അടുത്തതായി എന്താണ് വായിക്കേണ്ടത്?

• ആമുഖം (വകുപ്പ് 6.1)

ശാസ്ത്ര ഗവേഷണം, ക്രെഡിറ്റ് വിതരണം തുടങ്ങിയവയിൽ പരമ്പരാഗതമായി റിസർച്ച് പാരിതോഷികങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) എന്നിവയിൽ ഓൺ ബീയിങ് എ സയന്റിസ്റ്റ് , എന്നിവ വിശദമായി ചർച്ച ചെയ്യുന്നു.

അമേരിക്കയിൽ സ്ഥിതിഗതികൾ ഈ അധ്യായം വളരെയധികം സ്വാധീനിച്ചിട്ടുണ്ട്. മറ്റ് രാജ്യങ്ങളിലെ സദാചാരപരിപാടികളുടെ കൂടുതൽ വിവരങ്ങൾക്ക് Desposato (2016b) മുതൽ Desposato (2016b) വരെയുള്ള അദ്ധ്യായങ്ങൾ കാണുക. ഈ അധ്യായത്തിൽ സ്വാധീനം ചെലുത്തിയ ബയോമെഡിക്കൽ സന്മാർഗ്ഗികതത്വ തത്ത്വങ്ങൾ അധികമധികം അമേരിക്കയ്ക്ക് തന്നെയാണെന്ന വാദത്തിന്, Holm (1995) . യുണൈറ്റഡ് സ്റ്റേറ്റ്സിലെ ഇൻസ്റ്റിറ്റ്യൂഷണൽ റിവ്യൂ ബോഡുകളുടെ കൂടുതൽ ചരിത്രപരമായ അവലോകനത്തിനായി, Stark (2012) . പി.എസ്: പൊളിറ്റിക്കൽ സയൻസ് ആന്റ് പൊളിറ്റിക്സ് എന്ന ജേണലും രാഷ്ട്രീയ ശാസ്ത്രജ്ഞരും ഐ ആർ ബി യും തമ്മിലുള്ള ബന്ധത്തെക്കുറിച്ച് ഒരു പ്രൊഫഷണൽ സിമ്പോസിയം നടത്തി. ഒരു സംഗ്രഹത്തിനായി Martinez-Ebers (2016) കാണുക.

അമേരിക്കയിലെ ബെൽമോണ്ട് റിപ്പോർട്ടും തുടർന്നുള്ള നിയമങ്ങളും ഗവേഷണത്തിനും പരിശീലനത്തിനും തമ്മിൽ വ്യത്യാസമുണ്ടാക്കാം. ഈ അധ്യായത്തിൽ ഞാൻ ഇത്രയധികം വ്യത്യാസം വരുത്തിയിട്ടില്ല. കാരണം, ധാർമ്മിക തത്ത്വങ്ങളും ചട്ടക്കൂടുകളും രണ്ട് സജ്ജീകരണങ്ങൾക്കും ബാധകമാണെന്ന് ഞാൻ കരുതുന്നു. ഈ വ്യത്യാസവും അതിനെക്കുറിച്ച് Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) , Metcalf and Crawford (2016) .

ഫേസ് ബുക്കിലെ ഗവേഷണ മേൽനോട്ടം കൂടുതൽ അറിയാൻ, Jackman and Kanerva (2016) . Polonetsky, Tene, and Jerome (2015) Calo (2013) , Polonetsky, Tene, and Jerome (2015) , Tene and Polonetsky (2016) കമ്പനികളുടെ ഗവേഷണ മേൽനോട്ടത്തിനായുള്ള ആശയങ്ങൾക്കായി.

മൊബൈൽ ഫോൺ ഡാറ്റയുടെ സഹായവുമായി ബന്ധപ്പെട്ട് 2014 ലെ എബോള (Wesolowski et al. 2014; McDonald 2016) സഹായിക്കുക (Wesolowski et al. 2014; McDonald 2016) , മൊബൈൽ ഫോൺ ഡാറ്റയുടെ സ്വകാര്യ അപകടത്തെക്കുറിച്ച് കൂടുതൽ അറിയാൻ, Mayer, Mutchler, and Mitchell (2016) . മൊബൈൽ ഫോൺ ഡാറ്റ ഉപയോഗിച്ച് മുൻ പ്രതിസന്ധി ബന്ധപ്പെട്ട ഗവേഷണ ഉദാഹരണങ്ങൾക്ക്, Bengtsson et al. (2011) ഉം Lu, Bengtsson, and Holme (2012) , പ്രതിസന്ധിയും ബന്ധപ്പെട്ട ഗവേഷണ എന്ന സന്മാർഗ്ഗത്തിൽ കാണാനോ ( ??? ) .

• മൂന്ന് ഉദാഹരണങ്ങൾ (വകുപ്പ് 6.2)

പലരും വികാരാധാരമായ അപചയത്തെക്കുറിച്ച് എഴുതിയിട്ടുണ്ട്. പരീക്ഷണത്തെക്കുറിച്ച് ചർച്ച ചെയ്യാൻ 2016 ജനുവരിയിൽ അവരുടെ ഗവേഷണ വിഷയങ്ങൾ ജേർണൽ സമർപ്പിച്ചു. ഒരു നിരീക്ഷണത്തിനായി Hunter and Evans (2016) കാണുക. Kahn, Vayena, and Mastroianni (2014) , Fiske and Hauser (2014) പരീക്ഷണങ്ങൾ സംബന്ധിച്ച് നാഷണൽ അക്കാഡമിക്സ് ഓഫ് സയൻസ് പ്രൊസീഡിംഗ്സ് പ്രസിദ്ധീകരിച്ചു. പരീക്ഷണം സംബന്ധിച്ച മറ്റ് കഷണങ്ങൾ ഉൾപ്പെടുന്നു: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , ഒപ്പം ( ??? ) .

• ഡിജിറ്റൽ വ്യത്യസ്തമാണ് (വകുപ്പ് 6.3)

വൻതോതിലുള്ള നിരീക്ഷണത്തിന്റെ അടിസ്ഥാനത്തിൽ, Mayer-Schönberger (2009) , Marx (2016) എന്നിവയിൽ വിശാലമായ അവലോകനങ്ങൾ നൽകിയിട്ടുണ്ട്. മൊബൈൽ ഫോൺ ഉപയോഗിച്ച് ഒരു ക്രിമിനൽ കുറ്റവാളി ട്രാക്ക് ചെയ്യുന്നത് ശാരീരിക നിരീക്ഷണത്തെക്കാൾ 50 മടങ്ങ് കുറവാണ് എന്ന് Bankston and Soltani (2013) നിരീക്ഷിച്ചു. Ajunwa, Crawford, and Schultz (2016) എന്നിവയും കാണുക. Bell and Gemmell (2009) സ്വയം നിരീക്ഷണം സംബന്ധിച്ച് കൂടുതൽ ശുഭാപ്തി വീക്ഷണം നൽകുന്നു.

