পরবর্তী কি পড়বে
- ভূমিকা (অধ্যায় 6.1)
গবেষণা নোটিস ঐতিহ্যগতভাবে যেমন বৈজ্ঞানিক জালিয়াতি এবং ক্রেডিট বরাদ্দ বিষয় অন্তর্ভুক্ত করা হয়েছে। Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) দ্বারা অন বেইজিং অ সায়েন্টিস্টের বিস্তারিত বিবরণ এ আলোচনা করা হয়েছে।
এই অধ্যায়ের ব্যাপকভাবে মার্কিন যুক্তরাষ্ট্র পরিস্থিতি দ্বারা প্রভাবিত হয়। অন্যান্য দেশে নৈতিক পর্যালোচনা প্রক্রিয়ার উপর আরও দেখুন, Desposato (2016b) অধ্যায় 6-9 দেখুন একটি বিবাদের জন্য যে এই অধ্যায়ে প্রভাবিত বায়োমেডিক্যাল নৈতিক নীতির অত্যন্ত আমেরিকান, Holm (1995) । মার্কিন যুক্তরাষ্ট্রে ইনস্টিটিউশনাল রিভিউ বোর্ডগুলির একটি আরও ঐতিহাসিক পর্যালোচনা জন্য, দেখুন Stark (2012) । জ্যোতির্বিদ পিএসঃ রাজনৈতিক বিজ্ঞান ও রাজনীতিবিদের মধ্যে রাজনৈতিক বিজ্ঞানী ও আইআরবিদের মধ্যে সম্পর্কের উপর একটি পেশাদার সিম্পোজিয়াম; একটি সংক্ষিপ্ত জন্য Martinez-Ebers (2016)
মার্কিন যুক্তরাষ্ট্রের বেলমন্ট রিপোর্ট এবং পরবর্তী প্রবিধানগুলি গবেষণা ও অনুশীলনের মধ্যে পার্থক্য করতে থাকে। আমি এই অধ্যায়ে এই ধরনের একটি পার্থক্য তৈরি করেনি কারণ আমি মনে করি নৈতিক নীতিমালা এবং ফ্রেমওয়ার্ক উভয় সেটিংস প্রযোজ্য। এই পার্থক্য এবং এটি প্রবর্তন সমস্যা আরও জন্য, Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) , এবং Metcalf and Crawford (2016) ।
ফেসবুকে গবেষণা তত্ত্বাবধানের জন্য আরও দেখুন, Jackman and Kanerva (2016) । কোম্পানি এবং এনজিওগুলির গবেষণার তত্ত্বাবধানের বিষয়ে ধারণাগুলির জন্য, Calo (2013) , Polonetsky, Tene, and Jerome (2015) , এবং Tene and Polonetsky (2016) ।
মোবাইল ফোন ডেটা ব্যবহারের গোপনীয়তা ঝুঁকি সম্পর্কে আরও জানতে, পশ্চিম আফ্রিকায় ২014 সালের ইবোলা ভাইরাস (Wesolowski et al. 2014; McDonald 2016) জন্য মোবাইল ফোন ডেটার ব্যবহারের সাথে সম্পর্কিত, Mayer, Mutchler, and Mitchell (2016) । মোবাইল ফোনের ডাটা ব্যবহার করে আগের সংকট সংক্রান্ত গবেষণাগুলির উদাহরণগুলি দেখুন, দেখুন Bengtsson et al. (2011) এবং Lu, Bengtsson, and Holme (2012) , এবং সঙ্কট সম্পর্কিত গবেষণার নীতিমালা সম্পর্কে আরও দেখুন ( ??? ) ।
- তিনটি উদাহরণ (অধ্যায় 6.2)
অনেক মানুষ ভাবনামূলক সংঘাত সম্পর্কে লিখিত আছে। জার্নাল রিসার্চ এথিক্স তাদের সম্পূর্ণ ইস্যু জানুয়ারী 2016 এ পরীক্ষা নিয়ে আলোচনা করার জন্য; একটি ওভারভিউ জন্য Hunter and Evans (2016) । বিজ্ঞান ন্যাশনাল অ্যাকাডেমি অফ প্রোডাকশনস পরীক্ষা সম্পর্কে দুটি টুকরা প্রকাশ: Kahn, Vayena, and Mastroianni (2014) এবং Fiske and Hauser (2014) । পরীক্ষার অন্যান্য টুকরাগুলি অন্তর্ভুক্ত: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , এবং ( ??? )
- ডিজিটাল আলাদা (সেকশন 6.3)
