다음에 읽을 내용
- 소개 (6.1 절)
연구 윤리에는 전통적으로 과학 사기 및 신용 할당과 같은 주제가 포함되어 있습니다. 이것들은 Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) 의 과학자 로서 더 자세하게 논의됩니다.
이 장은 미국의 상황에 크게 영향을받습니다. 다른 국가의 윤리적 검토 절차에 대한 더 자세한 내용은 Desposato (2016b) 6-9 장을 참조하십시오. 이 장에 영향을 미친 생의학 윤리 원칙이 지나치게 미국인이라는 주장에 대해 Holm (1995) . 미국의 기관 검토위원회 (Institutional Review Boards)에 대한 더 자세한 역사적인 검토는 Stark (2012) 참조하십시오. PS : Political Science and Politics 저널은 정치 학자와 IRB 간의 관계에 관한 전문 심포지움을 가졌습니다. Martinez-Ebers (2016) 의 요약을보십시오.
Belmont 보고서와 미국의 후속 규정은 연구와 실제를 구별하는 경향이 있습니다. 나는이 장에서 윤리적 원리와 틀이 두 설정 모두에 적용된다고 생각하기 때문에 그러한 구별을하지 않았다. 이 구별과 소개하는 문제에 대한 자세한 내용은 Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) , Metcalf and Crawford (2016) .
Facebook의 연구 감독에 대한 자세한 내용은 Jackman and Kanerva (2016) 참조하십시오. 기업 및 비정부기구의 연구 감독에 대한 아이디어는 Calo (2013) , Polonetsky, Tene, and Jerome (2015) 및 Tene and Polonetsky (2016) .
서 아프리카 (Wesolowski et al. 2014; McDonald 2016) 의 2014 에볼라 발생에 대응하기위한 휴대 전화 데이터의 사용과 관련하여 휴대 전화 데이터의 개인 정보 위험에 대한 자세한 내용은 Mayer, Mutchler, and Mitchell (2016) . 휴대폰 데이터를 이용한 위기와 관련된 초기 연구의 예는 Bengtsson et al. (2011) , Lu, Bengtsson, and Holme (2012) , 위기 관련 연구 윤리에 대한 자세한 내용은 ( ??? ) 참조하십시오.
- 세 가지 예 (섹션 6.2)
많은 사람들이 Emotional Contagion에 관해 썼습니다. 저널 Research Ethics 는 2016 년 1 월에 전체 문제를 연구 하여 실험에 대해 논의했습니다. 개요는 Hunter and Evans (2016) 를 참조하십시오. Kahn, Vayena, and Mastroianni (2014) 와 Fiske and Hauser (2014) 는 과학에 관한 두 권의 논문을 발표했다. 실험에 대한 다른 조각은 다음과 같습니다 : Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , 및 ( ??? ) .
- 디지털은 다릅니다 (6.3 절).
대량 감시와 관련하여 Mayer-Schönberger (2009) 와 Marx (2016) 에서 광범위한 개요가 제공됩니다. 감시 비용의 변화에 대한 구체적인 예를 보려면 Bankston and Soltani (2013) 는 휴대 전화를 사용하여 범죄 용의자를 추적하는 것이 실제 감시보다 약 50 배 저렴하다고 추정합니다. 직장에서의 감시에 대한 설명은 Ajunwa, Crawford, and Schultz (2016) 를 참조하십시오. Bell and Gemmell (2009) 은 자기 감시에 대해보다 낙관적 인 관점을 제시합니다.
연구자는 대중적이거나 부분적으로 공개 된 (Tastes, Ties, and Time) 관찰 가능한 행동을 추적 할 수있을뿐만 아니라 점점 많은 사람들이 개인적으로 생각하는 것을 추론 할 수 있습니다. 예를 들어, Michal Kosinski와 동료 (2013) 는 겉으로보기에는 일반적인 디지털 추적 데이터 (Facebook Likes)에서 사람들에 대한 성향 및 중독성 물질 사용과 같은 민감한 정보를 추론 할 수 있음을 보여주었습니다. 이것은 마술처럼 들릴지 모르겠지만 Kosinski와 동료가 사용한 디지털 추적, 설문 조사 및 감독 학습을 결합한 접근 방식은 사실 내가 이미 말한 내용입니다. 3 장 (질문하기)에 나와 있습니다. Joshua Blumenstock과 동료 (2015) 조사 데이터와 휴대 전화 데이터를 결합하여 르완다의 빈곤을 추정하는 방법을 설명했습니다. 개발 도상국의 빈곤을 효율적으로 측정하는 데 사용될 수있는 이와 똑같은 접근법은 잠재적으로 개인 정보를 위반하는 추론에도 사용될 수 있습니다.
