6.6.2 ойлгож, удирдах мэдээллийн эрсдэл

Мэдээллийн эрсдэл, нийгмийн судалгааны хамгийн нийтлэг эрсдэл юм; Энэ нь эрс нэмэгдсэн байна; бөгөөд энэ нь ойлгоход хамгийн хэцүү эрсдэл юм.

Нийгмийн нас тоон судалгааны хоёр дахь ёс зүйн сорилт мэдээллийн эрсдэл, мэдээллийг нээлттэй болгох нь хор хөнөөлийн хувьд боломж байна (Council 2014) . хувийн мэдээллийг ил тод болгох нь мэдээллийн хор уршгийг нь эдийн засгийн байж болох юм (жишээ нь, ажлаа алдах), нийгмийн (жишээ нь, бэрхшээл), сэтгэл зүйн (жишээ нь, сэтгэл гутрал), эсвэл бүр эрүүгийн (жишээ нь, хууль бус зан үйлийн хувьд баривчлах). Харамсалтай нь, дижитал нас мэдээлэл эрсдэл эрс, тэнд бидний зан талаар зүгээр л маш их мэдээлэл юм нэмэгдүүлдэг. Мөн мэдээллийн эрсдэл зэрэг физик эрсдэл гэх мэт аналог нас, нийгмийн судалгааны асуудал байв эрсдэл харьцуулахад ойлгож, удирдах нь маш хэцүү нь батлагдсан байна. дижитал нас мэдээллийн эрсдэлийг хэрхэн нэмэгдүүлдэг харахын тулд, эмнэлгийн цахим бүртгэл хийх цаас шилжих гэж үздэг. бичлэгүүдийн аль аль төрлийн эрсдэлийг бий болгож, харин асар их хэмжээний тэд хууль бус этгээдэд дамжих эсвэл болох бусад бүртгэл нэгдсэн байх, учир нь цахим бүртгэл илүү их эрсдэлийг бий болгож байна. дижитал эрин үед нийгмийн судлаачид аль хэдийн мэдээллийн эрсдэлтэй асуудал руу нь бүрэн тооцоолох, түүнийг удирдах хэрхэн ойлгож чадахгүй байсан, учир нь нэг хэсэг нь ажиллуулж байна. Тиймээс, би мэдээллийн эрсдлийн талаар бодох нь тустай арга замыг санал болгох гэж байна, дараа нь би чамд хэрхэн судалгааны мэдээллийн эрсдлийг удирдах болон бусад судлаачид өгөгдлийг гаргаж зарим нэг зөвлөгөө өгөх гэж байна.

Нийгмийн судлаачид мэдээллийн эрсдэлийг бууруулах нэг арга зам нь мэдээлэл "anonymization" юм. "Anonymization" гэх нэр, хаяг, өгөгдлийг нь утасны дугаар гэх мэт тодорхой хувийн таних арилгах үйл явц юм. Гэсэн хэдий ч энэ арга нь гүн ба үндсээр нь хязгаарлагдмал, олон хүн ойлгож хамаагүй бага үр дүнтэй байдаг бөгөөд энэ нь үнэндээ юм. Тиймээс, би тайлбарлах үед "anonymization," Би хашилтанд та нарт сануулах энэ үйл явц нь үнэн нууцлалыг нэрээ харагдах биш харин бий болгодог бас хэрэглэж болно.