ভর নজরদারির ক্ষেত্রে, Mayer-Schönberger (2009) এবং Marx (2016) বিস্তৃত পরিলক্ষিত হয়। নজরদারি পরিবর্তনের খরচের একটি কংক্রিট উদাহরণের জন্য, Bankston and Soltani (2013) হিসেব করে যে মোবাইল ফোনের ব্যবহার করে ফৌজদারী সন্দেহভাজনদের নজর রাখা হচ্ছে শারীরিক নজরদারির চেয়ে 50 গুণ বেশি সস্তা। কর্মক্ষেত্রে নজরদারির আলোচনার জন্য Ajunwa, Crawford, and Schultz (2016) দেখুন। Bell and Gemmell (2009) স্ব-নজরদারিতে আরও আশাবাদী দৃষ্টিভঙ্গি প্রদান করে।
জনসাধারণের বা আংশিকভাবে সার্বজনীন (উদাহরণস্বরূপ, স্বাদ, টাইস এবং টাইম) পর্যবেক্ষণযোগ্য আচরণ ট্র্যাক করতে সক্ষম হওয়ার পাশাপাশি, গবেষকরা আরও অনেক বিষয় অবলম্বন করতে পারেন যা অনেক অংশগ্রহণকারী ব্যক্তিগত বলে মনে করে উদাহরণস্বরূপ, মাইকেল কোসিনস্কি এবং সহকর্মীরা (2013) দেখিয়েছেন যে, তারা সাধারণভাবে সাধারণ ডিজিটাল ট্রেস ডেটা (ফেসবুক লাইক) থেকে যৌনতা এবং যৌনতার ব্যবহার এবং লোকেদের সম্পর্কে সংবেদনশীল তথ্য ধারণ করতে পারে। এই জাদু বলে মনে হতে পারে, কিন্তু Kosinski এবং সহকর্মী ব্যবহার পদ্ধতি - যা ডিজিটাল ট্রেস, জরিপ এবং তত্ত্বাবধানে শিক্ষার সাথে মিলিত - আসলে আমি আপনাকে ইতিমধ্যে সম্পর্কে যা কিছু বলা আছে যে অধ্যায় 3 (প্রশ্ন জিজ্ঞাসা) মধ্যে প্রত্যাহার আমি আপনাকে বললাম কিভাবে রুয়ান্ডা এবং দাতব্য (2015) রুয়ান্ডা দারিদ্র্য নির্ণয় করার জন্য মোবাইল ফোন ডেটার সাথে জরিপের তথ্য মিলিয়েছে। এই সঠিক একই পদ্ধতি, যা একটি উন্নয়নশীল দেশে দক্ষতার পরিমাপের জন্য ব্যবহার করা যেতে পারে, এটি সম্ভবত গোপনীয়তা-লঙ্ঘনের পরিচয়ের জন্য ব্যবহার করা যেতে পারে।
স্বাস্থ্য তথ্য সম্ভাব্য অপ্রত্যাশিত মাধ্যমিক ব্যবহারের জন্য, O'Doherty et al. (2016) অপ্রত্যাশিত মাধ্যম ব্যবহারের সম্ভাব্যতা ছাড়াও, একটি অসম্পূর্ণ মাস্টার ডেটাবেস তৈরির ফলে সামাজিক ও রাজনৈতিক জীবনে একটি স্ফূর্তির প্রভাব সৃষ্টি হতে পারে যদি লোকেরা নির্দিষ্ট সামগ্রীগুলি পড়তে বা নির্দিষ্ট বিষয়ে আলোচনা করতে অনিচ্ছুক; দেখুন Schauer (1978) এবং Penney (2016) ।
ওভারল্যাপিং নিয়মগুলির সাথে পরিস্থিতিতে, গবেষক মাঝে মাঝে "নিয়ন্ত্রক শপিং" (Grimmelmann 2015; Nickerson and Hyde 2016) নিয়োজিত থাকে। বিশেষ করে, কিছু গবেষক যারা IRB- র তত্ত্বাবধানে এড়াতে চান তারা আইআরবি (যেমন, কোম্পানি বা এনজিওর লোকেরা) দ্বারা আচ্ছাদিত গবেষকদের সাথে অংশীদারিত্ব বজায় রাখতে পারে, এবং এই সহকর্মীরা তথ্য সংগ্রহ এবং ডি-সনাক্ত করতে পারে তারপর IRB- আচ্ছাদিত গবেষক IRB তত্ত্বাবধানে ছাড়া এই ডি - সনাক্ত তথ্য বিশ্লেষণ করতে পারেন কারণ গবেষণা আর "মানবাধিকার গবেষণা" বিবেচনা করা হয় না, অন্তত বর্তমান নিয়ম কিছু ব্যাখ্যা অনুযায়ী। এই ধরনের আইআরবি চুরি গবেষণা নীতিবিষয়ক একটি নীতি ভিত্তিক পদ্ধতির সাথে সামঞ্জস্যপূর্ণ নয়।
২011 সালে, প্রচলিত নিয়মটি পরিবর্তন করার জন্য একটি প্রচেষ্টা শুরু হয় এবং এই প্রক্রিয়াটি অবশেষে 2017 ( ??? ) সমাপ্ত হয়। সাধারণ নিয়ম আপডেট করার জন্য এই প্রচেষ্টার জন্য আরও দেখুন, Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) , এবং Metcalf (2016) ।
- চারটি নীতি (অধ্যায় 6.4)
