plua komento

Tiu sekcio estas dizajnita por esti utiligita kiel referenco, prefere ol esti legita kiel rakonto.

• Enkonduko (Sekcio 6.1)

Esploro etiko tradicie ankaŭ inkludas temojn kiel scienca fraŭdo kaj atribuo de kredito. Tiuj temoj estas diskutita pli detale en Engineering (2009) .

Tiu ĉapitro estas forte markita de la situacio en Usono. Por pli sur la etika revizio procedurojn en aliaj landoj, vidu Ĉapitroj 6, 7, 8, kaj 9 de Desposato (2016b) . Por argumento ke la biomedicina etikaj principoj kiuj influis tiu ĉapitro estas troe amerikana, vidu Holm (1995) . Por pli historia revizio de Institucia Review Boards en Usono, vidu Stark (2012) .

La Belmont kaj postaj regularoj en Usono faris distingon inter esplorado kaj praktiko. Tiu distingo estis kritikita poste (Beauchamp and Saghai 2012; boyd 2016; Metcalf and Crawford 2016; Meyer 2015) . Mi ne faras tian distingon en tiu ĉapitro ĉar mi kredas ke la etikaj principoj kaj kadroj apliki al ambaŭ difinoj. Por pli sur esploro oficon cxe Facebook, vidu Jackman and Kanerva (2016) . Por propono por esploro oficon cxe kompanioj kaj neregistaraj organizoj, vidu Polonetsky, Tene, and Jerome (2015) kaj Tene and Polonetsky (2016) .

Por pli sur la kazo de la Ebolo ekapero en 2014, vidu McDonald (2016) , kaj por pli sur la privacidad riskoj de poŝtelefono datumoj, vidu Mayer, Mutchler, and Mitchell (2016) . Por ekzemplo de krizo-rilata esploro uzante poŝtelefono datumoj, vidu Bengtsson et al. (2011) kaj Lu, Bengtsson, and Holme (2012) .

• Tri ekzemploj (Sekcio 6.2)

Multaj homoj skribis pri Emocia kontaĝas. La revuo Research Ethics dediĉis sian tutan aferon en januaro 2016 diskuti la eksperimento; vidu Hunter and Evans (2016) por superrigardon. La Paperoj de la Nacia Akademiuloj de Scienco publikigis du pecoj pri la eksperimento: Kahn, Vayena, and Mastroianni (2014) kaj Fiske and Hauser (2014) . Aliaj pecoj pri la eksperimento estas: Puschmann and Bozdag (2014) ; Meyer (2014) ; Grimmelmann (2015) ; Meyer (2015) ; Selinger and Hartzog (2015) ; Kleinsman and Buckley (2015) ; Shaw (2015) ; Flick (2015) .

Por pli sur Encore, vidu Jones and Feamster (2015) .

• Digital estas malsamaj (Sekcio 6.3)

Laŭ maso viglado, larĝaj superrigardoj estas disponigitaj en Mayer-Schönberger (2009) kaj Marx (2016) . Por konkreta ekzemplo de la ŝanĝiĝantaj kostoj de viglado, Bankston and Soltani (2013) taksas, ke sekvado kriminala suspektato uzante poŝtelefonoj estas ĉirkaŭ 50 fojojn pli malmultekosta ol uzanta fizikan viglado. Bell and Gemmell (2009) disponigas pli optimisman perspektivon sur mem- viglado. Krom povi spuri observebla konduto kiu estas publika aŭ parte publikan (ekz, Gusto, Kravatoj kaj Tempo), esploristoj povas ĉiam konkludi aferoj ke multaj partoprenantoj konsideras privata. Ekzemple, Mihxal Kosinski kaj kolegoj montris ke ili povis konkludi sentemaj informoj pri homoj, kiel ekzemple seksaj orientiĝo kaj uzo de substancoj adictivas de ŝajne ordinara ciferecan spuron datumoj (Facebook Likes) (Kosinski, Stillwell, and Graepel 2013) . Tio povus soni magiaj, sed la alproksimiĝo Kosinski kaj kolegoj uzis-kiu kombinas ciferecajn spurojn, enketoj, kaj supervisó lernanta-fakte iu kiu mi jam parolis al vi. Memoru ke en Ĉapitro 3 (Asking demandoj) Mi rakontis al vi kiel Josh Blumenstock kaj kolegoj (2015) kombinita enketo datumoj kun poŝtelefono datumoj por taksi la malriĉecon en Ruando. Precize tiu sama alproksimiĝo, kiu povas esti uzita por efike mezuri malriĉecon en evolulando, povas ankaŭ esti uzita por potenciale privateco malobservanta induktoj.