"Anonymization" -ийн гэмтэл нь хурц тод жишээ нь Массачусетс мужийн 1990-ээд оны ирдэг (Sweeney 2002) . Group даатгалын комисс (GIC) төрийн бүх албан хаагчдын эрүүл мэндийн даатгал худалдан авах хариуцсан Засгийн газрын агентлаг юм. Энэ ажлын хүрээнд GIC төрийн албан хаагчдын мянган талаар дэлгэрэнгүй эрүүл мэндийн бүртгэлийг цуглуулсан. эрүүл мэндийг сайжруулах аргуудын талаар судалгаа түлхэц хүчин чармайлт, GIC судлаачид эдгээр бүртгэлийг суллах шийдвэр гаргасан. Гэсэн хэдий ч, тэд бүх өгөгдөл хуваалцаж байсан; харин тэд ийм нэр, хаяг зэрэг мэдээллийг арилгах замаар үүнийг "нэргүйгээр". Гэсэн хэдий ч, тэд ийм хүн ам зүйн мэдээлэл (зип код, төрсөн он сар өдөр, яс үндэс, хүйс) болон эрүүл мэндийн мэдээлэл (айлчлал мэдээлэл, оношлох, журам) (Зураг 6.4) зэрэг судлаачдын хувьд ашигтай байж болох юм гэж бодсон бусад мэдээллийг үлдсэн (Ohm 2010) . Харамсалтай нь, энэ нь "anonymization" мэдээллийг хамгаалахад хангалттай биш юм.

Зураг 6.4: "Anonymization" илт арилгах мэдээллийг тодорхойлох үйл явц юм. Жишээ нь, төрийн албан хаагчдын эрүүл мэндийн даатгалын бүртгэлийг гаргах үед Massachusetts Group даатгалын комисс (GIC) файлаас нэр, хаяг, арилгасан. Би гэдэг үг нь "anonymization" орчим үнийн ашиглах үйл явц нь нэрээ харагдах бодит нууцлалыг хангаж, харин юм.

GIC "anonymization" -ийн дутагдалтай харуулахын тулд Latanya Свини-дараа нь $ 20 MIT-төлсөн Кембрижийн, Массачусетс мужийн захирагч Уильям гагнуур нь төрөлх хот хотоос саналын бүртгэлийг олж авах үед төгсөх курсийн оюутан. санал Эдгээр бүртгэл зэрэг нэр, хаяг, зип код, төрсөн он сар өдөр, хүйс гэх мэт мэдээлэл багтана. үнэн гэсэн эмнэлгийн өгөгдлийн файл, сонгогчдын файл хуваалцах талбарууд зип код, төрсөн он сар өдөр, болон бэлгийн үг Свини тэднийг холбож болох юм. Свини гагнуурын төрсөн өдөр долдугаар сарын 31-ний 1945 оны байсан гэдгийг мэдэж байсан бөгөөд санал авах бүртгэл гэж төрсөн өдөр нь Кембрижийн зөвхөн зургаан хүн багтсан байна. Цаашилбал, эдгээр зургаан хүн зөвхөн гурван эрэгтэй байсан. Мөн эдгээр гурван хүмүүс зөвхөн нэг гагнуурын-ын зип кодыг хуваалцсан юм. Тиймээс санал хураах мэдээлэл төрсөн огноо, хүйс, болон зип код гагнуурын-ын хослуулан эрүүл мэндийн мэдээллийн хэн нэгэн Уильям Гагнуурын байсан гэдгийг харуулсан. Мөн чанартаа, мэдээллийн эдгээр гурван хэсэг мэдээлэл түүнд өвөрмөц хурууны хээг өгсөн. Энэ баримтыг ашиглах, Свини гагнуурын эмнэлгийн бүртгэлийг байршуулах, түүний дахинаа түүнийг мэдээлэх боломжтой байсан, тэр түүнд тэмдэглэл хуулбарыг шуудангаар (Ohm 2010) .

Зураг 6.5: Re-idenification "нэргүйгээр" мэдээлэл байна. Latanya Свини Засаг дарга Уильям гагнуурын эрүүл мэндийн бүртгэлийг олохын тулд санал өгөх бүртгэл "нэргүйгээр" эрүүл мэндийн бүртгэлийг нэгтгэж (Sweeney 2002) .

Свинигийн ажил -тулд- компьютерийн аюулгүй байдлын хамтын нийгэмлэгийн-аас нэр томъёог батлах де-anonymization халдлагад үндсэн бүтцийг харуулж байна. Эдгээр халдлагын онд хоёр өгөгдлийн багц, мөн өөрөө аль, эмзэг мэдээллийг харуулж холбогдсон байдаг бөгөөд энэ холбоо дамжуулан эмзэг мэдээллийг ил байна. Зарим талаар энэ үйл явц нь сод болон цуу, өөрсдөө аюулгүй хоёр бодис нь жигд, нэг муухай үр дүнг гаргах нэгтгэж болно байдлаар төстэй юм.

