40萬民力變「全民皆兵」誰指揮? 顧立雄:國安會主導民力非民兵
中天新聞網.2024年10月7日 18:00

總統賴清德日前主持「全社會防衛韌性委員會」首次會議,預計將培訓40萬名可靠的民力,以支援軍事行動,達到社會防衛韌性的目標,引發質疑是要執行「全民皆兵」。國防部長顧立雄今天(7日)立法院備詢時表示,民力非民兵,內政部會跟國防部協調,以國安會為主導,跨部會統籌,進行相關規劃。

國防部長顧立雄在立法院外交及國防委員會接受詢答。(圖/中天新聞)

顧立雄今天出席立法院外交及國防委員會秘密會議,提出「台美國防工業會議成效及合作現況」報告,會議結束後改為公開會議備詢。

有立委質疑所謂培訓40萬民力的主管機關為內政部,是否會變成「全民皆兵」?這之間有相當大的差別。

顧立雄表示,該40萬民力不是民兵,且民防組織人力有老化現象,接下來內政部應會透過引進替代役組織,來結合義警、義消,以社區防護隊的概念來建構。

顧立雄指出,依據《民防法》等相關規定,就是應該要建構出民防編組,雖在操作面確實有值得檢討之處,才會在後續組織訓練強化,並規劃加入替代役,不過最主要的目的,就是為了建構出在社會面臨緊急狀況下,能維持政府、社會的核心功能可以持續運作,讓國家發揮韌性。

外界質疑,全民防衛動員法中,國防部不只是帶兵打仗,還要視情況動員衛福部、交通部、警政署等人物力資源,國防部在擬訂計畫的時候,應該要考慮和其他部會的連動,這樣之後會不會遇到軍方、警方任務設定衝突問題?

顧立雄說,他先前曾在國安會任職,在相當的時間中都有盤點依照全動法、民防法應該有的韌性準備,總統府成立全民防衛韌性委員會後,是從盤點走到驗證的階段,所以這次漢光演習就結合了民安和萬安演習,現在必須要將想定更符合實際場景進行驗證。

顧立雄強調,因為這是民力應用,內政部會跟國防部協調,以國安會為主導,進行相關規劃。跨部會的統籌部分,是由國安會負責統籌,全社會防衛韌性委員會的執行秘書是內政部,副召集人是國安會,涉及跨部會部分,由國安會統籌,做出符合實際情況的推演、想定,並進行演練、驗證。

延伸閱讀
美前國安顧問拋「全民拿AK47」挨轟!國防部:全民國防已深植在台灣
行政院提議要幼兒園學童辨別砲彈聲? 藍委痛批:惡劣又可惡
最新民調曝光!4個月役期恐延長…7成民眾願為台灣而戰 更籲「男女全民皆兵」

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

死刑 合憲

晚會 蔣萬安 揮手

死刑 廢死

侯友宜 勘災

許家蓓 告別式

賴清德 祖國論

TVBS新聞網
今日新聞NOWnews
中天新聞網
信傳媒
都是隨機殺人!鄭捷槍斃、他姦殺女師卻逃死 藍委:無依據是非不分
憲法法庭判死刑合憲,卻技術性讓法官更難判死,在野黨立委今(7)日在立法院砲火全開。有藍委針對退休女老師被先搶再姦再殺卻能逃死一事,挑明鄭捷也是隨機殺人,如果未來沒有標準及依據,只會讓社會變得是非不分。
  • 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