2.3.10 ထိခိုက်မခံတဲ့

ကုမ္ပဏီများနှင့်အစိုးရများရှိသည်သောအချက်အလက်များ၏တချို့ကအထိခိုက်မခံဖြစ်ပါတယ်။

ကနျြးမာရေးအာမခံကုမ္ပဏီများသည်၎င်းတို့၏ဖောက်သည်များကလက်ခံရရှိသောကျန်းမာရေးစောင့်ရှောက်မှုနှင့် ပတ်သက်. အသေးစိတ်သတင်းအချက်အလက်များရှိသည်။ ဤအချက်အလက်သည်ကျန်းမာရေးနှင့် ပတ်သက်. အရေးကြီးသောသုတေသနအတွက်အသုံးပြုနိုင်ပေမယ့်အများပြည်သူဖြစ်လာခဲ့သည်လျှင်, အလားအလာစိတ်ခံစားမှုထိခိုက်မှု (ဥပမာ, အရှက်) သို့မဟုတ်စီးပွားရေးထိခိုက်မှု (အလုပ်အကိုင်ဥပမာအရှုံး) မှဦးဆောင်လမ်းပြနိုင်။ တခြားကြီးမားသောဒေတာသတင်းရင်းမြစ်လည်းသူတို့မကြာခဏတပိုင်တနိုင်များမှာရတဲ့အကြောင်းရင်း၏အစိတ်အပိုင်းတစ်ခုဖြစ်သည့်အထိခိုက်မခံကြောင်းသတင်းအချက်အလက်, ရှိသည်။

ကံမကောင်းစွာပဲ, ဒါကြောင့်အမှန်တကယ်ထိခိုက်မခံသောအရာကိုသတင်းအချက်အလက်ဆုံးဖြတ်အတော်လေးလှည်ဖြစ်ထွက်လှည့် (Ohm 2015) အတွက် Netflix နဲ့ဆုအားဖြင့်သရုပ်ဖော်ခဲ့ပါတယ်အဖြစ်။ ကျွန်မအခန်း 5 အတွက်ကိုဖော်ပြရန်လိမ့်မယ်အဖြစ် 2006 ခုနှစ်တွင် Netflix နီးပါး 500,000 အဖွဲ့ဝင်များကထောက်ပံ့ပေးသန်း 100 ရုပ်ရှင် ratings ဖြန့်ချိခြင်းနှင့်လောကီနိုင်ငံအရပ်ရပ်ရှိသမျှကျော်ထံမှလူတွေရုပ်ရှင်အကြံပြုဖို့ Netflix ရဲ့စွမ်းရည်ကိုတိုးတက်စေနိုင်ကြောင်း algorithms တင်သွင်းဘယ်မှာဖွင့်ခေါ်ဆိုခရှိခဲ့ပါတယ်။ ဒေတာထုတ်မီ, Netflix ဟာထိုကဲ့သို့သောအမည်များအဖြစ်မဆိုသိသာပုဂ္ဂိုလ်ရေးအရဖော်ထုတ်သတင်းအချက်အလက်ဖယ်ရှားခဲ့သည်။ ဒေတာဖြန့်ချိခဲ့သည်ရုံနှစ်ပတ်အတွင်းအပြီးဒါပေမယ့် Arvind Narayanan နှင့်ဗီ Shmatikov (2008) ကကိုယ့်တိုက်ခိုက်သူတစ်ဦးတစ်ဦးကိုရှာဖွေတွေ့ရှိနိုင်သော်လည်းအခန်း 6 ၌သင်တို့ကိုပြသပါလိမ့်မယ်တဲ့လှည့်ကွက်သုံးပြီးတိကျတဲ့လူရဲ့ရုပ်ရှင် ratings အကြောင်းကိုလေ့လာသင်ယူရန်ဖြစ်နိုင်သမျှခဲ့ကြောင်းပြသ လူတစ်ဦးရဲ့ရုပ်ရှင် ratings ဆဲဒီနေရာမှာအထိခိုက်မခံဘာမှဖြစ်ရှိမထင်ထားဘူး။ သော Datasets အတွက် 500,000 လူပေါင်းအနည်းဆုံးအချို့အဘို့, ယေဘုယျအားဖြင့်စစ်မှန်တဲ့ဖြစ်စေခြင်းငှါနေစဉ်, ရုပ်ရှင် ratings အထိခိုက်မခံခဲ့ကြသည်။ တကယ်တော့, ဒေတာများလွှတ်ပေးရေးနှင့်ပြန်လည်ဖော်ထုတ်ခြင်းမှတုန့်ပြန်နေတဲ့ဗီရိုလိင်တူချစ်သူအမျိုးသမီးတစ်ဦး Netflix နဲ့ဆန့်ကျင်နေတဲ့လူတန်းစား-action ကိုဝတ်စုံကိုဝင်ရောက်ခဲ့သည်။ ဤတွင်ပြဿနာကဒီတရားစွဲဆိုမှုအတွက်ထုတ်ဖော်ပြောဆိုခဲ့သည်ကိုဘယ်လိုဖွင့် (Singel 2009) :