പൊതുവായി അല്ലെങ്കിൽ ഭാഗികമായി പരസ്യമായ നിരീക്ഷണ സ്വഭാവം (ഉദാ. രുചികൾ, ബന്ധുക്കൾ, സമയം എന്നിവ) നിരീക്ഷിക്കാൻ കഴിയുന്നതിനുപുറമെ, പല പങ്കാളികളും സ്വകാര്യമായി പരിഗണിക്കുന്ന കാര്യങ്ങൾ കൂടുതൽ ഗൌരവമായിരിക്കാനിടയുണ്ട്. ഉദാഹരണത്തിന്, മിഖാൽ കോസിൻസ്കിയും സഹപ്രവർത്തകരും (2013) ലൈംഗിക ആഭിമുഖ്യം, പോഷകാഹാര വസ്തുക്കളുടെ ഉപയോഗം, സാധാരണ ഡിജിറ്റൽ ട്രേസ് ഡാറ്റ (ഫെയ്സ് ലൈക്കുകൾ) തുടങ്ങിയവയെക്കുറിച്ച് സെൻസിറ്റീവായ വിവരങ്ങൾ അവർ മനസ്സിലാക്കാൻ കഴിയുമെന്ന് കാണിച്ചു തരുന്നു. ഇത് മാജിക്കൽ ആയിരിക്കാം, എന്നാൽ ഡിജിറ്റൽ ട്രെയ്സുകളും സർവ്വേകളും സൂപ്പർവൈസുചെയ്തതുമായ പഠനം ഉൾപ്പെടെ കോസിൻസ്കി, സഹപ്രവർത്തകർ എന്നിവയുടെ സമീപനം ഞാൻ നിങ്ങളോട് നേരത്തെ പറഞ്ഞിട്ടുണ്ട്. 3-ാം അദ്ധ്യായത്തിൽ (ചോദ്യങ്ങൾ ചോദിക്കുന്നു) ഓർക്കുക. റുവാണ്ടയിൽ ദാരിദ്ര്യം നിർണയിക്കാൻ ജോഷ്വ ബ്ലൂമെൻസ്റ്റോക്കും സഹപ്രവർത്തകരും (2015) മൊബീൽ ഫോൺ ഡാറ്റയുമായി ബന്ധപ്പെട്ട സർവേ ഡാറ്റ എങ്ങനെ എന്ന് ഞാൻ നിങ്ങളോട് പറഞ്ഞു. വികസ്വര രാജ്യത്ത് ദാരിദ്ര്യത്തെ കാര്യക്ഷമമായി അളക്കാൻ കഴിയുന്ന ഈ കൃത്യമായ സമീപനം, സ്വകാര്യത-ലംഘന അനുമാനങ്ങൾക്ക് ഉപയോഗിക്കും.

ആരോഗ്യ വിവരങ്ങൾ അപ്രധാനമായ ദ്വിതീയ ഉപയോഗങ്ങൾക്കായി കൂടുതൽ കൂടുതൽ അറിയാൻ, O'Doherty et al. (2016) . നിർദ്ദിഷ്ട സെക്കൻഡറി ഉപയോഗങ്ങൾക്കുള്ള സാധ്യതയും കൂടാതെ, ചില വസ്തുക്കൾ വായിക്കുന്നതിനോ ചില വിഷയങ്ങൾ ചർച്ച ചെയ്യുന്നതിനോ ജനങ്ങൾ ആഗ്രഹിക്കാത്തപക്ഷം അപൂർണ മാസ്റ്റർ ഡാറ്റാബേസിന്റെ സൃഷ്ടിയെ സാമൂഹ്യവും രാഷ്ട്രീയവുമായ ജീവിതത്തിൽ അനായാസമായി സ്വാധീനിക്കാൻ കഴിയും. Schauer (1978) , Penney (2016) .

ഓവർലാപ്പുചെയ്യുന്ന നിയമങ്ങളുള്ള സാഹചര്യങ്ങളിൽ ഗവേഷകൻ ചിലപ്പോൾ "റെഗുലേറ്ററി ഷോപ്പിംഗ്" (Grimmelmann 2015; Nickerson and Hyde 2016) . പ്രത്യേകിച്ചും, IRB നിരീക്ഷണം ഒഴിവാക്കാൻ ആഗ്രഹിക്കുന്ന ചില ഗവേഷകർ ഐ.ബി.ബി.കളിൽ (ഉദാ: കമ്പനികളിലോ NGO കളിലോ) ഗവേഷകരുടെ പങ്കാളിത്തം സാധ്യമാവുകയും ആ സഹപ്രവർത്തകർ ഡാറ്റ ശേഖരിക്കുകയും ഡൌൺലോഡ് ചെയ്യുകയും ചെയ്യുന്നു. IRB- ൽ ഉൾപ്പെട്ടിരിക്കുന്ന ഗവേഷകൻ ഐബിബി ഓവർടൈസില്ലാത്ത ഈ ഡേറ്റ തിരിച്ചറിയാനാകാത്ത വിവരങ്ങൾ വിശകലനം ചെയ്യാൻ സാധിക്കും. കാരണം, ഗവേഷണങ്ങൾ ഇനി "മനുഷ്യ ഉപദേഷ്ടാക്കൾ ഗവേഷണം" ആയിരിക്കില്ല, കുറഞ്ഞത് നിലവിലെ നിയമങ്ങളുടെ ചില വ്യാഖ്യാനങ്ങളനുസരിച്ച്. റിസർച്ച് ധാർമ്മികതയ്ക്കെതിരായ ഒരു തത്വമനുസരിച്ചുള്ള സമീപന സമീപനമാണ് ഇങ്ങനെയുള്ള IRB ഒഴിച്ച്.

2011-ൽ, ഒരു ശ്രമം സാധാരണ നിയമം അപ്ഡേറ്റ് തുടങ്ങി, ഈ പ്രക്രിയ ഒടുവിൽ 2017-ൽ പൂർത്തിയായി ( ??? ) . കോമൺ റൂൾ പരിഷ്കരിക്കുന്നതിനുള്ള ഈ ശ്രമങ്ങളെക്കുറിച്ച് കൂടുതലറിയാൻ, Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) , Metcalf (2016) .

