अर्को पढ्न के

• परिचय (सेक्शन 6.1)

अनुसन्धान नैतिकताले परम्परागत रूपमा वैज्ञानिक धोखाधड़ी र क्रेडिटको आवंटन जस्ता विषयहरू समेत समावेश गरेको छ। यी मा एक वैज्ञानिक हुँदा मा ठूलो विस्तृत छलफल गर्दै Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) ।

यस अध्यायमा संयुक्त राज्यको अवस्थाले धेरै असर पारेको छ। अन्य देशहरूमा नैतिक समीक्षा प्रक्रियाको बारेमा Desposato (2016b) , Desposato (2016b) अध्याय 6-9 हेर्नुहोस्। एक आर्गुमेन्टका लागि यो अध्यायमा प्रभावशाली बायोमेडिकल नैतिक सिद्धान्तहरू अत्यधिक अमेरिकन हुन्छन्, Holm (1995) हेर्नुहोस् Holm (1995) । संयुक्त राज्यमा संस्थागत समीक्षा बोर्डहरूको थप ऐतिहासिक समीक्षाको लागि, Stark (2012) हेर्नुहोस्। जर्नल पी एस: राजनैतिक वैज्ञानिक र आईआरबीहरूको सम्बन्धमा राजनीति विज्ञान र राजनीतिमा एक पेशेवर संगोष्ठी राखियो; सारांशका लागि Martinez-Ebers (2016) हेर्नुहोस्।

बेल्मोन्ट रिपोर्ट र संयुक्त राज्यका पछिल्ला नियमहरू अनुसन्धान र अभ्यास बीचको भिन्नता हो। मैले यस अध्यायमा यस्तो भेदभाव गरेको छैन किनकि मलाई नैतिक सिद्धान्त र ढाँचा दुवै सेटिङहरूमा लागू हुन्छ। यस भेद र अधिक समस्या को बारे मा अधिक को लागि, Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) , र Metcalf and Crawford (2016) ।

फेसबुकमा अनुसन्धान निरीक्षणको बारेमा बढीका लागि, Jackman and Kanerva (2016) हेर्नुहोस्। कम्पनी र गैर सरकारी संस्थाहरूमा अनुसन्धान निरीक्षणको बारेमा विचारहरूको लागि, Calo (2013) , Polonetsky, Tene, and Jerome (2015) र Tene and Polonetsky (2016) ।

मोबाइल अफ्रिका डाटाको प्रयोगको लागि पश्चिम अफ्रिकामा 2014 इबोला प्रकोपलाई सम्बोधन गर्न (Wesolowski et al. 2014; McDonald 2016) , मोबाइल फोन डाटाको गोपनीयता खतराको बारेमा अधिक जानकारीका लागि Mayer, Mutchler, and Mitchell (2016) । पहिलेको मोबाइल फोन डेटा प्रयोग गरी पहिले संकट-सम्बन्धी शोध को उदाहरणहरु हेर्नुहोस्, Bengtsson et al. (2011) र Lu, Bengtsson, and Holme (2012) , र संकट सम्बन्धी अनुसन्धानको नैतिकतामा बढीका लागि, हेर्नुहोस् ( ??? ) ।

• तीन उदाहरणहरू (खण्ड 6.2)

धेरै मानिसहरूले भावनात्मक कोनागुनको बारेमा लेखेका छन्। पत्रिका रिसर्च एथिक्सले आफ्नो सम्पूर्ण मुद्दा जनवरी 2016 मा प्रयोग छलफल गर्न समर्पित; एक अवलोकनका लागि Hunter and Evans (2016) हेर्नुहोस्। नेशनल अकादमी ऑफ Kahn, Vayena, and Mastroianni (2014) को कार्यवाही प्रयोग को बारे मा दो टुकड़े प्रकाशित: Kahn, Vayena, and Mastroianni (2014) र Fiske and Hauser (2014) । प्रयोगको बारेमा अन्य टुक्राहरू समावेश छन्: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , र ( ??? ) ।

• डिजिटल फरक छ (खण्ड 6.3)

