ಮುಂದಿನದನ್ನು ಓದುವುದು ಏನು

• ಪೀಠಿಕೆ (ವಿಭಾಗ 6.1)

ಸಂಶೋಧನಾ ನೈತಿಕತೆಯು ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ ವೈಜ್ಞಾನಿಕ ವಂಚನೆ ಮತ್ತು ಕ್ರೆಡಿಟ್ ಹಂಚಿಕೆ ಮುಂತಾದ ವಿಷಯಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) ಇವರಿಂದ ಆನ್ ಸೈಂಟಿಸ್ಟ್ ಆನ್ ಬೀಯಿಂಗ್ನಲ್ಲಿ ಇವುಗಳನ್ನು ಹೆಚ್ಚಿನ ವಿವರವಾಗಿ ಚರ್ಚಿಸಲಾಗಿದೆ.

ಈ ಅಧ್ಯಾಯವು ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನಲ್ಲಿನ ಪರಿಸ್ಥಿತಿಯಿಂದ ಪ್ರಭಾವಿತವಾಗಿದೆ. ಇತರ ದೇಶಗಳಲ್ಲಿನ ನೈತಿಕ ಪರಿಶೀಲನಾ ವಿಧಾನಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Desposato (2016b) ಅಧ್ಯಾಯಗಳು 6-9 ಅನ್ನು ನೋಡಿ. ಈ ಅಧ್ಯಾಯದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರಿದ ಬಯೋಮೆಡಿಕಲ್ ನೈತಿಕ ತತ್ವಗಳು ಮಿತಿಮೀರಿದ ಅಮೆರಿಕನ್ನಾಗಿದ್ದವು ಎಂಬ ವಾದಕ್ಕೆ Holm (1995) . ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನ ಇನ್ಸ್ಟಿಟ್ಯೂಶನಲ್ ರಿವ್ಯೂ ಬೋರ್ಡ್ಗಳ ಮತ್ತಷ್ಟು ಐತಿಹಾಸಿಕ ವಿಮರ್ಶೆಗಾಗಿ, Stark (2012) . PS ಜರ್ನಲ್ : ರಾಜಕೀಯ ವಿಜ್ಞಾನ ಮತ್ತು ರಾಜಕೀಯಗಳು ರಾಜಕೀಯ ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಐಆರ್ಬಿಗಳ ನಡುವಿನ ಸಂಬಂಧದ ಬಗ್ಗೆ ವೃತ್ತಿಪರ ವಿಚಾರ ಸಂಕಿರಣವನ್ನು ನಡೆಸಿದವು. ಸಾರಾಂಶಕ್ಕಾಗಿ Martinez-Ebers (2016) .

ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನಲ್ಲಿ ಬೆಲ್ಮಾಂಟ್ ವರದಿ ಮತ್ತು ನಂತರದ ನಿಯಮಗಳೆಂದರೆ ಸಂಶೋಧನೆ ಮತ್ತು ಅಭ್ಯಾಸದ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನುಂಟುಮಾಡುತ್ತದೆ. ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ಅಂತಹ ವ್ಯತ್ಯಾಸವನ್ನು ನಾನು ಮಾಡಿಲ್ಲ ಏಕೆಂದರೆ ನಾನು ನೈತಿಕ ತತ್ವಗಳು ಮತ್ತು ಚೌಕಟ್ಟುಗಳು ಎರಡೂ ಸೆಟ್ಟಿಂಗ್ಗಳಿಗೆ ಅನ್ವಯಿಸುತ್ತದೆ. ಈ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಅದನ್ನು ಪರಿಚಯಿಸುವ ಸಮಸ್ಯೆಗಳ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) ಮತ್ತು Metcalf and Crawford (2016) .

ಫೇಸ್ಬುಕ್ನಲ್ಲಿನ ಸಂಶೋಧನಾ ಮೇಲ್ವಿಚಾರಣೆಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Jackman and Kanerva (2016) . ಕಂಪೆನಿಗಳು ಮತ್ತು ಎನ್ಜಿಒಗಳ ಸಂಶೋಧನಾ ಮೇಲ್ವಿಚಾರಣೆಯ ಕುರಿತು ವಿಚಾರಗಳಿಗಾಗಿ, Calo (2013) , Polonetsky, Tene, and Jerome (2015) ಮತ್ತು Tene and Polonetsky (2016) .

ಮೊಬೈಲ್ ಫೋನ್ ಡೇಟಾದ ಗೌಪ್ಯತೆ ಅಪಾಯಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ (Wesolowski et al. 2014; McDonald 2016) ಪಶ್ಚಿಮ ಆಫ್ರಿಕಾದಲ್ಲಿ 2014 ರ ಎಬೊಲ ಏಕಾಏಕಿ (Wesolowski et al. 2014; McDonald 2016) ಸಹಾಯ ಮಾಡಲು ಮೊಬೈಲ್ ಫೋನ್ ಡೇಟಾದ ಬಳಕೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ, ನೋಡಿ Mayer, Mutchler, and Mitchell (2016) . ಮೊಬೈಲ್ ಫೋನ್ ಡೇಟಾವನ್ನು ಬಳಸುವ ಹಿಂದಿನ ಬಿಕ್ಕಟ್ಟಿನ-ಸಂಬಂಧಿತ ಸಂಶೋಧನೆಯ ಉದಾಹರಣೆಗಳಿಗಾಗಿ, ನೋಡಿ Bengtsson et al. (2011) ಮತ್ತು Lu, Bengtsson, and Holme (2012) , ಮತ್ತು ಬಿಕ್ಕಟ್ಟಿನ ಸಂಬಂಧಿತ ಸಂಶೋಧನೆಯ ನೈತಿಕತೆಯ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ನೋಡಿ ( ??? ) .

• ಮೂರು ಉದಾಹರಣೆಗಳು (ವಿಭಾಗ 6.2)

ಅನೇಕ ಜನರು ಭಾವನಾತ್ಮಕ ಸೋಂಕು ಬಗ್ಗೆ ಬರೆದಿದ್ದಾರೆ. ಪ್ರಯೋಗವನ್ನು ಚರ್ಚಿಸಲು ಜರ್ನಲ್ ರಿಸರ್ಚ್ ಎಥಿಕ್ಸ್ ಜನವರಿ 2016 ರಲ್ಲಿ ಸಂಪೂರ್ಣ ಸಮಸ್ಯೆಯನ್ನು ಮೀಸಲಿಟ್ಟಿದೆ; ಅವಲೋಕನಕ್ಕಾಗಿ Hunter and Evans (2016) . ವಿಜ್ಞಾನದ ರಾಷ್ಟ್ರೀಯ ಅಕಾಡೆಮಿಗಳ ಪ್ರೊಸೀಡಿಂಗ್ಸ್ ಪ್ರಯೋಗದ ಬಗ್ಗೆ ಎರಡು ತುಣುಕುಗಳನ್ನು ಪ್ರಕಟಿಸಿತು: Kahn, Vayena, and Mastroianni (2014) ಮತ್ತು Fiske and Hauser (2014) . ಪ್ರಯೋಗದ ಬಗ್ಗೆ ತುಣುಕುಗಳು ಸೇರಿವೆ: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , ಮತ್ತು ( ??? ) .

• ಡಿಜಿಟಲ್ ಭಿನ್ನವಾಗಿದೆ (ವಿಭಾಗ 6.3)

ಸಾಮೂಹಿಕ ಕಣ್ಗಾವಲು ವಿಷಯದಲ್ಲಿ, ವಿಶಾಲ ಅವಲೋಕನಗಳನ್ನು Mayer-Schönberger (2009) ಮತ್ತು Marx (2016) . ಕಣ್ಗಾವಲು ಬದಲಾಗುತ್ತಿರುವ ವೆಚ್ಚಗಳ ಒಂದು ಕಾಂಕ್ರೀಟ್ ಉದಾಹರಣೆಗಾಗಿ, Bankston and Soltani (2013) ಮೊಬೈಲ್ ಫೋನ್ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಕ್ರಿಮಿನಲ್ ಶಂಕಿತನನ್ನು ಪತ್ತೆಹಚ್ಚುವುದನ್ನು ದೈಹಿಕ ಕಣ್ಗಾವಲು ಬಳಸುವುದಕ್ಕಿಂತ 50 ಪಟ್ಟು ಅಗ್ಗವಾಗಿದೆ ಎಂದು ಅಂದಾಜಿಸಲಾಗಿದೆ. ಕೆಲಸದಲ್ಲಿ ಕಣ್ಗಾವಲು ಕುರಿತು ಚರ್ಚಿಸಲು Ajunwa, Crawford, and Schultz (2016) ಸಹ ನೋಡಿ. Bell and Gemmell (2009) ಸ್ವಯಂ ಕಣ್ಗಾವಲು ಬಗ್ಗೆ ಹೆಚ್ಚು ಆಶಾವಾದಿ ದೃಷ್ಟಿಕೋನವನ್ನು ಒದಗಿಸುತ್ತಾರೆ.