Nekonsekvenca leĝoj kaj normoj povas konduki al esploro kiu ne respektas la dezirojn de la partoprenantoj, kaj tio povas konduki al "reguligaj komercaj" de esploristoj (Grimmelmann 2015; Nickerson and Hyde 2016) . Aparte, iuj esploristoj kiuj deziras eviti IRB neglektas havas kompanianojn kiuj ne estas kovritaj per IRBS (ekz, homoj ĉe firmaoj aŭ NRO) kolektas kaj de-identigi datumoj. Tiam, la investigadores povas analizi tiun de-identigita datumoj sen IRB neglektas, almenaŭ laŭ iuj interpretoj de nunaj reguloj. Tian IRB evasión ŝajne estas malkonsekvenca kun principojn-bazita aliro.

Por pli sur la malkonsekvenca kaj heterogena ideoj kiuj homoj havas pri sano datumoj, vidu Fiore-Gartland and Neff (2015) . Por pli sur la problemo kiu heterogeneco kreas por esploro etiko decidoj vidu Meyer (2013) .

Unu diferenco inter analoga aĝo kaj cifereca aĝo esploro estas kiu en diĝita aĝo esploro interago kun partoprenantoj estas pli malproksimaj. Tiuj interagoj ofte okazas tra peranto kiel ekzemple entrepreno, kaj estas tipe granda fizika-kaj socia distanco inter esploristoj kaj partoprenantoj. Tiu malproksima interagado faras kelkajn aferojn kiuj estas facilaj en analoga aĝo esploro malfacila en diĝita aĝo esplorado, kiel kribranta el partoprenantoj kiuj postulas ekstran protekton, detektante adversaj okazaĵoj kaj remediating damaĝo se ĝi okazas. Ekzemple, ni kontrastas Emocia kontaĝas kun hipoteza laboratorio eksperimento sur la sama temo. En la laboratorio eksperimento, esploristoj povis ŝirmi el iu ajn kiu alvenas al la laboratorion montrante evidentaj signoj de emocia aflikto. Plu, se la laboratorio eksperimento kreis adversa okazaĵo, esploristoj vidus ĝin, provizi servojn al remediate la malbonon, kaj tiam fari ĝustigas al la eksperimenta protokolo malhelpi estonteco nocas. La malproksima naturo de interago en la fakta Emocia kontaĝas eksperimento faras ĉiu el tiuj simplaj kaj saĝa paŝoj ekstreme malfacila. Ankaŭ, mi suspektas ke la distanco inter esploristoj kaj partoprenantoj faras esploristoj malpli sentema al la konzernoj de liaj partoprenantoj.