सामूहिक निगरानीको सर्तमा, व्यापक अवलोकनका लागि Mayer-Schönberger (2009) र Marx (2016) । निगरानीको परिमार्जन लागतको ठोस उदाहरणको लागि, Bankston and Soltani (2013) अनुमान लगाएको छ कि मोबाइल फोन प्रयोग गरेर आपराधिक संदिग्ध ट्र्याक गर्ने शारीरिक निगरानी प्रयोग गर्नु भन्दा सस्तो 50 गुणा बढी छ। काम मा निगरानी को छलफल को लागि Ajunwa, Crawford, and Schultz (2016) पनि हेर्नुहोस्। Bell and Gemmell (2009) आत्म-निगरानीमा अझ आशावादी परिप्रेक्ष्य प्रदान गर्दछ।

सार्वजनिक वा आंशिक रूपमा सार्वजनिक (उदाहरणार्थ, स्वास्नी, टिईस, र टाइम) देख्न सक्ने व्यवहार ट्रयाक गर्नका साथै, शोधकर्ताहरूले तीव्र कुराहरूलाई कम गर्न सक्छन् जुन धेरै सहभागिताहरू निजी हुन्छन्। उदाहरणका लागि, मिशेल कोसिन्की र सहकर्मी (2013) ले देखाएअनुसार उनीहरूले सामान्य अभिव्यक्ति र नशेको पदार्थको प्रयोग जस्ता मानिसहरूको बारेमा सान्दर्भिक सामान्य डिजिटल ट्रेस डेटा (फेसबुक मनपर्ने) बाट संवेदनशील जानकारी लिन सक्छन्। यो जादुई लाग्न सक्छ, तर दृष्टिकोण कोसिन्की र सहकर्मीहरूले प्रयोग गरे - जसले डिजिटल निशानहरू, सर्वेक्षणहरू र निरीक्षण गरिएको शिक्षणलाई संयुक्त रूपमा राख्दछ - वास्तवमा केही कुरा हो जुन मैले पहिले नै तपाईलाई बताएको छु। याद गर्नुहोस् कि अध्याय 3 मा (प्रश्नहरू सोध्दै)। मैले तपाईंलाई बताए कसरी यहोशू ब्लामेनस्क र सहकर्मीहरू (2015) संयुक्त सर्वेक्षण डाटाले मोबाइल फोन डाटाको साथ रुवान्डामा गरीबीको अनुमान लगाउन। यो सही दृष्टिकोण, जुन विकासशील देश मा गरीबी को मापदण्ड को उपयोग गर्न को लागी उपयोग गर्न सकिन्छ, सम्भावित गोपनीयता को लागि उपयोग गर्न को लागी इनलाइनों को उल्लङ्घन गर्न सकिन्छ।

स्वास्थ्य डेटाको सम्भावित अनियमित माध्यमिक प्रयोगहरू बढीका लागि, O'Doherty et al. (2016) । अनियमित माध्यमिक प्रयोगहरूको सम्भावनाको अतिरिक्त, यदि पनि निश्चित सामग्री पढ्न वा निश्चित विषयहरू छलफल गर्न मन लागेन भने पनि एक अधूरो मास्टर डाटाबेसको सिर्जनाले सामाजिक र राजनीतिक जीवनमा गम्भीर असर हुन सक्छ; Schauer (1978) र Penney (2016) ।

ओभरलैपिंग नियमहरु संग स्थितियों मा, शोधकर्ता कभी-कभी "नियामक खरीददारी" (Grimmelmann 2015; Nickerson and Hyde 2016) । विशेष गरी केही शोधकर्ताहरू जसले आईआरबी निरीक्षणबाट बच्न चाहने शोधकर्ताहरूसँग साझेदारी गर्न सक्छन् जुन आईआरबी (उदाहरणका लागि, कम्पनीहरू वा गैर सरकारी संस्थाहरूमा भएका व्यक्तिहरू) बाट समावेश छैनन्, र तिनीहरूका सहकर्मीहरू डाटा सङ्कलन गर्न र पहिचान गर्न सक्छन्। त्यसपछि, आईआरबी-कवर गरिएको शोधकर्ताले आईआरबी निरीक्षण बिना यो डे-पहिचान गरिएको डाटा का विश्लेषण गर्न सक्छन् किनभने अनुसन्धान अब "मानवीय अनुसन्धान अनुसन्धान," कम से कम हालको नियमहरु को केहि व्याख्या अनुसार। यो प्रकारको आईआरबी चोरी सम्भवतः अनुसन्धान नैतिकताका सिद्धान्त दृष्टिकोणमा आधारित छैन।