ಸಾರ್ವಜನಿಕ ಅಥವಾ ಭಾಗಶಃ ಸಾರ್ವಜನಿಕವಾಗಿರುವ (ಉದಾ, ಅಭಿರುಚಿಗಳು, ಟೈಗಳು ಮತ್ತು ಸಮಯ) ವೀಕ್ಷಿಸಬಹುದಾದ ನಡವಳಿಕೆಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯದ ಜೊತೆಗೆ, ಸಂಶೋಧಕರು ಹೆಚ್ಚು ಭಾಗವಹಿಸುವವರು ಖಾಸಗಿ ಎಂದು ಪರಿಗಣಿಸುವ ವಿಷಯಗಳನ್ನು ಹೆಚ್ಚಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ಮಿಚಿಲ್ ಕೋಸಿನ್ಸ್ಕಿ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2013) ಅವರು ಸಾಮಾನ್ಯ ಡಿಜಿಟಲ್ ಟ್ರೇಸ್ ಡೇಟಾದಿಂದ (ಫೇಸ್ಬುಕ್ ಇಷ್ಟಗಳು) ವ್ಯಸನಕಾರಿ ವಸ್ತುಗಳ ಲೈಂಗಿಕ ದೃಷ್ಟಿಕೋನ ಮತ್ತು ಬಳಕೆ ಮುಂತಾದ ಜನರ ಬಗೆಗಿನ ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯನ್ನು ಊಹಿಸಬಹುದೆಂದು ತೋರಿಸಿದರು. ಇದು ಮಾಂತ್ರಿಕವಾಗಿರಬಹುದು, ಆದರೆ ಡಿಜಿಟಲ್ ಕುರುಹುಗಳು, ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆ ಕಲಿಕೆಗಳನ್ನು ಸಂಯೋಜಿಸಿದ ಕೋಸಿನ್ಸ್ಕಿ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು-ನಾನು ಈಗಾಗಲೇ ನಿಮ್ಮ ಬಗ್ಗೆ ಹೇಳಿದ್ದ ವಿಷಯ. ಅಧ್ಯಾಯ 3 ರಲ್ಲಿ (ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದು) ನೆನಪಿಸಿಕೊಳ್ಳಿ. ರುವಾಂಡಾದಲ್ಲಿ ಬಡತನವನ್ನು ಅಂದಾಜು ಮಾಡಲು ಜೋಶುವಾ ಬ್ಲುಮೆನ್ಸ್ಟಾಕ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2015) ಮೊಬೈಲ್ ಫೋನ್ ಡೇಟಾದೊಂದಿಗೆ ಸಂಯೋಜಿತ ಸಮೀಕ್ಷೆ ಡೇಟಾ ಹೇಗೆಂದು ನಾನು ನಿಮಗೆ ಹೇಳಿದೆ. ಅಭಿವೃದ್ಧಿಯ ದೇಶದಲ್ಲಿ ಬಡತನವನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಅಳೆಯಲು ಬಳಸಬಹುದಾದ ಈ ನಿಖರವಾದ ವಿಧಾನವು, ಸಂಭಾವ್ಯ ಗೌಪ್ಯತೆಗೆ ಸಹಾ-ಉಲ್ಲಂಘನೆ ಮಾಡುವ ನಿಯಮಗಳನ್ನು ಸಹ ಬಳಸಬಹುದು.

ಆರೋಗ್ಯ ಮಾಹಿತಿಗಳ ಸಂಭವನೀಯ ಅನಪೇಕ್ಷಿತ ದ್ವಿತೀಯ ಬಳಕೆಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, O'Doherty et al. (2016) . ಅನಪೇಕ್ಷಿತ ದ್ವಿತೀಯ ಬಳಕೆಗಳಿಗೆ ಸಂಭಾವ್ಯತೆಗೆ ಹೆಚ್ಚುವರಿಯಾಗಿ, ಕೆಲವೊಂದು ವಸ್ತುಗಳನ್ನು ಓದಲು ಅಥವಾ ಕೆಲವು ವಿಷಯಗಳನ್ನು ಚರ್ಚಿಸಲು ಜನರಿಗೆ ಇಷ್ಟವಿಲ್ಲದಿದ್ದರೆ ಅಪೂರ್ಣ ಮಾಸ್ಟರ್ ಡೇಟಾಬೇಸ್ನ ಸೃಷ್ಟಿ ಸಾಮಾಜಿಕ ಮತ್ತು ರಾಜಕೀಯ ಜೀವನದ ಮೇಲೆ ಚಳಿಯ ಪರಿಣಾಮವನ್ನು ಉಂಟುಮಾಡಬಹುದು; Schauer (1978) ಮತ್ತು Penney (2016) .

ಅತಿಕ್ರಮಿಸುವ ನಿಯಮಗಳ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸಂಶೋಧಕರು ಕೆಲವೊಮ್ಮೆ "ನಿಯಂತ್ರಕ ಶಾಪಿಂಗ್" (Grimmelmann 2015; Nickerson and Hyde 2016) ತೊಡಗುತ್ತಾರೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಐಆರ್ಬಿ ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ತಪ್ಪಿಸಲು ಬಯಸುವ ಕೆಲವು ಸಂಶೋಧಕರು IRB ಗಳಿಂದ (ಉದಾಹರಣೆಗೆ, ಕಂಪನಿಗಳು ಅಥವಾ ಎನ್ಜಿಒಗಳ ಜನರು) ಒಳಗೊಂಡಿರದ ಸಂಶೋಧಕರ ಜೊತೆ ಪಾಲುದಾರಿಕೆಯನ್ನು ರಚಿಸಬಹುದು, ಮತ್ತು ಆ ಸಹೋದ್ಯೋಗಿಗಳು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಗುರುತಿಸಲು ಹೊಂದಿರುತ್ತವೆ. ನಂತರ, IRB- ಆವೃತವಾದ ಸಂಶೋಧಕರು IRB ಮೇಲ್ವಿಚಾರಣೆ ಇಲ್ಲದೆ ಈ ಗುರುತಿಸಲ್ಪಟ್ಟಿರುವ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಬಹುದು ಏಕೆಂದರೆ ಸಂಶೋಧನೆಯು ಇನ್ನು ಮುಂದೆ "ಮಾನವ ವಿಷಯಗಳ ಸಂಶೋಧನೆಯನ್ನು" ಪರಿಗಣಿಸುವುದಿಲ್ಲ, ಪ್ರಸ್ತುತ ಕನಿಷ್ಠ ನಿಯಮಗಳ ಕೆಲವು ವ್ಯಾಖ್ಯಾನಗಳ ಪ್ರಕಾರ. ಈ ರೀತಿಯ ಐಆರ್ಬಿ ತಪ್ಪಿಸಿಕೊಳ್ಳುವಿಕೆಯು ಪ್ರಾಯೋಗಿಕ ನೀತಿಗಳಿಗೆ ತತ್ವಗಳನ್ನು ಆಧರಿತವಾದ ವಿಧಾನದೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ.

2011 ರಲ್ಲಿ, ಸಾಮಾನ್ಯ ನಿಯಮವನ್ನು ನವೀಕರಿಸಲು ಪ್ರಯತ್ನವು ಪ್ರಾರಂಭವಾಯಿತು ಮತ್ತು ಈ ಪ್ರಕ್ರಿಯೆಯು ಅಂತಿಮವಾಗಿ 2017 ರಲ್ಲಿ ( ??? ) ಪೂರ್ಣಗೊಂಡಿತು. ಸಾಮಾನ್ಯ ನಿಯಮವನ್ನು ನವೀಕರಿಸಲು ಈ ಪ್ರಯತ್ನಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) , ಮತ್ತು Metcalf (2016) .