Свинигийн ажил, болон бусад холбогдох ажлын хариуд, судлаачид одоо ерөнхийдөө илүү мэдээлэл бүгд "хувьчлан тодорхойлох мэдээлэл" (хувийн мэдээллийг) гэж нэрлэгдэх арилгах (Narayanan and Shmatikov 2010) Цаашилбал, олон судлаачид одоо үйл явцыг -during "anonymization." тодорхой мэдээлэл, тухайлбал, эмнэлгийн бүртгэл, санхүүгийн бүртгэл, хууль бусаар тухай асуулт судалгааны хариуг болгон тэр ч байтугай дараа суллах хэтэрхий эмзэг байж магадгүй зан, юм, би доор тайлбарлах нийгмийн судлаачид хэрэгтэй гэдгийг харуулж болно илүү сүүлийн үеийн жишээ ойлгодог "anonymization." гэсэн хэдий ч тэдний сэтгэлгээг өөрчлөх. Эхний алхам болгож, энэ нь бүх өгөгдөл болзошгүй тодорхойлогдох бөгөөд бүх өгөгдөл болзошгүй мэдрэмтгий байдаг гэж үзэх нь ухаалаг хэрэг юм. Өөрөөр хэлбэл, тухайн мэдээллийн эрсдэлийг бодож төсөл нь жижиг дэд олонлог хамаатай гэхээсээ илүү бид энэ хамаатай-гэж зарим нь бүх төслүүдэд хэмжээгээр-тулд гэж байх ёстой.

Энэхүү дахин чиг баримжаа нь аль аль тал Netflix шагнал харуулсан байна. Бүлэг 5-д заасны дагуу, Netflix бараг 500,000 гишүүдийн гаргасан 100 сая киноны зэрэглэлийг гаргасан, бүх дэлхийн өнцөг булан бүрээс хүмүүс Netflix-ийн кино зөвлөж байна чадварыг сайжруулах алгоритмыг ирүүлсэн нээлттэй дуудлага байсан. мэдээллийг гаргаж өмнө Netflix зэрэг нэр гэх мэт аль нэг нь илт биечлэн-тодорхойлох мэдээллийг арилгасан. Netflix бас нэмэлт алхмыг очиж, бүртгэлийн зарим бага зэрэг алдагдлын (жишээ нь, 3 од 4 од авсан зарим зэрэглэлийг өөрчлөх) танилцуулсан. Netflix удахгүй олж мэдсэн хэдий ч, тэдний хүчин чармайлт хэдий ч мэдээлэл хангалтгүй байна гэхэд байсан гэж нэр нь үл мэдэгдэгч гэсэн үг юм.