Aliaj fontoj de malkonsekvenca normoj kaj leĝoj. Iuj de ĉi nekonsekvenco venas el la fakto ke tiu esploro estas okazanta ĉie en la mondo. Ekzemple, Encore implikis homojn de ĉiuj super la mondo, kaj tial ĝi povas esti subjekto al la datumoj protekto kaj privateco leĝoj de multaj malsamaj landoj. Kio se la normoj kiuj regas triaj ttt petojn (kio Encore estis faranta) estas malsama en Germanio, Usono, Kenjo, kaj Ĉinio? Kio se la normoj ne eĉ kohera ene sola lando? Dua fonto de faktkonflikto devenas kunlaboradoj inter investigadores de universitatoj kaj kompanioj; ekzemple, Emocia kontaĝas estis kunlaborado inter datuma sciencisto ĉe Facebook kaj profesoro kaj gradstudanto en Cornell. Ĉe Facebook kurante grandaj eksperimentoj estas rutina kaj, tiutempe, ne postulas ajnan triaj etika revizio. Cornell la normoj kaj reguloj estas tre malsamaj; preskaŭ ĉiuj eksperimentoj devas esti reviziita de la Cornell IRB. Do, kion aro de reguloj devus regi Emocia kontaĝas-Facebook aŭ Cornell?

Por pli sur klopodojn revizii la Komuna Regulo, vidu Evans (2013) , Council (2014) , Metcalf (2016) , kaj Hudson and Collins (2015) .

• Kvar principojn (Sekcio 6.4)

La klasika principojn-bazita aliro al biomedicina etiko estas Beauchamp and Childress (2012) . Ili proponas ke kvar ĉefaj principoj devus gvidi biomedicina etiko: Respekto Aŭtonomeco, Nonmaleficence, bonfaro, kaj Justeco. La principo de nonmaleficence instigas unu abstini de kaŭzi damaĝon al aliaj homoj. Tiu koncepto estas profunde ligita al Hipocrático ideo de "Faru malbonon." En esploro etiko, tiu principo ofte estas kombinita kun la principo de bonfaro, sed vidu Beauchamp and Childress (2012) (Ĉapitro 5) Por pli sur la distingo inter la du . Por kritiko ke tiuj principoj estas tro usona, vidu Holm (1995) . Por pli sur balancadon kiam la principoj konflikto, vidu Gillon (2015) .

La kvar principoj en tiu ĉapitro ankaŭ estis proponitaj por gvidi etikaj komision por esplorado okazanta ĉe firmaoj kaj ONGs (Polonetsky, Tene, and Jerome 2015) tra korpoj nomitaj "Konsumanto Subject Review Boards" (CSRBs) (Calo 2013) .

• Respekto por Personoj (Sekcio 6.4.1)

Krom respektante aŭtonomeco, la Belmont ankaŭ agnoskas ke ne ĉiu homo kapablas vera memdispono. Ekzemple, infanoj, personoj suferas pro malsano, aŭ personoj vivantaj en situacioj de severe limigita libereco, ne povas agi kiel plene aŭtonomaj individuoj, kaj tiuj homoj estas, do, submetitaj al ekstra protekto.

Aplikanta la principon de Respekto por Personoj en la diĝita aĝo povas esti defia. Ekzemple, en cifereca erao esploroj, ĝi povas esti malfacila por disponigi kroman protektoj por personoj kun malpliigita kapablo de memdispono ĉar esploristoj ofte scias tre malmulte pri liaj partoprenantoj. Plui, informita konsento en diĝita aĝo socia esploro estas grandega defio. En iuj kazoj, vere informita konsento povas suferi de la travidebleco paradokso (Nissenbaum 2011) , kie informo kaj kompreno estas en konflikto. Malglate, se esploristoj provizi plenajn informojn pri la naturo de la datumoj kolekto, analizo de datumoj kaj datumoj sekureco praktikoj, estos malfacila por multaj partoprenantoj kompreni. Sed, se esploristoj disponigi komprenebla informon: eble mankas grava teknika informo. En medicina esploro en la analoga epoko-la regas fikso konsiderita de la Belmont-imagebla kuracisto parolis individue kun ĉiu partoprenanto helpi solvi la travidebleco paradokso. En enreta studoj implikantaj milojn aŭ milionojn de personoj, tia vizaĝo-al-vizaĝo alproksimiĝo estas neebla. Dua problemo kun konsento en la cifereca erao estas kiu en iuj studoj, kiel analizo de amasa datumoj deponejoj, ĝi estus nepraktika por akiri informita konsento de ĉiuj partoprenantoj. Mi diskutos tiuj kaj aliaj demandoj pri informita konsento en pli detalo en Sekcio 6.6.1. Malgraŭ tiuj malfacilaĵoj, tamen, ni devas memori ke informita konsento estas nek necesa nek sufiĉa por Respekto por Personoj.

