暑假打工求職旺季小心有詐 高虹安示警:提高警覺遠離詐騙集團陷阱
匯流新聞網.2024年7月3日 11:05

照片來源:新竹市政府

CNEWS匯流新聞網記者邱璽臣/台北報導

開始放暑假,暑期進入打工求職旺季,不少學生會趁此時找份工讀打工賺零用錢。新竹市政府今(3)日表示,打工求職要停看聽,小心防範詐騙,並舉例有高中生落入詐騙集團陷阱,被移送法辦;市長高虹安則提醒青年,對於不合理高薪等工作,應提高警覺,掌握「三備七不」原則,才能遠離求職詐騙陷阱。

新竹市政府提到,曾有新聞報導指出一名高中生,看到網路徵才廣告,卻不慎落入詐騙集團陷阱,雖然這位高中生事後聲明並不知情是詐騙集團的工作,也不是主謀,但因涉案且從中獲利,最終被依詐欺罪及洗錢防制法等罪名移送法辦,得不償失。

高虹安提醒,求職者應徵工作時應掌握「三備七不」原則,分別為求職前「三大準備」:面試前事先告知親友面試的地點、檢視應徵公司徵才廣告內容是否合理、確認是否為合法經營公司;面試把握「七不原則」:不繳錢、不購買、不辦卡、不簽約、不離身、不飲用、不非法工作,尤其銀行帳戶等個資若與應徵職務無關,不要輕易提供。

「近年求職詐騙案件增加,詐騙手法多樣!」高虹安表示,詐騙集團利用年輕人使用網路及社群媒體等媒介,以海外高薪工作、免經驗快速致富等字眼,刊登不實徵才廣告。她示警,求職者要小心受騙或成為幫凶,保障自身就業安全。

照片來源:新竹市政府

勞工處長林昱志說,市府不僅透過多元媒體管道進行求職防騙宣導,守護市民求職安全,更將於今年6至10月在10所校園以趣味戲劇方式進行宣導,提高青少年對詐騙事件的認識,並在3所大專院校舉行校園講座,建立正確的求職觀念,提升就業安全。

照片來源:新竹市政府

勞工處強調,將持續針對新竹地區徵才FB社團及報紙等管道進行稽查,並輔導公司清楚刊登徵才廣告,保障求職者權益,另外也提醒雇主,如果面試薪資未達4萬元,應公開揭示或告知薪資範圍,以免觸法。

照片來源:新竹市政府

《更多CNEWS匯流新聞網報導》

中午來開匯/提藍白遭民意反撲民調跌 柯建銘諷:太快、太容易當立委

中午來開匯/細數歷年總統即問即答朝野攻防 柯建銘坦言:憲法上無法突破

【文章轉載請註明出處】

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

建設 引進 中資

中常委 正國會 開鍘

離島 引進 中資

委員會 直播 民進黨

排審 選罷法

藍委 引進 建設

民視
CTWANT
品觀點
太報
藍提案離島建設引中資 黃捷轟包藏禍心:若通過金馬恐淪陷
即時中心/詹詠淇報導國民黨立委陳雪生、陳玉珍等提案修正「離島建設條例」,主張引進中資參與離島重大公共工程,該案列入今(5)日立法院會報告事項處理時,民進黨團提議退回程序委員會,現場無異議,立法院長韓國瑜裁示退回。對此,民進黨立委黃捷盤點近5年離島已決標的工程列表,「內容令人不寒而慄」,一旦這法案通過,幾乎可宣告金門馬祖淪陷。
  • 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