是本於保障勞工的職責然後來做我今天提的那個第63條遺囑年金這一塊這個受撫養這一塊是太嚴格了
transcript.whisperx[18].start 405.78
transcript.whisperx[18].end 423.844
transcript.whisperx[18].text 勞保局只是分辨形式而已嘛你這個受扶養就要什麼有陪伴相都要寫得這麼完善然後這個孫女或者是兄弟姊妹就有工藝的我去準備的我去寫的我就不用了所以全部都站不出來嘛所以這點 寶刁我刪掉你有意見嗎
transcript.whisperx[19].start 431.465
transcript.whisperx[19].end 450.903
transcript.whisperx[19].text 委員重點重點是在這個條文上面之前那個4至549號的解釋文大法官4至549號解釋文其實有說因為這個這個勞保其實是所得替代的性質它並不是遺產所以因為在這所談
transcript.whisperx[20].start 452.785
transcript.whisperx[20].end 471.135
transcript.whisperx[20].text 所得替代的性質之下所以他其實主要的會是針對要有這個撫養的條件這不是我們自己可以想怎麼定或者我今天行政部門想怎麼定因為這還是有一個大法官的視線在那個地方那從行政部門角度我們很難去違逆大法官視線的這個條文
transcript.whisperx[21].start 475.028
transcript.whisperx[21].end 497.296
transcript.whisperx[21].text 這個下面要闡述一個盲點不符合條例的人然後父母親也不在了然後後來是由出商帳會那個人來請領死亡祈福這個也不合法怎麼到最後由這個出後世要搬嘛所以由出商帳會的人去領死亡祈福現在是這樣在補呢這夠不合法
transcript.whisperx[22].start 501.772
transcript.whisperx[22].end 527.269
transcript.whisperx[22].text 就是說我們的死亡幾戶包括遺屬津貼跟傷案津貼傷案津貼是說如果就是五個月如果沒有遺屬或者是遺屬沒有符合條件的人我們提高傷案津貼為十個月這樣子就是五個月變成變十個月如果他只有兄弟姊妹沒有符合我們的條件的話那就會變十個月從五個月會變十個月
transcript.whisperx[23].start 530.649
transcript.whisperx[23].end 545.543
transcript.whisperx[23].text 好 那個你再研究一下我們來討論一下 好不好那另外一個就是救護法就是15到17歲這個我們把他也納入救護法特定對象部長你有什麼意見嗎
transcript.whisperx[24].start 546.192
transcript.whisperx[24].end 563.934
transcript.whisperx[24].text 跟穩說明 第一個因為主要是救護法24條的特定對象主要是針對就業弱勢但是因為青年其實青年的抑制性很高其實有很多青年他整體來說他在就業市場上是很有競爭力的
transcript.whisperx[25].start 564.955
transcript.whisperx[25].end 584.91
transcript.whisperx[25].text 但也有一些在青年上面的確會是比較就在他的在找工作上會比較弱勢一點所以我們自己是擔心因為24條他其實我們有給很多相對應的就會津貼等等的聘僱的津貼但如果我是把一整個青年全部都放進去的時候變成是這些所有的青年
transcript.whisperx[26].start 585.891
transcript.whisperx[26].end 606.674
transcript.whisperx[26].text 他找工作等等等他都可以來申請我們的這相關的津貼的時候他可能在現有的機會如果現有的求職機會他是一個大一塊大餅的話他可能會對其他的弱勢的比方說身心障礙比方說中高齡比方說其他的這個二度就業的婦女他可能會產生一些排擠的效果所以我們自己是認為說
transcript.whisperx[27].start 608.115
transcript.whisperx[27].end 623.966
transcript.whisperx[27].text 青年也許現在大家看到他的失業率好像比平均來說高一些這確實但是主要如果仔細去看的話他主要比較高的原因是因為他並不是因為他客觀條件上面的弱勢他比較是他在他在職壓的選擇上面還沒有定或者他在
transcript.whisperx[28].start 624.747
transcript.whisperx[28].end 643.306
transcript.whisperx[28].text 求學跟就業之間還在猶疑在做選擇比較不是他因為他的身份上面客觀上面有哪些部分比較弱勢我自己是覺得說如果要討論的話我覺得我們可以討論但不是那麼適合把整個青年一整一非常完整的青年單獨講15到17歲的青少年你會看得到嗎
transcript.whisperx[29].start 646.958
transcript.whisperx[29].end 665.367
transcript.whisperx[29].text 15到17歲就剛剛其實林月琦委員有講到我自己是我們自己的看法是這樣你要把完整的一整個這麼異質的青年全部放進來你就會把很多其實他明明就有很多就業他在就業上面明明是有優勢的人一樣把它放24條那這就不太符合我們其實在24條當時設計的異質
transcript.whisperx[30].start 668.908
transcript.whisperx[30].end 682.085
transcript.whisperx[30].text 所以我們應該是要就業弱勢才把它放進來所以我覺得如果當然委員討論裡面我們可以去比較框定說哪一群人真的在就業上面是比較弱勢的那我們把它範圍給框定清楚
transcript.whisperx[31].start 682.791
transcript.whisperx[31].end 703.071
transcript.whisperx[31].text 大家也確定這些人的確在就業商因為他的某些條件他真的會比較辛苦他真的需要政府比較多的幫忙我覺得這部分我們可以來討論可是如果完整的一個青年的概念剛才說15到29歲這個裡面涵蓋的範圍就非常非常廣可能裡面有很多是在市場上面很具競爭力的尋職的對象都在裡面
transcript.whisperx[32].start 704.053
transcript.whisperx[32].end 729.185
transcript.whisperx[32].text 好 那最後一個問題就是今年跟去年都是補一千兩百億嘛 中央政府那這個一千兩百億是怎麼算來的是看他的財富剩餘啦還是看他那個行政院長這大概也是主席主席主席大概總體評估我們的財政狀況但是說實話因為這真的是要看財政狀況啦但是
transcript.whisperx[33].start 730.746
transcript.whisperx[33].end 756.094
transcript.whisperx[33].text 這邊還是要說是說我們都希望未來可以增加更多可是現在在中央政府的財政狀況在這個財務法的修訂之下他其實的餘裕 預度就會大幅的降低其實我們對這回有擔憂的要努力爭取啦我們也希望能夠把中央整個中央政府的財政的預度跟體制再做得更好才會有更多的餘裕可以來撥補勞保的財務好 謝謝
transcript.whisperx[34].start 766.521
transcript.whisperx[34].end 766.75
transcript.whisperx[34].text 宣告