Por pli sur medicina esploro antaŭe informita konsento, vidu Miller (2014) . Por libro-longa traktado de informitan konsenton, vidu Manson and O'Neill (2007) . Vidu ankaŭ la sugestitaj legaĵoj pri informita konsento sube.

• Bonfaro (Sekcio 6.4.2)

Nocas al kunteksto estas la damaĝo ke esploro povas kaŭzi ne specifaj personoj sed al sociaj difinoj. Tiu koncepto estas iom abstrakta, sed mi ilustri ĝin kun du ekzemploj: unu analoga kaj cifereca.

Klasika ekzemplo de nocas al kunteksto venas de la Wichita Ĵurio Studo [ Vaughan (1967) ; Katz, Capron, and Glass (1972) ; Ch 2.] - Ankaŭ kelkfoje nomita la Ĉikago Ĵurio Projekto (Cornwell 2010) . En tiu studo investigadores de la Universitato de Ĉikago, kiel parto de pli granda studo pri sociaj aspektoj de la jura sistemo, sekrete registris ses ĵurio diskutoj en Wichita, Kansaso. La juĝistoj kaj advokatoj en la kazoj estis aprobita la registradoj, kaj ekzistis striktaj komision en la procezo. Tamen, la ĵurianoj estis nekonscia ke registradoj estis okazanta. Iam la studo estis malkovrita, estis publika indigno. La justicministerio komencis esploron de la studo, kaj la esploristoj estis nomita al atesti antaŭ la Kongreso. Finfine, la Kongreso pasigis novan leĝon kiu faras neleĝe sekrete gravuri ĵurio konsiderado.

La maltrankvilo de kritikistoj de la Wichita Ĵurio Studo ne malutili al partoprenantoj; prefere, ĝi nocas al la kunteksto de ĵurio konsiderado. Te personoj kredis ke se ĵuriomembroj ne kredis ke ili estis havanta diskutojn en sekura kaj protektita spaco, estus pli malfacila por ĵurio diskutoj pluiri en la estonteco. Krom ĵurio konsiderado, estas aliaj specifaj sociaj kontekstoj ke socio provizas per ekstra protekto kiel advokato kaj kliento rilatoj kaj psikologia prizorgo (MacCarthy 2015) .

La risko de damaĝoj al kunteksto kaj la disrompiĝo de sociaj sistemoj ankaŭ venas supren en iu kampo eksperimentoj en Politika Scienco (Desposato 2016b) . Por ekzemplo de pli kunteksto-sentema kosto-utilo kalkulon por kampo eksperimento en Politika Scienco, vidu Zimmerman (2016) .

• Justeco (Sekcio 6.4.3)

Kompenso por partoprenantoj estis diskutita en kelkaj difinoj rilataj al cifereca erao esploro. Lanier (2014) proponis pagi partoprenantoj por cifereca spuroj ili generas. Bederson and Quinn (2011) diskutas pagoj en enreta labormerkatoj. Fine, Desposato (2016a) proponas pagi partoprenantoj en kampo eksperimentoj. Li atentigas, ke eĉ se la partoprenantoj ne povas esti pagita rekte, donaco povus esti farita al grupo laboras en lia nomo. Ekzemple, en Encore la esploristoj povis fari donacon al grupo laboranta subteni aliro al la Interreto.