বায়োডেডিকাল নৈতিকতা থেকে ক্লাসিক নীতি-ভিত্তিক পদ্ধতি Beauchamp and Childress (2012) । তারা প্রস্তাব করে যে চারটি মূল নীতিগুলি বায়োমেডিক্যাল নীতিশাস্ত্রকে নির্দেশনা দেয়: স্বশাসন, অনাহুত, সুবিধা এবং ন্যায়বিচারের প্রতি সম্মান। ননমালিফেন্সের নীতি অন্যের কাছে ক্ষতির কারণ থেকে বিরত থাকার জন্য এককে জোর দেয়। এই ধারণা গভীরভাবে হিপোক্রেটিক ধারণা থেকে "ক্ষতি করবেন না" এর সাথে সংযুক্ত থাকে। গবেষণা নীতিশাস্ত্রগুলির মধ্যে এই নীতিটি প্রায়ই বেনিফিটের নীতির সাথে মিলিত হয়, তবে দুইটি মধ্যে পার্থক্য সম্পর্কে আরো জানতে @ বেওচ্যাম্প_প্রধানের_01২ অনুচ্ছেদ 5 দেখুন। একটি সমালোচনা যে এই নীতিগুলি অতিশয় আমেরিকান হয়, দেখুন Holm (1995) । নীতির দ্বন্দ্বের সময় ভারসাম্য বজায় রাখার জন্য আরও দেখুন, Gillon (2015) ।
এই অধ্যায়ে চারটি নীতিগুলি "কনজিউমার বিষয় পর্যালোচনা বোর্ড" (সিএএসআরবি) (Calo 2013) নামে সংস্থাগুলির সংস্থা এবং এনজিও (Polonetsky, Tene, and Jerome 2015) তে গবেষণা করার জন্য নৈতিক দৃষ্টিভঙ্গি নির্দেশ করার প্রস্তাব দেওয়া হয়েছে।
- ব্যক্তিদের সম্মান (অধ্যায় 6.4.1)
স্বায়ত্তশাসনের প্রতি সম্মান প্রদর্শনের সাথে সাথে, বেলমন্ট রিপোর্টটিও স্বীকার করে যে প্রতিটি মানুষ সত্য স্ব-সংকল্পে সক্ষম নয়। উদাহরণস্বরূপ, শিশুরা, অসুস্থতাগ্রস্ত ব্যক্তিরা, অথবা গুরুতরভাবে সীমিত স্বাধীনতার পরিস্থিতিতে বসবাসকারীরা সম্পূর্ণ স্বায়ত্তশাসিত ব্যক্তি হিসাবে কাজ করতে পারে না, এবং এই ব্যক্তিরা অতিরিক্ত সুরক্ষার অধীন।
ডিজিটাল যুগে ব্যক্তিদের সম্মান করার নীতির প্রয়োগ করা কঠিন হতে পারে। উদাহরণস্বরূপ, ডিজিটাল-বয়স গবেষণায়, আত্মনির্ধারণের হ্রাসের ক্ষমতা সহ মানুষের জন্য অতিরিক্ত সুরক্ষা প্রদান করা কঠিন হতে পারে কারণ গবেষকরা প্রায়ই তাদের অংশগ্রহণকারীদের সম্পর্কে খুব কমই জানেন। উপরন্তু, ডিজিটাল যুগে সামাজিক গবেষণা সম্পর্কে অবগত সম্মতি একটি বিশাল চ্যালেঞ্জ। কিছু ক্ষেত্রে, সত্যিকারের অবহিত সম্মতি স্বচ্ছতা বিপর্যয়ের (Nissenbaum 2011) থেকে (Nissenbaum 2011) হতে পারে, যেখানে তথ্য এবং বোঝার দ্বন্দ্ব হয়। মোটামুটিভাবে, যদি গবেষকরা তথ্য সংগ্রহ, তথ্য বিশ্লেষণ এবং তথ্য নিরাপত্তা অনুশীলন সম্পর্কে সম্পূর্ণ তথ্য সরবরাহ করে, তবে অনেক অংশগ্রহণকারীদের বোঝা কঠিন হবে। কিন্তু যদি গবেষকরা বোধগম্য তথ্য প্রদান করে, তবে এর মধ্যে গুরুত্বপূর্ণ প্রযুক্তিগত বিবরণী থাকতে পারে। এনালগ যুগে মেডিক্যাল গবেষণায় - বেলমন্ট রিপোর্ট-এর দ্বারা বিবেচনা করা হাউজিং সেটিংস- একজন স্বচ্ছতা বিরোধিতা সমাধান করতে প্রতিটি অংশগ্রহণকারীর সাথে পৃথকভাবে কথা বলার জন্য একজন ডাক্তারকে কল্পনা করতে পারেন। হাজার হাজার বা লক্ষ লক্ষ মানুষ জড়িত অনলাইন গবেষণায়, এমন একটি মুখোমুখি পদ্ধতি অসম্ভব। ডিজিটাল যুগে সম্মতির সঙ্গে দ্বিতীয় সমস্যা হল যে কিছু গবেষণায় যেমন, বিশাল তথ্য সংগ্রহস্থলগুলির বিশ্লেষণগুলি, সকল অংশগ্রহণকারীর কাছ থেকে জ্ঞাত সম্মতি প্রাপ্তির জন্য এটি অকার্যকর হবে। আমি 6.6.1 অনুচ্ছেদে আরো বিস্তারিতভাবে জানানো সম্মতি সম্পর্কে এই এবং অন্যান্য প্রশ্ন আলোচনা এই সমস্যাগুলির সত্ত্বেও, আমাদের উচিত মনে রাখতে হবে যে, জ্ঞাত সম্মতি ব্যক্তিদের সম্মান করার জন্য প্রয়োজনীয় নয় যথেষ্ট নয়।