• ನಾಲ್ಕು ತತ್ವಗಳು (ವಿಭಾಗ 6.4)

ಬಯೋಮೆಡಿಕಲ್ ನೀತಿಸಂಹಿತೆಗಳಿಗೆ ಕ್ಲಾಸಿಕ್ ತತ್ವಗಳು-ಆಧಾರಿತ ವಿಧಾನವೆಂದರೆ Beauchamp and Childress (2012) . ಆ ನಾಲ್ಕು ಪ್ರಮುಖ ತತ್ವಗಳು ಬಯೋಮೆಡಿಕಲ್ ನೀತಿಸಂಸ್ಥೆಗಳನ್ನು ಮಾರ್ಗದರ್ಶಿಸಬೇಕೆಂದು ಅವರು ಸಲಹೆ ನೀಡುತ್ತಾರೆ: ಸ್ವಾಯತ್ತತೆ, ಅಪರಿಮಿತತೆ, ಪ್ರಯೋಜನ ಮತ್ತು ನ್ಯಾಯಕ್ಕಾಗಿ ಗೌರವ. ಇನ್ನಿತರ ಜನರಿಗೆ ಹಾನಿ ಉಂಟುಮಾಡುವುದನ್ನು ಬಿಟ್ಟುಬಿಡಲು ಒಬ್ಬರನ್ನೊಬ್ಬರು ನಿರಾಕರಿಸುತ್ತಾರೆ. ಈ ಪರಿಕಲ್ಪನೆಯು "ಹಾನಿ ಮಾಡಬೇಡ" ಎಂಬ ಹಿಪೊಕ್ರೆಟಿಕ್ ಆಲೋಚನೆಯೊಂದಿಗೆ ಆಳವಾಗಿ ಸಂಪರ್ಕ ಹೊಂದಿದೆ. ಸಂಶೋಧನಾ ನೀತಿಗಳಲ್ಲಿ, ಈ ತತ್ತ್ವವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಪ್ರಯೋಜನ ತತ್ತ್ವದೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ, ಆದರೆ ಇಬ್ಬರ ನಡುವಿನ ವ್ಯತ್ಯಾಸದ ಕುರಿತು @ beauchamp_principles_2012 ನ 5 ನೇ ಅಧ್ಯಾಯವನ್ನು ನೋಡಿ. ಈ ತತ್ವಗಳು ವಿಪರೀತ ಅಮೆರಿಕನ್ ಎಂದು ಟೀಕೆಗೆ, Holm (1995) . ತತ್ವಗಳ ಸಂಘರ್ಷವಾದಾಗ ಸಮತೋಲನದ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Gillon (2015) .

"ಕನ್ಸ್ಯೂಮರ್ ವಿಷಯ ರಿವ್ಯೂ ಬೋರ್ಡ್ಗಳು" (Calo 2013) ಎಂಬ ಸಂಸ್ಥೆಗಳ ಮೂಲಕ ಕಂಪೆನಿಗಳು ಮತ್ತು ಎನ್ಜಿಒಗಳಲ್ಲಿ (Polonetsky, Tene, and Jerome 2015) ನಡೆಸುವ ಸಂಶೋಧನೆಗೆ ನೈತಿಕ ಮೇಲ್ವಿಚಾರಣೆ ಮಾರ್ಗದರ್ಶನ ಮಾಡಲು ಈ ಅಧ್ಯಾಯದಲ್ಲಿನ ನಾಲ್ಕು ತತ್ವಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ.

• ವ್ಯಕ್ತಿಗಳಿಗೆ ಗೌರವ (ವಿಭಾಗ 6.4.1)

ಸ್ವಾಯತ್ತತೆಯನ್ನು ಗೌರವಿಸುವುದರ ಜೊತೆಗೆ, ಬೆಲ್ಮಾಂಟ್ ವರದಿಯು ಸಹ ಪ್ರತಿಯೊಬ್ಬ ಮನುಷ್ಯನೂ ನಿಜವಾದ ಸ್ವಯಂ ನಿರ್ಣಯವನ್ನು ಹೊಂದಿಲ್ಲ ಎಂದು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತಾನೆ. ಉದಾಹರಣೆಗೆ, ಮಕ್ಕಳು, ಅನಾರೋಗ್ಯದಿಂದ ಬಳಲುತ್ತಿರುವ ಜನರು ಅಥವಾ ತೀವ್ರವಾಗಿ ನಿರ್ಬಂಧಿತ ಸ್ವಾತಂತ್ರ್ಯದ ಸಂದರ್ಭಗಳಲ್ಲಿ ವಾಸಿಸುವ ಜನರು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ವಾಯತ್ತ ವ್ಯಕ್ತಿಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ, ಮತ್ತು ಈ ಜನರು ಆದ್ದರಿಂದ ಹೆಚ್ಚುವರಿ ರಕ್ಷಣೆಗೆ ಒಳಪಟ್ಟಿರುತ್ತಾರೆ.

ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ ವ್ಯಕ್ತಿಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಗೌರವದ ತತ್ವವನ್ನು ಅನ್ವಯಿಸುವುದು ಸವಾಲಾಗಬಹುದು. ಉದಾಹರಣೆಗೆ, ಡಿಜಿಟಲ್-ವಯಸ್ಸಿನ ಸಂಶೋಧನೆಯಲ್ಲಿ, ಸ್ವಯಂ ನಿರ್ಣಯದ ಕಡಿಮೆ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಜನರಿಗೆ ಹೆಚ್ಚುವರಿ ರಕ್ಷಣೆಯನ್ನು ಒದಗಿಸುವುದು ಕಷ್ಟಕರವಾಗಿದೆ ಏಕೆಂದರೆ ಸಂಶೋಧಕರು ತಮ್ಮ ಪಾಲ್ಗೊಳ್ಳುವವರ ಬಗ್ಗೆ ಬಹಳ ಕಡಿಮೆ ತಿಳಿದಿದ್ದಾರೆ. ಇದಲ್ಲದೆ, ಡಿಜಿಟಲ್-ವಯಸ್ಸಿನ ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಯ ಬಗ್ಗೆ ತಿಳುವಳಿಕೆಯು ಒಂದು ದೊಡ್ಡ ಸವಾಲಾಗಿದೆ. ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ಮಾಹಿತಿ ಮತ್ತು ಗ್ರಹಿಕೆಯನ್ನು ಸಂಘರ್ಷದಲ್ಲಿ ಹೊಂದಿರುವ ಪಾರದರ್ಶಕ ವಿರೋಧಾಭಾಸ (Nissenbaum 2011) ನಿಂದ ಒಪ್ಪಿಗೆಯನ್ನು ಅನುಭವಿಸಬಹುದು. ಸರಿಸುಮಾರು, ಸಂಶೋಧಕರು ಡೇಟಾ ಸಂಗ್ರಹಣೆ, ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ, ಮತ್ತು ಡೇಟಾ ಸುರಕ್ಷತೆ ಅಭ್ಯಾಸಗಳ ಬಗೆಗಿನ ಸಂಪೂರ್ಣ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಿದರೆ, ಅನೇಕ ಪಾಲ್ಗೊಳ್ಳುವವರು ಗ್ರಹಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ. ಆದರೆ ಸಂಶೋಧಕರು ಗ್ರಹಿಸಬಹುದಾದ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಿದರೆ, ಇದು ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ವಿವರಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. ಅನಲಾಗ್ ವಯಸ್ಸಿನಲ್ಲಿ ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆ-ಬೆಲ್ಮಾಂಟ್ ವರದಿಯ ಪ್ರಾಬಲ್ಯದ ಸೆಟ್ಟಿಂಗ್-ಒಬ್ಬ ವೈದ್ಯರು ಪಾರದರ್ಶಕ ವಿರೋಧಾಭಾಸವನ್ನು ಪರಿಹರಿಸಲು ಸಹಾಯವಾಗುವಂತೆ ಪ್ರತಿ ಪಾಲ್ಗೊಳ್ಳುವವರೊಂದಿಗೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಮಾತನಾಡುತ್ತಿದ್ದಾರೆಂದು ಊಹಿಸಬಹುದು. ಸಾವಿರಾರು ಅಥವಾ ಲಕ್ಷಗಟ್ಟಲೆ ಜನರನ್ನು ಒಳಗೊಂಡಿರುವ ಆನ್ಲೈನ್ ​​ಅಧ್ಯಯನಗಳಲ್ಲಿ, ಅಂತಹ ಮುಖಾಮುಖಿ ವಿಧಾನ ಅಸಾಧ್ಯ. ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ ಒಪ್ಪಿಗೆಯೊಂದಿಗೆ ಎರಡನೆಯ ಸಮಸ್ಯೆ, ಕೆಲವು ಅಧ್ಯಯನಗಳು, ಬೃಹತ್ ದತ್ತಾಂಶ ಸಂಪುಟಗಳ ವಿಶ್ಲೇಷಣೆ, ಎಲ್ಲ ಭಾಗವಹಿಸುವವರಿಂದ ಮಾಹಿತಿ ಪಡೆಯುವ ಸಮ್ಮತಿಯನ್ನು ಪಡೆದುಕೊಳ್ಳಲು ಅಪ್ರಾಯೋಗಿಕವಾಗಿದೆ. ವಿಭಾಗ 6.6.1 ರಲ್ಲಿ ತಿಳಿಸಲಾದ ಸಮ್ಮತಿಯ ಬಗ್ಗೆ ಈ ಮತ್ತು ಇತರ ಪ್ರಶ್ನೆಗಳನ್ನು ಹೆಚ್ಚಿನ ವಿವರವಾಗಿ ಚರ್ಚಿಸಿ. ಈ ತೊಂದರೆಗಳ ನಡುವೆಯೂ, ವ್ಯಕ್ತಿಗಳಿಗೆ ಗೌರವಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಮಾಹಿತಿಯುಕ್ತ ಸಮ್ಮತಿ ಅವಶ್ಯಕವಾಗಿಲ್ಲ ಅಥವಾ ಸಾಕಾಗುವುದಿಲ್ಲ ಎಂದು ನಾವು ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕು.