• നാല് തത്ത്വങ്ങൾ (വകുപ്പ് 6.4)

ബയോമെമ്പിക്കൽ നൈതികതയെ സംബന്ധിക്കുന്ന അടിസ്ഥാന തത്വങ്ങൾ അടിസ്ഥാനമാക്കിയുള്ള സമീപനം Beauchamp and Childress (2012) . ബയോമെഡിറ്റിക്കൽ ധാർമ്മികതയെ മുന്നോട്ടു കൊണ്ടുപോകുന്ന നാല് പ്രധാന തത്വങ്ങൾ: സ്വയം ഭരണാധികാരത്തിനായുള്ള ബഹുമാനം, അനർഹദർശനം, ആനന്ദം, നീതി. മറ്റുള്ളവർക്കു ദോഷം ഉണ്ടാക്കുന്നതിൽ നിന്ന് ഒഴിഞ്ഞുനിൽക്കാൻ ഒരാളെ പ്രേരിപ്പിക്കാതിരിക്കാനുള്ള മാനദണ്ഡം ആവശ്യമില്ല. ഈ ആശയം ഹിപ്പോക്രാറ്റിക് ആശയങ്ങളുമായി "ഉപദ്രവിക്കരുത്" എന്നതുമായി ആഴത്തിൽ ബന്ധപ്പെട്ടിരിക്കുന്നു. ഗവേഷണ മൂല്യത്തെയാണ്, ഈ തത്ത്വം പലപ്പോഴും ദയാദാഹിയുടെ തത്ത്വത്തിൽ ഉൾപ്പെട്ടിരിക്കുന്നു, എന്നാൽ രണ്ടുപേരും തമ്മിലുള്ള വ്യത്യാസത്തിന് കൂടുതലായി @ beauchamp_principles_2012 എന്ന അദ്ധ്യായം 5 കാണുക. ഈ തത്വങ്ങൾ അമേരിക്കയ്ക്ക് വിരുദ്ധമാണെന്ന വിമർശനത്തിന് Holm (1995) . തത്വങ്ങൾ പൊരുത്തക്കേടുമ്പോൾ കൂടുതൽ സമതുലിതമാക്കുന്നതിന്, Gillon (2015) .

കൺസ്യൂമർ വിഷയം റിവ്യൂ ബോർഡുകൾ (കൊളോ (Calo 2013) സംഘടനകളിലൂടെ കമ്പനികളും എൻ.ജി.ഒകളും (Polonetsky, Tene, and Jerome 2015) നടത്തുന്ന ഗവേഷണത്തിന് ഈ അദ്ധ്യായത്തിലെ നാല് തത്വങ്ങൾ നിർദ്ദേശിക്കപ്പെട്ടിരിക്കുന്നു.

• വ്യക്തികൾക്കുള്ള ബഹുമാനം (വകുപ്പ് 6.4.1)

സ്വയംഭരണത്തെ ബഹുമാനിക്കുന്നതിനു പുറമേ, ബെൽമോണ്ട് റിപ്പോർട്ട് ഓരോ മനുഷ്യനും യഥാർഥ ആത്മനിയന്ത്രണം സാധ്യമല്ലെന്നും അംഗീകരിക്കുന്നു. ഉദാഹരണത്തിന്, കുട്ടികൾ, അസുഖം അനുഭവിക്കുന്ന ആൾക്കാർ അല്ലെങ്കിൽ കഠിനമായി നിയന്ത്രിക്കപ്പെട്ട സ്വാതന്ത്ര്യത്തിൽ ജീവിക്കുന്ന ആളുകൾക്ക് പൂർണ്ണമായും സ്വയംഭരണാവകാശമുള്ള വ്യക്തികളായി പ്രവർത്തിക്കാൻ കഴിയില്ല, അതുകൊണ്ട് അവർക്ക് കൂടുതൽ സംരക്ഷണം ലഭിക്കുന്നു.

ഡിജിറ്റൽ യുഗത്തിൽ വ്യക്തികൾക്കുള്ള ആദരവ് എന്ന നയം ഉപയോഗിക്കുന്നത് വെല്ലുവിളി തന്നെയാണ്. ഉദാഹരണത്തിന്, ഡിജിറ്റൽ വയസ് ഗവേഷണത്തിൽ, ആത്മനിർവ്വഹണത്തിനുള്ള കഴിവില്ലായ്മ കൊണ്ട് കൂടുതൽ സംരക്ഷണം നൽകുന്നത് വിഷമകരമാണ്, കാരണം ഗവേഷകർക്ക് അവരുടെ പങ്കാളികളെക്കുറിച്ച് വളരെക്കുറച്ച് അറിവില്ല. കൂടാതെ, ഡിജിറ്റൽ പ്രായം സാമൂഹ്യ ഗവേഷണത്തിൽ അറിവോടെയുള്ള സമ്മതം ഒരു വലിയ വെല്ലുവിളിയാണ്. ചില സന്ദർഭങ്ങളിൽ, സത്യസന്ധമായ വിവരങ്ങളുടെ സുതാര്യത വിരോധിയായി (Nissenbaum 2011) , വിവരവും മനസ്സിലാക്കലും വൈരുദ്ധ്യത്തിലാണ്. ഡാറ്റ ശേഖരണം, ഡാറ്റ വിശകലനം, ഡാറ്റ സുരക്ഷാ രീതികൾ എന്നിവയെക്കുറിച്ച് ഗവേഷകർ പൂർണ്ണമായി വിവരങ്ങൾ നൽകിയാൽ, അത് മനസ്സിലാക്കാൻ പല പങ്കാളികളും ബുദ്ധിമുട്ടായിരിക്കും. എന്നാൽ ഗവേഷകർ സൂക്ഷ്മമായ വിവരങ്ങൾ നൽകുന്നുവെങ്കിൽ, അത് പ്രധാനപ്പെട്ട സാങ്കേതിക വിശദാംശങ്ങൾ ഇല്ലാത്തതാകാം. അനലോഗ് യുഗത്തിൽ വൈദ്യശാസ്ത്ര ഗവേഷണത്തിൽ - ബെൽമോണ്ട് റിപ്പോർട്ടിന്റെ ഗണത്തിൽ ഏറ്റവും പ്രാധാന്യമർഹിക്കുന്ന ക്രമീകരണം - ഓരോരുത്തരും വ്യക്തിഗതമായി ഓരോരുത്തരും പങ്കുചേരാനും, സുതാര്യത വിരോധാഭാസത്തെ പരിഹരിക്കാൻ സഹായിക്കാനും ഡോക്ടർ ശ്രമിക്കുന്നു. ആയിരക്കണക്കിന് അല്ലെങ്കിൽ ദശലക്ഷം ആളുകൾ ഉൾപ്പെട്ട ഓൺലൈൻ പഠനങ്ങളിൽ അത്തരം മുഖാമുഖം അസാധ്യമാണ്. ഡിജിറ്റൽ യുഗത്തിൽ സമ്മതത്തോടെയുള്ള രണ്ടാമത്തെ പ്രശ്നം, ചില പഠനങ്ങളിൽ, ഭീമൻ ഡേറ്റാ ശേഖരങ്ങളുടെ വിശകലനം, പങ്കെടുക്കുന്നവരുടെ അറിവോടെയുള്ള സമ്മതപത്രം ലഭിക്കുന്നത് അപ്രാപ്യമായിരിക്കും. ഇവയെക്കുറിച്ചും അവയുമായി ബന്ധപ്പെട്ട മറ്റു സംശയങ്ങളും സംബന്ധിച്ച കൂടുതൽ വിവരങ്ങൾക്കായി വിഭാഗം 6.6.1 ൽ കൂടുതൽ വിശദമായി ചർച്ച ചെയ്യാം. എന്നിരുന്നാലും, ഈ ബുദ്ധിമുട്ടുകൾ ഉണ്ടെങ്കിലും, വിവരമനുസരിച്ചുള്ള അംഗീകാരം ആവശ്യമില്ലെന്നും പര്യാപ്തമാണെന്നും ഞങ്ങൾ ഓർക്കണം.