প্রস্তাবিত সম্মতি আগে ঔষধ গবেষণা আরো জন্য, Miller (2014) । জানার অনুমতির একটি বইয়ের দৈর্ঘ্যের চিকিত্সার জন্য, Manson and O'Neill (2007) । নীচে জ্ঞাত সোপর্দ সম্পর্কে প্রস্তাবিত রিডিংগুলিও দেখুন।
- উপকারিতা (অধ্যায় 6.4.2)
প্রেক্ষাপটে ক্ষতিগ্রস্থ হয় এমন হানাহানি যে গবেষণা নির্দিষ্ট লোকেদের জন্য নয় বরং সামাজিক সেটিংস হতে পারে। এই ধারণা একটি বিট বিট, কিন্তু আমি একটি ক্লাসিক উদাহরণ সঙ্গে উদাহরণস্বরূপ করব: উইচিতা জুরি স্টাডি (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - এছাড়াও কখনও কখনও শিকাগো জুরি প্রকল্প (Cornwell 2010) । এই গবেষণায়, শিকাগো বিশ্ববিদ্যালয়ের গবেষকরা, আইনী ব্যবস্থার সামাজিক দিকগুলির একটি বড় অধ্যয়নের অংশ হিসাবে গোপনে গোপনে কুইস উইচিতায় ছয়টি জুরিদের আলোচনার রেকর্ড করেছে। মামলার বিচারক ও আইনজীবী রেকর্ডিং অনুমোদন করেছে, এবং প্রক্রিয়াটির কঠোর নিরীক্ষণ ছিল। যাইহোক, জুরিশরা অজানা ছিল যে রেকর্ডিং ঘটছে। একবার গবেষণাটি আবিষ্কৃত হয়, তখন সেখানে জনসাধারণের অবমাননা ছিল। বিচার বিভাগ অধ্যয়ন পরীক্ষা শুরু করেন, এবং গবেষকরা কংগ্রেসের সামনে সাক্ষ্য দিতে বলা হয়। পরিশেষে, কংগ্রেস একটি নতুন আইন পাস করে যা গোপনীয়ভাবে জুরি বিতর্কের রেকর্ড করে অবৈধ করে তোলে।
উইচিতা জুরি স্টাডি সমালোচকদের উদ্বেগের কারণ অংশগ্রহণকারীদের ক্ষতির ঝুঁকি ছিল না; বরং, এটি জুরি বিতর্কের প্রেক্ষাপটে ক্ষতিগ্রস্ত হওয়ার ঝুঁকি ছিল। যে, মানুষ মনে করেন যে যদি জুরি সদস্যদের বিশ্বাস করেন যে তারা একটি নিরাপদ এবং সুরক্ষিত স্থান নিয়ে আলোচনা করছে, তাহলে ভবিষ্যতে ভবিষ্যতে জুরিদের আলোচনার জন্য এটি কঠিন হবে। জুরি বিতর্ক ছাড়াও, সমাজের অন্যান্য নির্দিষ্ট সামাজিক প্রেক্ষাপটে রয়েছে যেমনঃ অ্যাটর্নি-ক্লায়েন্ট সম্পর্ক এবং মানসিক যত্ন (MacCarthy 2015) ।
প্রেক্ষাপটে ক্ষতিগ্রস্ত হওয়ার ঝুঁকি এবং সামাজিক ব্যবস্থার বিঘ্ন (Desposato 2016b) হয় কিছু কিছু ক্ষেত্রে রাজনৈতিক বিজ্ঞানের পরীক্ষায় (Desposato 2016b) । রাজনৈতিক বিজ্ঞানের একটি ক্ষেত্রের পরীক্ষা জন্য একটি আরো প্রসঙ্গ-সংবেদনশীল খরচ-বেনিফিট গণনা উদাহরণ হিসাবে, Zimmerman (2016) ।
- জাস্টিস (অধ্যায় 6.4.3)
অংশগ্রহণকারীদের জন্য ক্ষতিপূরণ ডিজিটাল-বয়স গবেষণা সম্পর্কিত বিভিন্ন সেটিংস নিয়ে আলোচনা করা হয়েছে। Lanier (2014) তারা উৎপন্ন ডিজিটাল ট্রেস জন্য অংশগ্রহণকারীদের পরিশোধ প্রস্তাব। Bederson and Quinn (2011) অনলাইন শ্রমবাজারে পেমেন্ট নিয়ে আলোচনা করেন। অবশেষে, Desposato (2016a) ক্ষেত্রের পরীক্ষায় অংশগ্রহণকারীদের পরিশোধ প্রস্তাব। তিনি উল্লেখ করেন যে অংশগ্রহণকারীদেরকে সরাসরি অর্থ প্রদান করা না গেলেও তাদের পক্ষে কাজ করার জন্য একটি গ্রুপকে একটি দান করা যেতে পারে। উদাহরণস্বরূপ, এনকাউন্টারে, গবেষকরা ইন্টারনেট অ্যাক্সেসের সমর্থনে কাজ করার জন্য একটি গ্রুপে একটি দান তৈরি করতে পারতেন।
