上班被监控屏幕和摄像头,拒绝就直接开除,员工起诉公司获赔52万元

监控电脑屏幕还不够,必须在工作期间全程打开摄像头?

要是不这么做,就会被直接解雇,甚至连原因都不告诉你。

这是一名员工在远程办公期间的遭遇。

要知道,他已经在这家公司勤勤恳恳工作一年半,公司在解雇他时却连提前通知都没有,甚至在合同中还安排了一个竞业协议。

如今,他不服并上诉到法院,最终获得75000欧元(约合人民币52万元)的赔偿,同时法院还宣判对应的竞业协议无效。

事情发酵到网上后,立刻引起了网友的热议。

有网友锐评公司的做法:如果你需要一个摄像头随时监控员工,那你这经理大概也做得不咋样。

甚至还有网友表示,竞业协议本身就是一种错误,应该被禁止:

|| 判赔金额超过员工年薪

这名被开除的员工来自荷兰,曾经给这家名叫Chetu的美国软件公司干活。

他于2019年入职Chetu荷兰分公司,以远程办公的方式做了一年半左右电话销售。

但从2020年8月23日开始,公司突然要求他加入一个叫“Corrective Action Program”(更正行动计划)的项目,在上班期间始终打开屏幕共享和摄像头

按工作日时长来看,这名员工必须一天保持摄像头9小时处于开启状态。

最初他同意了这个要求,然而干了没两天就感觉完全不适应,便拒绝再打开摄像头这一要求,但与此同时他接受共享屏幕这个条件。

然而,就在拒绝开摄像头后一天(8月26日),他突然接到通知称“被开除”,原因是拒绝工作和不服从命令。

这名员工认为公司要求在家开启摄像头已经非常不合理,何况公司还侵犯了他的隐私,由此起诉这家公司。

对此Chetu公司反驳称,在家用摄像头监督员工与在公司安排摄像头没什么区别,同时公司也不太可能存储网络摄像头中的图像,因此数据隐私不是问题。

最终法院认定公司给出的解雇理由并不充分,突然解雇员工也不符合法律规定的流程。

荷兰当地法院判赔Chetu公司向这名员工赔偿75000欧元,包括2700欧元左右的正常工资、8375元的不正常解雇费用、9500欧元过渡补助费,以及50000欧元额外赔偿。

这名员工平时一整年的薪资在70000欧元左右,这次赔偿的费用接近于其一整年年薪。

有意思的是,这名员工被解雇后不到一周,Chetu就宣布关闭了它在荷兰的分公司。

有网友表示,别提摄像头了,就连屏幕共享这种东西都不能接受。

我从一开始就关闭了这种恶心的跟踪软件。

但也有网友指出,这名员工被要求参加的“Corrective Action Program”(更正行动计划)是专门给低绩效员工准备的,也就是说他平时的工作能力已经低于预期了。

|| 开除9年员工判赔17万余元

事实上,在国内也有类似的情况发生,不过是在公司办公的情况下。

据人民法院报介绍,2020年9月8日,宁波一家公司以预防办公室电脑失窃为理由,在办公室安装了一台自动跟踪式摄像头,可以清楚记录5名员工的工作情况。

这引起了员工们的不满,其中就包括一位工作了9年的老员工郑某:

就连起身去倒水也会被自动跟踪。

他最初通过邮件与公司沟通,提议能否将摄像头移至公司大门入口,或者在工作期间暂时关闭监控,但建议均被驳回。

9月10日,郑某和同事一起用垃圾袋套住了摄像头。但在9月11日下班时,他与同事们已经将摄像头恢复正常使用。

两天后,公司却以“扰乱正常工作秩序,违反劳动纪律和公司规章制度”为理由,突然将郑某开除。

郑某提起上诉后,法院认为一方面,遮挡摄像头未对公司造成严重后果;另一方面,公司员工手册未指出遮挡摄像头行为违反公司规章制度,因此公司开除的理由缺乏事实与法律依据。

最终,法院判决公司应按相关经济补偿标准2倍向劳动者支付赔偿金,合计约17万余元

你能接受在办公的时候被摄像头“监视”吗?

参考链接:
[1]https://nltimes.nl/2022/10/09/dutch-employee-fired-us-firm-shutting-webcam-awarded-eu75000-court
[2]http://society.people.com.cn/n1/2021/1210/c1008-32304279.html
[3]https://www.reddit.com/r/technology/comments/xzlcst/dutch_employee_fired_by_us_firm_for_shutting_off/
[4]https://news.ycombinator.com/item?id=33139827

【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论 22
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值