2011 मा, एक प्रयास आम नियम अपडेट गर्न थाल्नुभयो, र यो प्रक्रिया अन्ततः 2017 ( ??? ) पूरा भयो। साधारण नियम अपडेट गर्न यी प्रयासहरूमा बढीका लागि, Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) र Metcalf (2016) ।

• चार सिद्धान्त (धारा 6.4)

बायोमेडिकल नैतिकताका आधारभूत सिद्धान्त आधारित दृष्टिकोण Beauchamp and Childress (2012) । तिनीहरू प्रस्ताव राख्छन् कि चार मुख्य सिद्धान्तहरूले बायोमेडिकल नैतिकताको डोऱ्याइ दिनुपर्छ: स्वायत्तता, नम्रता, आदर, र न्यायको लागि सम्मान। गैरकलाफिकता को सिद्धान्त एक को आग्रह गर्दछ कि अन्य मान्छे को हानिकारक को कारण बनें। यो अवधारणा "हानिकारक मत" को हिप्पोकुकुटिक विचारलाई जोडिएको छ। अनुसन्धान नैतिकतामा, यो सिद्धान्त अक्सर प्रायः भक्ति को सिद्धान्त संग जोडिएको छ, तर यी दुवै बीच भेदमा अधिक को लागि @ beauchamp_principles_2012 को अध्याय 5 हेर्नुहोस्। एक आलोचनाको लागि कि यी सिद्धान्तहरू प्रायः अमेरिकी हुन्छन्, Holm (1995) हेर्नुहोस् Holm (1995) । सिद्धान्तहरू विवादको बेला सन्तुलनमा थपको लागि, Gillon (2015) हेर्नुहोस्।

यस अध्यायको चार सिद्धान्तहरूलाई "उपभोक्ता विषय समीक्षा बोर्डहरू" (सीएसआरबी) (Calo 2013) भनिने निकायहरूको माध्यमबाट कम्पनी र गैर सरकारी संस्थाहरू (Polonetsky, Tene, and Jerome 2015) मा अनुसन्धानको लागि नैतिक निरीक्षणको प्रस्ताव पनि प्रस्ताव गरिएको छ।

• व्यक्तिहरूको आदर गर्नुहोस् (खण्ड 6.4.1)

स्वायत्तता को सम्मान को अतिरिक्त, Belmont रिपोर्ट को पनि मानिन्छ कि हरेक मानव को वास्तविक स्व-संकल्प को सक्षम छैन। उदाहरणका लागि, बालबालिका, बीमारीबाट पीडित व्यक्तिहरू, वा गम्भीर रूपमा सीमित प्रतिबन्धमा रहेका व्यक्तिहरूले पूर्णतया स्वायत्त व्यक्तिहरूको रूपमा काम गर्न सक्दथे र यी मानिसहरू यसैले थप सुरक्षाको अधीनमा छन्।

