អ្វីដែលត្រូវអានបន្ទាប់

• សេចក្តីផ្តើម (ផ្នែកទី 6.1)

ក្រមសីលធម៌ស្រាវជ្រាវបានរួមបញ្ចូលផងដែរនូវប្រធានបទដូចជាការក្លែងបន្លំវិទ្យាសាស្រ្តនិងការបែងចែកឥណទាន។ ទាំងនេះត្រូវបានលើកយកមកពិភាក្សាយ៉ាងលំអិតក្នុង ការធ្វើជាអ្នកវិទ្យាសាស្រ្ត ដោយ Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) ។

ជំពូកនេះត្រូវបានរងឥទ្ធិពលយ៉ាងខ្លាំងដោយស្ថានភាពនៅសហរដ្ឋអាមេរិក។ សម្រាប់ព័ត៌មានបន្ថែមអំពីនីតិវិធីពិនិត្យមើលសីលធម៌នៅប្រទេសផ្សេងទៀតសូមមើលជំពូក 6-9 នៃ Desposato (2016b) ។ ចំពោះអំណះអំណាងដែលគោលការណ៍សីលធម៌វិជ្ជាជីវៈដែលបានជះឥទ្ធិពលលើជំពូកនេះគឺហួសសម័យអាមេរិចសូមមើល Holm (1995) ។ ចំពោះការពិនិត្យឡើងវិញអំពីប្រវត្តិសាស្រ្តរបស់ក្រុមប្រឹក្សាត្រួតពិនិត្យស្ថាប័ននៅក្នុងសហរដ្ឋអាមេរិកសូមមើល Stark (2012) ។ ទិនានុប្បវត្តិ PS: វិទ្យាសាស្រ្តនយោបាយនិងនយោបាយ បានប្រារព្ធសន្និសីទវិជ្ជាជីវៈស្តីពីទំនាក់ទំនងរវាងអ្នកវិទ្យាសាស្រ្តនយោបាយនិង IRBs មួយ; សូមមើល Martinez-Ebers (2016) សម្រាប់សេចក្ដីសង្ខេបមួយ។

របាយការណ៍ Belmont និងបទបញ្ជាជាបន្តបន្ទាប់នៅសហរដ្ឋអាមេរិចមានលក្ខណៈខុសគ្នារវាងការស្រាវជ្រាវនិងការអនុវត្ត។ ខ្ញុំមិនបានបង្កើតភាពខុសគ្នានៅក្នុងជំពូកនេះទេព្រោះខ្ញុំគិតថាគោលការណ៍និងក្រមសីលធម៌អនុវត្តចំពោះការកំណត់ទាំងពីរ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីភាពខុសគ្នានិងបញ្ហាដែលវាដាក់បង្ហាញសូមមើល Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) និង Metcalf and Crawford (2016) ។

សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការគ្រប់គ្រងការស្រាវជ្រាវនៅហ្វេសប៊ុកសូមមើល Jackman and Kanerva (2016) ។ សម្រាប់គំនិតអំពីការត្រួតពិនិត្យការស្រាវជ្រាវនៅក្រុមហ៊ុននិងអង្គការមិនមែនរដ្ឋាភិបាលសូមមើល Calo (2013) , Polonetsky, Tene, and Jerome (2015) និង Tene and Polonetsky (2016) ។

ទាក់ទងទៅនឹងការប្រើប្រាស់ទិន្នន័យទូរស័ព្ទចល័តដើម្បីជួយដោះស្រាយការផ្ទុះឡើងនៃជំងឺ Ebola នៅអាហ្វ្រិកខាងលិច 2014 (Wesolowski et al. 2014; McDonald 2016) សម្រាប់ព័ត៌មានបន្ថែមអំពីហានិភ័យនៃភាពឯកជននៃទិន្នន័យទូរស័ព្ទដៃសូមមើល Mayer, Mutchler, and Mitchell (2016) ។ ឧទាហរណ៍អំពីការស្រាវជ្រាវដែលទាក់ទងនឹងវិបត្តិដោយប្រើទិន្នន័យទូរស័ព្ទចល័តសូមមើល Bengtsson et al. (2011) និង Lu, Bengtsson, and Holme (2012) និងសម្រាប់ព័ត៌មានបន្ថែមស្តីពីក្រមសីលធម៌នៃការស្រាវជ្រាវទាក់ទងនឹងវិបត្តិសូមមើល ( ??? ) ។

• ឧទាហរណ៍បី (ផ្នែកទី 6.2)

មនុស្សជាច្រើនបានសរសេរអំពីអារម្មណ៍រំភើប។ ទិនានុប្បវត្តិ ស្រាវជ្រាវសីលធម៌បានប ញ្ចោញបញ្ហាទាំងមូលរបស់ពួកគេនៅក្នុងខែមករាឆ្នាំ 2016 ដើម្បីពិភាក្សាការពិសោធន៍នេះ។ សូមមើល Hunter and Evans (2016) សម្រាប់ទិដ្ឋភាពទូទៅមួយ។ ដំណើរការនីតិវិធីនៃវិទ្យាស្ថានជាតិវិទ្យាសាស្ត្របាន ចេញផ្សាយពីរផ្នែកអំពីការពិសោធន៍នេះគឺ Kahn, Vayena, and Mastroianni (2014) និង Fiske and Hauser (2014) ។ បំណែកផ្សេងទៀតពីការពិសោធន៍នេះរួមមាន: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , និង ( ??? ) ។

• ឌីជីថលគឺខុសគ្នា (ផ្នែក 6.3)

ទាក់ទងនឹងការឃ្លាំមើលយ៉ាងទូលំទូលាយទិដ្ឋភាពទូទៅត្រូវបានផ្តល់នៅក្នុង Mayer-Schönberger (2009) និង Marx (2016) ។ សម្រាប់ឧទាហរណ៍ជាក់ស្តែងនៃការប្រែប្រួលតម្លៃនៃការឃ្លាំមើល Bankston and Soltani (2013) ប៉ាន់ប្រមាណថាការតាមដានជនសង្ស័យព្រហ្មទណ្ឌដោយប្រើទូរស័ព្ទដៃគឺមានតំលៃថោកប្រហែល 50 ដងជាងការប្រើប្រាស់ប្រព័ន្ធឃ្លាំមើលរាងកាយ។ សូមមើលផងដែរ Ajunwa, Crawford, and Schultz (2016) សម្រាប់ការពិភាក្សាអំពីការឃ្លាំមើលនៅកន្លែងធ្វើការ។ Bell and Gemmell (2009) ផ្តល់នូវទស្សនវិស័យសុទិដ្ឋិនិយមបន្ថែមទៀតលើការឃ្លាំមើលដោយខ្លួនឯង។