Мэдээллийн дараа нь ердөө хоёр долоо хоног гарч байсан Narayanan and Shmatikov (2008) энэ нь тухайн ард түмний кино тохиргоогоо талаар мэдэж авах боломжтой байсан гэдгийг харуулсан. Тэдний дахин тодорхойлох халдлага трик Свини-ын ижил төстэй байсан хамт байж болзошгүй эмзэг мэдээлэл болон ямар ч илт тодорхойлох мэдээлэл, хүмүүсийн хэн болохыг агуулсан нэг хоёр эх сурвалж, нэгийг нь нэгтгэх. Эдгээр мэдээллийн эх сурвалж тус бүр тус тусдаа, аюулгүй байж болох боловч тэд хосолсон үед нийлсэн олонлогийн мэдээллийн эрсдлийг үүсгэж болно. Netflix мэдээлэл тохиолдолд энд яаж болох юм байна. Миний хамтран ажилчидтай үйл ажиллагаа, инээдмийн кинонд-ий тухай миний бодол хуваалцах сонгож, гэхдээ би шашин шүтлэг, улс төрийн кинонд-ий тухай миний үзэл бодлыг хуваалцаж байх нь илүүд үздэг гэж төсөөлөөд үз дээ. Миний хамтран ажиллагсад би Netflix мэдээллийн миний бичлэгийг олж тэдэнтэй хуваалцсан мэдээллийг ашиглах болно; Би хуваалцах мэдээлэл зүгээр л William гагнуур төрсөн огноо, зип код, хүйс гэх мэт өвөрмөц хурууны хээ байж болох юм. Дараа нь тэд өгөгдлийн өөрийн өвөрмөц хурууны хээ олох бол, тэд миний рейтингийг бүх кинонд би хуваалцаж байх нь сонгох кинонд зэрэг талаар мэдэж болох юм. Нэг хүнд чиглэсэн зорилтот халдлага нь энэ төрлийн гадна Narayanan and Shmatikov (2008) мөн хувийн болон кино зэрэглэл мэдээлэл Netflix мэдээллийг нэгтгэх, хүмүүсийг олон хамарсан өргөн халдлага нэг хийх боломжтой байсан гэдгийг харуулсан гэж зарим нь хүмүүс Internet Movie Database (IMDb) дээр нэмж сонгосон байна. тэдгээрийг тодорхойлох нь тодорхой хүн, тэр ч байтугай тэдний кино багц өвөрмөц хурууны хээ ямар ч мэдээлэл рейтингийн-боломжгүй ашиглаж болно.

аль нь зорилтот буюу өргөн халдлагад Netflix өгөгдөл дахин тодорхойлж болно боловч, энэ нь одоо ч гэсэн эрсдэл багатай байж гарч болох юм. Эцсийн эцэст, кино рейтинг маш мэдрэмтгий юм шиг санагдаж байна. гэж ерөнхийд нь үнэн байж болох хэдий ч, датасетийн 500,000 хүмүүсийн зарим нь кино рейтинг нь маш мэдрэмтгий байж болох юм. Ер нь, де-anonymization хариуд нь closeted лесбиян эмэгтэй Netflix эсрэг ангиллын үйл ажиллагааны нэхэмжлэлийг орсон байна. Энд асуудал нь тэдний Энэ хэргийн илэрхийлж байсан даа (Singel 2009) :

"[M] ovie болон үнэлгээ мэдээлэл илүү их хувийн болон мэдрэмтгий чанараас [БТХ] -ийн мэдээллийг агуулдаг. Гишүүний кино өгөгдлийн янз бүрийн өндөр хувийн асуудал, цус холилдох нь бэлгийн, сэтгэл мэдрэлийн өвчтэй, архидалт нь нөхөн сэргээх болон хохирсон, бие махбодийн дарамт, гэр бүлийн хүчирхийлэл, садар самуун, болон хүчингийн зэрэг нь Netflix гишүүний хувийн ашиг сонирхол болон / эсвэл тэмцэл илчилж ".

Netflix шагналт мэдээлэл де-anonymization бүх өгөгдөл болзошгүй тодорхойлогдох бөгөөд бүх өгөгдөл болзошгүй эмзэг байна гэж аль аль нь болохыг харуулж байна. Энэ үед та нар энэ нь зөвхөн тэр хүмүүсийн тухай байх өргөжүүлсэн мэдээлэлд хамаатай гэж бодож байж болох юм. Гайхалтай нь, тэр тийм биш юм. Мэдээлэл хууль хүсэлтийг нь эрх чөлөөний хариуд, Нью-Йорк хотын захиргаа Нью-Йорк дахь бүх таксины явах бүртгэлийг 2013 онд, пикап, түүний дотор гаргасан, энэ бүлгийн 2-удаа, байршил болон тарифын хэмжээний (эргүүлэн татахад унтраах унах Farber (2015) хөдөлмөрийн эдийн засгийн чухал ач холбогдолтой онол) шалгахын тулд энэ мэдээллийг ашигласан байна. Энэ нь хүмүүсийн тухай мэдээлэл байх юм шиг санагддаг учраас таксины аялалын талаар энэ нь өгөгдлийн хоргүй юм шиг санагдаж болох боловч, Anthony Tockar энэ таксины мэдээллийн санг үнэн хэрэгтээ хүмүүсийн тухай байж болзошгүй эмзэг, чухал мэдээллийг маш их агуулагддаг гэдгийг ойлгосон. харуулахын тулд, тэр Hustler клуб-томоохон зурвас Нью-д клубт шөнө дунд болон 6am, дараа нь Йорк хооронд тэдний буулгах байршлыг эхлэн олдсон бүх аялал харав. Энэ хайлтын илрүүлсэн-д мөн чанар-а Hustler клуб байнга зарим хүмүүсийн хаягуудын жагсаалтыг (Tockar 2014) . Энэ мэдээллийг гаргасан үед хотын захиргаа оюун ухаанд энэ байсан гэж төсөөлөхөд бэрх юм. Үнэн хэрэгтээ энэ ижил арга хот эмнэлгийн эмнэлэг, Засгийн газрын барилга, эсвэл шашны байгууллагаас ямар нэгэн газар очиж ард түмний гэрийн хаягийг олж ашиглаж болох юм.