ತಿಳುವಳಿಕೆಯುಳ್ಳ ಸಮ್ಮತಿಯ ಮುಂಚೆ ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆಯ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Miller (2014) . ತಿಳುವಳಿಕೆಯ ಅನುಮತಿಯ ಪುಸ್ತಕ-ಉದ್ದದ ಚಿಕಿತ್ಸೆಯಲ್ಲಿ, Manson and O'Neill (2007) . ಕೆಳಗೆ ತಿಳಿಸಿದ ಸಮ್ಮತಿಯ ಬಗ್ಗೆ ಸಲಹೆ ಓದುವಿಕೆಗಳನ್ನು ಸಹ ನೋಡಿ.

• ಪ್ರಯೋಜನ (ವಿಭಾಗ 6.4.2)

ಸನ್ನಿವೇಶಕ್ಕೆ ಅಪಾಯಗಳು ಸಂಶೋಧನೆ ನಿರ್ದಿಷ್ಟ ಜನರಿಗೆ ಆದರೆ ಸಾಮಾಜಿಕ ಸೆಟ್ಟಿಂಗ್ಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದಾದ ಹಾನಿಗಳಾಗಿವೆ. ಈ ಪರಿಕಲ್ಪನೆಯು ಸ್ವಲ್ಪ ಅಮೂರ್ತವಾಗಿದೆ, ಆದರೆ ವಿಚಿತಾ ಜ್ಯೂರಿ ಸ್ಟಡಿ (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - ಕೆಲವೊಮ್ಮೆ ಚಿಕಾಗೋ ಜ್ಯೂರಿ ಪ್ರಾಜೆಕ್ಟ್ (Cornwell 2010) ಎಂದು ಕರೆಯಲ್ಪಡುವ ಒಂದು ಶ್ರೇಷ್ಠ ಉದಾಹರಣೆಯೊಂದಿಗೆ ನಾನು ವಿವರಿಸುತ್ತೇನೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಚಿಕಾಗೊ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು ಕಾನೂನು ವ್ಯವಸ್ಥೆಯ ಸಾಮಾಜಿಕ ಅಂಶಗಳ ಒಂದು ದೊಡ್ಡ ಅಧ್ಯಯನಗಳ ಭಾಗವಾಗಿ ರಹಸ್ಯವಾಗಿ ವಿಚಿತಾ, ಕಾನ್ಸಾಸ್ನಲ್ಲಿ ಆರು ತೀರ್ಪುಗಾರರ ವಿಚಾರಣೆಗಳನ್ನು ದಾಖಲಿಸಿದ್ದಾರೆ. ಪ್ರಕರಣಗಳಲ್ಲಿ ನ್ಯಾಯಾಧೀಶರು ಮತ್ತು ವಕೀಲರು ಧ್ವನಿಮುದ್ರಿಕೆಗಳನ್ನು ಅಂಗೀಕರಿಸಿದರು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯ ಕಟ್ಟುನಿಟ್ಟಾದ ಮೇಲ್ವಿಚಾರಣೆ ಇತ್ತು. ಆದಾಗ್ಯೂ, ಧ್ವನಿಮುದ್ರಿಕೆಗಳು ಸಂಭವಿಸುತ್ತಿವೆಯೆಂದು ನ್ಯಾಯಾಧೀಶರು ತಿಳಿದಿರಲಿಲ್ಲ. ಅಧ್ಯಯನವನ್ನು ಒಮ್ಮೆ ಪತ್ತೆಹಚ್ಚಿದ ನಂತರ, ಸಾರ್ವಜನಿಕ ಆಕ್ರೋಶ ಕಂಡುಬಂದಿದೆ. ಜಸ್ಟೀಸ್ ಡಿಪಾರ್ಟ್ಮೆಂಟ್ ಈ ಅಧ್ಯಯನದ ತನಿಖೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿತು ಮತ್ತು ಸಂಶೋಧಕರನ್ನು ಕಾಂಗ್ರೆಸ್ ಮುಂದೆ ಸಾಕ್ಷ್ಯ ಮಾಡಲು ಕರೆಯಲಾಯಿತು. ಅಂತಿಮವಾಗಿ, ಕಾಂಗ್ರೆಸ್ ಹೊಸ ಕಾನೂನನ್ನು ಜಾರಿಗೊಳಿಸಿತು ಅದು ಅದು ಕಾನೂನುಬಾಹಿರವಾಗಿ ತೀರ್ಪುಗಾರರ ತೀರ್ಮಾನವನ್ನು ದಾಖಲಿಸುತ್ತದೆ.

ವಿಚಿತಾ ಜ್ಯೂರಿ ಸ್ಟಡಿ ವಿಮರ್ಶಕರ ಕಳವಳವು ಭಾಗವಹಿಸುವವರಿಗೆ ಹಾನಿಯಾಗದ ಅಪಾಯವಲ್ಲ; ಬದಲಿಗೆ, ಇದು ತೀರ್ಪುಗಾರರ ವಿವೇಚನೆಯ ಸಂದರ್ಭದಲ್ಲಿ ಹಾನಿಗೊಳಗಾಗುವ ಅಪಾಯವಾಗಿದೆ. ಅಂದರೆ, ತೀರ್ಪುಗಾರರ ಸದಸ್ಯರು ಸುರಕ್ಷಿತ ಮತ್ತು ಸಂರಕ್ಷಿತ ಜಾಗದಲ್ಲಿ ಚರ್ಚೆಗಳನ್ನು ನಡೆಸುತ್ತಿದ್ದಾರೆ ಎಂದು ನಂಬದಿದ್ದರೆ, ಭವಿಷ್ಯದಲ್ಲಿ ಮುಂದುವರಿಯಲು ತೀರ್ಪುಗಾರರ ಚರ್ಚೆಗಳಿಗೆ ಕಷ್ಟವಾಗುತ್ತದೆ ಎಂದು ಜನರು ಭಾವಿಸಿದ್ದಾರೆ. ತೀರ್ಪುಗಾರರ ವಿವೇಚನೆಗೆ ಹೆಚ್ಚುವರಿಯಾಗಿ, ಸಮಾಜವು ಹೆಚ್ಚುವರಿ ರಕ್ಷಣೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ವಕೀಲ-ಕ್ಲೈಂಟ್ ಸಂಬಂಧಗಳು ಮತ್ತು ಮಾನಸಿಕ ಆರೈಕೆ (MacCarthy 2015) .

ಸನ್ನಿವೇಶಕ್ಕೆ (Desposato 2016b) ಅಪಾಯ ಮತ್ತು ಸಾಮಾಜಿಕ ವ್ಯವಸ್ಥೆಗಳ ಅಡ್ಡಿ ಕೂಡ ರಾಜಕೀಯ ವಿಜ್ಞಾನದಲ್ಲಿ ಕೆಲವು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಉದ್ಭವಿಸುತ್ತದೆ (Desposato 2016b) . ರಾಜಕೀಯ ವಿಜ್ಞಾನದಲ್ಲಿ ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಕ್ಕಾಗಿ ಹೆಚ್ಚಿನ ಸನ್ನಿವೇಶ-ಸೂಕ್ಷ್ಮ ವೆಚ್ಚ-ಲಾಭದ ಲೆಕ್ಕಾಚಾರದ ಉದಾಹರಣೆಗಾಗಿ, Zimmerman (2016) .

• ನ್ಯಾಯ (ವಿಭಾಗ 6.4.3)

ಭಾಗವಹಿಸುವವರಿಗೆ ಪರಿಹಾರವನ್ನು ಡಿಜಿಟಲ್-ವಯಸ್ಸು ಸಂಶೋಧನೆಗೆ ಸಂಬಂಧಿಸಿದ ಹಲವಾರು ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ಚರ್ಚಿಸಲಾಗಿದೆ. Lanier (2014) ಅವರು ಉತ್ಪಾದಿಸುವ ಡಿಜಿಟಲ್ ಕುರುಹುಗಳಿಗೆ ಪಾಲ್ಗೊಳ್ಳುವವರಿಗೆ ಪಾವತಿಸಲು ಸಲಹೆ ನೀಡುತ್ತಾರೆ. Bederson and Quinn (2011) ಆನ್ಲೈನ್ ​​ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ಪಾವತಿಗಳನ್ನು ಚರ್ಚಿಸುತ್ತಾರೆ. ಅಂತಿಮವಾಗಿ, Desposato (2016a) ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಪಾಲ್ಗೊಳ್ಳುವವರಿಗೆ ಪಾವತಿಸಲು ಸಲಹೆ ನೀಡುತ್ತಾರೆ. ಪಾಲ್ಗೊಳ್ಳುವವರಿಗೆ ನೇರವಾಗಿ ಪಾವತಿಸಲಾಗದಿದ್ದರೂ, ತಮ್ಮ ಪರವಾಗಿ ಕೆಲಸ ಮಾಡುವ ಗುಂಪಿಗೆ ಕೊಡುಗೆ ನೀಡಬಹುದೆಂದು ಅವರು ಗಮನಿಸಿದ್ದಾರೆ. ಉದಾಹರಣೆಗೆ, ಎನ್ಕೋರ್ನಲ್ಲಿ, ಇಂಟರ್ನೆಟ್ ಪ್ರವೇಶವನ್ನು ಬೆಂಬಲಿಸಲು ಕೆಲಸ ಮಾಡುವ ಗುಂಪಿಗೆ ಸಂಶೋಧಕರು ಕೊಡುಗೆ ನೀಡಿದ್ದಾರೆ.