ក្រៅពីអាចតាមដានអាកប្បកិរិយាដែលអាចមើលឃើញដែលជាសាធារណៈឬជាផ្នែកសាធារណៈ (ឧ។ ចំណាប់អារម្មណ៍ទំនាក់ទំនងនិងពេលវេលា) អ្នកស្រាវជ្រាវអាចយល់ដឹងកាន់តែច្រើនឡើង ៗ អំពីអ្វីដែលអ្នកចូលរួមគិតថាជាឯកជន។ ឧទាហរណ៍ Michal Kosinski និងសហសេវិក (2013) បានបង្ហាញថាពួកគេអាចដឹងពីព័ត៌មានរសើបអំពីមនុស្សដូចជាការតំរង់ទិសផ្លូវភេទនិងការប្រើប្រាស់សារធាតុញៀនពីទិន្នន័យតាមដានឌីជីថលធម្មតា (Facebook Like) ។ នេះអាចស្តាប់ទៅគួរឱ្យខ្លាចប៉ុន្តែវិធីសាស្រ្ត Kosinski និងសហសេវិកដែលបានប្រើដែលរួមបញ្ចូលការតាមដានឌីជីថលការស្ទង់មតិនិងការរៀនសូត្រដែលត្រូវបានត្រួតពិនិត្យគឺជាអ្វីដែលខ្ញុំបានប្រាប់អ្នករួចទៅហើយ។ ចងចាំថានៅក្នុងជំពូក 3 (សំណួរសួរ) ។ ខ្ញុំបានប្រាប់អ្នកពីរបៀបដែល Joshua Blumenstock និងសហសេវិក (2015) បញ្ចូលទិន្នន័យស្ទង់មតិជាមួយទិន្នន័យទូរស័ព្ទដៃដើម្បីប៉ាន់ស្មានភាពក្រីក្រនៅប្រទេសរ៉្វាន់ដា។ វិធីសាស្ដ្រដូចគ្នានេះដែលអាចប្រើដើម្បីវាស់វែងភាពក្រីក្រក្នុងប្រទេសកំពុងអភិវឌ្ឍន៍ប្រកបដោយប្រសិទ្ធភាពក៏អាចត្រូវបានប្រើសម្រាប់ការសន្និដ្ឋានរំលោភបំពានសិទ្ធិឯកជន។

សម្រាប់ព័ត៌មានបន្ថែមអំពីការប្រើប្រាស់ទិន្នន័យអនុវិទ្យាល័យដោយអចេតនាដែលអាចកើតមានសូមមើល O'Doherty et al. (2016) ។ ក្រៅពីសក្តានុពលនៃការប្រើប្រាស់អនុវិទ្យាល័យដោយអចេតនាការបង្កើតមូលដ្ឋានគ្រឹះមេមិនពេញលេញអាចមានផលប៉ះពាល់ដល់ជីវិតសង្គមនិងនយោបាយប្រសិនបើមនុស្សមិនចង់អានសម្ភារៈមួយចំនួនឬពិភាក្សាអំពីប្រធានបទជាក់លាក់ណាមួយ។ សូមមើល Schauer (1978) និង Penney (2016) ។

ក្នុងករណីដែលមានច្បាប់ត្រួតស៊ីគ្នាជួនកាលអ្នកស្រាវជ្រាវចូលរួមក្នុង "ការទិញដូរបទប្បញ្ញត្តិ" (Grimmelmann 2015; Nickerson and Hyde 2016) ។ ជាពិសេសក្រុមអ្នកស្រាវជ្រាវខ្លះដែលចង់ជៀសវាងការត្រួតពិនិត្យរបស់ IRB អាចបង្កើតភាពជាដៃគូជាមួយអ្នកស្រាវជ្រាវដែលមិនត្រូវបានរ៉ាប់រងដោយ IRBs (ឧ។ មនុស្សនៅក្រុមហ៊ុនឬអង្គការក្រៅរដ្ឋាភិបាល) ហើយសហការីទាំងនោះប្រមូលនិងកំណត់អត្តសញ្ញាណទិន្នន័យ។ បន្ទាប់មកអ្នកស្រាវជ្រាវគ្របដណ្តប់ដោយ IRB អាចវិភាគទិន្នន័យដែលមិនបានកំណត់អត្តសញ្ញាណនេះដោយគ្មានការត្រួតពិនិត្យរបស់ IRB ពីព្រោះការស្រាវជ្រាវមិនត្រូវបានគេចាត់ទុកថាជា "ការស្រាវជ្រាវលើមនុស្សទេ" យ៉ាងហោចណាស់យោងទៅតាមការបកស្រាយខ្លះនៃច្បាប់បច្ចុប្បន្ន។ ប្រភេទនៃការគេចវេសលើ IRB នេះប្រហែលជាមិនស្របតាមវិធីសាស្រ្តដែលផ្អែកលើគោលការណ៏សីលធម៌ស្រាវជ្រាវទេ។

ក្នុងឆ្នាំ 2011 ការខិតខំប្រឹងប្រែងមួយបានចាប់ផ្តើមធ្វើបច្ចុប្បន្នភាពគោលការណ៍ទូទៅ, ហើយទីបំផុតដំណើរការនេះត្រូវបានបញ្ចប់នៅឆ្នាំ 2017 ( ??? ) ។ ដើម្បីទទួលបានព័ត៌មានបន្ថែមអំពីកិច្ចខិតខំប្រឹងប្រែងដើម្បីធ្វើបច្ចុប្បន្នភាពច្បាប់ទូទៅសូមមើល Evans (2013) National Research Council (2014) Hudson and Collins (2015) និង Metcalf (2016) ។

• គោលការណ៍ចំនួនបួន (ផ្នែក 6.4)

