spot_img
HomeChinese Translations加州重畫選區過程賦予公民主導的角色

加州重畫選區過程賦予公民主導的角色

加州公民選區重畫委員會(Citizens Redistricting Commission)兩位委員參加少數族裔媒體服務中心(Ethnic Media Services)10月11日舉辦的記者會,討論為未來十年畫定新政治界限的選區重畫過程。

加州公民選區重畫委員會主席薩瓦尼(Sara Sadhwani)、委員芥川(Linda Akutagawa)與美國選區重畫和人口統計學專家米契(Paul Mitchell)在會中說明加州選區重畫的過程。

芥川說:「這是一項最不受重視的工作之一,卻也是最重要的工作之一。確定所有人在這個過程中都有發言權是非常重要的事。」

幾百年來,傳統的政治「傑利蠑螈」現象(gerrymandering)讓現任政客得以透過重畫選區來選擇自己的選民,而加州正是努力結束美國這個現象的先驅。

基本上,「傑利蠑螈」是透過降低選區的競爭性來完成的,策略不是把相同政治理念的選民集中在一起,使他們的看法不會被反映在鄰近選區裡,就是把社區分割到多個較大的選區裡,使這個社區居民的聲音被淹没。

加州選民投票通過2008年的11號提案和2010年的20號提案,嘗試將重畫選區的過程排除在州立法者的權限之外,並成立一個無黨派選區重畫委員會,目的在讓重畫選區的過程去政治化。(11號提案僅與州立法會選區有關,20號提案加入了國會選區。)

薩瓦尼和芥川表示,選區重畫委員會的部分作用是為了協助確保它能代表加州的多元性。

芥川說:「以亞裔為例,它將使我們亞裔社區在委員會中有發表意見的機會。」

美國其他八個州已跟隨加州的腳步成立了選區重畫委員會,儘管選擇委員的過程仍存在爭議,例如如何確保選區重畫委員會超越黨派的獨立性。

薩瓦尼說:「這是一個很深奧的觀念。」薩瓦尼是三個孩子的母親,也是波莫納學院(Pomona College)政治系教授。

她說:「這不是母親們會經常坐著談論,或在飲水機前或喝咖啡時談論的話題。」

加州和美國其他州一樣,正在根據2020年人口普查提供的過去十年人口變化數據來重畫選區。

營運「選區重畫夥伴」(Redistricting Partners)的米契指出,加州的西語裔和亞裔社區人口不斷增長,但亞裔不像西語裔和非裔那樣分散在加州各地,而是傾向在已建立的社區內增加人口。

選區重畫也必須考慮到選民投票模式,例如西語裔選民的投票率通常低於非裔。

不過,米契也指出,族裔特徵並不是選區重畫過程的全部,選區仍必須是「緊密的、有關聯性、合理的」,還要考慮「利益共同體」的問題,例如是否有有共享的語言、文化、學校、設施和服務,或大部分是租客或是屋主等特質。

米契說:「用意在於將選民畫分到他們可以影響選舉的選區,或讓他們可以獲得更好的代表性或投票權。」

重畫選區委員會將繼續舉辦現場或網路會議和公聽會來收集社區意見,民眾可以上網站wedrawthelines.ca.gov/hearings/查詢從現在起到12月22日預訂的會議時間,新選區地圖必須在12月27日前提交給州務卿。

薩瓦尼說:「我們正在評估我們回應利益共同體提出的證明,以及根據《投票權法案》(Voting Rights Act)對傳統被排除在外的社區履行義務的能力到什麼程度。」

加州有一項適用於地方政府重畫選區的《公平地圖法案》(Fair Maps Act),它可以提高重畫選區過程的透明度,對政黨偏見或強調現任者利益的行為做出規範。

不過,米契說:「改變法律不代表我們在地方重畫選區過程中可能看到的某些『傑利蠑螈』會被消除。」

米契展示河濱縣(Riverside County)和橙縣(Orange County)的選區地圖指出,儘管少數族裔社區有人口統計數據支持,但他們的社區已被分割到沒有「以少數族裔為主」的選區的存在,代表性被嚴重稀釋。

國會席次重新分配後,會緊接著進行選區重畫,將國會435個席次平均分配給美國50個州,確保每位民選官員代表的人口數量相同,目前每一位官員代表的人口約76萬零66人。

2020年人口普查發現,加州過去十年的人口增長速度不如美國其他地區,因此將喪失一個國會席次,會從現在擁有的53席減為52席,所以必須重畫選區。相反地,德州會增加一個席次。

此外,加州還必須為80個州眾議會席次畫出80個政治選區,為州參議會畫出40個選區,還有為州平等委員會(State Board of Equalization)畫出4個選區。

薩瓦尼說:「要如何才能使民選官員確實回應他們所服務的社區的需求?我們很了解人們真正的需求,這些需求和憂慮對我來說真的很重要。」

芥川說:「我們真的是『公民』委員會,我們大多數人都不是政治人物,這是我們為委員會帶來的真正意義。」

Media Briefings

Random Flow