• ಕಾನೂನು ಮತ್ತು ಸಾರ್ವಜನಿಕ ಹಿತಾಸಕ್ತಿಯ ಗೌರವ (ವಿಭಾಗ 6.4.4)

ಸಮಾನ ಪಕ್ಷಗಳ ನಡುವಿನ ಮಾತುಕತೆಗಳು ಮತ್ತು ಕಾನೂನುಬದ್ಧ ಸರ್ಕಾರಗಳು ರಚಿಸಿದ ಕಾನೂನುಗಳಿಗಿಂತ ಸೇವಾ ನಿಯಮಗಳ ನಿಯಮಗಳು ಕಡಿಮೆ ತೂಕವನ್ನು ಹೊಂದಿರಬೇಕು. ಸಂಶೋಧಕರು ನಿಯಮಗಳ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸಿದ್ದಾರೆ ಸಂದರ್ಭಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಕಂಪನಿಗಳ ನಡವಳಿಕೆಯನ್ನು ಆಡಿಟ್ ಮಾಡಲು ಸ್ವಯಂಚಾಲಿತ ಪ್ರಶ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ (ತಾರತಮ್ಯವನ್ನು ಅಳೆಯಲು ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳಂತೆಯೇ). ಹೆಚ್ಚುವರಿ ಚರ್ಚೆಗಳಿಗಾಗಿ, Vaccaro et al. (2015) , Bruckman (2016a) , ಮತ್ತು Bruckman (2016b) . ಸೇವೆಯ ನಿಯಮಗಳನ್ನು ಚರ್ಚಿಸುವ ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆಯ ಒಂದು ಉದಾಹರಣೆಗಾಗಿ, Soeller et al. (2016) . ಸೇವೆಯ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸಿದರೆ ಸಂಶೋಧಕರು ಎದುರಿಸಬಹುದಾದ ಸಂಭಾವ್ಯ ಕಾನೂನು ಸಮಸ್ಯೆಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, ನೋಡಿ Sandvig and Karahalios (2016) .

• ಎರಡು ನೈತಿಕ ಚೌಕಟ್ಟುಗಳು (ವಿಭಾಗ 6.5)

ನಿಸ್ಸಂಶಯವಾಗಿ, ಪರಿಣಾಮಕಾರಿಯಾದ ಮತ್ತು ಡಿಒಂಟೊಲಜಿ ಬಗ್ಗೆ ಅಗಾಧ ಪ್ರಮಾಣವನ್ನು ಬರೆಯಲಾಗಿದೆ. ಈ ನೈತಿಕ ಚೌಕಟ್ಟುಗಳು, ಮತ್ತು ಇತರವುಗಳನ್ನು ಡಿಜಿಟಲ್-ವಯಸ್ಸು ಸಂಶೋಧನೆಯ ಬಗ್ಗೆ Zevenbergen et al. (2015) ಹೇಗೆ ಬಳಸಬಹುದೆಂಬ ಉದಾಹರಣೆಗಾಗಿ, Zevenbergen et al. (2015) . ಅಭಿವೃದ್ಧಿ ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳಿಗೆ ಅವರು ಹೇಗೆ ಅನ್ವಯಿಸಬಹುದು ಎಂಬುದಕ್ಕೆ ಒಂದು ಉದಾಹರಣೆಗಾಗಿ, ನೋಡಿ Baele (2013) .

• ಮಾಹಿತಿಯುಕ್ತ ಸಮ್ಮತಿ (ವಿಭಾಗ 6.6.1)

ತಾರತಮ್ಯದ ಬಗ್ಗೆ ಆಡಿಟ್ ಅಧ್ಯಯನದ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Pager (2007) ಮತ್ತು Riach and Rich (2004) . ಈ ಅಧ್ಯಯನಗಳು ಕೇವಲ ಒಪ್ಪಿಗೆಯನ್ನು ಹೊಂದಿಲ್ಲವೆಂದು ಮಾತ್ರವಲ್ಲ, ಅವುಗಳು ಡೆಬ್ರೊಫೀಯಿಂಗ್ ಮಾಡದೆಯೇ ಮೋಸವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ.

Desposato (2016a) ಮತ್ತು Humphreys (2015) ಎರಡೂ ಒಪ್ಪಿಗೆಯಿಲ್ಲದೇ ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳ ಬಗ್ಗೆ ಸಲಹೆ ನೀಡುತ್ತವೆ.

Sommers and Miller (2013) ವಂಚನೆಯ ನಂತರ ಪಾಲ್ಗೊಳ್ಳುವವರಲ್ಲಿ ಭಾಗಿಯಾಗದಿರುವ ಪರವಾಗಿ ಅನೇಕ ವಾದಗಳನ್ನು ಪರಿಶೀಲಿಸುತ್ತಾರೆ, ಮತ್ತು ಸಂಶೋಧಕರು ಡೆಬೊಫೀಮಿಂಗ್ ಅನ್ನು ಬಿಟ್ಟುಬಿಡಬೇಕು ಎಂದು ವಾದಿಸುತ್ತಾರೆ

"ಬಹಳ ಕಿರಿದಾದ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಕ್ಷೇತ್ರ ಸಂಶೋಧನೆಯು ಡೆಬ್ರೊಫೈನಿಂಗ್ ಗಣನೀಯ ಪ್ರಾಯೋಗಿಕ ಅಡೆತಡೆಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಆದರೆ ಸಂಶೋಧಕರು ಅವರು ಸಾಧ್ಯವಾದರೆ debriefing ಬಗ್ಗೆ ಯಾವುದೇ ಅನುಮಾನ ಹೊಂದಿರುವುದಿಲ್ಲ. ನಿಷ್ಕಪಟ ಪಾಲ್ಗೊಳ್ಳುವ ಪೂಲ್ ಕಾಪಾಡಲು, ಪಾಲ್ಗೊಳ್ಳುವ ಕೋಪದಿಂದ ರಕ್ಷಿಸಲು ಅಥವಾ ಪಾಲ್ಗೊಳ್ಳುವವರನ್ನು ಹಾನಿಯಾಗದಂತೆ ರಕ್ಷಿಸಲು ಸಂಶೋಧಕರನ್ನು ಡೆಬ್ರಾಫಿಂಗ್ ತ್ಯಜಿಸಲು ಅನುಮತಿ ನೀಡಬಾರದು. "

ಕೆಲವೊಂದು ಸಂದರ್ಭಗಳಲ್ಲಿ debriefing ಒಳ್ಳೆಯದು ಹೆಚ್ಚು ಹಾನಿಯಾಗದಿದ್ದರೆ, ಇದನ್ನು ತಪ್ಪಿಸಬೇಕು (Finn and Jakobsson 2007) . ಡೆಬ್ರೀಫಿಂಗ್ ಎನ್ನುವುದು ಕೆಲವು ಸಂಶೋಧಕರು ಪ್ರಯೋಜನಕ್ಕಾಗಿ ವ್ಯಕ್ತಿಗಳಿಗೆ ಗೌರವವನ್ನು ಆದ್ಯತೆ ನೀಡುವ ಸಂದರ್ಭದಲ್ಲಿ, ಕೆಲವು ಸಂಶೋಧಕರು ಇದಕ್ಕೆ ವಿರುದ್ಧವಾಗಿರುತ್ತಾರೆ. ಪಾಲ್ಗೊಳ್ಳುವವರಿಗೆ ಕಲಿಕೆಯ ಅನುಭವವನ್ನು debriefing ಮಾಡುವ ವಿಧಾನಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುವ ಒಂದು ಸಂಭಾವ್ಯ ಪರಿಹಾರವೆಂದರೆ. ಅದು ಹಾನಿ ಉಂಟುಮಾಡುವಂತಹ ದುರ್ಬಳಕೆಯನ್ನು ಆಲೋಚಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಬಹುಶಃ ಡೆಬ್ರೀಫಿಂಗ್ ಸಹ ಭಾಗವಹಿಸುವವರಿಗೆ ಪ್ರಯೋಜನಕಾರಿ ಸಂಗತಿಯಾಗಿದೆ. ಈ ರೀತಿಯ ಶೈಕ್ಷಣಿಕ debriefing ಒಂದು ಉದಾಹರಣೆಗಾಗಿ, Jagatic et al. (2007) . ಮನೋವಿಜ್ಞಾನಿಗಳು debriefing (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಮತ್ತು ಇವುಗಳಲ್ಲಿ ಕೆಲವನ್ನು ಡಿಜಿಟಲ್-ವಯಸ್ಸು ಸಂಶೋಧನೆಗೆ ಬಳಸಬಹುದಾಗಿದೆ. Humphreys (2015) ಮುಂದೂಡಲ್ಪಟ್ಟ ಸಮ್ಮತಿಯ ಬಗ್ಗೆ ಆಸಕ್ತಿದಾಯಕ ಆಲೋಚನೆಗಳನ್ನು ನೀಡುತ್ತದೆ, ಅದು ನಾನು ವಿವರಿಸಿದ ಡೆಬ್ರಾಫಿಂಗ್ ತಂತ್ರದೊಂದಿಗೆ ನಿಕಟವಾಗಿ ಸಂಬಂಧಿಸಿದೆ.