វិធីសាស្រ្តដែលមានមូលដ្ឋានលើគោលការណ៍បែបប្រពៃណីទៅនឹងក្រមសីលធម៌ជីវសាស្រ្តគឺថា Beauchamp and Childress (2012) ។ ពួកគេបានលើកឡើងថាគោលការណ៍សំខាន់ៗចំនួនបួនគួរតែណែនាំសីលធម៌វិជ្ជាជីវៈ: ការគោរពចំពោះស្វ័យភាព, Nonmaleficence, ផលប្រយោជន៍និងយុត្តិធម៌។ គោលការណ៍នៃ nonmaleficence ជម្រុញឱ្យមួយដើម្បីចៀសវាងពីការបង្កឱ្យមានផលប៉ះពាល់ដល់មនុស្សផ្សេងទៀត។ គំនិតនេះត្រូវបានផ្សារភ្ជាប់យ៉ាងខ្លាំងទៅនឹងគំនិតរបស់ Hippocratic នៃ "កុំធ្វើបាប" ។ នៅក្នុងក្រមសីលធម៌ស្រាវជ្រាវគោលការណ៍នេះត្រូវបានរួមបញ្ចូលជាញឹកញាប់ជាមួយនឹងគោលការណ៍នៃផលប្រយោជន៍ប៉ុន្តែសូមមើលជំពូកទី 5 នៃ @ beauchamp_principles_2012 សម្រាប់ព័ត៌មានបន្ថែមអំពីភាពខុសគ្នារវាងអ្នកទាំងពីរ។ ចំពោះការរិះគន់ថាគោលការណ៍ទាំងនេះគឺហួសពីអាមេរិចសូមមើល Holm (1995) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីតុល្យភាពនៅពេលមានជម្លោះគោលការណ៍សូមមើល Gillon (2015) ។

គោលការណ៍ទាំងបួនក្នុងជំពូកនេះក៏ត្រូវបានគេស្នើឡើងផងដែរដើម្បីណែនាំការត្រួតពិនិត្យសីលធម៌សម្រាប់ការស្រាវជ្រាវដែលត្រូវបានធ្វើនៅក្រុមហ៊ុននិងអង្គការក្រៅរដ្ឋាភិបាល (Polonetsky, Tene, and Jerome 2015) តាមរយៈសាក្សីដែលហៅថា "ក្រុមប្រឹក្សាពិនិត្យប្រធានបទអ្នកប្រើប្រាស់" (CSRBs) (Calo 2013) ។

• ការគោរពចំពោះមនុស្ស (ផ្នែក 6.4.1)

ក្រៅពីការគោរពសិទ្ធិស្វ័យភាពរបាយការណ៍ Belmont ក៏ទទួលស្គាល់ផងដែរថាមិនមែនមនុស្សគ្រប់រូបអាចមានសមត្ថភាពក្នុងការប្តេជ្ញាចិត្តពិតប្រាកដនោះទេ។ ជាឧទាហរណ៍កុមារកុមាររងគ្រោះដោយសារជំងឺឬអ្នកដែលរស់នៅក្នុងស្ថានភាពដែលមានសេរីភាពយ៉ាងតឹងរ៉ឹងមិនអាចនឹងធ្វើសកម្មភាពជាបុគ្គលស្វយ័តពេញលេញបានទេដូច្នេះអ្នកទាំងនេះត្រូវទទួលការការពារបន្ថែម។

ការអនុវត្តគោលការណ៍នៃការគោរពចំពោះមនុស្សក្នុងយុគសម័យឌីជីថលអាចជាឧបសគ្គ។ ឧទាហរណ៍ក្នុងការស្រាវជ្រាវតាមឌីជីថលវាអាចពិបាកក្នុងការផ្តល់ការការពារបន្ថែមដល់អ្នកដែលមានសមត្ថភាពបន្ថយខ្លួនឯងដោយសារអ្នកស្រាវជ្រាវតែងតែដឹងតិចតួចអំពីអ្នកចូលរួមរបស់ពួកគេ។ លើសពីនេះទៅទៀតការយល់ស្របជាព័ត៌មានក្នុងការស្រាវជ្រាវសង្គមឌីជីថលគឺជាបញ្ហាប្រឈមដ៏ធំមួយ។ ក្នុងករណីខ្លះការយល់ស្របពិតប្រាកដអាចទទួលរងនូវ ភាពមិនស្របគ្នា នៃ តម្លាភាព (Nissenbaum 2011) ដែល ព័ត៌មាន និងការ យល់ដឹង មានទំនាស់។ ប្រហែលអ្នកស្រាវជ្រាវផ្តល់ព័ត៌មានពេញលេញអំពីធម្មជាតិនៃការប្រមូលទិន្នន័យការវិភាគទិន្នន័យនិងការអនុវត្តសុវត្ថិភាពទិន្នន័យវានឹងពិបាកសម្រាប់អ្នកចូលរួមជាច្រើនយល់។ ប៉ុន្តែប្រសិនបើអ្នកស្រាវជ្រាវផ្តល់នូវព័ត៌មានដែលអាចយល់បានវាប្រហែលជាខ្វះព័ត៌មានលម្អិតបច្ចេកទេស។ នៅក្នុងការស្រាវជ្រាវវេជ្ជសាស្រ្តនៅក្នុងអាយុអាណាឡូកដែលជាការកំណត់គ្របដណ្ដប់ដែលត្រូវបានពិចារណាដោយរបាយការណ៍ Belmont - មនុស្សម្នាក់អាចស្រមៃថាគ្រូពេទ្យម្នាក់និយាយគ្នាជាមួយអ្នកចូលរួមម្នាក់ៗដើម្បីជួយដោះស្រាយភាពថ្លឹងថ្លែងនៃតម្លាភាព។ ក្នុងការសិក្សាតាមអ៊ិនធរណេតដែលមានមនុស្សរាប់ពាន់នាក់ឬរាប់លាននាក់នោះវិធីសាស្រ្តបែបនេះគឺមិនអាចទៅរួចទេ។ បញ្ហាទីពីរដែលមានការព្រមព្រៀងក្នុងយុគសម័យឌីជីថលគឺថានៅក្នុងការសិក្សាមួយចំនួនដូចជាការវិភាគឃ្លាំងទិន្នន័យដ៏ធំវានឹងមិនមានប្រសិទ្ធភាពដើម្បីទទួលបានការយល់ព្រមពីអ្នកចូលរួមទាំងអស់នោះទេ។ ខ្ញុំពិភាក្សាអំពីសំណួរទាំងនេះនិងសំណួរផ្សេងៗទៀតអំពីការយល់ព្រមដែលមានព័ត៌មានលម្អិតនៅក្នុងផ្នែកទី 6.6.1 ។ ទោះបីជាមានការលំបាកទាំងនេះក៏ដោយក៏យើងគួរចងចាំថាការព្រមព្រៀងដែលបានដឹងមិនចាំបាច់និងមិនគ្រប់គ្រាន់សម្រាប់ការគោរពមនុស្សទេ។

សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការស្រាវជ្រាវផ្នែកវេជ្ជសាស្រ្តមុនពេលមានការយល់ព្រមសូមមើល Miller (2014) ។ ចំពោះការព្យាបាលដែលមានរយៈពេលវែងនៃការយល់ស្របសូមមើល Manson and O'Neill (2007) ។ សូមមើលផងដែរនូវការស្នើដែលបានស្នើអំពីការយល់ស្របដែលបានធ្វើនៅខាងក្រោម។

• អត្ថប្រយោជន៍ (ផ្នែក 6.4.2)

ះថាក់ដល់បរិបទគឺជាះថាក់ដលការវវអាចបណា្ខលឱ្យមិនឱ្យជាជនជាក់លាក់ប៉ុន្តចំះការកំណត់សង្គម។ គំនិតនេះគឺសង្ខេបបន្តិចបន្តួចប៉ុន្តែខ្ញុំនឹងពន្យល់ជាមួយឧទាហរណ៍បុរាណមួយគឺការសិក្សា Wichita Jury (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) ជួនកាលគេហៅថាគម្រោង Jury Chicago (Cornwell 2010) ។ ក្នុងការសិក្សានេះក្រុមអ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យឈីកាហ្គោដែលជាផ្នែកមួយនៃការសិក្សាធំជាងមុននៃទិដ្ឋភាពសង្គមនៃប្រព័ន្ធច្បាប់បានកត់ត្រាដោយសម្ងាត់នូវការជំនុំជម្រះរបស់ចៅក្រមចំនួនប្រាំមួយនៅ Wichita, Kansas ។ ចៅក្រមនិងមេធាវីក្នុងសំណុំរឿងបានអនុម័តការថតចម្លងហើយមានការត្រួតពិនិត្យយ៉ាងតឹងរ៉ឹងលើដំណើរការនេះ។ ទោះយ៉ាងណាក៏ដោយចៅក្រមមិនបានដឹងថាការថតសម្លេងបានកើតឡើងទេ។ នៅពេលការស្រាវជ្រាវត្រូវបានរកឃើញមានកំហឹងជាសាធារណៈ។ នាយកដ្ឋានយុត្តិធម៌បានចាប់ផ្តើមស៊ើបអង្កេតលើការស្រាវជ្រាវនេះហើយអ្នកស្រាវជ្រាវត្រូវបានគេហៅឱ្យថ្លែងទីបន្ទាល់នៅមុខសភា។ នៅទីបំផុតសភាបានអនុម័តច្បាប់ថ្មីមួយដែលធ្វើឱ្យវាខុសច្បាប់ក្នុងការចងក្រងកត់ត្រាដោយអចេតនាអំពីការពិចារណារបស់គណៈវិនិច្ឆ័យ។

ការព្រួយបារម្ភរបស់អ្នករិះគន់ទៅលើការសិក្សា Wichita Jury ការសិក្សាមិនមែនជាហានិភ័យនៃការប៉ះពាល់ដល់អ្នកចូលរួមនោះទេ។ ផ្ទុយទៅវិញវាជាហានិភ័យនៃការបង្កគ្រោះថ្នាក់ដល់បរិបទនៃការសម្រេចរបស់គណៈវិនិច្ឆ័យ។ នោះហើយជាមនុស្សគិតថាប្រសិនបើសមាជិកក្រុមប្រឹក្សាសន្តិសុខមិនជឿថាពួកគេកំពុងពិភាក្សាគ្នានៅកន្លែងដែលមានសុវត្ថិភាពនិងការពារនោះវានឹងពិបាកសម្រាប់ការជំនុំជំរះដើម្បីបន្តទៅអនាគត។ ក្រៅពីការពិចារណារបស់គណៈវិនិច្ឆ័យមានបរិបទសង្គមជាក់លាក់ផ្សេងទៀតដែលសង្គមផ្តល់ឱ្យដោយការការពារបន្ថែមដូចជាទំនាក់ទំនងមេធាវីនិងការថែទាំផ្លូវចិត្ត (MacCarthy 2015) ។

ហានិភ័យនៃការប៉ះពាល់ដល់បរិបទនិងការរំខាននៃប្រព័ន្ធសង្គមក៏កើតមានឡើងក្នុងការពិសោធន៍លើវិស័យនយោបាយមួយចំនួន (Desposato 2016b) ។ ឧទាហរណ៍អំពីការគណនាតម្លៃផលប្រយោជន៍សម្រាប់បរិយាកាសមួយដែលមានលក្ខណៈពិស្ដារជាងមុនសម្រាប់ការពិសោធន៍លើវិស័យវិទ្យាសាស្ត្រនយោបាយសូមមើល Zimmerman (2016) ។

• យុត្តិធម៌ (ផ្នែក 6.4.3)

សំណងសម្រាប់អ្នកចូលរួមត្រូវបានគេពិភាក្សានៅក្នុងការកំណត់មួយចំនួនទាក់ទងនឹងការស្រាវជ្រាវតាមឌីជីថល។ Lanier (2014) ស្នើសុំឱ្យអ្នកចូលរួមបង់ប្រាក់សម្រាប់ដានឌីជីថលដែលពួកគេបង្កើត។ Bederson and Quinn (2011) ពិភាក្សាពីការចំណាយក្នុងទីផ្សារការងារតាមអនឡាញ។ ជាចុងបញ្ចប់លោក Desposato (2016a) ស្នើឱ្យចំណាយលើអ្នកចូលរួមក្នុងការធ្វើពិសោធន៍នៅទីវាល។ គាត់បានចង្អុលបង្ហាញថាទោះបីជាអ្នកចូលរួមមិនអាចបង់ប្រាក់ដោយផ្ទាល់ក៏ដោយក៏ការបរិច្ចាគអាចត្រូវបានធ្វើឡើងចំពោះក្រុមដែលកំពុងធ្វើការជំនួសពួកគេ។ ឧទាហរណ៍នៅក្នុង Encore អ្នកស្រាវជ្រាវអាចធ្វើការបរិច្ចាគដល់ក្រុមមួយដែលធ្វើការដើម្បីគាំទ្រការចូលប្រើអ៊ីនធឺណិត។

• ការគោរពច្បាប់និងផលប្រយោជន៍សាធារណៈ (ផ្នែក 6.4.4)

