亞裔細分法案AB-1726暗藏殺機

今年1月28日,菲裔加州眾議員Rob Bonta提出了編號為AB-1726的提案,全名“Accounting for Health and Education in API Demographics Act”,中文簡稱《亞裔細分法案》。

該法案要求從2017年7月1日起,加州公立高等教育系統、醫療、社會福利等部門在搜集人口統計資料時,增加額外表格,將原籍亞洲和太平洋島國的居民,包括中國、印度、巴基斯坦、孟加拉、越南、柬埔寨、緬甸、朝鮮、韓國、日本、菲律賓、印尼、馬來西亞、斯里蘭卡、泰國、台灣、苗族和夏威夷等細分成幾十種族裔詳細登記。

消息傳出,人們立即聯想到2014年初那場反對加州憲法5號修正案 (SCA-5) 的惡戰。

那個由拉丁裔加州參議員Ed Hernandez提出的SCA-5試圖推翻《加州民權法案》中關於不允許加州公立大學在錄取學生時考慮種族、性別和族群因素的條文,從而大大減少亞裔進入加州公立大學的機會。

當時,廣大華人群情激昂,廣泛聯合其他亞裔朋友,又爭取到眾議院一些議員的支持,使得該議案無法在眾議院通過。

最後,提案人一方面不得不撤回提案,另一方面卻表示還會捲土重來。

然而,這一次的AB-1726提案和SCA-5的情況有很大不同,因為提案人多次表示該提案僅僅是為了搜集必要的數據,更好地幫助多元的亞裔社區在健保、社會服務和執法等不同領域受到分別對待,得到更好的服務。

他爭取到邱信福、丁右立和羅達倫等三名華裔眾議員聯署,也得到了上百個亞裔團體的支持,所以勢頭迅猛。

從3月到6月順利地通過了加州眾議院高等教育委員會和衛生委員會的審議,並且在加州眾議院表決通過;而6月到8月又通過了加州參議院教育委員會和衛生委員會的審議,在加州參議院表決通過,最後來到了布朗州長的辦公桌上。

一旦州長簽字,就會成為加州法律。

華人社區有相當多的有識之士強烈質疑AB-1726的動機和做法,擔心由此而帶來的嚴重隱患:

1. 提出這個法案的眾議員Rob Bonta別有用心 — 如果是為了少數族裔的健康和控制疾病,那麼為什麼不和衛生機構CDC合作,而要把教育拉進來?這就說明他的目的顯然是在教育,最終就是要推出以族裔為基礎的公共政策。

2. 這個種族細分法案並未具體說明搜集的數據將做何用途,也沒有說明搜集的數據不可以做何用途,這就為將來的濫用留下了伏筆。

3. 以種族為基礎的數據搜集有種族主義的嫌疑,歷史上對華裔和亞裔搜集數據後的結果不全是善意的。

既然這個法案對少數族裔有好處,那麼就應該把法案擴展到其他族裔,包括白人、黑人和拉丁裔。把亞裔單獨細分所能達到的結果只會分化亞裔。

4. 這個法案的細分方法不科學,完全是浪費納稅人的錢,比如夫妻來自兩個不同的族群,那麼子女怎麼分?

我們不論是從哪一個國家來美國的,現在都是美國人,在美國這個熔爐裏融為一體,試圖用膚色來分裂美國人的做法都是錯誤的。

5. 華裔在加州人口的比例還不到14%,而加州大學和州立大學系統的華裔學生幾乎佔了40%,這是華裔家庭普遍重視教育、華裔子弟大多努力勤奮的結果。

AB-1726背後的陰謀是想通過立法來改變現狀,他們就能打着照顧小國家的名義,改變當前公立大學的招生入學政策,就是當年的SCA-5捲土重來。這本質上在搞結果平等,而不是機會平等,讓華裔子弟的努力白費。

硅谷華人協會 (Silicon Valley Chinese Association) 會長李偉平指出,AB-1726的前身是AB-176法案,去年在州議會通過後被布朗州長以該法案需要花錢卻難以實施為由否決。州長當時擔心的就是搜集亞裔族群數據會被用來進一步分化加州族群。

他說:「將族裔再細分,可能找到更多資訊,但不見得更明智。」AB-1726、AB-176和SCA-5這類法案的目的和本質是一致的,就是要用種族配額的方法來限制華裔和亞裔在高等教育、公司錄取和政府僱用三方面的機會。

今年6月23日,高等法院對德州大學費舍爾案做出有利於平權的判決,使得情形發生微妙的變化,目前還難以確定州長本人的態度會不會改變。

為了敦促布朗州長否決AB-1726提案,硅谷華人協會寫給布朗州長一封請願書,並呈交加州議會兩院。

請願書寫道:「我們認為,您對AB-1726的前身AB-176的擔憂如今仍然成立,那就是:『將人們以民族或者其他類別區分或許會獲得較多信息,但不一定會對採取何種對策提供更有益的參考。只關注民族身份可能是不夠的。』」

截至8月16日,這份請願書已獲得13,869人聯署,我們希望更多關心美國前途和孩子們命運的人士能夠參與一起聯署請願。

聯署網址:https://www.change.org/p/california-governor-veto-ab-1726

記者/湯毅堅

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.