വിവര വിജ്ഞാപനത്തിനു മുമ്പുള്ള മെഡിക്കൽ ഗവേഷണത്തെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, Miller (2014) . വിവരമറിയിച്ച ഒരു പുസ്തക-ദൈർഘ്യ ചികിത്സയ്ക്കായി, Manson and O'Neill (2007) . അറിവുളള സമ്മതത്തെ കുറിച്ചുള്ള നിർദ്ദേശിത വായനകൾ താഴെ കാണുക.

• പ്രയോജനമൊന്നുമില്ല (വിഭാഗം 6.4.2)

സന്ദര്ഭത്തിലേക്കുള്ള പരിഭ്രാന്തികള് ഗവേഷണത്തിന് ചില പ്രത്യേക ആളുകളെയല്ല, സോഷ്യല് സജ്ജീകരണങ്ങളിലേയ്ക്ക് നയിക്കുന്ന ദോഷമാണ്. ഈ ആശയം ഒരു ബിറ്റ് അമൂർത്തമാണ്, എന്നാൽ വിചിറ്റാ ജൂറി അധ്യയനത്തിന്റെ (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) ചിലപ്പോൾ ചിക്കാഗോ ജൂറി പ്രൊജക്ട് (Cornwell 2010) . ഈ പഠനത്തിൽ, ചിക്കാഗോ യൂണിവേഴ്സിറ്റിയിലെ ഗവേഷകർ, നിയമവ്യവസ്ഥയുടെ സാമൂഹിക സ്വഭാവത്തെക്കുറിച്ചുള്ള ഒരു വലിയ പഠനത്തിന്റെ ഭാഗമായി, വിൻസി, കൻസാസിലെ ആറു ജൂറി പരാമർശങ്ങൾ രഹസ്യമായി രേഖപ്പെടുത്തുകയുണ്ടായി. കേസിലെ ജഡ്ജുമാരും അഭിഭാഷകരും റെക്കോർഡിങ്ങുകൾക്ക് അംഗീകാരം നൽകിയിട്ടുണ്ട്. എന്നിരുന്നാലും, രേഖാമൂലമുള്ളവർ റെക്കോർഡിങ്ങുകൾ നടക്കുന്നുണ്ടെന്ന് അറിയില്ലായിരുന്നു. പഠനം കണ്ടുപിടിച്ചുകഴിഞ്ഞാൽ, പൊതുജനപ്രതിഷേധം ഉണ്ടായിരുന്നു. ജസ്റ്റിസ് ഡിപ്പാർട്ട്മെന്റ് പഠനത്തിന്റെ ഒരു അന്വേഷണം ആരംഭിച്ചു. കോൺഗ്രസുകാർ മുന്നിൽ സാക്ഷികൾ സാക്ഷികളായി. ആത്യന്തികമായി, ജൂറി വിദഗ്ധരെ രഹസ്യമായി രേഖപ്പെടുത്തുന്നതിന് നിയമവിരുദ്ധമാക്കുന്ന പുതിയ നിയമമാണ് കോൺഗ്രസ്സ് പാസ്സാക്കിയത്.

വിചിറ്റാ ജൂറി അധ്യയന വിമർശകരുടെ ഉത്കണ്ഠകൾ, പങ്കെടുക്കുന്നവർക്ക് ദോഷം ചെയ്യുന്നതല്ല. മറിച്ച്, ജൂറി ചർച്ചയുടെ പശ്ചാത്തലത്തിന് ഹാനികരമായ അപകടം തന്നെയായിരുന്നു. സുരക്ഷിതത്വവും പരിരക്ഷിതവുമായ സ്ഥലത്ത് അവർ ചർച്ച നടത്തിയെന്ന് ജൂറി അംഗങ്ങൾ വിശ്വസിച്ചിരുന്നില്ലെങ്കിൽ, ജുരി ആലോചനങ്ങൾ ഭാവിയിൽ തുടരുന്നതിന് കൂടുതൽ പ്രയാസമായിരിക്കും എന്ന് ആളുകൾ കരുതി. ജൂറി ചർച്ചകൾക്കും പുറമേ, അറ്റോർണി ക്ലയന്റ് ബന്ധങ്ങൾ, മാനസികാരോഗ്യ സംരക്ഷണം (MacCarthy 2015) പോലുള്ള അധിക പരിരക്ഷയോടെ സമൂഹത്തിന് നൽകുന്ന പ്രത്യേക നിർദ്ദിഷ്ട സോഷ്യൽ സന്ദർഭങ്ങൾ ഉണ്ട്.

സാമൂഹിക സംവിധാനങ്ങളെ ഉപദ്രവിക്കുന്നതിന്റെ അപകടം രാഷ്ട്രീയ ശാസ്ത്രത്തിലെ ചില മേഖല പരീക്ഷണങ്ങളിൽ (Desposato 2016b) . രാഷ്ട്രീയ ശാസ്ത്രത്തിൽ ഒരു ഫീൽഡ് പരീക്ഷണത്തിനായി കൂടുതൽ സന്ദർഭ-സെൻസിറ്റീവ് കോസ്റ്റ് ബെനഫിറ്റ് കണക്കുകൂട്ടൽ ഉദാഹരണം, Zimmerman (2016) .

• ജസ്റ്റിസ് (വകുപ്പ് 6.4.3)

ഡിജിറ്റൽ വയസ് ഗവേഷണവുമായി ബന്ധപ്പെട്ട നിരവധി സംവിധാനങ്ങളിൽ പങ്കെടുക്കുന്നവർക്കുള്ള നഷ്ടപരിഹാരം ചർച്ച ചെയ്യപ്പെട്ടിട്ടുണ്ട്. ഡിജിറ്റൽ ട്രെയ്സുകളിൽ പങ്കെടുക്കുന്നവർക്ക് Lanier (2014) പങ്കെടുക്കുന്നു. Bederson and Quinn (2011) ഓൺലൈൻ ലേബർ മാർക്കറ്റിൽ പേയ്മെന്റുകൾ ചർച്ച ചെയ്യുന്നു. അന്തിമമായി, Desposato (2016a) ഫീൽഡ് പരീക്ഷണങ്ങളിൽ പങ്കെടുക്കുന്നവരെ പങ്കെടുപ്പിക്കുന്നു. പങ്കെടുക്കുന്നവർക്ക് നേരിട്ട് നൽകാനാവില്ലെങ്കിലും, അവരുടെ താൽപ്പര്യാർത്ഥം പ്രവർത്തിക്കുന്ന ഒരു ഗ്രൂപ്പിന് ഒരു സംഭാവന നൽകാൻ കഴിയുമെന്ന് അദ്ദേഹം സൂചിപ്പിക്കുന്നു. ഉദാഹരണം, ഇൻകോർക്കിൽ, ഗവേഷകർക്ക് ഇന്റർനെറ്റ് ആക്സസ് ചെയ്യാനായി പ്രവർത്തിക്കുന്ന ഒരു ഗ്രൂപ്പിന് സംഭാവനകൾ നൽകിയിട്ടുണ്ട്.