- আইন এবং পাবলিক সুদ সম্মান (অধ্যায় 6.4.4)
শর্তসাপেক্ষ চুক্তির চুক্তির তুলনায় কম ওজনের এবং সমান পক্ষের মধ্যে চুক্তি এবং বৈধ সরকার কর্তৃক সৃষ্ট আইনগুলির তুলনায় কম ওজনের হওয়া উচিত। গবেষকেরা যেখানে অতীতের শর্তাদির শর্তাবলী লঙ্ঘন করেছেন, সেখানে সাধারণত সংস্থাগুলির আচরণের নিরীক্ষার জন্য স্বয়ংক্রিয় প্রশ্নগুলি ব্যবহার করা হয় (ক্ষেত্রের পরীক্ষার মতো বৈষম্যের পরিমাপ)। অতিরিক্ত আলোচনা জন্য, দেখুন Vaccaro et al. (2015) , Bruckman (2016a) , এবং Bruckman (2016b) । পরিভাষা গবেষণার একটি উদাহরণের জন্য যা পরিষেবার শর্তাদি নিয়ে আলোচনা করে, Soeller et al. (2016) দেখুন Soeller et al. (2016) সম্ভাব্য আইনী সমস্যাগুলির জন্য আরও গবেষকরা মুখোমুখি হলে তারা সেবা শর্তাবলী লঙ্ঘন হলে, Sandvig and Karahalios (2016) ।
- দুটি নৈতিক কাঠামো (বিভাগ 6.5)
স্পষ্টতই, ফলতত্ত্ব এবং ডান্টোসোলজি সম্পর্কে একটি বিরাট পরিমাণ লেখা হয়েছে। কিভাবে এই নৈতিক কাঠামো, এবং অন্যদের, ডিজিটাল বয়স গবেষণা সম্পর্কে কারণ ব্যবহার করা যেতে পারে একটি উদাহরণ জন্য, Zevenbergen et al. (2015) দেখুন Zevenbergen et al. (2015) । উন্নয়নের অর্থনীতিতে পরীক্ষায় কীভাবে প্রয়োগ করা যায় সে সম্পর্কে একটি উদাহরণের জন্য, Baele (2013) ।
- জ্ঞাত সম্মতি (অধ্যায় 6.6.1)
বৈষম্যের নিরীক্ষা অধ্যয়নের জন্য আরও দেখুন, Pager (2007) এবং Riach and Rich (2004) । শুধু এই গবেষণায় সম্মতি জানানো না, তারা debriefing ছাড়া প্রতারণা জড়িত না।
উভয় Desposato (2016a) এবং Humphreys (2015) সম্মতি ছাড়া ক্ষেত্রের পরীক্ষা সম্পর্কে পরামর্শ প্রদান।
Sommers and Miller (2013) প্রতারণা পরে অংশগ্রহণকারীদের debriefing না পক্ষে অনেক আর্গুমেন্ট পর্যালোচনা, এবং গবেষক debriefing ক্ষত করা উচিত যে তর্ক
"একটি খুব সংকীর্ণ সংকটের অধীনে, যথা, ক্ষেত্র গবেষণায়, যার মধ্যে debriefing যথেষ্ট কার্যকরী বাধা বজায় থাকে কিন্তু গবেষকরা যদি ডিবিট্রিংয়ের ক্ষেত্রে কোনও বাধা না থাকে তবে তারা গবেষকরা একটি আনুভূমিক অংশগ্রহণকারী পুল সংরক্ষণ করতে, অংশগ্রহনকারীদের ক্রোধ থেকে নিজেদের রক্ষা করতে অথবা অংশগ্রহণকারীদের ক্ষতি থেকে রক্ষা করার জন্য বিতর্ক ত্যাগ করতে দেওয়া উচিত নয়। "
অন্যরা যুক্তি দিচ্ছে যে কিছু ক্ষেত্রে যদি ডিবাফিং ভালের চেয়ে বেশি ক্ষতি করে, তবে এটিকে এড়িয়ে যাওয়া উচিত (Finn and Jakobsson 2007) । Debriefing একটি বিষয় যেখানে কিছু গবেষক বেনিফিট উপর ব্যক্তিদের সম্মান সম্মান অগ্রাধিকার, কিছু গবেষকরা বিপরীত কাজ করে, যদিও। এক সম্ভাব্য সমাধান অংশগ্রহণকারীদের জন্য debriefing একটি শেখার অভিজ্ঞতা করতে উপায় খুঁজে পেতে হবে। যে, কিছু কারণ যা ক্ষতি হতে পারে হিসাবে debriefing চিন্তা ছাড়া, সম্ভবত debriefing কিছু হতে পারে যে অংশগ্রহণকারীদের উপকার এই ধরনের শিক্ষাগত Jagatic et al. (2007) উদাহরণের জন্য, Jagatic et al. (2007) । মনোবিজ্ঞানীরা (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) জন্য কৌশল গড়ে তুলেছে (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) , এবং এইগুলি ডিজিটাল-বয়স গবেষণায় প্রয়োগযোগ্যভাবে প্রয়োগ করা যেতে পারে। Humphreys (2015) বিলম্বিত সম্মতি সম্পর্কে আকর্ষণীয় চিন্তা করে, যা আমি বর্ণিত debriefing কৌশল সাথে ঘনিষ্ঠভাবে সম্পর্কিত।