ಅವರ ಒಪ್ಪಿಗೆ ಫಾರ್ ಭಾಗಿಗಳ ಮಾದರಿಯನ್ನು ಕೇಳುವ ಕಲ್ಪನೆಯನ್ನು ಎಂಬುದನ್ನು ಸಂಬಂಧಿಸಿದೆ Humphreys (2015) ನಿರ್ಣಯದ ಒಪ್ಪಿಗೆ ಕರೆಗಳು.

ಆನ್ಲೈನ್ ​​ಪ್ರಯೋಗಗಳಲ್ಲಿ ಸಮ್ಮತಿಸುವ ಜನರ ಸಮಿತಿ (Crawford 2014) ಅನ್ನು ನಿರ್ಮಿಸುವುದು ಎಂಬುದು ತಿಳಿಸಲಾದ ಉದ್ದೇಶಿತ ಸಮ್ಮತಿಗೆ ಸಂಬಂಧಿಸಿದ ಮತ್ತೊಂದು ವಿಚಾರವಾಗಿದೆ. ಈ ಫಲಕವು ಜನರ ಯಾದೃಚ್ಛಿಕ ಮಾದರಿ ಎಂದು ಕೆಲವರು ವಾದಿಸಿದ್ದಾರೆ. ಆದರೆ ಅಧ್ಯಾಯ 3 (ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದು) ಈ ಸಮಸ್ಯೆಗಳು ಪೋಸ್ಟ್-ಸ್ಟ್ರ್ಯಾಟಿಫಿಕೇಷನ್ ಬಳಸಿಕೊಂಡು ಸಂಭಾವ್ಯವಾಗಿ ತಿಳಿಸಬಲ್ಲವು ಎಂದು ತೋರಿಸುತ್ತದೆ. ಅಲ್ಲದೆ, ಪ್ಯಾನಲ್ನಲ್ಲಿರುವ ಒಪ್ಪಿಗೆಯು ಹಲವಾರು ಪ್ರಯೋಗಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತದೆ. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಭಾಗವಹಿಸುವವರು ಪ್ರತ್ಯೇಕವಾಗಿ ಪ್ರತಿ ಪ್ರಯೋಗಕ್ಕೂ ಒಪ್ಪಿಗೆ ಅಗತ್ಯವಿಲ್ಲ, ವಿಶಾಲ ಒಪ್ಪಿಗೆ (Sheehan 2011) ಎಂಬ ಪರಿಕಲ್ಪನೆ. ಒಂದು ಅಧ್ಯಯನದ ಮತ್ತು ಒಂದು ಸಂಭವನೀಯ ಹೈಬ್ರಿಡ್ಗೆ ಒನ್-ಟೈಮ್ ಒಪ್ಪಿಗೆ ಮತ್ತು ಒಪ್ಪಿಗೆ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Hutton and Henderson (2015) .

• ಮಾಹಿತಿ ಅಪಾಯವನ್ನು ಅಂಡರ್ಸ್ಟ್ಯಾಂಡಿಂಗ್ ಮತ್ತು ನಿರ್ವಹಿಸುವುದು (ವಿಭಾಗ 6.6.2)

ವಿಶಿಷ್ಟವಾದದ್ದು ಹೊರತು, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಬಹುಮಾನವು ಜನರ ಬಗ್ಗೆ ವಿವರವಾದ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುವ ಡೇಟಾಸೆಟ್ಗಳ ಒಂದು ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ಆಸ್ತಿಯನ್ನು ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ಆಧುನಿಕ ಸಾಮಾಜಿಕ ಡೇಟಾಸೆಟ್ಗಳ "ಅನಾಮಧೇಯಗೊಳಿಸುವಿಕೆ" ಸಾಧ್ಯತೆಯ ಬಗ್ಗೆ ಪ್ರಮುಖ ಪಾಠಗಳನ್ನು ನೀಡುತ್ತದೆ. ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯ ಕುರಿತಾದ ಅನೇಕ ತುಣುಕುಗಳ ಮಾಹಿತಿಯು ವಿರಳವಾಗಿರಬಹುದು , Narayanan and Shmatikov (2008) ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. ಅಂದರೆ, ಪ್ರತಿ ದಾಖಲೆಯೂ ಒಂದೇ ದಾಖಲೆಗಳಿಲ್ಲ, ಮತ್ತು ವಾಸ್ತವವಾಗಿ ಒಂದೇ ರೀತಿಯ ದಾಖಲೆಗಳಿಲ್ಲ: ಪ್ರತಿ ವ್ಯಕ್ತಿಯು ಡೇಟಾಸಮೂಹದಲ್ಲಿನ ಅವರ ಹತ್ತಿರದ ನೆರೆಯಿಂದ ದೂರವಿದೆ. ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಮಾಹಿತಿಯು ವಿರಳವಾಗಿರಬಹುದು ಎಂದು ಊಹಿಸಬಹುದು, ಏಕೆಂದರೆ ಐದು-ಪದರದ ಪ್ರಮಾಣದಲ್ಲಿ ಸುಮಾರು 20,000 ಸಿನೆಮಾಗಳೊಂದಿಗೆ, ಪ್ರತಿ ವ್ಯಕ್ತಿಗೆ ಸಾಧ್ಯವಿರುವ ಮೌಲ್ಯಗಳು \(6^{20,000}\) (6 ಏಕೆಂದರೆ, 1 ರವರೆಗೆ 5 ನಕ್ಷತ್ರಗಳು, ಯಾರಾದರೂ ಚಲನಚಿತ್ರವನ್ನು ರೇಟ್ ಮಾಡದಿರಬಹುದು). ಈ ಸಂಖ್ಯೆ ತುಂಬಾ ದೊಡ್ಡದಾಗಿದೆ, ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಕಷ್ಟ.

Sparsity ಎರಡು ಮುಖ್ಯ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಯಾದೃಚ್ಛಿಕ ವಿನಾಶದ ಆಧಾರದ ಮೇಲೆ ಡೇಟಾಸಮೂಹವನ್ನು "ಅನಾಮಧೇಯಗೊಳಿಸುವ" ಯ ಪ್ರಯತ್ನವು ಸಾಧ್ಯತೆಗಳು ವಿಫಲಗೊಳ್ಳುತ್ತದೆ. ಅಂದರೆ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಕೆಲವು ರೇಟಿಂಗ್ಗಳನ್ನು (ಅವರು ಮಾಡಿದ) ಯಾದೃಚ್ಛಿಕವಾಗಿ ಸರಿಹೊಂದಿಸಿದ್ದರೂ ಸಹ, ಇದು ಸಾಕಾಗುವುದಿಲ್ಲ, ಯಾಕೆಂದರೆ ಆಘಾತಕಾರಿ ದಾಖಲೆಯು ಆಕ್ರಮಣಕಾರರಿಗೆ ಮಾಹಿತಿಯ ಸಮೀಪವಿರುವ ಸಾಧ್ಯತೆಯ ದಾಖಲೆಯಾಗಿದೆ. ಎರಡನೆಯದಾಗಿ, ಆಕ್ರಮಣಕಾರರಿಗೆ ಅಪೂರ್ಣ ಅಥವಾ ನಿಷ್ಪಕ್ಷಪಾತದ ಜ್ಞಾನವನ್ನು ಹೊಂದಿದ್ದರೂ ಮರು-ಗುರುತಿಸುವಿಕೆ ಸಾಧ್ಯ ಎಂದು ವಿರಳತೆ ಎಂದರೆ. ಉದಾಹರಣೆಗೆ, ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಡೇಟಾದಲ್ಲಿ, ಆಕ್ರಮಣಕಾರರಿಗೆ ನಿಮ್ಮ ರೇಟಿಂಗ್ಗಳು ಎರಡು ಚಲನಚಿತ್ರಗಳು ಮತ್ತು ನೀವು ಆ ರೇಟಿಂಗ್ಗಳನ್ನು \(\pm\) 3 ದಿನಗಳವರೆಗೆ ಮಾಡಿದ ದಿನಾಂಕಗಳನ್ನು ತಿಳಿದಿರಲಿ ಎಂದು ಊಹಿಸೋಣ; ಕೇವಲ ಮಾಹಿತಿ ಕೇವಲ ನೆಟ್ಫ್ಲಿಕ್ಸ್ ಡೇಟಾದಲ್ಲಿ 68% ಜನರ ಗುರುತಿಸಲು ಸಾಕಾಗುತ್ತದೆ. ಆಕ್ರಮಣಕಾರರಿಗೆ ನೀವು ಎಂಟು ಸಿನೆಮಾಗಳನ್ನು ತಿಳಿದಿದ್ದರೆ, ನೀವು 14 ದಿನಗಳನ್ನು \(\pm\) ಎಂದು ರೇಟ್ ಮಾಡಿದ್ದೀರಿ, ನಂತರ ಈ ಗೊತ್ತಿರುವ ಎರಡು ರೇಟಿಂಗ್ಗಳು ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪಾಗಿವೆಯಾದರೂ, ಡೇಟಾಬೇಸ್ನಲ್ಲಿ 99% ದಾಖಲೆಗಳನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸಬಹುದು. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಹೆಚ್ಚಿನ ಆಧುನಿಕ ಸಾಮಾಜಿಕ ಡೇಟಾಸೆಟ್ಗಳು ವಿರಳವಾಗಿರುವುದರಿಂದ ದುರದೃಷ್ಟಕರವಾದ ಡೇಟಾವನ್ನು "ಅನಾಮಧೇಯಗೊಳಿಸುವ" ಪ್ರಯತ್ನಗಳಿಗೆ ವಿರಳತೆ ಒಂದು ಮೂಲಭೂತ ಸಮಸ್ಯೆಯಾಗಿದೆ. ವಿರಳ ಮಾಹಿತಿಯ "ಅನಾಮಧೇಯಗೊಳಿಸುವಿಕೆ" ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Narayanan and Shmatikov (2008) .