Ямар ч өвөрмөц аргаар Эдгээр хоёр тохиолдол-Netflix шагналт, Нью-Йорк хотын таксины өгөгдлийн шоу харьцангуй чадварлаг хүмүүс зөв тэд гаргасан өгөгдлийн мэдээллийн эрсдлийг тооцох болсон, эдгээр тохиолдол байдаг (Barbaro and Zeller Jr 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) . Цаашилбал, эдгээр тохиолдолд олон байгаа, асуудал өгөгдөл хэвээр онлайн чөлөөтэй байдаг, хэзээ ч өгөгдлийн хувилбар буцааж байна бэрхшээлтэй харуулж байна. Хамтад нь эдгээр жишээ, түүнчлэн чухал дүгнэлтэд Нууцлалын-илэрцүүд-ий тухай компьютерийн шинжлэх ухааны судалгаа. Судлаачид бүх өгөгдөл болзошгүй тодорхойлогдох бөгөөд бүх өгөгдөл болзошгүй мэдрэмтгий байдаг гэж байх ёстой.

Харамсалтай нь, бүх өгөгдөл болзошгүй тодорхойлогдох бөгөөд бүх өгөгдөл болзошгүй мэдрэмтгий байдаг гэдгийг ямар ч энгийн шийдэл байна. Гэсэн хэдий ч, та мэдээлэл ажиллаж байхад мэдээлэл эрсдэлийг бууруулах нэг арга зам бий болгох, мэдээллийн хамгаалах төлөвлөгөөг дагах юм. Энэ төлөвлөгөө нь таны өгөгдөл алдагдсан бөгөөд хэрэв урсгал ямар нэгэн байдлаар тохиолддог хор буурна боломжийг бууруулж болно. Ашиглах нь зэрэг шифрлэлтийн хэлбэр нь өгөгдөл хамгаалах төлөвлөгөөний онцлог, цаг хугацааны явцад өөрчлөгдөж, харин Их Британи Data үйлчилгээ helpfully 5 ангилалд тэд 5 сейф гэж нэрлэдэг уруу өгөгдөл хамгаалах төлөвлөгөөний элементүүдийг зохион байгуулж: аюулгүй төсөл, аюулгүй хүмүүсийн , аюулгүй тохиргоо, аюулгүй өгөгдөл, аюулгүй бүтээгдэхүүн (Хүснэгт 6.2) (Desai, Ritchie, and Welpton 2016) . Таван Сейф аль нь ч тус тусдаа төгс хамгаалалт болдог. Харин тэд хамтдаа мэдээллийн эрсдэлийг бууруулах болно хүчин зүйл нь хүчтэй болдог.