"[M က] ovie နှင့်အဆင့်သတ်မှတ်ချက်ဒေတာတစ်ဦး ... အလွန်အမင်းကိုယ်ရေးကိုယ်တာနှင့်အထိခိုက်မခံသဘာဝတရား၏သတင်းအချက်အလက်များပါဝင်သည်။ အဆိုပါအဖွဲ့ဝင်တစ်ဦးရဲ့ရုပ်ရှင်ဒေတာတစ်ဦး Netflix နဲ့အဖွဲ့ဝင်တစ်ဦးရဲ့ပုဂ္ဂိုလ်ရေးအကျိုးစီးပွားဖျောထုတျနှင့် / သို့မဟုတ်သှေးရငျးခငျြးကာမဆကျဆံခွငျး, ရုပ်ပိုင်းဆိုင်ရာအလွဲသုံးစားမှု, အိမ်တွင်းအကြမ်းဖက်မှု, အိမ်ထောင်ရေးဖောက်ပြန်နှင့်မုဒိမ်းမှုကနေလိင်, စိတ်ရောဂါ, အရက်ကနေပြန်လည်နာလန်ထူနှင့်သားကောင်အပါအဝင်အမျိုးမျိုးသောအလွန်အမင်းပုဂ္ဂိုလ်ရေးဆိုင်ရာကိစ္စရပ်များနှင့်အတူရုန်းကန်နေရတဲ့။ "

ဒီဥပမာတချို့လူတွေကတစ်ဦးညင်သာပျော့ပျောင်းဒေတာဘေ့စဖြစ်ပေါ်လာလိမ့်မယ်အရာ၏အတွင်းပိုင်းအထိခိုက်မခံစဉ်းစားပါအချက်အလက်တွေကိုရှိနိုင်သည်ကိုပြသသည်။ ထို့ပြင်ကြောင့်သုတေသီများအထိခိုက်မခံကာကွယ်ပေးရန် employ တဲ့အဓိကကာကွယ်ရေးအံ့သြစရာနည်းလမ်းတွေထဲမှာကျရှုံးဒေတာ-de-ဖော်ထုတ်ခြင်း-နိုင်သည်ကိုပြသသည်။ ထိုသူနှစ်ဦးအတွေးအခေါ်များမျြးအခနျးကွီး 6 မှာ သာ. ကြီးမြတ်အသေးစိတ်အတွက်တီထွင်နေကြပါတယ်။

အထိခိုက်မခံ data တွေကိုအကြောင်းကိုစိတ်တွင်ထားရန်နောက်ဆုံးအရာကလူရဲ့သဘောတူခွင့်ပြုချက်မရှိဘဲကောက်ခံအဘယ်သူမျှမတိကျတဲ့ထိခိုက်မှုဖြစ်ပေါ်စေရင်တောင်, ကျင့်ဝတ်ဆိုင်ရာမေးခွန်းထုတ်ဖြစ်ပါတယ်။ အများကြီး၎င်းတို့၏သဘောတူညီချက်မပါဘဲရေချိုးခန်းယူပြီးတစ်စုံတစ်ဦးကိုအထိခိုက်မခံစုဆောင်းသောပုဂ္ဂိုလ်တစ်ဦးရဲ့ privacy ကိုချိုးဖောက်ခြင်းတစ်ခုထည့်သွင်းစဉ်းစားသတင်းအချက်အလက်-နှင့်မည်သို့ခက်ခဲကြောင့်အထိခိုက်မခံ-မရှိဘဲသဘောတူညီခကျြအဘယျဆုံးဖြတ်နိုင်ပါတယ်အလားအလာ privacy ကိုစိုးရိမ်ပူပန်မှုများဖန်တီးမှတ်မိစေခြင်းငှါစောင့်ကြည့်လိုပဲ။ ငါကျအခနျး 6 မှာ privacy ကိုနဲ့ပတ်သက်တဲ့မေးခွန်းတွေထံသို့ပြန်လာပါလိမ့်မယ်။