• Respekto por leĝo kaj Publika Intereso (Sekcio 6.4.4)

Kondiĉoj de servo interkonsentoj devas havi malpli pezo ol kontraktoj negocitaj inter egalaj partoj kaj leĝoj kreitaj de leĝa registaroj. Situacioj kie esploristoj kripligas esprimoj-de-servo interkonsentoj en la pasinteco ĝenerale engaĝi uzante aŭtomatigitaj pridemandojn revizii la konduton de firmaoj (kiel kampo eksperimentojn por mezuri diskriminacio). Por plia diskuto vidi Vaccaro et al. (2015) , Bruckman (2016a) , Bruckman (2016b) . Por ekzemplo de empiria esplorado kiu diskutas terminoj de servo, vidu Soeller et al. (2016) . Por pli sur la eblaj juraj problemoj esploristoj alfronti se ili malobservas terminoj de servo vidi Sandvig and Karahalios (2016) .

• Du etikaj kadroj (Sekcio 6.5)

Evidente, enormaj kvantoj estis skribita pri consequentialism kaj deontología. Por ekzemplo de kiel tiuj etikaj kadroj, kaj aliaj, povas esti uzata por diskuti pri diĝita aĝo esplorado, vidu Zevenbergen et al. (2015) . Por ekzemplo de kiel tiuj etikaj kadroj povas esti aplikita al kampo eksperimentoj en disvolvi ekonomiko, vidu Baele (2013) .

• Informitan konsenton (Sekcio 6.6.1)

Por pli sur auditoría studoj de diskriminacio, vidu Pager (2007) kaj Riach and Rich (2004) . Ne nur ĉi tiuj studoj ne havas informita konsento, ili ankaŭ engaĝi trompo sen analizadon.

Ambaŭ Desposato (2016a) kaj Humphreys (2015) oferto konsiloj pri kampo eksperimentojn sen konsento.

Sommers and Miller (2013) recenzoj multaj argumentoj al favoro de ne analizadon partoprenantoj post trompado, kaj argumentas ke esploristoj devas rezigni "analizadon sub tre mallarĝa aro de cirkonstancoj, nome, en kampo de esploro en kiu analizadon pozas konsiderinda praktika baroj sed esploristoj havus neniujn provizojn pri analizadon se ili povus. Esploristoj ne rajtas rezigni analizadon por konservi naiva partoprenanto lageto, ŝirmi sin de partoprenanto kolero aŭ protekti partoprenantoj el malbono. "Aliaj argumentas ke se analizadon kaŭzas pli malbone ol bone ĝi devus esti evitita. Analizadon estas kazo kie iuj esploristoj prioritatigi Respekto Persons super bonfaro, kaj kelkaj esploristoj faras la malon. Unu ebla solvo estus trovi manierojn por fari analizadon de lernanta sperton por la partoprenantoj. Te, prefere ol pensas analizadon kiel iu kiu povas kaŭzi damaĝon, eble analizadon povas ankaŭ esti io ke profitigas partoprenantoj. Por ekzemplo de tiu speco de edukado analizadon, vidu Jagatic et al. (2007) sur analizadon studentoj post sociaj phishing eksperimento. Psikologoj evoluigis teknikojn por analizadon (DS Holmes 1976a; DS Holmes 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) kaj kelkaj el tiuj povas esti utile aplikata al cifereca erao esploro. Humphreys (2015) proponas interesajn pensojn pri prokrastita konsento, kiu estas proksime rilatita al la analizadon strategio kiun mi priskribis.

La ideo de demandanta specimenon de partoprenantoj por ilia konsento rilatigas al kio Humphreys (2015) nomas konkludis konsento.

Plia ideo kiu estis proponita rilatajn al informita konsento estas konstrui panelon de personoj kiuj konsentas esti en enreta eksperimentoj (Crawford 2014) . Kelkaj argumentis ke tiu panelo estus ne-hazarda specimeno de personoj. Sed, Ĉapitro 3 (Asking demandoj) montras ke tiuj problemoj estas potenciale direccionable uzante post-tavoliĝo kaj specimenaj trafa. Ankaŭ, konsenton sur la panelo povus kovri diversajn eksperimentojn. Alivorte, partoprenantoj eble ne bezonos konsenti ĉiu eksperimento individue, koncepto nomita larĝa konsento (Sheehan 2011) .