의도하지 않은 건강 데이터의 2 차 용도에 대한 자세한 내용은 O'Doherty et al. (2016) . 의도하지 않은 부차적 인 용도에 대한 잠재 성 외에도 불완전한 마스터 데이터베이스조차도 사람들이 특정 자료를 읽거나 특정 주제를 논하는 것을 꺼려하면 사회 및 정치 생활에 큰 영향을 줄 수 있습니다. Schauer (1978) 와 Penney (2016) .
규칙이 겹치는 상황에서 연구원은 때때로 "규제 쇼핑" (Grimmelmann 2015; Nickerson and Hyde 2016) 합니다. 특히, IRB 감독을 피하고자하는 일부 연구자는 IRB (예 : 기업 또는 NGO의 사람들)가 다루지 않는 연구원과 파트너십을 형성 할 수 있으며, 동료가 데이터를 수집하고 식별 해제하도록 할 수 있습니다. IRB가 조사한 연구원은 적어도 현재의 규칙에 대한 해석에 따르면 더 이상 "인간 대상 연구"로 간주되지 않으므로 IRB 감독없이이 식별되지 않은 데이터를 분석 할 수 있습니다. 이러한 종류의 IRB 회피는 아마도 연구 윤리에 대한 원칙 기반 접근 방식과 일치하지 않을 수 있습니다.
2011 년에 공통 규칙을 업데이트하기위한 노력이 시작되었고이 과정은 마침내 2017 년에 완료되었습니다 ( ??? ) . 공통 규칙을 업데이트하려는 이러한 노력에 대한 자세한 내용은 Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) 및 Metcalf (2016) .
- 네 가지 원칙 (6.4 절)
생물 의학 윤리에 대한 고전적인 원리 기반 접근법은 Beauchamp and Childress (2012) 의 접근 방식입니다. 그들은 네 가지 주요 원칙이 생물 의학 윤리를 인도해야한다고 제안했다. 자율성, 비범하지 않은 태도, 유익 함, 정의에 대한 존중. nonmaleficence의 원칙은 다른 사람들에게 해를 입히지 말 것을 촉구합니다. 이 개념은 "해를 끼치 지마"라는 히포크라테스의 생각과 깊은 관련이 있습니다. 연구 윤리에서이 원칙은 종종 유익의 원칙과 결합됩니다. 그러나이 두 원칙 사이의 구별에 대해서는 @ beauchamp_principles_2012의 5 장을보십시오. 이러한 원칙들이 지나치게 미국인이라는 비판에 대해 Holm (1995) . 원칙이 충돌 할 때 균형을 유지하는 방법에 대한 자세한 내용은 Gillon (2015) 참조하십시오.
이 장의 네 가지 원칙은 "소비자 주제 검토위원회"(CSRB) (Calo 2013) 라는 기관을 통해 기업 및 NGO (Polonetsky, Tene, and Jerome 2015) 에서 수행되는 연구에 대한 윤리적 감독을 유도하기 위해 제안되었습니다.
- 인물 존중 (6.4.1 절)
Belmont 보고서는 자치권을 존중하는 것 외에도 모든 인간이 진정한 자결권을 행사할 수있는 것은 아니라고 인정합니다. 예를 들어, 어린이, 질병으로 고통받는 사람들 또는 심하게 제한된 자유의 상황에 처한 사람들은 완전한 자치적 인 개인으로 행동 할 수 없으므로 이러한 사람들은 추가적인 보호의 대상이됩니다.