កិច្ចព្រមព្រៀងនៃកិច្ចព្រមព្រៀងគួរតែមានទម្ងន់តិចជាងកិច្ចសន្យាដែលបានចរចាររវាងគណបក្សស្មើៗគ្នានិងច្បាប់ដែលបង្កើតឡើងដោយរដ្ឋាភិបាលស្របច្បាប់។ ស្ថានភាពដែលអ្នកស្រាវជ្រាវបានបំពានលើកិច្ចព្រមព្រៀងលក្ខខណ្ឌសេវាកម្មនៃអតីតកាលជាទូទៅពាក់ព័ន្ធនឹងការប្រើសំណួរដោយស្វ័យប្រវត្តិដើម្បីត្រួតពិនិត្យអាកប្បកិរិយារបស់ក្រុមហ៊ុន (ដូចជាការសាកល្បងវាលដើម្បីវាស់ការរើសអើង) ។ សម្រាប់ការពិភាក្សាបន្ថែមសូមមើល Vaccaro et al. (2015) Bruckman (2016a) និង Bruckman (2016b) ។ ឧទាហរណ៍អំពីការស្រាវជ្រាវពិសោធន៍ដែលពិភាកអំពីលក្ខខណ្ឌនៃសេវាកម្មសូមមើល Soeller et al. (2016) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីបញ្ហាផ្លូវច្បាប់អ្នកស្រាវជ្រាវអាចប្រឈមមុខប្រសិនបើពួកគេបំពានលក្ខខណ្ឌនៃសេវាកម្មសូមមើល Sandvig and Karahalios (2016) ។

• ក្របខ័ណ្ឌសីលធម៌ពីរ (ផ្នែកទី 6.5)

ជាក់ស្តែងបរិមាណដ៏ធំសម្បើមមួយត្រូវបានគេសរសេរអំពីផលវិបាកនិងចរិតវិទ្យា។ ឧទាហរណ៍អំពីក្របខ័ណ្ឌក្រមសីលធម៌ទាំងនេះនិងអ្វីផ្សេងៗទៀតអាចត្រូវបានប្រើដើម្បីវែកញែកអំពីការស្រាវជ្រាវតាមឌីជីថល។ សូមមើល Zevenbergen et al. (2015) ។ ឧទាហរណ៍អំពីរបៀបដែលពួកវាអាចយកមកប្រើក្នុងការពិសោធន៍លើវាលក្នុងការអភិវឌ្ឍសេដ្ឋកិច្ចសូមមើល Baele (2013) ។

• ការព្រមព្រៀង (ផ្នែក 6.6.1)

សម្រាប់ព័ត៌មានបន្ថែមស្តីពីការធ្វើសវនកម្មលើការរើសអើងសូមមើល Pager (2007) និង Riach and Rich (2004) ។ មិនត្រឹមតែការសិក្សាទាំងនេះមិនមានការយល់ដឹងច្បាស់លាស់ទេពួកគេក៏មានការភូតកុហកផងដែរដោយគ្មានការផ្តល់សុន្ទរកថា។

ទាំងពីរ Desposato (2016a) និង Humphreys (2015) ផ្តល់ដំបូន្មានអំពីការពិសោធន៍នៅទីវាលដោយគ្មានការយល់ព្រម។

Sommers and Miller (2013) ពិនិត្យឡើងវិញនូវអំណះអំណាងជាច្រើនក្នុងការពេញចិត្តនៃអ្នកចូលរួមក្នុងការប្រជុំសង្ខេបបន្ទាប់ពីការបោកប្រាស់ហើយអះអាងថាក្រុមអ្នកស្រាវជ្រាវគួរតែគេចចេញ

នៅក្រោមកាលៈទេសៈតិចតួចណាស់ក្នុងការស្រាវជ្រាវវាលដែលការធ្វើសិក្ខាសាលាបង្កឱ្យមានឧបសគ្គជាក់ស្តែងគួរឱ្យកត់សម្គាល់ប៉ុន្តែអ្នកស្រាវជ្រាវមិនមានការខ្វល់ខ្វាយអំពីការផ្តល់សុន្ទរកថាទេប្រសិនបើពួកគេអាចធ្វើបាន។ អ្នកស្រាវជ្រាវមិនគួរត្រូវបានគេអនុញ្ញាតឱ្យចាកចេញពីការធ្វើសិក្ខាសាលាដើម្បីអភិរក្សអាងទឹកដែលឆោតល្ងង់មួយ, ការពារខ្លួនឯងពីកំហឹងអ្នកចូលរួមឬការពារអ្នកចូលរួមពីគ្រោះថ្នាក់។

អ្នកផ្សេងទៀតជំទាស់ថានៅក្នុងស្ថានភាពមួយចំនួនប្រសិនបើ debriefing បណ្តាលឱ្យមានះថាក់ច្រើនជាងល្អវាគួរតែត្រូវបានជៀសវាង (Finn and Jakobsson 2007) ។ ការធ្វើសុន្ទរកថាគឺជាករណីមួយដែលក្រុមអ្នកស្រាវជ្រាវមួយចំនួនកំណត់អាទិភាពលើការគោរពមនុស្សពីផលប្រយោជន៍ចំណែកអ្នកស្រាវជ្រាវខ្លះធ្វើផ្ទុយ។ ដំណោះស្រាយមួយដែលអាចទៅរួចគឺត្រូវរកវិធីដើម្បីធ្វើបទបង្ហាញអំពីបទពិសោធន៍រៀនសូត្រសម្រាប់អ្នកចូលរួម។ នោះមានន័យថាជាការគិតអំពីការនិយាយជាអ្វីមួយដែលអាចបង្កឱ្យមានគ្រោះថ្នាក់ហើយប្រហែលជាការផ្តល់សុន្ទរកថាក៏អាចផ្តល់អត្ថប្រយោជន៍ដល់អ្នកចូលរួមផងដែរ។ ឧទាហរណ៏នៃប្រភេទនៃការធ្វើរបាយការណ៍អប់រំនេះសូមមើល Jagatic et al. (2007) ។ អ្នកចិត្តសាស្រ្តបានបង្កើតបច្ចេកទេសសម្រាប់ការផ្តល់សុន្ទរកថា (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) ហើយមួយចំនួននៃទាំងនេះអាចត្រូវបានប្រើប្រាស់យ៉ាងមានប្រសិទ្ធភាពចំពោះការស្រាវជ្រាវតាមឌីជីថល។ Humphreys (2015) ផ្តល់ជូននូវគំនិតគួរឱ្យចាប់អារម្មណ៍អំពី ការយល់ព្រម ដែល ពន្យារពេល ដែលពាក់ព័ន្ធយ៉ាងជិតស្និទ្ធទៅនឹងយុទ្ធសាស្រ្តកំណត់សង្ខេបដែលខ្ញុំបានពិពណ៌នា។