နိဂုံးချုပ်မှာတော့ထိုကဲ့သို့သောအစိုးရနှင့်စီးပွားရေးစီမံခန့်ခွဲမှုမှတ်တမ်းများအဖြစ်ကြီးမားသောဒေတာသတင်းရင်းမြစ်, ယေဘုယျအားဖြင့်လူမှုရေးသုတေသန၏ရည်ရွယ်ချက်ဖန်တီးကြသည်မဟုတ်။ အဆိုပါကြီးမားတဲ့ data တွေကိုယနေ့သတင်းရင်းမြစ်များနှင့်ဖြစ်နိုင်ဖွယ်မနက်ဖြန်, 10 ဝိသေသလက္ခဏာများရှိသည်ဖို့လေ့ရှိပါတယ်။ ယေဘုယျအားဖြင့်အစဉ်အမြဲ-on သုတေသန-ကြီးတွေအဘို့အကောင်းဖြစ်ဖို့စဉ်းစားများနှင့်ဒီဂျစ်တယ်ခေတ်ကုမ္ပဏီများနှင့်အစိုးရများအတွက်တကယ်တော့ထံမှ nonreactive-လာသောဂုဏ်သတ္တိများ၏အတော်များများယခင်ကမဖြစ်နိုင်ပါကြီးတဲ့စကေးမှာဒေတာစုဆောင်းရန်တတ်နိုင်ကြသည်။ နှင့်ယေဘုယျအားဖြင့်မျော, သုတေသန-မပြည့်စုံဘို့မကောင်းတဲ့တပိုင်တနိုင်, nonrepresentative ဖြစ်စဉ်းစားသောဂုဏ်သတ္တိများအများတို့သည်လည်း Algorithm ကိုညစ်ပတ်, လက်လှမ်းမမှီ, ရှက်ကြောက်, ဤဒေတာကိုသုတေသီများအဘို့အသုတေသီများအားဖြင့်စုဆောင်းကြသည်မဟုတ်ဆိုတဲ့အချက်ကိုထံမှအထိခိုက်မခံ-လာကြ၏။ ဒါကြောင့်ယခုအချိန်အထိကျွန်မအတူတကွအစိုးရနှင့်စီးပွားရေးဒေတာနှင့်ပတ်သက်ပြီးစကားပြောပြီးပါပြီ, ဒါပေမယ့်နှစ်ခုအကြားအချို့ကွဲပြားခြားနားမှုရှိပါတယ်။ ကြှနျတေျာ့အတှေ့အကွုံခုနှစ်တွင်အစိုးရ data တွေကိုလျော့နည်း Algorithm ကိုရှက်ကြောက်, လျော့နည်း nonrepresentative ဖြစ်လေ့ရှိတယ်, နှင့်လျော့နည်းပျံ့။ တစ်ခုမှာအခြားလက်, စီးပွားရေးစီမံခန့်ခွဲမှုမှတ်တမ်းများကိုပိုမိုအမြဲ-On ဖြစ်လေ့ရှိပါတယ်။ ဤ 10 ယေဘုယျလက္ခဏာများကိုနားလည်ခြင်းကြီးတွေဒေတာရင်းမြစ်များမှသင်ယူဆီသို့တစ်ဦးအထောက်အကူဖြစ်စေပထမဦးဆုံးခြေလှမ်းဖြစ်ပါတယ်။ ယခုမှာအကြှနျုပျတို့သညျဤဒေတာတွေနဲ့သုံးနိုငျမဟာဗျူဟာသုတေသနမှလှည့်။