Та үүнийг ашиглаж байгаа бол таны өгөгдлийг хамгаалах гадна, судалгааны үйл явцад мэдээллийн эрсдэл, ялангуяа Гол нь нэг алхам нь бусад судлаачидтай хамтран мэдээлэл солилцох юм. эрдэмтдийн дунд мэдээлэл солилцох, шинжлэх ухааны хүчин чармайлт нь гол утга нь мэдлэг, энэ нь маш их байгууламж дэвшил юм,. Энд Нийтийн Их Британийн House мэдээлэл солилцох ач холбогдлыг хэрхэн тайлбарласан юм:

судлаачид, дахин шалгаж, уран зохиолын-д мэдээлсэн байна үр дүнг бий болгох юм бол "өгөгдөлд хандалт суурь юм. таамаглал эсвэл хүчтэй шалтгаан байхгүй бол, өгөгдлийн бүрэн тодруулах гэж байх ёстой, олон нийтэд хүртээмжтэй байх ёстой. Энэ зарчим, олон нийтийн санхүүжилттэй бүх судалгаа нь холбоотой байж болох, мэдээллийн өргөн чөлөөтэй авах боломжтой байх ёстой дагуу. " (Molloy 2011)

Гэсэн хэдий ч, өөр нэг судлаач нь таны мэдээллийг хуваалцах замаар та мэдээллийн эрсдэлийг таны оролцогчдод нэмэгдүүлэх болно. Тиймээс, энэ нь үндсэн хурцадмал байдал нь тэдний хуваалцах хүсэлтэй өгөгдөл эсвэл тэдний хуваалцах шаардлагатай судлаачид мэдээллийг хүмүүсийг тулгарч буй мэт санагдаж болох юм. Нэг талаас тэд анхны эрдэм шинжилгээний олон нийтэд санхүүждэг, ялангуяа бусад эрдэмтэд тэдний мэдээллийг хуваалцах ёс суртахууны үүрэгтэй. Гэсэн хэдий ч, тэр үед, судлаачид багасгах ёс зүйн үүрэг, аль болох их байна, тэдний оролцогчдод мэдээлэл эрсдэл.

Аз болоход энэ нөхцөл байдал нь энэ нь гарч ирэх шиг хүнд биш юм. Энэ нь суллана, мэдээлэл "нэргүйгээр" гэж хаана, хандахын тулд хэнд ч байрлуулсан, мартаж ямар ч мэдээлэл солилцох нь тасралтгүй дагуу хуваалцах мэдээлэл байна (Зураг 6.6) гэж ойлгох нь чухал юм. Эдгээр онцгой албан тушаалын аль аль нь эрсдэл болон үр ашгийг байна. Энэ бол энэ нь автоматаар таны мэдээллийг хуваалцах байх нь хамгийн ёс зүйтэй зүйл биш юм, юм; Ийм хандлага нь нийгэм олон боломжит ашиг тусыг арилгадаг. Буцах амт, хэлхээ холбоо, цаг, өмнө бүлэгт жишээ, зөвхөн аль болох хор уршгийн талаар анхаарч, боломжтой ашиг тусыг үл мэдээлэл гаргах эсрэг нэмэлт өгөгдлүүд нь хэт нэг талыг барьсан байх; Би тодорхой бус (Хэсэг 6.6.4) гадаргуу нь шийдвэр гаргах тухай зөвлөгөө өгөх санал бол доор дэлгэрэнгүй энэ нэг талыг барьсан, хэт хамгаалах арга нь асуудлыг тайлбарлах болно.

Зураг 6.6: Мэдээлэл гаргах стратеги нь тасралтгүй хамт унах болно. Хаана энэ үргэлжлэл таны мэдээллийг тодорхой дэлгэрэнгүй хамаарна хамт та нар байх ёстой. Энэ тохиолдолд гуравдагч этгээд хянаж та тохиолдолд эрсдэл зохистой тэнцвэр, ашиг шийдэж туслах болно.