គំនិតនៃការស្នើសុំគំរូនៃអ្នកចូលរួមសម្រាប់ការព្រមព្រៀងរបស់ពួកគេគឺទាក់ទងទៅនឹងអ្វីដែល Humphreys (2015) ហៅថា ការយល់ព្រម ។

គំនិតបន្ថែមទាក់ទងនឹងការយល់ស្របដែលត្រូវបានស្នើឡើងគឺត្រូវបង្កើតក្រុមមនុស្សដែលយល់ព្រមឱ្យមានការសាកល្បងលើអ៊ីនធឺណិត (Crawford 2014) ។ អ្នកខ្លះបានអះអាងថាបន្ទះនេះនឹងក្លាយជាគំរូមិនអចិន្ត្រៃយ៍របស់មនុស្ស។ ប៉ុន្តែជំពូកទី 3 (ការសួរសំណួរ) បង្ហាញថាបញ្ហាទាំងនេះអាចដោះស្រាយបានដោយប្រើដំណាក់កាលក្រោយការបែងចែក។ ព្រមជាមួយគ្នានេះដែរការព្រមព្រៀងលើបន្ទះនេះអាចគ្របដណ្តប់លើការពិសោធន៍ផ្សេងៗ។ និយាយម្យ៉ាងទៀតអ្នកចូលរួមប្រហែលជាមិនចាំបាច់យល់ស្របចំពោះការពិសោធន៍នីមួយៗជាលក្ខណៈគំនិតដែលគេហៅថា ការព្រមព្រៀងទូលំទូលាយនោះទេ (Sheehan 2011) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីភាពខុសគ្នារវាងការយល់ព្រមនិងការយល់ព្រមតែមួយសម្រាប់ការសិក្សានីមួយៗក៏ដូចជាកូនកាត់ដែលអាចធ្វើបានសូមមើល Hutton and Henderson (2015) ។

• ការយល់ដឹងនិងគ្រប់គ្រងហានិភ័យព័ត៌មាន (ផ្នែក 6.6.2)

ឆ្ងាយពីភាពប្លែកពីគ្នាប្រាក់រង្វាន់ Netflix បានបង្ហាញពីលក្ខណៈបច្ចេកទេសសំខាន់ៗនៃទិន្នន័យដែលមានព័ត៌មានលម្អិតអំពីមនុស្សហើយដូច្នេះផ្តល់មេរៀនសំខាន់ៗអំពីលទ្ធភាពនៃ "អនាមិក" នៃសំណុំទិន្នន័យសង្គមទំនើប។ ឯកសារដែលមានពត៌មានជាច្រើនអំពីបុគ្គលម្នាក់ៗទំនងជា មិនសូវ ត្រូវបានកំណត់ជាផ្លូវការនៅក្នុង Narayanan and Shmatikov (2008) ។ នោះមានន័យថាសម្រាប់កំណត់ត្រានិមួយៗមិនមានកំណត់ត្រាដូចគ្នានោះទេហើយតាមការពិតមិនមានកំណត់ត្រាដែលស្រដៀងគ្នាទេគឺមនុស្សម្នាក់ៗនៅឆ្ងាយពីអ្នកជិតខាងដែលជិតបំផុតនៅក្នុងសំណុំទិន្នន័យ។ គេអាចស្រមៃថាទិន្នន័យ Netflix ប្រហែលជាមិនមានភាពយឺតយ៉ាវដោយសារតែប្រហែល 20.000 ខ្សែភាពយន្តនៅលើមាត្រដ្ឋានផ្កាយប្រាំមានប្រហែល \(6^{20,000}\) តម្លៃដែលអាចមានមនុស្សម្នាក់ៗអាចមាន (6 ពីព្រោះលើសពី 1 ទៅ ផ្កាយ 5, នរណាម្នាក់ប្រហែលជាមិនបានវាយតម្លៃខ្សែភាពយន្តទាំងអស់នោះទេ) ។ ចំនួននេះគឺធំធេងណាស់វាពិបាកក្នុងការយល់។

ភាពស្មុគស្មាញមានផលវិបាកធំ ៗ ពីរ។ ទីមួយវាមានន័យថាការប៉ុនប៉ងធ្វើអនាមិកៈសំណុំទិន្នន័យដែលផ្អែកលើភាពមិនច្បាស់លាស់ចៃដន្យអាចនឹងបរាជ័យ។ នោះគឺសូម្បីតែក្រុមហ៊ុន Netflix Inc ត្រូវសម្របសម្រួលដោយចៃដន្យនូវការផ្តល់ចំណាត់ថ្នាក់មួយចំនួន (ដែលពួកគេបានធ្វើ) វានឹងមិនគ្រប់គ្រាន់ទេដោយសារតែកំណត់ត្រារំខានគឺនៅតែជាកំណត់ត្រាដែលអាចធ្វើបានជិតបំផុតចំពោះព័ត៌មានដែលអ្នកវាយប្រហារមាន។ ទីពីរភាពស្មុគស្មាញនេះមានន័យថាអត្តសញ្ញាណកម្មឡើងវិញអាចធ្វើទៅបានទោះបីជាអ្នកវាយប្រហារមានចំណេះដឹងមិនល្អឥតខ្ចោះឬមិនលំអៀងក៏ដោយ។ ឧទាហរណ៍នៅក្នុងទិន្នន័យ Netflix សូមស្រមៃថាអ្នកវាយប្រហារដឹងពីការវាយតម្លៃរបស់អ្នកសម្រាប់ខ្សែភាពយន្តពីរនិងកាលបរិច្ឆេទដែលអ្នកបានធ្វើការផ្តល់ចំណាត់ថ្នាក់ទាំងនោះ \(\pm\) 3 ថ្ងៃ; គ្រាន់តែព័ត៌មាននោះគឺគ្រាន់តែគ្រប់គ្រាន់ដើម្បីកំណត់អត្តសញ្ញាណមានតែមួយគត់ 68% នៃមនុស្សនៅក្នុងទិន្នន័យក្រុមហ៊ុន Netflix Inc ។ ប្រសិនបើការវាយប្រហារនេះបានដឹងថាខ្សែភាពយន្ដចំនួនប្រាំបីដែលអ្នកបានវាយតម្លៃ \(\pm\) 14 ថ្ងៃបន្ទាប់មកបើទោះបីគេស្គាល់ថាពីរនៃការផ្តល់ចំណាត់ថ្នាក់ទាំងនេះគឺខុសទាំងស្រុង, 99% នៃការកត់ត្រាអាចត្រូវបានកំណត់តែមួយគត់ក្នុងសំណុំទិន្នន័យ។ និយាយម្យ៉ាងទៀតភាពស្មុគស្មាញគឺជាបញ្ហាជាមូលដ្ឋានមួយសម្រាប់កិច្ចខិតខំប្រឹងប្រែងដើម្បីធ្វើឱ្យទិន្នន័យ "អនាមិក" ដែលជារឿងអកុសលពីព្រោះទិន្នន័យប្រពន្ធ័ទិន្នន័យសង្គមទំនើបភាគច្រើនគឺមានលក្ខណៈបែកខ្ញែក។ សម្រាប់ព័ត៌មានបន្ថែមស្តីពី "ភាពអនាមិក" នៃទិន្នន័យមិនច្បាស់សូមមើល Narayanan and Shmatikov (2008) ។