• നിയമം-പൊതു താൽപ്പര്യത്തിനുള്ള ബഹുമാനം (വകുപ്പ് 6.4.4)

തുല്യ കക്ഷികൾക്കും നിയമാനുസൃതമായ ഗവൺമെന്റുകൾ സൃഷ്ടിച്ച നിയമങ്ങളെ അപേക്ഷിച്ച് കരാറുകളിൽ കരാർ ഒഴികെയുള്ള സേവന നിബന്ധനകൾ കരാറുകളിൽ കുറവ് ഉണ്ടായിരിക്കണം. ഗവേഷകരുടെ കാലതാമസങ്ങൾ കരാർ ലംഘിച്ച സാഹചര്യങ്ങൾ, കമ്പനികളുടെ സ്വഭാവത്തെ ഓഡിറ്റ് ചെയ്യുന്നതിന് സ്വയമേവ അന്വേഷണങ്ങളുമായി ബന്ധപ്പെട്ടാണ് പ്രവർത്തിക്കുന്നത് (വിവേചനങ്ങൾ അളക്കുന്നതിനുള്ള ഫീൾഡ് പരീക്ഷണങ്ങൾ പോലെയാണ്). കൂടുതൽ ചർച്ചകൾക്കായി Vaccaro et al. (2015) കാണുക Vaccaro et al. (2015) , Bruckman (2016a) , Bruckman (2016b) . സേവന നിബന്ധനകൾ ചർച്ച ചെയ്യുന്ന പരീക്ഷണ ഗവേഷണത്തിന്റെ ഉദാഹരണത്തിന്, Soeller et al. (2016) . നിയമ വ്യവസ്ഥകൾ ലംഘിക്കുന്നുണ്ടെങ്കിൽ, നിയമപരമായ പ്രശ്നങ്ങളെക്കുറിച്ച് കൂടുതൽ അറിയാൻ Sandvig and Karahalios (2016) .

• രണ്ട് നൈതിക ചട്ടക്കൂട് (വകുപ്പ് 6.5)

പരിണാമവാദം, ഡത്തോൺടോളജി എന്നിവയെക്കുറിച്ച് ഒരു വൻ തുക എഴുതിയിട്ടുണ്ടെന്ന് വ്യക്തമാണ്. ഈ സന്മാർഗ്ഗിക ചട്ടക്കൂടുകളും മറ്റുള്ളവരും എങ്ങനെ ഡിജിറ്റൽ പ്രായപരിധി സംബന്ധിച്ചുള്ള ഗവേഷണത്തിനായി ഉപയോഗിക്കാമെന്നതിന് ഉദാഹരണത്തിന് Zevenbergen et al. (2015) . ഡെവലപ്മെന്റ് എക്കണോമിക്സിലെ ഫീൽഡ് പരീക്ഷണങ്ങളിലേക്ക് അവ എങ്ങനെ പ്രയോഗിക്കാമെന്നതിൻറെ ഉദാഹരണത്തിൽ, Baele (2013) .

• അറിവുളള സമ്മതം (ഭാഗം 6.6.1)

വിവേചനത്തിന്റെ ഓഡിറ്റ് പഠനങ്ങളെക്കുറിച്ച് കൂടുതലറിയാൻ, Pager (2007) , Riach and Rich (2004) . മാത്രമല്ല ഈ പഠനങ്ങളെ അറിയിച്ചില്ലെന്നും മാത്രമല്ല, അവർ ഡീ-റിപ്പിംഗ് ഇല്ലാതെ വഞ്ചന ഉൾക്കൊള്ളുന്നു.

Desposato (2016a) , Humphreys (2015) ഇരുവരും സമ്മതിക്കില്ല.

Sommers and Miller (2013) വഞ്ചനയ്ക്ക് ശേഷം പങ്കെടുക്കുന്നവരെ ഡീബയിഡിംഗ് ചെയ്യുന്നതിനായി അനേകം വാദങ്ങൾ പരിശോധിക്കുന്നു, ഗവേഷകർ ടിക്കറ്റ് എടുക്കണമെന്നും

"വളരെ സങ്കീർണ്ണമായ സാഹചര്യങ്ങളിൽ, അതായത്, ഗവേഷണരംഗത്ത് ഗണിതശാസ്ത്രപരമായ പ്രായോഗിക തടസ്സങ്ങളെ കുറിച്ചാണ് ഗവേഷണം നടക്കുന്നത്. പക്ഷേ, ഗവേഷകർക്ക് സാധിക്കുമോ എന്ന് സംശയം ഉളവാക്കാൻ കഴിയില്ല. ഒരു നിരപരാധികളായ പങ്കാളിത്തം നിലനിർത്തുന്നതിന്, ഗവേഷകരെ അനുവദിക്കരുത്, പങ്കാളിത്ത കോപത്തിൽ നിന്ന് അവരെ സംരക്ഷിക്കുക, അല്ലെങ്കിൽ പങ്കാളികളിൽ നിന്നും ദോഷങ്ങളിൽ നിന്നും സംരക്ഷിക്കുക. "