डिजिटल उमेरमा व्यक्तिहरूको आदरको सिद्धान्त लागू गर्न चुनौतीपूर्ण हुन सक्छ। उदाहरणका लागि, डिजिटल-उमेर अनुसन्धानमा, आत्म-दृष्टान्तको कम क्षमता भएका व्यक्तिहरूको लागि अतिरिक्त सुरक्षा प्रदान गर्न गाह्रो हुन सक्छ किनभने शोधकर्ताहरू प्रायः उनीहरूको सहभागीहरूको बारेमा धेरै चिन्ता हुन्छन्। यसबाहेक, डिजिटल-उमेर सामाजिक अनुसन्धानमा सूचित सहमति एक ठूलो चुनौती हो। केहि अवस्थामा, वास्तव मा सूचित सहमति पारदर्शिता (Nissenbaum 2011) देखि पीडित हुन सक्छ, जहां जानकारी र समझ मा संघर्ष हो। प्रायः, यदि शोधकर्ताहरूले डेटा सङ्कलन, डेटा विश्लेषण, र डेटा सुरक्षा प्रविधिहरूको बारेमा पूर्ण जानकारी प्रदान गर्दछ भने धेरै सहभागीहरूले बुझ्न गाह्रो हुनेछ। तर यदि शोधकर्ताहरुलाई बुझ्य योग्य जानकारी प्रदान गर्दछ, यो महत्वपूर्ण टेक्निकल विवरण को कमी हुन सक्छ। एनालॉग युगमा मेडिकल रिसर्चमा - बेल्मोन्ट रिपोर्ट द्वारा मान्य प्रभुत्व सेटिङ-प्रत्येक प्रत्येक सहभागीले पारदर्शिता पारकस समाधान गर्न मद्दत पुर्याउन डाक्टरलाई कल्पना गर्न सक्दछ। हजारौं वा लाखौं मानिसहरु मा अनलाइन अध्ययन मा, यस्तो अनुहारको दृष्टिकोण असंभव छ। डिजिटल युगमा सहमतिको साथ एक दोस्रो समस्या भनेको केही अध्ययनहरूमा, ठूला डेटा भण्डारहरूको विश्लेषणहरू, यो सबै सहभागीहरूबाट सूचित सहमति प्राप्त गर्न अप्ठ्यारो हुनेछ। मैले यो 6 9.1 मा थप विवरणमा सूचित सहमतिको बारेमा अन्य प्रश्नहरू छलफल गर्दछु। यी कठिनाइहरूको बावजुद, हामीले सम्झना गर्नुपर्छ कि सूचित सहमति आवश्यक छैन र नत्र व्यक्तिहरूको आदरको लागि।

सूचित सहमति अघि चिकित्सकीय अनुसन्धानमा अधिकको लागि, Miller (2014) हेर्नुहोस् Miller (2014) । सूचित सहमतिको पुस्तक-लम्बाइ उपचारका लागि, Manson and O'Neill (2007) हेर्नुहोस्। तल दिइएको सूचित सहमतिको बारेमा सुझाव गरिएका पढाइहरू पनि हेर्नुहोस्।

• भवदीय (खण्ड 6.4.2)

सन्दर्भमा हर्महरू हानिकारक हो कि अनुसन्धानले विशिष्ट व्यक्तिहरूलाई तर सामाजिक सेटिङहरूमा हुन सक्दैन। यो अवधारणा एक सार संक्षेप हो, तर म एक क्लासिक उदाहरणको साथ वर्णन गर्नेछु: विचिता जूरी अध्ययन (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - कहिलेकाहीं कहिलेकाहीँ शिकागो जूरी प्रोजेक्ट (Cornwell 2010) । यस अध्ययनमा, शिकागो विश्वविद्यालयका शोधकर्ताहरूले कानूनी प्रणालीको सामाजिक पक्षहरूको ठूलो अध्ययनको भागको रूपमा विचिता, कान्सासमा गोप्य रूपमा 6 वटा जेर छलफल गरे। न्यायाधीशहरु र वकीलहरु लाई रेकर्डिंग को मंजूरी दिइयो, र यस प्रक्रिया को सख्त निगरानी थियो। तथापि, न्यायकर्ताहरू अयोग्य थिए कि रेकर्डिङहरू भएको थियो। एक चोटि अध्ययन पत्ता लगाउँदा, त्यहाँ सार्वजनिक घृणा थियो। न्याय विभागले अध्ययनको एक अनुसन्धान सुरु गर्यो, र शोधकर्ताहरू कांग्रेसका अगाडि गवाही गर्न बोलाए। अन्ततः, कांग्रेसले नयाँ नियम पारित गर्यो जुन यसले गोप्य रूपमा ज्यारिज छलफल गर्न गैरकानूनी बनाउँछ।