ಟೆಲಿಫೋನ್ ಮೆಟಾ-ಡೇಟಾವು "ಅನಾಮಧೇಯ" ಮತ್ತು ಸೂಕ್ಷ್ಮವಾದುದು ಎಂದು ಕಾಣಿಸಬಹುದು, ಆದರೆ ಇದು ನಿಜವಲ್ಲ. ದೂರವಾಣಿ ಮೆಟಾ-ಡೇಟಾ ಗುರುತಿಸಬಲ್ಲ ಮತ್ತು ಸೂಕ್ಷ್ಮಗ್ರಾಹಿಯಾಗಿರುತ್ತದೆ (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

ಚಿತ್ರ 6.6 ರಲ್ಲಿ, ಭಾಗವಹಿಸುವವರಿಗೆ ಮತ್ತು ಡೇಟಾ ಬಿಡುಗಡೆಯಿಂದ ಸಮಾಜಕ್ಕೆ ಪ್ರಯೋಜನಗಳ ನಡುವಿನ ಅಪಾಯವನ್ನು ನಾನು ಚಿತ್ರಿಸಿದೆ. ನಿರ್ಬಂಧಿತ ಪ್ರವೇಶ ವಿಧಾನಗಳ ನಡುವಿನ ಹೋಲಿಕೆಗಾಗಿ (ಉದಾಹರಣೆಗೆ, ಗೋಡೆಯ ಉದ್ಯಾನ) ಮತ್ತು ನಿರ್ಬಂಧಿತ ದತ್ತಾಂಶ ವಿಧಾನಗಳು (ಉದಾ., "ಅನಾಮಧೇಯಗೊಳಿಸುವಿಕೆ" ಯ ಕೆಲವು ರೂಪಗಳು) Reiter and Kinney (2011) . ಡೇಟಾ ಅಪಾಯದ ಮಟ್ಟಗಳ ಪ್ರಸ್ತಾವಿತ ವರ್ಗೀಕರಣ ವ್ಯವಸ್ಥೆಗಾಗಿ, Sweeney, Crosas, and Bar-Sinai (2015) . ದತ್ತಾಂಶ ಹಂಚಿಕೆ ಕುರಿತು ಹೆಚ್ಚು ಸಾಮಾನ್ಯ ಚರ್ಚೆಗಾಗಿ, Yakowitz (2011) .

ಡೇಟಾದ ಅಪಾಯ ಮತ್ತು ಉಪಯುಕ್ತತೆಗಳ ನಡುವಿನ ಈ ವ್ಯವಹಾರದ ಹೆಚ್ಚಿನ ವಿಸ್ತೃತ ವಿಶ್ಲೇಷಣೆಗಾಗಿ, Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) , ಮತ್ತು Goroff (2015) . ಈ ವ್ಯಾಪಾರ-ವಹಿವಾಟನ್ನು ಬೃಹತ್ ಮುಕ್ತ ಆನ್ಲೈನ್ ​​ಶಿಕ್ಷಣ (MOOCs) ಯಿಂದ ನೈಜ ದತ್ತಾಂಶಕ್ಕೆ ಅನ್ವಯಿಸಲು ನೋಡಿ, Daries et al. (2014) ಮತ್ತು Angiuli, Blitzstein, and Waldo (2015) .

ಭಿನ್ನಾಭಿಪ್ರಾಯದ ಗೌಪ್ಯತೆಯು ಪರ್ಯಾಯ ವಿಧಾನವನ್ನು ಒದಗಿಸುತ್ತದೆ, ಇದು ಭಾಗವಹಿಸುವವರಿಗೆ ಕಡಿಮೆ ಅಪಾಯವನ್ನು ಮತ್ತು ಸಮಾಜಕ್ಕೆ ಹೆಚ್ಚಿನ ಲಾಭವನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ; Dwork and Roth (2014) ಮತ್ತು Narayanan, Huey, and Felten (2016) .

ಸಂಶೋಧನೆ ನೀತಿಗಳ ಬಗ್ಗೆ ಅನೇಕ ನಿಯಮಗಳಿಗೆ ಕೇಂದ್ರವಾದ ವ್ಯಕ್ತಿತ್ವ ಗುರುತಿಸುವ ಮಾಹಿತಿ (PII) ಎಂಬ ಪರಿಕಲ್ಪನೆಯ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ Narayanan and Shmatikov (2010) ಮತ್ತು Schwartz and Solove (2011) . ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಸಂಭಾವ್ಯವಾಗಿ ಸೂಕ್ಷ್ಮವಾಗಿರುವಂತೆ ಮಾಡಲು, Ohm (2015) .

ಈ ವಿಭಾಗದಲ್ಲಿ, ಮಾಹಿತಿಯ ಅಪಾಯಕ್ಕೆ ಕಾರಣವಾಗುವಂತಹ ವಿಭಿನ್ನ ಡೇಟಾಸೆಟ್ಗಳ ಸಂಪರ್ಕವನ್ನು ನಾನು ಚಿತ್ರಿಸಿದೆ. ಆದಾಗ್ಯೂ, Currie (2013) ವಾದಿಸಿದಂತೆ ಇದು ಸಂಶೋಧನೆಗೆ ಹೊಸ ಅವಕಾಶಗಳನ್ನು ರಚಿಸಬಹುದು.

ಐದು safes ನಲ್ಲಿ, Desai, Ritchie, and Welpton (2016) . ಫಲಿತಾಂಶಗಳು ಹೇಗೆ ಗುರುತಿಸಲ್ಪಡಬಹುದು ಎಂಬುದಕ್ಕೆ ಒಂದು ಉದಾಹರಣೆಗಾಗಿ, Brownstein, Cassa, and Mandl (2006) , ಇದು ರೋಗ ಹರಡುವಿಕೆಯ ನಕ್ಷೆಗಳು ಹೇಗೆ ಗುರುತಿಸಬಲ್ಲದು ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ. Dwork et al. (2017) ಸಮಗ್ರ ದತ್ತಾಂಶಗಳ ವಿರುದ್ಧದ ಆಕ್ರಮಣಗಳನ್ನು ಸಹ ಪರಿಗಣಿಸುತ್ತಾರೆ, ಉದಾಹರಣೆಗೆ ಎಷ್ಟು ವ್ಯಕ್ತಿಗಳು ನಿರ್ದಿಷ್ಟ ರೋಗದ ಬಗ್ಗೆ ಅಂಕಿಅಂಶಗಳು.

ಡೇಟಾ ಬಳಕೆ ಮತ್ತು ಡೇಟಾ ಬಿಡುಗಡೆಯ ಕುರಿತಾದ ಪ್ರಶ್ನೆಗಳು ಡೇಟಾ ಮಾಲೀಕತ್ವದ ಬಗ್ಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೂಡಾ ನೀಡುತ್ತವೆ. ಹೆಚ್ಚು, ಡೇಟಾ ಮಾಲೀಕತ್ವದ ಮೇಲೆ, Evans (2011) ಮತ್ತು Pentland (2012) .