ទិន្នន័យមេតាទូរស័ព្ទក៏អាចលេចឡើងជា "អនាមិក" និងមិនប្រកាន់អក្សរតូចធំនោះទេប៉ុន្តែនោះមិនមែនជាករណីនោះទេ។ ទិន្នន័យមេតាទូរស័ព្ទអាចកំណត់អត្តសញ្ញាណនិងងាយយល់ (Mayer, Mutchler, and Mitchell 2016; Landau 2016) ។

នៅក្នុងរូបភាព 6.6 ខ្ញុំបានគូសបញ្ជាក់ពីការធ្វើពាណិជ្ជកម្មរវាងហានិភ័យដល់អ្នកចូលរួមនិងអត្ថប្រយោជន៍ដល់សង្គមពីការចេញផ្សាយទិន្នន័យ។ សម្រាប់ការប្រៀបធៀបរវាងវិធីសាស្រ្តនៃការចូលប្រើប្រាស់ដែលបានដាក់កំហិត (ឧ។ សួនច្បារដែលមានជញ្ជាំង) និងវិធីសាស្រ្តក្នុងការរឹតបន្តឹង (ឧទាហរណ៍ "អនាមិក" មួយចំនួន) សូមមើល Reiter and Kinney (2011) ។ ចំពោះប្រព័ន្ធចំណាត់ថ្នាក់ប្រភេទដែលបានស្នើឡើងនៃកម្រិតហានិភ័យទិន្នន័យសូមមើល Sweeney, Crosas, and Bar-Sinai (2015) ។ សម្រាប់ការពិភាក្សាទូទៅអំពីការចែករំលែកទិន្នន័យសូមមើល Yakowitz (2011) ។

សំរាប់ការវិភាគលំអិតនៃការធ្វើពាណិជ្ជកម្មរវាងហានិភ័យនិងការប្រើប្រាស់ទិន្នន័យសូមមើល Brickell and Shmatikov (2008) Ohm (2010) , Reiter (2012) , Wu (2013) និង Goroff (2015) ។ ដើម្បីមើលការធ្វើពាណិជ្ជកម្មនេះត្រូវបានអនុវត្តចំពោះទិន្នន័យពិតប្រាកដពីវគ្គសិក្សាតាមអ៊ិនធរណេតដ៏ធំទូលាយ (MOOCs) សូមមើល Daries et al. (2014) និង Angiuli, Blitzstein, and Waldo (2015) ។

ភាពជាឯកជនភាពខុសគ្នាក៏ផ្តល់នូវវិធីសាស្រ្តជំនួសមួយដែលអាចរួមបញ្ចូលទាំងពីរហានិភ័យទាបដល់អ្នកចូលរួមនិងផលប្រយោជន៍ខ្ពស់ដល់សង្គម។ សូមមើល Dwork and Roth (2014) និង Narayanan, Huey, and Felten (2016) ។

សម្រាប់ព័ត៌មានបន្ថែមអំពីគំនិតនៃការកំណត់អត្តសញ្ញាណជាលក្ខណៈបុគ្គល (PII) ដែលជាចំណុចសំខាន់នៃច្បាប់ជាច្រើនស្តីអំពីក្រមសីលធម៌ស្រាវជ្រាវសូមមើល Narayanan and Shmatikov (2010) និង Schwartz and Solove (2011) ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីទិន្នន័យទាំងអស់ដែលមានភាពងាយរងគ្រោះមើល Ohm (2015) ។

នៅក្នុងផ្នែកនេះខ្ញុំបានបង្ហាញពីទំនាក់ទំនងនៃសំណុំទិន្នន័យផ្សេងគ្នាជាអ្វីមួយដែលអាចនាំឱ្យមានហានិភ័យនៃព័ត៌មាន។ ទោះជាយ៉ាងណាក៏ដោយវាក៏អាចបង្កើតឱកាសថ្មីៗសម្រាប់ការស្រាវជ្រាវផងដែរដូចដែលបានលើកឡើងនៅក្នុង Currie (2013) ។

សម្រាប់បន្ថែមទៀតនៅលើ Desai, Ritchie, and Welpton (2016) ទាំង 5 សូមមើល Desai, Ritchie, and Welpton (2016) ។ ឧទាហរណ៏នៃរបៀបដែលលទ្ធផលអាចត្រូវបានកំណត់អត្តសញ្ញាណសូមមើល Brownstein, Cassa, and Mandl (2006) ដែលបង្ហាញពីរបៀបដែលផែនទីនៃជំងឺអេដស៍អាចត្រូវបានកំណត់អត្តសញ្ញាណ។ Dwork et al. (2017) ក៏ពិចារណាលើការវាយប្រហារប្រឆាំងនឹងទិន្នន័យសរុបដូចជាស្ថិតិអំពីចំនួនបុគ្គលដែលមានជំងឺជាក់លាក់។