Цаашилбал, энэ хоёр онцгой тохиолдолд хооронд нь би өгөгдөл тодорхой шалгуурыг хангасан, тодорхой дүрмийн дагуу хүлээн зөвшөөрч байгаа хүмүүстэй хуваалцсан байдаг бөгөөд энэ нь ханатай цэцэрлэг арга гэж нэрлэдэг болно гэж юу вэ (жишээ нь Ёс зүйн хяналтын хорооны аас хяналт, өгөгдлийн хамгаалах төлөвлөгөө) . Энэ ханатай цэцэрлэг хандлага гаргах нь ашиг олон хангаж, бага эрсдэл нь мартдаг. Мэдээж хэрэг, нэг ханатай цэцэрлэг хандлага олон асуулт-хандах ёстой, ямар нөхцөлд хэр удаан, хадгалах, ханатай цэцэрлэг цагдаагийн төлөх ёстой хэн нь г.м. Гэхдээ эдгээр дааж давшгүй биш юм бий болгож байна. Ер нь тэнд аль хэдийн судлаачид ийм мэдээлэл Мичиганы их сургуулийн улс төр, нийгмийн судалгааны хоорондын их дээд сургуулийн консорциумын архив маягаар, одоо ашиглаж болох газар ханатай цэцэрлэг ажиллаж байна.

Тэгэхээр хаана таны судалгааны мэдээлэл ямар ч хуваалцах, ханатай цэцэрлэгт тасралтгүй байх, төрөл болон хувилбар зэрэг мартах ёстой вэ? Энэ нь таны мэдээллийг дэлгэрэнгүй хамаарна; Судлаачид хууль, нийтийн ашиг сонирхлын төлөө хүмүүс, Beneficence, Хууль зүйн хүндэтгэх, хүндэтгэлтэй тэнцвэржүүлэх хэрэгтэй. бусад шийдвэрийг зохих тэнцвэрийг үнэлэх үед судлаачид зөвлөгөө, IRBs нь зөвшөөрөл авах ба мэдээлэл хувилбар нь үйл явцын зөвхөн нэг хэсэг нь байж болно. Өөрөөр хэлбэл, зарим хүмүүс нь найдваргүй ёс зүйн morass талаар мэдээлэл гаргах тухай бодох боловч, бид аль хэдийн судлаачид ёс зүйн сонголтыг эдгээр төрлийн тэнцвэржүүлэх туслах газар систем байдаг.

мэдээлэл солилцох талаар бодох нэг нь эцсийн арга бол төсөөтэй юм. Жил бүр машин нас барсан олон мянган үүрэгтэй, харин бид жолооны хориглох битгий оролдоорой. Үнэн хэрэгтээ жолооны олон гайхамшигт зүйлийг боломжтой, учир нь жолооны хориглох ийм дуудлага утгагүй байж болох юм. Харин нийгмийн жолоодох болно хэн хязгаарлалт тавьж (жишээ нь, тодорхой нэг насны байх ёстой, зарим туршилтыг өнгөрсөн байх хэрэгтэй), тэд (хурдны хязгаар дор, жишээ нь) жолоодох хэрхэн. Нийгэм эдгээр дүрэм (жишээ нь, цагдаа) хэрэгжүүлэх үүрэг хүмүүс байдаг бөгөөд бид тэднийг зөрчсөн баригдаж байгаа хүмүүсийг шийтгэдэг. нийгмийн жолооны зохицуулах хамаарна тэнцвэртэй сэтгэлгээний Энэ нь ижил төрлийн гадна мэдээлэл солилцох хэрэглэж болно. Энэ нь харин буюу өгөгдөл солилцох эсрэг absolutist аргумент гаргах илүү, би хамгийн их ашиг ерөөсөө бид хэрхэн илүү өгөгдлийг илүү аюулгүй хуваалцаж болно ирсэн гэж бодож байна.

Эцэст нь, мэдээллийн эрсдэл эрс нэмэгдэж, энэ нь урьдчилан таамаглах, тоо хэмжээг нь маш хэцүү байдаг. Тиймийн тул, энэ бүх өгөгдөл болзошгүй тодорхойлогдох ба болзошгүй мэдрэмтгий байдаг гэж үзэх нь хамгийн сайн арга юм. судалгаа хийж байхад мэдээллийн эрсдэлийг бууруулах, судлаачид бий болгож, өгөгдөл хамгаалах төлөвлөгөөг дагаж болно. Цаашилбал, мэдээллийн эрсдэл бусад эрдэмтэдтэй хамтран мэдээлэл солилцох нь судлаачдыг саад болохгүй.