• Komprenon kaj peranto informa risko (Sekcio 6.6.2)

For de unika, la Netflix Premio ilustras gravan teknikan proprieto de datumaroj kiuj enhavas detalajn informojn pri personoj, kaj tiel proponas gravajn lecionojn pri la eblo de "anonymization" de modernaj sociaj datumaroj. Dosierojn kun multaj pecoj de informo pri ĉiu persono estas verŝajne maldensa, en la senco difinita formale en Narayanan and Shmatikov (2008) . Te, por ĉiu rekordo ne estas registroj kiuj estas samaj, kaj fakte ne ekzistas registroj kiuj estas tre similaj: ĉiu persono estas malproksime de ilia plej proksima najbaro en la datumaro. Oni povas imagi ke la Netflix datumoj povus esti malabundaj ĉar kun ĉirkaŭ 20.000 filmoj sur 5 stelo skalo, estas ĉirkaŭ \ (6 ^ {20.000} \) eblaj valoroj kiujn ĉiu persono povus havi (6 ĉar krom unu al 5 steloj , iu eble ne aprezis la filmon ĉe ĉiuj). Tiu nombro estas tiom granda, estas malfacile eĉ kompreni.

Malmulteco havas du ĉefajn implicojn. Unue, ĝi signifas ke provante "anonymize" la aro de datumoj bazita sur hazarda perturbo probable malsukcesos. Nome, eĉ se Netflix estis hazarde ĝustigi iujn de la ratings (kiun ili faris), tio ne estus sufiĉa ĉar la perturbita rekordo estas daŭre la plej proksima ebla rekordon por la informo ke la atakanto havas. Dua, la malmulteco signifas ke de-anonymization eblas eĉ se la atacante havas neperfekta aŭ objektivan scion. Ekzemple, en la Netflix datumoj, imagu la atacante konas vian ratings por du filmoj kaj la datojn vi faris tiujn rangigojn +/- 3 tagoj; nur tiun informon sole estas sufiĉa por unike identigi 68% de homoj en la Netflix datumoj. Se la atakantoj scias 8 filmoj kiujn vi taksis +/- 14 tagoj, tiam eĉ se du el tiuj konataj rangigoj estas tute erara, 99% de rekordoj povas esti unike identigitaj en la datumaro. Alivorte, malmulteco estas fundamenta problemo por klopodoj "anonymize" datumoj, kiu estas malfeliĉa ĉar plej modernaj sociaj datumaro estas disa.

Telefona metadatenoj ankaŭ povus aperi esti "anonima" kaj ne sentema, sed tio ne estas la kazo. Telefona metadatenoj identigebla kaj sentema (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

En Figuro 6.6, mi skizis eksteren komerco-off inter riskon al partoprenantoj kaj profitoj al esploro de datumoj liberigo. Por komparo inter limigita aliro aliroj (ekz amurallada ĝardeno) kaj limigitaj datumoj aliroj (ekzemple, iu formo de anonymization) vidi Reiter and Kinney (2011) . Por proponitan categorización sistemo de risko niveloj de datumoj, vidu Sweeney, Crosas, and Bar-Sinai (2015) . Fine, por pli ĝenerala diskuto de datumoj sharing, vidu Yakowitz (2011) .

Por pli detala analizo de ĉi komerco-off inter la risko kaj utilecon de datumoj, vidu Brickell and Shmatikov (2008) , Ohm (2010) , Wu (2013) , Reiter (2012) , kaj Goroff (2015) . Vidi ĉi komerco-off aplikita al realaj datumoj de masive malfermita retaj kursoj (MOOCs), vidu Daries et al. (2014) kaj Angiuli, Blitzstein, and Waldo (2015) .