ചില സാഹചര്യങ്ങളിൽ, സംവാദഫലങ്ങൾ നന്മയെക്കാളേറെ ദോഷം വരുത്തിയാൽ, അത് ഒഴിവാക്കണം (Finn and Jakobsson 2007) . ചില ഗവേഷകർ മുൻഗണനക്കാരെ ബഹുമാനിക്കുന്ന വ്യക്തികളെ ബഹുമാനിക്കുന്ന ഒരു അവസ്ഥയാണ്, ചില ഗവേഷകർ എതിരാണ്. പങ്കെടുക്കുന്നവർക്ക് ഒരു പഠനാനുഭവം ഡീബറീസിംഗ് ചെയ്യുന്നതിനുള്ള വഴികൾ കണ്ടെത്താനുള്ള ഒരു പരിഹാരം ആണ്. ഇത്, ഉപദ്രവകരമായതിനെ ദോഷകരമായി ബാധിക്കുന്ന ഒന്നായി ചിന്തിക്കുന്നതിനു പകരം, ഒരുപക്ഷേ, പങ്കെടുക്കുന്നവർക്ക് പ്രയോജനം ലഭിക്കുന്ന ഒരു കാര്യവും ഒരുപക്ഷേ ഡെഫർ ചെയ്യൽ ആകാം. ഇത്തരത്തിലുള്ള വിദ്യാഭ്യാസ സംവാദങ്ങൾക്ക് ഉദാഹരണമായി Jagatic et al. (2007) . സൂക്ഷ്മപരിശോധന (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) എന്നിവയ്ക്കായുള്ള സാങ്കേതിക വിദ്യകൾ സൈക്കോളജിസ്റ്റുകൾ വികസിപ്പിച്ചെടുത്തു. Humphreys (2015) നിരോധിച്ച സമ്മതത്തെക്കുറിച്ച് രസകരമായ ചിന്തകൾ വാഗ്ദാനം ചെയ്യുന്നു, ഞാൻ വിവരിച്ചിട്ടുള്ള debriefing തന്ത്രവുമായി ഏറ്റവും അടുത്ത ബന്ധമാണ്.

അനുമാനത്തിന് പങ്കാളികളുടെ ഒരു സാമ്പിൾ ചോദിക്കുന്ന ആശയം Humphreys (2015) അനുമാനിച്ച അനുമതിയുമായി ബന്ധപ്പെട്ടതാണ് .

നിർദ്ദേശിക്കപ്പെട്ടിട്ടുള്ള സമ്മതപത്രവുമായി ബന്ധപ്പെട്ട മറ്റൊരു ആശയം ഓൺലൈൻ പരീക്ഷണങ്ങളിൽ (Crawford 2014) അംഗീകരിക്കപ്പെട്ട ആളുകളുടെ ഒരു പാനൽ സൃഷ്ടിക്കുന്നതാണ്. ഈ പാനൽ ജനങ്ങളുടെ nonrandom സാമ്പിൾ ആയിരിക്കും എന്ന് ചിലർ വാദിക്കുന്നു. എന്നാൽ, അദ്ധ്യായം 3 (ചോദ്യങ്ങൾ ചോദിക്കുന്നു) ഈ പ്രശ്നങ്ങൾ പോസ്റ്റ് സ്ട്രാറ്റിഫിക്കേഷനുപയോഗിച്ച് ഉചിതമാണ്. കൂടാതെ, പാനലിലായിരിക്കാൻ സമ്മതിക്കുക, വൈവിധ്യമാർന്ന പരീക്ഷണങ്ങൾ ഉൾപ്പെടുത്താവുന്നതാണ്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഓരോ പരീക്ഷണത്തിനും വ്യക്തിഗതമായി പങ്കാളിത്തം അനുവദിക്കണമെന്നില്ല, ഒരു ആശയം വിശാലമായ സമ്മതം (Sheehan 2011) . ഓരോ പഠനത്തിനും ഒറ്റത്തവണ സമ്മതവും സമ്മതവും തമ്മിലുള്ള വ്യത്യാസത്തെക്കുറിച്ച് കൂടുതലറിയാൻ Hutton and Henderson (2015) .

• വിവരസാങ്കേതിക അപകടത്തെക്കുറിച്ച് മനസിലാക്കുകയും നിയന്ത്രിക്കുകയും ചെയ്യുക (വിഭാഗം 6.6.2)

അതുല്യമായതിൽ നിന്നും ഏറെക്കുറെ, നെറ്റ്ഫ്ലിക്സ് പ്രൈസ് ജനങ്ങളുടെ വിശദമായ വിവരങ്ങൾ അടങ്ങുന്ന ഡാറ്റാസെറ്റുകളുടെ ഒരു പ്രധാന സാങ്കേതിക സ്വത്തെയാണ് ചിത്രീകരിക്കുന്നത്, കൂടാതെ ആധുനിക സാമൂഹ്യ ഡാറ്റാസെറ്റുകളുടെ "അറിയപ്പെടാത്ത" സാധ്യതയെക്കുറിച്ച് പ്രധാന പാഠങ്ങൾ പ്രദാനം ചെയ്യുന്നു. Narayanan and Shmatikov (2008) നിർവ്വചിച്ചിരിക്കുന്ന അർഥത്തിൽ, ഓരോ വ്യക്തിയെ കുറിച്ചും ധാരാളം വിവരങ്ങൾ ഉള്ള ഫയലുകൾ വിരളമായിരിക്കും . ഓരോ റെക്കോർഡിനും, രേഖകളൊന്നുമില്ല, യഥാർത്ഥത്തിൽ രേഖകളൊന്നും സമാനമായവയല്ല: ഓരോ വ്യക്തിയും ദാതാവിൽ അവരുടെ അടുത്തുള്ള അയൽക്കാരൻ മുതൽ വളരെ ദൂരെയാണ്. അഞ്ച് നക്ഷത്ര സ്കെയിലിൽ 20,000 സിനിമകളുണ്ടെങ്കിൽ, ഓരോ വ്യക്തിക്കും ഉണ്ടാകാൻ സാധ്യതയുള്ള മൂല്യങ്ങൾ \(6^{20,000}\) ഉണ്ട് (6 കാരണം, കൂടാതെ 1 മുതൽ 1 വരെ) 5 നക്ഷത്രങ്ങൾ, ആരെങ്കിലും മൂവി ഇതുവരെ റേറ്റുചെയ്തിട്ടില്ല). ഈ നമ്പർ വളരെ വലുതാണ്, അത് മനസ്സിലാക്കാൻ ബുദ്ധിമുട്ടാണ്.