디지털 시대의 사람 존중의 원칙을 적용하는 것은 어려울 수 있습니다. 예를 들어, 디지털 시대 연구에서는 연구자가 종종 참가자에 대해 거의 알지 못하기 때문에 자결 능력이 약한 사람들에게 추가적인 보호 장치를 제공하는 것이 어려울 수 있습니다. 또한 디지털 시대 사회 연구에 대한 정보에 입각 한 동의는 큰 도전입니다. 어떤 경우 정보 와 이해 가 상충되는 투명성 역설 (Nissenbaum 2011) 으로 진정으로 정보에 입각 한 동의가 (Nissenbaum 2011) 수 있습니다. 대략적으로 연구자가 데이터 수집, 데이터 분석 및 데이터 보안 관행의 특성에 대한 완전한 정보를 제공하면 많은 참가자가 이해하기 어려울 것입니다. 그러나 연구자가 이해할 수있는 정보를 제공하면 중요한 기술적 세부 사항이 부족할 수 있습니다. Belmont Report가 고려한 아날로그 시대의 의학 연구에서 투명성 역설을 해결하기 위해 의사가 각 참가자와 개별적으로 이야기하는 것을 상상할 수 있습니다. 수천 또는 수백만 명의 사람들이 참여하는 온라인 연구에서 그런 대면 방식은 불가능합니다. 디지털 시대에 대한 동의의 두 번째 문제는 대용량 데이터 저장소의 분석과 같은 일부 연구에서는 모든 참가자로부터 정보에 입각 한 동의를 얻는 것이 비현실적이라는 것입니다. 정보에 근거한 동의에 관한이 질문들과 다른 질문들에 대해서는 6.6.1 절에서 더 자세히 논의 할 것이다. 그러나 이러한 어려움에도 불구하고 우리는 정보에 입각 한 동의가 사람 존중을 위해 필요하거나 충분하지 않다는 것을 기억해야합니다.
정보에 입각 한 동의 전에 의학 연구에 대한 자세한 내용은 Miller (2014) 참조하십시오. 정보에 입각 한 동의서를 책 한 권으로 취급하는 경우 Manson and O'Neill (2007) 참조하십시오. 아래의 동의서에 대한 제안 된 지침을 참조하십시오.
- 유익 (섹션 6.4.2)
문맥에 해가 끼치는 것은 연구가 특정 사람들에게가 아니라 사회적 환경을 초래할 수있는 해로움입니다. 이 개념은 약간 추상적이지만 Wichita Jury Study (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - 때로는 Chicago Jury Project (Cornwell 2010) 라고도 부르는 고전적인 예를 들어 설명해 보겠습니다. 이 연구에서, 시카고 대학의 연구원은 법 체계의 사회적 측면에 대한 더 큰 연구의 일환으로 캔자스 주 위치 타에 6 개의 배심원 심의를 비밀리에 기록했습니다. 사건의 판사와 변호사는 녹음 내용을 승인했으며이 과정에 대한 엄격한 감독이있었습니다. 그러나 배심원들은 녹음이 발생하고 있다는 것을 모르고있었습니다. 연구 결과가 공개되면 공개적으로 분노했습니다. 법무부는 이번 조사에 대한 조사를 시작했으며, 연구자들은 의회에서 증언하기 위해 전화를 받았다. 궁극적으로, 의회는 비밀리에 배심원 심의를 불법화하는 새로운 법률을 통과 시켰습니다.
Wichita Jury Study의 비평가들의 우려는 참가자들에게 해를 끼칠 위험이 아니 었습니다. 오히려, 그것은 심사 숙고의 맥락에 해를 끼칠 위험이있었습니다. 즉, 심사 위원들이 안전하고 보호 된 공간에서 토론을하고 있다고 생각하지 않는다면 장래에 배심원 심의가 진행되기가 더 어려울 것이라고 사람들은 생각했습니다. 심사 위원 심의 외에도 변호사 - 고객 관계 및 심리 치료와 같이 사회가 제공하는 특별한 사회적 맥락이 있습니다 (MacCarthy 2015) .
문맥에 해를 (Desposato 2016b) 위험과 사회 제도의 붕괴는 정치 과학 분야의 일부 현장 실험에서도 (Desposato 2016b) . 정치 과학 분야의 현장 실험에 대한보다 상황에 민감한 비용 편익 계산의 예를 보려면 Zimmerman (2016) 참조하십시오.
- 공정 (6.4.3 장)
참가자들에 대한 보상은 디지털 시대 연구와 관련된 많은 설정에서 논의되었습니다. Lanier (2014) 참가자들에게 그들이 생성하는 디지털 흔적을 지불 할 것을 제안합니다. Bederson and Quinn (2011) 은 온라인 노동 시장에서 지불에 대해 논의합니다. 마지막으로 Desposato (2016a) 참가자들에게 현장 실험에 돈을 지불 할 것을 제안합니다. 그는 참가자들에게 직접 지불 할 수는 없더라도 대신 그들을 위해 일하는 그룹에 기부를 할 수 있다고 지적했다. 예를 들어, Encore에서 연구원은 인터넷 액세스를 지원하기 위해 노력하는 그룹에 기부를 할 수있었습니다.