សំណួរអំពីការប្រើប្រាស់ទិន្នន័យនិងការចេញផ្សាយទិន្នន័យក៏លើកឡើងនូវសំណួរអំពីភាពជាម្ចាស់ទិន្នន័យ។ សម្រាប់ព័ត៌មានបន្ថែមអំពីភាពជាម្ចាស់ទិន្នន័យមើល Evans (2011) និង Pentland (2012) ។

• ភាពឯកជន (ផ្នែក 6.6.3)

Warren and Brandeis (1890) គឺជាអត្ថបទច្បាប់សំខាន់មួយអំពីភាពជាឯកជននិងត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងគំនិតដែលថាសិទ្ធិឯកជនគឺជាសិទ្ធិក្នុងការទុកនៅម្នាក់ឯង។ ការព្យាបាលដែលមានរយៈពេល Nissenbaum (2010) អំពីឯកជនភាពដែលខ្ញុំសូមផ្តល់អនុសាសន៍រួមមាន Solove (2010) និង Nissenbaum (2010) ។

ដើម្បីពិនិត្យឡើងវិញនូវការស្រាវជ្រាវជាក់ស្ដែងអំពីរបៀបដែលមនុស្សគិតអំពីភាពជាឯកជនសូមមើល Acquisti, Brandimarte, and Loewenstein (2015) ។ Phelan, Lampe, and Resnick (2016) លើកឡើងនូវទ្រឹស្តីប្រព័ន្ធពីរដែលជួនកាលមនុស្សផ្តោតលើការព្រួយបារម្ភដោយចេតនានិងជួនកាលផ្តោតលើការព្រួយបារម្ភដើម្បីពន្យល់ពីរបៀបដែលមនុស្សអាចធ្វើសេចក្តីថ្លែងផ្ទុយគ្នាអំពីភាពឯកជន។ សម្រាប់ព័ត៌មានបន្ថែមអំពីគំនិតនៃភាពឯកជនក្នុងការកំណត់តាមអ៊ីនធឺណិតដូចជា Twitter សូមមើល Neuhaus and Webmoor (2012) ។

ទិនានុប្បវត្តិ វិទ្យាសាស្រ្តបាន បោះពុម្ពផ្នែកពិសេសមួយដែលមានចំណងជើងថា "ការបញ្ចប់ភាពឯកជន" ដែលដោះស្រាយបញ្ហានៃភាពឯកជននិងហានិភ័យព័ត៌មានពីភាពខុសគ្នានៃទស្សនៈខុសគ្នា; សម្រាប់សេចក្តីសង្ខេបសូមមើល Enserink and Chin (2015) ។ Calo (2011) ផ្តល់នូវក្របខ័ណ្ឌមួយសម្រាប់គិតអំពីគ្រោះថ្នាក់ដែលកើតចេញពីការរំលោភសិទ្ធិឯកជន។ ឧទាហរណ៏ដំបូងនៃការព្រួយបារម្ភអំពីភាពឯកជននៅដើមដំបូងនៃយុគសម័យឌីជីថលគឺ Packard (1964) ។

• ធ្វើការសម្រេចចិត្តក្រោមភាពមិនច្បាស់លាស់ (ផ្នែក 6.6.4)

បញ្ហាប្រឈមមួយនៅពេលព្យាយាមអនុវត្តស្តង់ដារហានិភ័យតិចតួចគឺថាវាមិនច្បាស់ថាតើជីវភាពប្រចាំថ្ងៃរបស់គេត្រូវបានគេប្រើសម្រាប់ការប៉ាន់ស្មានទេ (National Research Council 2014) ។ ជាឧទាហរណ៍មនុស្សដែលគ្មានទីលំនៅមានកម្រិតខ្ពស់នៃការមិនស្រួលនៅក្នុងជីវិតប្រចាំថ្ងៃរបស់ពួកគេ។ ប៉ុន្តែវាមិនមានន័យថាវាជាការអនុញ្ញាតខាងសីលធម៌ដើម្បីបង្ហាញឱ្យមនុស្សគ្មានផ្ទះសម្បែងទៅរកការស្រាវជ្រាវដែលមានហានិភ័យខ្ពស់នោះទេ។ ចំពោះហេតុផលនេះហាក់ដូចជាមានការយល់ស្របកាន់តែខ្លាំងឡើងដែលថាហានិភ័យតិចតួចបំផុតគួរតែត្រូវបានគេយកមកប្រៀបធៀបទៅនឹងស្តង់ដារ ទូទៅនៃប្រជាជន មិនមែនបទដ្ឋាន ជាក់លាក់ជាក់លាក់ មួយ។ ខណៈដែលខ្ញុំយល់ស្របជាទូទៅជាមួយគំនិតនៃស្តង់ដារប្រជាជនទូទៅខ្ញុំគិតថាសម្រាប់វេទិកាអនឡាញធំ ៗ ដូចជាហ្វេសប៊ុកស្តង់ដារប្រជាជនជាក់លាក់គឺសមហេតុផល។ ដូច្នេះនៅពេលពិចារណាពីការរំជើបរំជួលអារម្មណ៍ខ្ញុំគិតថាវាជាការសមហេតុផលក្នុងការវិនិច្ឆ័យប្រឆាំងនឹងហានិភ័យប្រចាំថ្ងៃលើហ្វេសប៊ុក។ ស្ដង់ដារប្រជាពលរដ្ឋជាក់លាក់ក្នុងករណីនេះងាយស្រួលក្នុងការវាយតម្លៃនិងមិនទំនងជាមានជម្លោះជាមួយគោលការណ៍យុត្តិធម៌ដែលព្យាយាមបង្ការមិនឱ្យបន្ទុកនៃការស្រាវជ្រាវបរាជ័យដោយអយុត្តិធម៌លើក្រុមដែលជួបការលំបាក (ឧ។ អ្នកទោសនិងកុមារកំព្រា) ។

• គន្លឹះជាក់ស្តែង (ផ្នែក 6.7)

អ្នកប្រាជ្ញផ្សេងទៀតក៏បានអំពាវនាវឱ្យមានឯកសារបន្ថែមទៀតដើម្បីរួមបញ្ចូលផ្នែកខាងសីលធម៌ (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) ។ King and Sands (2015) ក៏ផ្តល់នូវដំបូន្មានជាក់ស្តែងផងដែរ។ Zook និងសហសេវិក (2017) ផ្តល់ជូននូវ "ច្បាប់សាមញ្ញចំនួនដប់សម្រាប់ការស្រាវជ្រាវទិន្នន័យធំដែលមានការទទួលខុសត្រូវ" ។