സ്പാർസിറ്റിയിൽ രണ്ട് പ്രധാന അർത്ഥങ്ങളുമുണ്ട്. ഒന്നാമതായി, ക്രമരഹിതമായ വ്യവഹാരത്തിന്റെ അടിസ്ഥാനത്തിൽ ഡാറ്റാസെൻസറിൻറെ "അജ്ഞാതമാക്കാനുള്ള" ശ്രമങ്ങൾ പരാജയപ്പെടും. അതായത്, നെറ്റ്ഫ്ലിക്സ് ചില റേറ്റിംഗുകൾ ക്രമപ്പെടുത്തുന്നതിന് ക്രമമില്ലാതെ ക്രമീകരിച്ചാൽ പോലും, ഇത് മതിയാകില്ല, കാരണം ആക്രമണകാരിക്ക് ലഭ്യമായ വിവരങ്ങൾക്ക് പ്രകടമായ റെക്കോർഡ് റെക്കോർഡാണ്. രണ്ടാമതായി, സ്പാർക്കിറ്റി എന്നത് അർത്ഥമാക്കുന്നത് അപകീർത്തികരമോ നിഷ്പക്ഷതയോ അറിവില്ലെങ്കിൽപ്പോലും വീണ്ടും തിരിച്ചറിയാൻ സാധിക്കും. ഉദാഹരണത്തിന്, നെറ്റ്ഫ്ലിക്സ് ഡാറ്റയിൽ, രണ്ട് സിനിമകളുടെയും തീയതികളുടെയും നിങ്ങളുടെ റേറ്റിംഗുകൾ 3 ദിവസം ആ നിലവാരങ്ങൾ \(\pm\) ചെയ്തതായി നിങ്ങൾക്കറിയാം. കേവലം ആ വിവരം കേവലം നെറ്റ്ഫ്ലിക്സ് ഡാറ്റയിലെ 68% ആളുകളെ തിരിച്ചറിയാൻ മാത്രം മതി. അക്രമിയെ എട്ട് സിനിമകൾ നിങ്ങൾ റേറ്റ് എന്നു അറിയുന്നു എങ്കിൽ \(\pm\) 14 ദിവസം, ഈ അറിയപ്പെടുന്ന റേറ്റിംഗ് രണ്ടു പൂർണ്ണമായി പോലും, രേഖകളുടെ 99% സവിശേഷമായി ഡാറ്റാഗണത്തിൽ ദൃശ്യമാണ്. മറ്റു വാക്കുകളിൽ പറഞ്ഞാൽ, സ്പാർട്ടിക എന്നത് ഡാറ്റയെ "അനോണിമൈസുചെയ്യാൻ" ശ്രമിക്കുന്നതിനുള്ള ഒരു മൗലിക പ്രശ്നമാണ്, അത് ആധുനിക സാമൂഹ്യ ഡാറ്റാസെറ്റുകൾക്ക് വിരളമായതിനാൽ നിർഭാഗ്യമാണ്. Narayanan and Shmatikov (2008) ഡാറ്റയുടെ "അജ്ഞാതമാക്കൽ" സംബന്ധിച്ച കൂടുതൽ വിവരങ്ങൾക്ക്, Narayanan and Shmatikov (2008) .

ടെലിഫോൺ മെറ്റാ-ഡാറ്റയും "അജ്ഞാതമാണ്" കൂടാതെ സെൻസിറ്റീവ് ആയി തോന്നാമെങ്കിലും, അങ്ങനെയല്ല. ടെലിഫോൺ മെറ്റാ ഡേറ്റാ തിരിച്ചറിയാനും കഴിയുന്നതും സെൻസിറ്റീവ് ആണ് (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

ചിത്രം 6.6 ൽ, ഞാൻ പങ്കെടുക്കുന്നവർക്ക് അപകടസാധ്യതയും ഡേവിഡ് റിലീസിൽ നിന്ന് സമൂഹത്തിന് ആനുകൂല്യങ്ങളും നൽകുന്നു. Restricted access approach (ഉദാഹരണം ഒരു walled garden), നിയന്ത്രിത ഡാറ്റാ സമീപനങ്ങൾ (ഉദാ: ചില പേരുകൾ "anonymisation") തമ്മിലുള്ള താരതമ്യത്തിനായി Reiter and Kinney (2011) . അപകടസാധ്യതകൾ സംബന്ധിച്ച ഒരു തരം Sweeney, Crosas, and Bar-Sinai (2015) സംവിധാനത്തിനായി Sweeney, Crosas, and Bar-Sinai (2015) . ഡാറ്റ പങ്കിടൽ സംബന്ധിച്ച കൂടുതൽ ചർച്ചകൾക്ക്, Yakowitz (2011) .

ഡേറ്റാ റിസ്കും അപകടസാധ്യതയും തമ്മിലുള്ള Brickell and Shmatikov (2008) കൂടുതൽ വിശദമായ വിശകലനത്തിനായി Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) , Goroff (2015) . ഈ ട്രേഡ്-ഓഫ് മഹത്തായ ഓപ്പൺ ഓൺലൈൻ കോഴ്സുകളിൽ (MOOCs) നിന്നും യഥാർത്ഥ ഡാറ്റയിലേക്ക് പ്രയോഗിക്കാൻ കാണുന്നതിന്, Daries et al. (2014) കാണുക Daries et al. (2014) , Angiuli, Blitzstein, and Waldo (2015) .

കുറഞ്ഞ റിസ്ക് പങ്കാളികളാകാനും സമൂഹത്തിന് കൂടുതൽ പ്രയോജനം നൽകാനും കഴിയുന്ന ഒരു ബദൽ സമീപനവും കൂടി വ്യത്യസ്തമായ സ്വകാര്യത നൽകുന്നു. Dwork and Roth (2014) , Narayanan, Huey, and Felten (2016) .

റിസർച്ച് ധാർമ്മികത സംബന്ധിച്ച നിരവധി നിയമങ്ങളിൽ കേന്ദ്രീകരിച്ച വ്യക്തിപരമായി തിരിച്ചറിയുന്ന വിവരങ്ങൾ (പി.ഐ.ഐ) കൂടുതൽ അറിയാൻ Narayanan and Shmatikov (2010) , Schwartz and Solove (2011) . എല്ലാ ഡാറ്റയും കൂടുതൽ സെൻസിറ്റീവ് Ohm (2015) കൂടുതൽ, കാണുക Ohm (2015) .

ഈ വിഭാഗത്തിൽ, വിവരസാങ്കേതിക രംഗത്തെ അപകടസാധ്യതയിലേക്ക് നയിക്കുന്ന വ്യത്യസ്ത ഡാറ്റാസെറ്റുകളുടെ ബന്ധമാണ് ഞാൻ ചിത്രീകരിച്ചിട്ടുള്ളത്. എന്നിരുന്നാലും, Currie (2013) വാദിച്ചു, ഗവേഷണത്തിനായി പുതിയ അവസരങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും.

അഞ്ചാമത്തെ സെക്യൂരിറ്റിക്ക് കൂടുതൽ വേണ്ടി, Desai, Ritchie, and Welpton (2016) . ഔട്പുട്ടുകൾ എങ്ങനെ തിരിച്ചറിയാം എന്നതിന് ഉദാഹരണമായി, Brownstein, Cassa, and Mandl (2006) . Dwork et al. (2017) കണക്കിലെടുത്താൽ എത്ര പേർക്ക് ഒരു പ്രത്യേക രോഗം ഉണ്ടെന്ന് കണക്കാക്കുന്നത് പോലെയുള്ള സംഗ്രഹകൾക്കെതിരെയുള്ള ആക്രമണങ്ങൾ.

ഡാറ്റാ ഉപയോഗം, ഡാറ്റ റിലീസിനെ കുറിച്ചുള്ള ചോദ്യങ്ങൾ ഡാറ്റ ഉടമസ്ഥാവകാശത്തെക്കുറിച്ചുള്ള ചോദ്യങ്ങളും ഉയർത്തുന്നു. കൂടുതൽ, ഡാറ്റ ഉടമസ്ഥതയിൽ, Evans (2011) , Pentland (2012) .