তাদের সম্মতির জন্য অংশগ্রহণকারীদের একটি নমুনা জিজ্ঞাসা করার ধারণা Humphreys (2015) কি inferred সম্মতি কল সম্পর্কিত।
প্রস্তাবিত প্রস্তাবিত অনুমোদনের সাথে আরও একটি ধারণা, যারা অনলাইন পরীক্ষায় (Crawford 2014) হতে সম্মত হন এমন একটি প্যানেল তৈরি করতে হয়। কেউ কেউ যুক্তি দিয়েছেন যে এই প্যানেলটি মানুষের একটি nonrandom নমুনা হবে। কিন্তু অধ্যায় 3 (প্রশ্ন জিজ্ঞাসা করা) দেখায় যে এই সমস্যাটি পোস্ট-স্তরান্তরণ ব্যবহার করে সম্ভাব্যভাবে সম্ভাব্য হয়। এছাড়াও, প্যানেলের সাথে সম্মতিতে বিভিন্ন ধরনের পরীক্ষাগুলি অন্তর্ভুক্ত থাকতে পারে। অন্য কথায়, অংশগ্রহণকারীরা পৃথকভাবে প্রতিটি পরীক্ষার সম্মতি প্রয়োজন হতে পারে না, একটি ধারণাকে বিস্তৃত সম্মতি বলে মনে করা হয় (Sheehan 2011) । প্রতিটি স্টাডি এবং একইসাথে সম্ভাব্য সংকর জন্য এক সময় সম্মতি এবং সম্মতির মধ্যে পার্থক্যের জন্য, Hutton and Henderson (2015) ।
- তথ্য ঝুঁকি বোঝার এবং পরিচালনা (বিভাগ 6.6.2)
অনন্য থেকে অনেক দূরে, Netflix পুরস্কার ডেটাসেটের একটি গুরুত্বপূর্ণ প্রযুক্তিগত সম্পত্তি ব্যাখ্যা করে যার মধ্যে মানুষের সম্পর্কে বিস্তারিত তথ্য রয়েছে, এবং এইভাবে আধুনিক সামাজিক ডেটাসেটের "নামকরণ" এর সম্ভাবনা সম্পর্কে গুরুত্বপূর্ণ পাঠগুলি প্রদান করে। প্রত্যেক ব্যক্তি সম্পর্কে তথ্য অনেক টুকরা ফাইল অর্থে আনুষ্ঠানিকভাবে সংজ্ঞায়িত এ, বিক্ষিপ্ত হওয়ার সম্ভাবনাই বেশি Narayanan and Shmatikov (2008) । যে, প্রতিটি রেকর্ডের জন্য, কোন রেকর্ড নেই একই, এবং আসলে কোন অনুরূপ রেকর্ড আছে: প্রতিটি ব্যক্তি ডেটসেট তাদের নিকটবর্তী প্রতিবেশী থেকে দূরে। এক কল্পনা করতে পারেন যে Netflix তথ্য স্পার হতে পারে কারণ পাঁচ তারকা স্কেলে প্রায় ২0,000 চলচ্চিত্রের সাথে, \(6^{20,000}\) সম্ভাব্য মানগুলি যেগুলি প্রত্যেক ব্যক্তির (6, 1 এর সাথে 1 \(6^{20,000}\) হতে পারে \(6^{20,000}\) 5 টা, কেউ হয়তো এই চলচ্চিত্রকে রেট দিতে পারেনি)। এই সংখ্যাটি এত বড় যে, এটি বোঝাও কঠিন।
স্পার্সটিটির দুটি প্রধান প্রভাব রয়েছে। প্রথমত, এর মানে হল যে র্যান্ডম প্যাচবেশন এর উপর ভিত্তি করে ডেটাসেটকে "বেনামী করা" করার প্রচেষ্টা সম্ভবত ব্যর্থ হবে। যে, Netflix র্যান্ডম কিছু রেটিং (যা তারা করেনি) সমন্বয় করা হয়, এই যথেষ্ট হবে না কারণ perturbed রেকর্ড এখনও তথ্য যে ঘাতক আছে নিকটতম সম্ভাব্য রেকর্ড। দ্বিতীয়ত, স্পারশিটি অর্থাত্ আক্রমণকারীর অসিদ্ধ বা নিরপেক্ষ জ্ঞান থাকলেও পুনরায় সনাক্তকরণ সম্ভব। উদাহরণস্বরূপ, Netflix এর তথ্য, আসুন কল্পনা আক্রমণকারী দুই চলচ্চিত্র এবং তারিখ আপনি ঐ রেটিং দেশ আপনার রেটিং জানেন দিন \(\pm\) 3 দিন; Netflix ডেটাতে 68% লোককে স্বতন্ত্রভাবে সনাক্ত করার জন্য কেবল তথ্যই