Diferenciala privateco ankaŭ proponas alternativan aliron kiu povas kombini ambaŭ alta utilo al socio kaj malalta risko por partoprenantoj, vidu Dwork and Roth (2014) kaj Narayanan, Huey, and Felten (2016) .

Por pli sur la koncepto de personan informon (PII), kiu estas centra al multaj de la reguloj pri esploro etiko, vidu Narayanan and Shmatikov (2010) kaj Schwartz and Solove (2011) . Por pli sur ĉiuj datumoj esti potenciale sentema, vidu Ohm (2015) .

En tiu sekcio, mi portretis la ligo de malsamaj datumaroj kiel iu kiu povas konduki al informa risko. Tamen, ĝi povas ankaŭ krei novajn ŝancojn por esplorado, tiel argumentis en Currie (2013) .

Por pli sur la kvin Safes, vidu Desai, Ritchie, and Welpton (2016) . Por ekzemplo de kiel eliroj povas identigi, vidu Brownstein, Cassa, and Mandl (2006) , kiu montras kiel mapoj de malsano prevalencia eblas identigi. Dwork et al. (2017) konsideras ankaŭ atakoj kontraŭ entuta datumo, kiaj statistikoj pri kiom da individuoj havas certan malsanon.

• Regularo (Sekcio 6.6.3)

Warren and Brandeis (1890) estas limŝtono jura artikolo pri privateco, kaj la teksto estas plej asociita kun la ideo ke privateco estas rajto resti sola. Pli ĵus libro longo traktadoj de privacidad kiu mi rekomendus inkludas Solove (2010) kaj Nissenbaum (2010) .

Por revizio de empiria esplorado sur kiel homoj pensas pri privateco, vidu Acquisti, Brandimarte, and Loewenstein (2015) . La revuo Science eldonis specialan numeron titolita "La Fino de Privacidad", kiu traktas la problemojn de privacidad kaj informo risko de vario de malsamaj perspektivoj; por resumon vidi Enserink and Chin (2015) . Calo (2011) proponas kadron por pensado pri la damaĝoj kiuj venas de privateco seksperfortadoj. Frua ekzemplo de zorgoj pri privateco en la tre komencoj de la cifereca erao estas Packard (1964) .

• Farante decidojn sub necerteco (Sekcio 6.6.4)

Unu defio kiam klopodas apliki la minimuman riskon normo estas ke ĝi ne estas klara kies ĉiutaga vivo estas esti uzita por benchmarking (Council 2014) . Ekzemple, senhejmaj homoj havas pli altajn nivelojn de malkomforto en siaj ĉiutagaj vivoj. Sed, tio ne implicas ke estas etike permesebla elmontri senhejmaj homoj al pli alta risko de esploro. Por tio, tie ŝajnas esti kreskanta konsento kiu minimuma risko devas benchmarked kontraŭ ĝenerala loĝantaro normo, ne specifa loĝantaro normo. Dum mi ĝenerale konsentas kun la ideo de ĝenerala loĝantaro normo, mi opinias ke por grandaj platformoj en linio kiel Facebook, specifa loĝantaro normo estas racia. Tio estas, al la konsideri Emocia kontaĝas, mi opinias ke ĝi estas racie etalono kontraŭ ĉiutaga risko en Facebook. Specifa loĝantaro normo en ĉi tiu kazo estas multe pli facile taksi kaj verŝajne ne konfliktas kun la principo de justeco, kiu serĉas eviti la jugo de esploro malsukcesado maljuste sur malfavorataj grupoj (ekz, malliberuloj kaj orfoj).

• Praktikaj konsiletoj (Sekcio 6.7)

Aliaj akademiuloj ankaŭ postulis pli paperoj inkludi etikaj apendicoj (Schultze and Mason 2012; Kosinski et al. 2015) . King and Sands (2015) ankaŭ ofertas praktikajn konsiletojn.