विचिता जूरी अध्ययनका आलोचकहरूको चिन्ता प्रतिभागिहरु लाई हानिकारक जोखिम थिएन; बरु, यो जूरी छलफलको सन्दर्भमा हानिकारकको जोखिम थियो। त्यसो भए, मान्छेले सोचे कि जेरी सदस्यहरूले विश्वास गरेनन् कि उनी सुरक्षित र सुरक्षित स्थानमा छलफल गरिरहेका छन् भने यो भविष्यमा अगाडि बढ्न जरुरी छलफलका लागि कठिन हुनेछ। जूरी छलफलको अतिरिक्त, त्यहाँ अन्य विशिष्ट सामाजिक सन्दर्भहरू छन् जुन समाजले अतिरिक्त सुरक्षा प्रदान गर्दछ, जस्तै वकील-ग्राहक सम्बन्ध र मनोवैज्ञानिक हेरविचार (MacCarthy 2015) ।

सन्दर्भमा हानिकारक जोखिम र सामाजिक प्रणालीहरूको अवरोध पनि राजनैतिक विज्ञान (Desposato 2016b) मा केहि क्षेत्र प्रयोगहरूमा उत्पन्न हुन्छ। राजनैतिक विज्ञान मा एक क्षेत्र प्रयोग को लागि अधिक संदर्भ-संवेदनशील लागत-लाभ गणना को एक उदाहरण को लागि, Zimmerman (2016) हेर्नुहोस।

• न्याय (धारा 6.4.3)

डिजिटल-उमेर अनुसन्धानसँग सम्बन्धित सेटिङहरूमा सहभागीहरूको लागि क्षतिपूर्ति छलफल गरिएको छ। Lanier (2014) प्रतिभागिहरु लाई तिर्नु पर्ने डिजिटल निशान को भुगतान को प्रस्ताव गर्दछ। Bederson and Quinn (2011) अनलाइन श्रम बजारहरूमा भुक्तानीबारे छलफल। अन्तमा, Desposato (2016a) ले क्षेत्रीय प्रयोगहरूमा प्रतिभागिहरु तिर्नु पर्ने प्रस्ताव गर्दछ। उनी बताउँछन् कि सहभागिताहरू सिधै भुक्तानी गर्न सकिँदैन भले पनि उनीहरूको तर्फबाट काम गर्ने एक समूहलाई दान गर्न सकिन्छ। उदाहरणका लागि, एनकोरमा, शोधकर्ताले इन्टरनेटमा पहुँच समर्थन गर्न काम गर्ने समूहलाई दान गरेका थिए।

• कानून र सार्वजनिक रुचिको लागि सम्मान (खण्ड 6.4.4)

सर्त-सेवा-सेवा सम्झौताको समान बराबर पक्षहरू र वैध सरकारहरू द्वारा बनाईएको कानुनी कानुनको तुलनामा सम्झौता भन्दा कम वजन हुनुपर्छ। तथ्याङ्कहरू जहाँ शोधकर्ताहरूले भूतपूर्व सर्त-सेवा-सेवा सम्झौताहरू उल्लङ्घन गरेका छन् सामान्यतया स्वचालित प्रश्नहरू प्रयोग गर्ने कम्पनीहरूको व्यवहारको खोजी गर्न (भेदभावको मापदण्डको लागि क्षेत्र प्रयोगहरू)। थप छलफलका लागि, Vaccaro et al. (2015) हेर्नुहोस् Vaccaro et al. (2015) , Bruckman (2016a) , र Bruckman (2016b) । अनुभवको Soeller et al. (2016) छलफल गर्ने अनुभवको उदाहरणको लागि, Soeller et al. (2016) हेर्नुहोस् Soeller et al. (2016) । सम्भावित कानुनी समस्याहरूमा बढीका लागि शोधकर्ताहरू चेहरा हुन्छन् यदि तिनीहरू सेवा सर्तहरू उल्लङ्घन गर्छन् भने, Sandvig and Karahalios (2016) हेर्नुहोस्।

