勞陣促何佩珊 面對勞保年金改革
中時新聞網.2024年4月20日 04:10
準行政院長卓榮泰(左)19日與準勞動部長何佩珊(右)合影。(郭吉銓攝)

 曾參與民進黨「一例一休」《勞基法》修法的行政院副祕書長何佩珊,昨宣布接任勞動部長,桃園市產業總工會直言,何是勞基法二次修惡的主要打手,根本和勞工站在對立面,憂心她上任後代表資方意志,且推動《勞基法》再修惡;台灣勞工陣線則要求何面對勞保年金改革。 

 桃產總表示,何佩珊曾參與工運,但從政後的言行已背棄勞工,和昔日夥伴完全站在對立面。 

 何佩珊曾參與高雄女工關廠運動,高雄女工關廠主要抗爭者之一的顏坤泉對她有印象。顏說,許多人都曾參與過勞工運動,後來卻站在勞工身上往上爬,提醒何上任後應好好制訂或修正對底層勞工有意義的法令。 

 「完全陌生、是一張白紙。」全國產業總工會祕書長戴國榮期許新任部長,解決台灣的低薪、長工時、職業安全、零工經濟、公正轉型等議題外,更要面對勢在必行勞保年改,期許新任部長應建立對話平台機制、傾聽勞工心聲,才能順利推動政務。 

 何佩珊過去從未直接涉及勞工事務,也未直接與勞工團體溝通接觸,全產總理事長江健興坦言「很陌生」,期盼她上任後能夠建立與勞工團體妥善、有效及誠信的溝通互動,彌補賴內閣過去「勞基法修惡」等事件與勞工界種下的鴻溝。 

 至於是否可能會再修正《勞基法》?江健興認為,賴清德在閣揆任內曾主導修惡《勞基法》,致縣市長選舉大敗,如果再修惡的話,恐怕無法再執政。 

 台灣勞工陣線祕書長孫友聯說,曾與何有短暫接觸,也有立法上的交流,看起來由何佩珊擔任勞動部長應是要回應立法院生態轉變,強化未來勞動法令修正溝通。他提及,勞保年金改革為不得不面對的問題,「不可能用撥補就解決」。 

 與何佩珊熟識的人士則說,她在學生時期曾參與勞工運動,對社會公平正義有自己的看法,後來長期在立委柯建銘辦公室並處理各種法案、議事攻防,接任行政院副秘書長一職後更熟悉各種法案,且當代勞動議題如年金制度、公正轉型等涉及層面複雜,她來接任勞動部長有助於妥善解決。

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

柯文哲 圖利 京華城

中國 大陸

譴責 陳耀祥

提案 大陸

吳釗燮 徐巧芯

京華城 拿到

中時新聞網
EBC東森新聞
品觀點
民視
高嘉瑜最早揪貓膩!爆京華城案2關鍵人物:醜陋官商勾結
民眾黨主席柯文哲在台北市長任內將京華城土地容積率從560%提高為840%,遭質疑圖利財團,台北地檢署今(2日)將柯文哲列他字案被告。前立委高嘉瑜指出京華城容積率解套2大關鍵時間點,一是當時的監委劉德勳讓容積率從392%到560%,二是柯文哲任內核定京華城原址細部計畫修訂案,核給20%容積獎勵,讓京華城容積率一口氣衝到史無前例的840%。高嘉瑜強調,其中的兩位關鍵人物就是柯文哲及時任副市長的彭振聲。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司