- 법과 공익에 대한 존중 (6.4.4 절)
서비스 약관 계약은 동등한 당사자간에 협의 된 계약과 합법적 인 정부가 제정 한 법률보다 중요합니다. 과거에 연구원이 서비스 조건 계약을 위반 한 상황은 일반적으로 자동화 된 쿼리를 사용하여 기업의 행동을 감사하는 데 사용되었습니다 (차별을 측정하기위한 현장 실험과 매우 유사 함). 추가 논의는 Vaccaro et al. (2015) , Bruckman (2016a) , Bruckman (2016b) . 서비스 조건을 논의한 경험적 연구의 예를 보려면 Soeller et al. (2016) . 연구원들이 서비스 조건을 위반하면 직면하게 될 법적인 문제에 대해 Sandvig and Karahalios (2016) 참조하십시오.
- 두 가지 윤리적 프레임 워크 (6.5 절)
명백하게, 결과주의적이고 의무론에 관해서 막대한 양이 쓰여졌다. 이러한 윤리적 프레임 워크와 다른 것들이 디지털 시대 연구에 대한 추론에 어떻게 사용될 수 있는지에 대한 예는 Zevenbergen et al. (2015) . 개발 경제학에서 현장 실험에 적용 할 수있는 방법의 예는 Baele (2013) 참조하십시오.
- 알 려진 동의 (6.6.1 장)
차별에 대한 감사 연구에 대해서는 Pager (2007) 와 Riach and Rich (2004) . 이 연구는 정보에 입각 한 동의가 없었을뿐 아니라보고없이 요약을 포함합니다.
Desposato (2016a) 와 Humphreys (2015) 는 동의없이 현장 실험에 관한 조언을 제공합니다.
Sommers and Miller (2013) 기만당한 후 참가자들에게보고하지 않기 위해 많은 논거를 검토하고 연구자들은보고를하지 말아야한다고 주장한다
매우 좁은 상황, 즉 현장 실사에서 상당한 수준의 실용적인 장벽을 제시하지만 연구가들은 가능한 경우 보고서를 작성하는 데 아무런 기미가 없을 것입니다. 연구원은 순진한 참가자 수영장을 유지하고 참가자 분노를 피하거나 참가자를 해로부터 보호하기 위해 브리핑을하지 않아야합니다. "
다른 사람들은 디 브리핑이 유익보다 해를 입히는 경우도 있습니다 (Finn and Jakobsson 2007) . 디 브리핑 (debriefing)은 일부 연구자가 수혜자에 대한 존중을 우선시하는 반면, 일부 연구자는 반대를하는 경우입니다. 가능한 해결책 중 하나는 참여자에게 디 브리핑을 학습 경험으로 만드는 방법을 찾는 것입니다. 즉, 데 브리핑을 해를 끼칠 수있는 것으로 생각하기보다는, 데 브리핑은 참가자에게 도움이 될 수 있습니다. 이런 종류의 교육용 브리핑의 예로는 Jagatic et al. (2007) . 심리학자들은보고 (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) 대한 기술을 개발 (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) 이들 중 일부는 디지털 시대 연구에 유용하게 적용될 수있다. Humphreys (2015) 는 지연 동의 에 대한 흥미로운 생각을 제시하는데, 이는 내가 설명한보고 전략과 밀접한 관련이 있습니다.
참가자들의 동의를 구하는 방법에 대한 생각은 Humphreys (2015) 가 유추 한 동의 와 관련이 있습니다.
정보 제공 동의와 관련된 추가 아이디어는 온라인 실험에 동의하는 사람들의 패널을 구성하는 것입니다 (Crawford 2014) . 어떤 사람들은이 패널이 사람들의 비판적인 표본이라고 주장했다. 그러나 3 장 (질문하기)에서는 이러한 문제가 사후 계층화를 사용하여 잠재적으로 해결할 수 있음을 보여줍니다. 또한 패널에 대한 동의는 다양한 실험을 포함 할 수 있습니다. 다시 말해, 참가자들은 각 실험에 개별적으로 동의 할 필요가 없을 수도 있습니다. 이는 넓은 동의 라고하는 개념입니다 (Sheehan 2011) . 하이브리드 Hutton and Henderson (2015) 참조하십시오.