• സ്വകാര്യത (വിഭാഗം 6.6.3)

Warren and Brandeis (1890) സ്വകാര്യതയെക്കുറിച്ചുള്ള ഒരു ലാൻഡ് മാർക്ക് ആർട്ടാണ്. സ്വകാര്യത സ്വകാര്യമായി നിലനിൽക്കുന്നതിനുള്ള അവകാശം മാത്രമായിരിക്കും. Solove (2010) , Nissenbaum (2010) എന്നിവയിൽ ശുപാർശ ചെയ്യുന്ന സ്വകാര്യതയുടെ പുസ്തക-ദൈർഘ്യ ചികിത്സകൾ.

സ്വകാര്യതയെക്കുറിച്ച് ആളുകൾ എങ്ങനെ ചിന്തിക്കുന്നുവെന്നതിനെക്കുറിച്ചുള്ള Acquisti, Brandimarte, and Loewenstein (2015) അവലോകനത്തിനായി, Acquisti, Brandimarte, and Loewenstein (2015) . Phelan, Lampe, and Resnick (2016) ഡ്യവൽ സിസ്റ്റം സിദ്ധാന്തം മുന്നോട്ടുവെയ്ക്കുകയാണ് - ആളുകൾ ചിലപ്പോഴൊക്കെ അവബോധമുള്ള കാര്യങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ചിലപ്പോൾ പരിഗണനയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ചെയ്യുന്നു - സ്വകാര്യതയെക്കുറിച്ച് ജനങ്ങളോട് എങ്ങനെ പരസ്പര വിരുദ്ധമായ പ്രസ്താവനകൾ നടത്താമെന്നത് വിശദീകരിക്കാൻ. ട്വിറ്റർ പോലുള്ള ഓൺലൈൻ ക്രമീകരണങ്ങളിൽ സ്വകാര്യത എന്ന ആശയത്തെക്കുറിച്ച് കൂടുതൽ അറിയാൻ Neuhaus and Webmoor (2012) .

"ജേർണൽ ഓഫ് എൻഡ് ഓഫ്" എന്ന പേരിൽ ഒരു പ്രത്യേക വിഭാഗം പ്രസിദ്ധീകരിച്ചു. സയൻസ് , വിവരസാങ്കേതിക രംഗത്തെ അപകടങ്ങൾ എന്നിവ വ്യത്യസ്തങ്ങളായ വ്യത്യസ്ത വീക്ഷണങ്ങളിൽ നിന്നുമുള്ളതാണ്; Enserink and Chin (2015) . Calo (2011) സ്വകാര്യത ലംഘനങ്ങളിൽ നിന്നുണ്ടാകുന്ന ദോഷങ്ങളെക്കുറിച്ച് ചിന്തിക്കാൻ ഒരു ചട്ടക്കൂട് വാഗ്ദാനം ചെയ്യുന്നു. ഡിജിറ്റൽ Packard (1964) തുടക്കത്തിൽ സ്വകാര്യത സംബന്ധിച്ച ആശങ്കകളുടെ ആദ്യകാല ഉദാഹരണമാണ് Packard (1964) .

• അനിശ്ചിതത്വത്തിൽ തീരുമാനങ്ങൾ എടുക്കൽ (വകുപ്പ് 6.6.4)

കുറഞ്ഞ റിസ്ക് സ്റ്റാൻഡേർഡ് ഉപയോഗിക്കാൻ ശ്രമിക്കുന്ന ഒരു വെല്ലുവിളി, ദിവസേനയുള്ള ജീവിത നിലവാരം (National Research Council 2014) . ഉദാഹരണത്തിന്, വീടില്ലാത്ത ആളുകൾ അവരുടെ ദൈനംദിന ജീവിതത്തിൽ അസ്വാരസ്യം ഉയർന്നതാണ്. പക്ഷേ, വീടില്ലാത്ത ആളുകളെ കൂടുതൽ ഉയർന്ന റിസ്ക്ക് ഗവേഷണത്തിനായി തുറന്നുകാട്ടുന്നത് അനുവദനീയമല്ല എന്നാണ്. ഇക്കാരണത്താൽ, ചുരുങ്ങിയ റിസ്ക് പൊതുവായ ജനസംഖ്യ സ്റ്റാൻഡേർഡ്, ഒരു പ്രത്യേക-ജനസംഖ്യ സാധാരണ നേരെ വിപണിയില് വേണം ഒരു വളരുന്ന സമവായം തോന്നുന്നു. സാധാരണ ജനസംഖ്യ നിലവാരം പുലർത്തുന്നതിനെ ഞാൻ അംഗീകരിക്കുന്നുണ്ട്, ഫെയ്സ്ബുക്ക് പോലെയുള്ള വലിയ ഓൺലൈൻ പ്ലാറ്റ്ഫോമുകൾക്ക് ഒരു പ്രത്യേക ജനസംഖ്യ നിലവാരം ന്യായമാണെന്നാണ് ഞാൻ കരുതുന്നത്. അങ്ങനെ, എമോഷിക്കൽ കംപാഷൻ പരിഗണിക്കുന്ന സമയത്ത്, ഫേസ്ബുക്കിനുണ്ടാകുന്ന എല്ലാവിധ അപകടങ്ങളെപ്പറ്റിയുമുള്ള അളവുകോലുകൾ ന്യായമായതാണെന്ന് ഞാൻ കരുതുന്നു. ഈ കേസിൽ ഒരു പ്രത്യേക ജനസംഖ്യ നിലവാരം വളരെ ലളിതമാണ്, ജസ്റ്റിസിന്റെ തത്വത്തിൽ പൊരുത്തക്കേടുണ്ടാകാൻ സാധ്യത വളരെ കുറവാണ്. ഇത് ഗവേഷകരുടെ ഭാരം തടയാനായി ഗുണം ചെയ്യാത്ത ഗ്രൂപ്പുകളെ (ഉദാ: തടവുകാർക്കും അനാഥർക്കും) വഴിതിരിച്ചുവിടുകയാണ്.

• പ്രായോഗിക ടിപ്പുകൾ (വകുപ്പ് 6.7)

മറ്റു പണ്ഡിതന്മാർക്ക് ധാർമ്മിക ഉപദേഷ്ടാക്കൾ (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) എന്നിവ കൂടുതൽ പേപ്പറുകൾ ആവശ്യപ്പെട്ടിട്ടുണ്ട്. King and Sands (2015) പ്രായോഗിക നുറുങ്ങുകളും നൽകുന്നു. സൂക്ക് ആൻഡ് സഹപ്രവർത്തകർ (2017) ഉത്തരവാദിത്തമുള്ള വലിയ ഡാറ്റ ഗവേഷണത്തിന് പത്ത് ലളിതമായ നിയമങ്ങൾ വാഗ്ദാനം ചെയ്യുന്നു.