যথেষ্ট। আক্রমণকারী যে আপনার রেট আছে আট চলচ্চিত্র জানে যদি \(\pm\) 14 দিন, তবে এই পরিচিত রেটিং দুই সম্পূর্ণরূপে ভুল এমনকি যদি, রেকর্ড 99% স্বতন্ত্র ডেটাসেটে চিহ্নিত করা যায়। অন্য কথায়, স্পারশিটি "বেনামী" ডেটাগুলির প্রচেষ্টার জন্য একটি মৌলিক সমস্যা। এটি দুর্ভাগ্যজনক কারণ অধিকাংশ আধুনিক সামাজিক ডেটাसेटগুলি বিচিত্র। স্পার্স ডেটার " Narayanan and Shmatikov (2008) " সম্পর্কে আরো জানতে, Narayanan and Shmatikov (2008) ।
টেলিফোন মেটা-ডেটাও "বেনামী" বলে মনে হতে পারে এবং সংবেদনশীল নাও হতে পারে, তবে এটি এমন নয়। টেলিফোনের মেটা-ডেটা সনাক্তকরণযোগ্য এবং সংবেদনশীল (Mayer, Mutchler, and Mitchell 2016; Landau 2016) ।
6.6 অনুচ্ছেদে, আমি অংশগ্রহণকারীদের কাছে ঝুঁকির মধ্যে একটি বাণিজ্য বন্ধ এবং ডাটা রিলিজ থেকে সমাজের বেনিফিট স্কেচ করেছি। সীমাবদ্ধ অ্যাক্সেস পদ্ধতির মধ্যে (উদাহরণস্বরূপ, একটি প্রাচীরযুক্ত বাগান) এবং সীমাবদ্ধ ডেটা পন্থার মধ্যে একটি তুলনা (উদাহরণস্বরূপ, "অনুনাদকরণ" এর কিছু ফর্ম) Reiter and Kinney (2011) । তথ্য ঝুঁকি স্তরের একটি প্রস্তাবিত শ্রেণীবিভাগ সিস্টেমের জন্য, Sweeney, Crosas, and Bar-Sinai (2015) । ডেটা ভাগাভাগির একটি সাধারণ আলোচনা জন্য, Yakowitz (2011) ।
তথ্য ঝুঁকি এবং ইউটিলিটি মধ্যে এই বাণিজ্য বন্ধের বিস্তারিত বিশ্লেষণের জন্য, Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) , এবং Goroff (2015) । এই বাণিজ্য বন্ধ দেখতে ব্যাপকভাবে খোলা অনলাইন কোর্স (MOOCs) থেকে বাস্তব তথ্য প্রয়োগ, Daries et al. (2014) দেখুন Daries et al. (2014) এবং Angiuli, Blitzstein, and Waldo (2015) ।
ডিফারেনশিয়াল গোপনীয়তা এমন একটি বিকল্প পদ্ধতি প্রস্তাব করে যা অংশগ্রহণকারীদের নিম্ন ঝুঁকিতে এবং সমাজের জন্য উচ্চ বেনিফিটকে একত্রিত করতে পারে; Dwork and Roth (2014) এবং Narayanan, Huey, and Felten (2016) ।
ব্যক্তিগতভাবে সনাক্তকারী তথ্য (পিআইআই) এর ধারণা সম্পর্কে আরও জানার জন্য, যা গবেষণা নীতিশাস্ত্রের বেশিরভাগ নিয়মকানুন কেন্দ্রিক হয়, Narayanan and Shmatikov (2010) এবং Schwartz and Solove (2011) । সম্ভাব্য সংবেদনশীল সব ডেটা আরো জন্য, দেখুন Ohm (2015) ।
এই বিভাগে, আমি বিভিন্ন ডেটাসেটগুলির লিংকে চিত্রিত করেছি যা কিছু তথ্যগত ঝুঁকি হতে পারে। যাইহোক, এটি গবেষণা জন্য নতুন সুযোগ তৈরি করতে পারেন, Currie (2013) হিসাবে যুক্তি Currie (2013) ।
পাঁচটি safes উপর আরও জন্য, Desai, Ritchie, and Welpton (2016) । কিভাবে আউটপুট সনাক্ত করা যায় উদাহরণস্বরূপ, Brownstein, Cassa, and Mandl (2006) , যা দেখায় কিভাবে রোগের বিস্তার মানচিত্র সনাক্ত করা যেতে পারে। Dwork et al. (2017) এছাড়াও সমষ্টিগত তথ্য বিরুদ্ধে আক্রমণ বিবেচনা, যেমন কতজন ব্যক্তির নির্দিষ্ট রোগ সম্পর্কে পরিসংখ্যান হিসাবে।
ডেটা ব্যবহার এবং তথ্য প্রকাশ সম্পর্কে প্রশ্নগুলি ডেটা মালিকানা সম্পর্কে প্রশ্ন উত্থাপন করে। আরো তথ্যের জন্য, তথ্য মালিকানা, Evans (2011) এবং Pentland (2012) ।