- 정보 위험의 이해와 관리 (6.6.2 절)
독특한 것이 아니라 Netflix상은 사람들에 대한 상세한 정보가 포함 된 중요한 기술 특성을 보여 주며 현대 사회 데이터 세트의 "익명화"가능성에 대한 중요한 교훈을 제공합니다. 각 사람에 대한 많은 정보와 파일에 공식적으로 정의 된 의미에서, 스파 스 될 가능성이 Narayanan and Shmatikov (2008) . 즉, 각 레코드에 대해 동일한 레코드가 없으며 사실 매우 유사한 레코드가 없습니다. 각 사람은 데이터 세트의 가장 가까운 이웃과 멀리 떨어져 있습니다. Netflix 데이터가 희소 할 수 있다고 상상할 수 있습니다. 왜냐하면 5 성급 규모의 약 20,000 개의 영화에 대해 각 사용자가 가질 수있는 값은 약 \(6^{20,000}\) 개입니다. 별 5 개, 누군가가 영화를 전혀 평가하지 않았을 수 있음). 이 숫자는 너무 커서 이해하기 어렵습니다.
Sparsity에는 두 가지 주요한 의미가 있습니다. 첫째, 무작위 섭동을 기반으로 데이터 집합을 "익명화"하려고하면 실패 할 가능성이 높습니다. 즉, 넷플 릭스가 무언가의 등급을 무작위로 조정한다고하더라도, 불안정한 기록은 여전히 공격자가 가지고있는 정보에 가장 근접한 기록이기 때문에 충분하지 않습니다. 둘째, 드문 드문 함은 공격자가 불완전하거나 공정한 지식을 가지고 있더라도 재 식별이 가능하다는 것을 의미합니다. 예를 들어, Netflix 데이터에서 공격자가 두 개의 영화에 대한 자신의 등급과 그 등급을 만든 날짜를 알고 있다고 상상해 봅시다. \(\pm\) 3 일; 그 정보만으로 Netflix 데이터의 68 %를 고유하게 식별하는 데 충분합니다. 공격자가 당신이 14 일 동안 \(\pm\) 평가 한 8 편의 영화를 알고 있다면, 알려진 등급 중 2 가지가 완전히 잘못 되었더라도 99 %의 레코드가 데이터 세트에서 고유하게 식별 될 수 있습니다. 즉, 희소성은 데이터를 "익명화"하려는 노력의 근본적인 문제입니다. 대부분의 현대 사회 데이터 세트가 희소하기 때문에 불행합니다. 스파 스 데이터의 "익명화"에 대한 자세한 내용은 Narayanan and Shmatikov (2008) 참조하십시오.
전화 메타 데이터도 "익명"으로 표시 될 수 있지만 민감하지는 않습니다. 전화 메타 데이터는 식별 가능하고 민감합니다 (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .
그림 6.6에서 필자는 참가자들에 대한 위험과 데이터 공개로 인한 사회적 이익 사이의 균형을 설명했다. 제한된 접근 접근법 (예 : 벽으로 막힌 정원)과 제한된 데이터 접근법 (예 : "익명화"의 일부 형태)을 비교하려면 Reiter and Kinney (2011) 참조하십시오. 위험 수준의 데이터 카테고리 분류 시스템에 대해서는 Sweeney, Crosas, and Bar-Sinai (2015) . 데이터 공유에 대한 일반적인 설명은 Yakowitz (2011) 참조하십시오.
데이터의 위험과 유용성 사이의 상충 관계에 대한 자세한 분석은 Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) 및 Goroff (2015) . 대규모 개방형 온라인 강좌 (MOOC)의 실제 데이터에 적용된이 절충 사항을 보려면 Daries et al. (2014) , Angiuli, Blitzstein, and Waldo (2015) .
차별적 인 프라이버시는 참여자에게 낮은 위험과 높은 이익을 모두 결합 할 수있는 대안적인 접근법을 제공합니다. Dwork and Roth (2014) 와 Narayanan, Huey, and Felten (2016) .
연구 윤리에 대한 많은 규칙의 핵심 인 개인 식별 정보 (PII) 개념에 대한 자세한 내용은 Narayanan and Shmatikov (2010) 및 Schwartz and Solove (2011) . 잠재적으로 민감한 모든 데이터에 대한 자세한 내용은 Ohm (2015) 참조하십시오.