• ಗೌಪ್ಯತೆ (ವಿಭಾಗ 6.6.3)

Warren and Brandeis (1890) ಗೌಪ್ಯತೆ ಬಗ್ಗೆ ಒಂದು ಕಾನೂನುಬದ್ಧ ಕಾನೂನುಬದ್ಧ ಲೇಖನವಾಗಿದ್ದು, ಗೌಪ್ಯತೆ ಏಕಾಂಗಿಯಾಗಿ ಉಳಿಯುವ ಹಕ್ಕು ಎಂಬ ಕಲ್ಪನೆಯೊಂದಿಗೆ ಹೆಚ್ಚು ಸಂಬಂಧಿಸಿದೆ. ನಾನು ಶಿಫಾರಸು ಎಂದು ಗೌಪ್ಯತೆ ಪುಸ್ತಕ ಉದ್ದ ಚಿಕಿತ್ಸೆಗಳು ಸೇರಿವೆ Solove (2010) ಮತ್ತು Nissenbaum (2010) .

ಗೌಪ್ಯತೆ ಬಗ್ಗೆ ಜನರು ಹೇಗೆ ಯೋಚಿಸುತ್ತಾರೆ ಎಂಬುದರ ಬಗ್ಗೆ ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆಯ ವಿಮರ್ಶೆಗಾಗಿ, ನೋಡಿ Acquisti, Brandimarte, and Loewenstein (2015) . Phelan, Lampe, and Resnick (2016) ದ್ವಿ-ಸಿಸ್ಟಮ್ ಸಿದ್ಧಾಂತವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿ-ಜನರು ಕೆಲವೊಮ್ಮೆ ಅಂತರ್ಬೋಧೆಯ ಕಾಳಜಿಗಳ ಮೇಲೆ ಗಮನ ಕೇಂದ್ರೀಕರಿಸುತ್ತಾರೆ ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಗೌಪ್ಯತೆ ಬಗ್ಗೆ ಜನರು ಹೇಗೆ ವಿರೋಧಾತ್ಮಕ ಹೇಳಿಕೆಗಳನ್ನು ನೀಡಬಹುದು ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಕೆಲವೊಮ್ಮೆ ಚಿಂತನೆಯ ಕಾಳಜಿಯನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತಾರೆ. ಟ್ವಿಟರ್ನಂತಹ ಆನ್ಲೈನ್ ​​ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿನ ಗೌಪ್ಯತೆ ಕಲ್ಪನೆಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Neuhaus and Webmoor (2012) .

ಸೈನ್ಸ್ ನಿಯತಕಾಲಿಕವು "ದಿ ಎಂಡ್ ಆಫ್ ಗೌಪ್ಯತೆ" ಎಂಬ ಹೆಸರಿನ ಒಂದು ವಿಶೇಷ ವಿಭಾಗವನ್ನು ಪ್ರಕಟಿಸಿತು, ಇದು ವಿವಿಧ ದೃಷ್ಟಿಕೋನಗಳಿಂದ ಗೌಪ್ಯತೆ ಮತ್ತು ಮಾಹಿತಿ ಅಪಾಯದ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುತ್ತದೆ; ಸಂಕ್ಷಿಪ್ತವಾಗಿ, ನೋಡಿ Enserink and Chin (2015) . Calo (2011) ಗೌಪ್ಯತೆ ಉಲ್ಲಂಘನೆಯಿಂದ ಬರುವ ಹಾನಿಗಳ ಕುರಿತು ಯೋಚಿಸಲು ಚೌಕಟ್ಟನ್ನು ಒದಗಿಸುತ್ತದೆ. ಡಿಜಿಟಲ್ ವಯಸ್ಸಿನ ಆರಂಭದಲ್ಲಿ ಖಾಸಗಿತನದ ಬಗ್ಗೆ ಕಳವಳದ ಆರಂಭಿಕ ಉದಾಹರಣೆಯೆಂದರೆ Packard (1964) .

• ಅನಿಶ್ಚಿತತೆಯ ಅಡಿಯಲ್ಲಿ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡುವುದು (ವಿಭಾಗ 6.6.4)

ಕನಿಷ್ಟ ಅಪಾಯದ ಮಾನದಂಡವನ್ನು ಅನ್ವಯಿಸಲು ಪ್ರಯತ್ನಿಸುವಾಗ ಒಂದು ಸವಾಲು ಎಂಬುದು ಬೆಂಚ್ಮಾರ್ಕಿಂಗ್ (National Research Council 2014) ಗೆ ಬಳಸಬೇಕಾದ ಅವರ ದೈನಂದಿನ ಜೀವನವನ್ನು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ ಎಂಬುದು. ಉದಾಹರಣೆಗೆ, ಮನೆಯಿಲ್ಲದ ಜನರು ತಮ್ಮ ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಟ್ಟದ ಅಸ್ವಸ್ಥತೆಯನ್ನು ಹೊಂದಿರುತ್ತಾರೆ. ಆದರೆ ನಿರಾಶ್ರಿತ ಜನರನ್ನು ಹೆಚ್ಚಿನ-ಅಪಾಯದ ಸಂಶೋಧನೆಗೆ ಒಡ್ಡಲು ಅದು ನೈತಿಕವಾಗಿ ಅನುಮತಿ ನೀಡುತ್ತಿದೆ ಎಂದು ಅರ್ಥವಲ್ಲ. ಈ ಕಾರಣಕ್ಕಾಗಿ, ಒಂದು ಸಾಮಾನ್ಯ-ಜನಸಂಖ್ಯಾ ಮಾನದಂಡಕ್ಕೆ ವಿರುದ್ಧವಾಗಿ ಕನಿಷ್ಠ ಅಪಾಯವನ್ನು ಬೆಂಚ್ಮಾರ್ಕ್ ಮಾಡಬೇಕೆಂದು ಬೆಳೆಯುತ್ತಿರುವ ಒಮ್ಮತದಂತೆ ಕಂಡುಬರುತ್ತದೆ, ನಿರ್ದಿಷ್ಟ ಜನಸಂಖ್ಯೆಯ ಮಾನದಂಡವಲ್ಲ. ನಾನು ಸಾಮಾನ್ಯವಾಗಿ ಸಾಮಾನ್ಯ-ಜನಸಂಖ್ಯಾ ಮಾನದಂಡದ ಕಲ್ಪನೆಯೊಂದಿಗೆ ಒಪ್ಪುತ್ತೇನೆಯಾದರೂ, ಫೇಸ್ಬುಕ್ನಂತಹ ದೊಡ್ಡ ಆನ್ಲೈನ್ ​​ವೇದಿಕೆಗಳಿಗಾಗಿ ನಿರ್ದಿಷ್ಟ ಜನಸಂಖ್ಯೆಯ ಗುಣಮಟ್ಟವು ಸಮಂಜಸವಾಗಿದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ. ಆದ್ದರಿಂದ, ಭಾವನಾತ್ಮಕ ಸೋಂಕು ಪರಿಗಣಿಸುವಾಗ, ಫೇಸ್ಬುಕ್ನಲ್ಲಿ ದಿನನಿತ್ಯದ ಅಪಾಯದ ವಿರುದ್ಧ ಬೆಂಚ್ಮಾರ್ಕ್ಗೆ ಅದು ಸಮಂಜಸವಾಗಿದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ. ಈ ಪ್ರಕರಣದಲ್ಲಿ ಒಂದು ನಿರ್ದಿಷ್ಟ-ಜನಸಂಖ್ಯೆಯ ಮಾನದಂಡವು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು ಸುಲಭವಾಗಿದೆ ಮತ್ತು ಅನನುಕೂಲತೆಯ ಗುಂಪುಗಳ ಮೇಲೆ ಅನ್ಯಾಯವಾಗಿ ವಿಫಲವಾದ ಸಂಶೋಧನೆಯ ಭಾರಗಳನ್ನು ತಡೆಗಟ್ಟಲು ಯತ್ನಿಸುವ ನ್ಯಾಯಾಧೀಶ ತತ್ತ್ವದೊಂದಿಗೆ ಸಂಘರ್ಷಕ್ಕೆ ಅಸಂಭವವಾಗಿದೆ (ಉದಾಹರಣೆಗೆ ಕೈದಿಗಳು ಮತ್ತು ಅನಾಥರು).

• ಪ್ರಾಯೋಗಿಕ ಸಲಹೆಗಳು (ವಿಭಾಗ 6.7)

ನೈತಿಕ ಅನುಬಂಧಗಳನ್ನು (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) ಸೇರಿಸಿಕೊಳ್ಳಲು ಇತರ ವಿದ್ವಾಂಸರು ಹೆಚ್ಚಿನ ಲೇಖನಗಳನ್ನು ಕರೆದರು. King and Sands (2015) ಸಹ ಪ್ರಾಯೋಗಿಕ ಸಲಹೆಗಳನ್ನು ನೀಡುತ್ತದೆ. ಝೂಕ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2017) "ಜವಾಬ್ದಾರಿಯುತ ದೊಡ್ಡ ದತ್ತಾಂಶ ಸಂಶೋಧನೆಗೆ ಹತ್ತು ಸರಳ ನಿಯಮಗಳನ್ನು" ನೀಡುತ್ತಾರೆ.