- গোপনীয়তা (বিভাগ 6.6.3)
Warren and Brandeis (1890) গোপনীয়তা সম্পর্কে একটি আইনসম্মত আইনি নিবন্ধ এবং এটি গোপনীয়তা একা বাকি করা একটি অধিকার যে ধারণা সঙ্গে সবচেয়ে যুক্ত হয়। গোপনীয়তা বইয়ের দৈর্ঘ্য চিকিত্সা যে আমি সুপারিশ করবে অন্তর্ভুক্ত Solove (2010) এবং Nissenbaum (2010) ।
মানুষ গোপনীয়তা সম্পর্কে কীভাবে ভাবছেন সে বিষয়ে গবেষণামূলক গবেষনার জন্য, Acquisti, Brandimarte, and Loewenstein (2015) । Phelan, Lampe, and Resnick (2016) একটি ডুয়াল সিস্টেম তত্ত্ব-প্রস্তাব করেন যে মানুষ কখনও কখনও স্বজ্ঞাত উদ্বেগের উপর মনোযোগ কেন্দ্রীভূত করে এবং কখনও কখনও বিবেচনার বিষয়গুলির উপর মনোযোগ কেন্দ্রীভূত করে-কীভাবে মানুষ গোপনীয়তা সম্পর্কে স্পষ্টতই পরস্পরবিরোধী বিবৃতিগুলি ব্যাখ্যা করতে পারে। যেমন টুইটার হিসাবে অনলাইন সেটিংসে গোপনীয়তার ধারণা সম্পর্কে আরও দেখুন, Neuhaus and Webmoor (2012) ।
জার্নাল বিজ্ঞান একটি বিশেষ বিভাগ শিরোনাম "গোপনীয়তা শেষ," যা বিভিন্ন দৃষ্টিভঙ্গি বিভিন্ন থেকে গোপনীয়তা এবং তথ্যগত ঝুঁকি বিষয় ঠিকানা; একটি সারসংক্ষেপ জন্য, দেখুন Enserink and Chin (2015) । Calo (2011) গোপনীয়তা লঙ্ঘন থেকে আসা ক্ষতির বিষয়ে চিন্তা করার জন্য একটি কাঠামো প্রস্তাব করে। ডিজিটাল যুগের শুরুতে গোপনীয়তার বিষয়ে উদ্বেগগুলির একটি প্রাথমিক উদাহরণ হচ্ছে Packard (1964) ।
- অনিশ্চয়তা অধীনে সিদ্ধান্ত (বিভাগ 6.6.4)
ন্যূনতম ঝুঁকির মান প্রয়োগ করার চেষ্টা করার সময় একটি চ্যালেঞ্জ হল যে এটি পরিষ্কার নয় যে এর দৈনিক জীবনটি বেঞ্চমার্কিং (National Research Council 2014) জন্য ব্যবহার করা হবে। উদাহরণস্বরূপ, গৃহহীন জনগোষ্ঠী তাদের দৈনিক জীবনে উচ্চমানের অস্বস্তির সম্মুখীন হয়। কিন্তু এটা এমন কোনও ইঙ্গিত দেয় না যে বেপরোয়া লোকেদের উচ্চতর ঝুঁকির সন্ধানে প্রকাশ করার জন্য এটি নৈতিকভাবে অনুমোদিত। এই কারণে, একটি ক্রমবর্ধমান ঐক্যমত্য মনে হচ্ছে যে একটি সাধারণ জনসংখ্যার মানদণ্ডের বিরুদ্ধে ন্যূনতম ঝুঁকি বাছাই করা উচিত, একটি নির্দিষ্ট জনসংখ্যা মান নয় আমি সাধারণত একটি সাধারণ জনসংখ্যা মান ধারণা সঙ্গে একমত যখন, আমি মনে করি যে ফেসবুক হিসাবে বড় অনলাইন প্ল্যাটফর্মের জন্য, একটি নির্দিষ্ট জনসংখ্যা মান যুক্তিসঙ্গত হয়। সুতরাং, আবেগপূর্ণ সংকটের কথা বিবেচনা করে, আমি মনে করি এটি ফেসবুকের দৈনন্দিন ঝুঁকির বিরুদ্ধে বেঞ্চমার্কের পক্ষে যুক্তিযুক্ত। এই ক্ষেত্রে একটি নির্দিষ্ট জনসংখ্যার মান মূল্যায়ন করা অনেক সহজ এবং ন্যায়বিচারের নীতির সাথে দ্বন্দ্বের সম্ভাবনা কম নয়, যা অপ্রদর্শিত গোষ্ঠী (উদাহরণস্বরূপ, বন্দীদের এবং অনাথ) থেকে ভুল বোঝাবুঝির ঝুঁকিকে প্রতিরোধ করতে চায়।
- প্রাকটিক্যাল টিপস (বিভাগ 6.7)
অন্যান্য পণ্ডিতদের নৈতিক অ্যাণ্ডেন্ডস অন্তর্ভুক্ত করার জন্য আরও কাগজপত্র জন্য বলা হয়েছে (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) । King and Sands (2015) এছাড়াও ব্যবহারিক টিপস প্রদান করে। জুক এবং সহকর্মীরা (2017) "দায়ী বৃহৎ তথ্য গবেষণা জন্য দশটি সহজ নিয়ম।"