이 섹션에서는 서로 다른 데이터 세트의 연결을 정보 위험으로 이어질 수있는 것으로 묘사했습니다. 그러나 Currie (2013) 에서 논의 된 바와 같이, 연구를위한 새로운 기회를 창출 할 수도 있습니다.
5 개의 금고에 대한 자세한 내용은 Desai, Ritchie, and Welpton (2016) 참조하십시오. 산출물을 식별 할 수있는 방법의 예를 보려면 Brownstein, Cassa, and Mandl (2006) 참조하십시오.이 도표는 질병 보급지도가 어떻게 식별되는지 보여줍니다. Dwork et al. (2017) 은 얼마나 많은 개인이 특정 질병을 앓고 있는지에 대한 통계와 같은 총계 데이터에 대한 공격도 고려합니다.
데이터 사용 및 데이터 공개에 관한 질문은 데이터 소유권에 대한 질문을 제기합니다. 데이터 소유권에 대한 자세한 내용은 Evans (2011) 및 Pentland (2012) 참조하십시오.
- 개인 정보 보호 (6.6.3 절)
Warren and Brandeis (1890) 는 개인 정보 보호에 관한 획기적인 법률 문서이며 개인 정보가 혼자 남을 권리라는 생각과 가장 관련이 있습니다. 추천 Solove (2010) 길이의 개인 정보 보호 정책으로는 Solove (2010) 와 Nissenbaum (2010) 있습니다.
사람들이 프라이버시에 대해 어떻게 생각하는지에 대한 경험적 연구를 검토하려면 Acquisti, Brandimarte, and Loewenstein (2015) 참조하십시오. Phelan, Lampe, and Resnick (2016) 은 사람들이 사생활에 관해 명백하게 모순적 진술을 할 수있는 방법을 설명하기 위해 때때로 직관적 인 관심에 초점을 맞추고 우려 사항에 초점을 맞추는 이중 시스템 이론을 제안합니다. 트위터와 같은 온라인 환경에서 사생활 보호에 관한 아이디어는 Neuhaus and Webmoor (2012) 참조하십시오.
Science 저널은 "개인 정보 보호의 끝"이라는 제목의 특별 섹션을 출간했으며,이 섹션에서는 다양한 관점에서 개인 정보 보호 및 정보 위험에 관한 문제를 다룹니다. 요약은 Enserink and Chin (2015) 참조하십시오. Calo (2011) 는 개인 정보 침해로 인한 피해에 대해 생각할 수있는 프레임 워크를 제공합니다. 디지털 시대의 시작에서 프라이버시에 대한 우려의 초기 사례는 Packard (1964) 입니다.
- 불확실성 하에서 결정하기 (6.6.4 절)
최소한의 위험 표준을 적용하려고 할 때 한 가지 도전 과제는 누구의 일상 생활이 벤치마킹에 사용되는지 분명하지 않다는 것입니다 (National Research Council 2014) . 예를 들어 노숙자는 일상 생활에서 불편 함이 더 높습니다. 그렇다고해서 집없는 사람들을 고위험 연구에 노출시키는 것이 윤리적으로 허용된다는 것을 의미하지는 않습니다. 이런 이유로 특정 인구 표준이 아닌 일반 인구 기준에 비해 최소한의 위험을 벤치 마크해야한다는 의견이 점차 커지고 있습니다. 일반적으로 일반 인구 표준에 대한 아이디어에 동의하지만 페이스 북과 같은 거대한 온라인 플랫폼의 경우 특정 인구 표준이 합리적이라고 생각합니다. 따라서 감정적 인 감염을 고려할 때 페이스 북의 일상적인 위험에 대해 벤치마킹하는 것이 합리적이라고 생각합니다. 이 경우 특정 인구 표준은 훨씬 쉽게 평가할 수 있으며 불우한 집단 (예 : 수감자 및 고아)에게 부당하게 실패한 연구 부담을 방지하려는 법무부의 원칙과 상충되지 않을 것입니다.
- 실용 팁 (6.7 절)
다른 학자들은 또한 윤리적 부록을 포함하도록 더 많은 논문을 요구했다 (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) . King and Sands (2015) 는 또한 실제적인 조언을 제공합니다. Zook과 동료 (2017) 는 "책임있는 빅 데이터 연구를위한 10 가지 간단한 규칙"을 제공합니다.