• दुई नैतिक ढाँचा (खण्ड 6.5)

जाहिर छ, एक विशाल रकम परिणामस्वरूपवाद र डन्टोलोजीको बारेमा लेखिएको छ। कसरी यी नैतिक ढाँचाहरू र अन्य कसरी डिजिटल-उमेर अनुसन्धानको कारणले प्रयोग गर्न सकिन्छ, उदाहरणको लागि, Zevenbergen et al. (2015) हेर्नुहोस् Zevenbergen et al. (2015) । विकास को अर्थशास्त्र मा फील्ड प्रयोगहरुमा कसरि लागू गर्न सकिन्छ को एक उदाहरण को लागि, Baele (2013) हेर्नुहोस।

• सूचित सहमति (खण्ड 6.6.1)

भेदभावको लेखापरीक्षण अध्ययनहरूमा बढीका लागि, Pager (2007) Riach and Rich (2004) । न केवल यी अध्ययनहरूले सहमतिको बारेमा जानकारी पाएनन्, उनीहरूले विवादास्पद बिना धोका पनि समावेश गर्छन्।

दुवै Desposato (2016a) र Humphreys (2015) बिना सहमति बिना क्षेत्र प्रयोग को बारे मा सल्लाह प्रदान गर्दछ।

Sommers and Miller (2013) धोखाधडी पछि बहस गर्न सहभागिता को पक्ष मा धेरै तर्कहरु को समीक्षा गर्छन, र तर्क गर्छन कि शोधकर्ताओं को डिब्रीगिंग को छोडना चाहिए

"परिस्थितिको धेरै संकीर्ण परिस्थितिमा, अर्थात्, क्षेत्रीय अनुसन्धानमा जो डिब्रीकिङले पर्याप्त व्यावहारिक बाधाहरू देखाएको छ तर शोधकर्ताहरुले डिब्याकिंगको बारेमा कुनै योग्यता पाएनन् भने। शोधकर्ताहरुलाई एक सहभागी पूल को संरक्षित गर्न को लागी डिब्रीविच को अनुमति को लागी अनुमति नहीं दी जान्छ, स्वयं को प्रतिभागी गुस्सा देखि शील्ड, या प्रतिभागिहरु लाई नोकसान को रक्षा गर्नुहोस। "

अरूले तर्क गर्छन् कि केहि परिस्थितिहरूमा यदि डिब्रीगिङले राम्रो भन्दा बढी हानिकारक हुन सक्छ, त्यसलाई टाढा राख्नु पर्दछ (Finn and Jakobsson 2007) । Debriefing एक मामला हो जहाँ केहि शोधकर्ताहरूले दयालु व्यक्तिका लागि सम्मान को प्राथमिकता दिन्छन्, तर केहि शोधकर्ताहरु विपरीत हुन्छन्। एक सम्भव समाधान सहभागीहरूको लागि सिकाउने अनुभव डिब्रीग गर्ने बनाउन तरिकाहरू पत्ता लगाउने थियो। त्यो हो, डिब्रीगिंग को सोच को बारे मा केहि चीज जो हानिकारक हुन सक्छ, शायद डिब्रीफिंग पनि हुन सक्छ कि केहि भागीदारहरु लाई लाभ हुन सक्छ। यस प्रकारको शैक्षिक debriefing को एक उदाहरण को लागि Jagatic et al. (2007) । मनोवैज्ञानिकहरूले डिब्रीकिंगको लागि प्रविधि विकास गरेका छन् (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) , र यीमध्ये केही प्रयोगलाई डिजिटल-उमेर अनुसन्धानमा लागू गर्न सकिन्छ। Humphreys (2015) ले स्थगित सहमति को बारे मा दिलचस्प विचारहरु प्रदान गर्दछ, जो मैले वर्णन गरेको डिब्रागिंग रणनीति संग सम्बन्धित छ।

उनीहरूको सहमतिको लागि प्रतिभागिहरु को एक नमूना सोध्ने विचार भनेको Humphreys (2015) ले सम्मानित सहमतिलाई सम्बोधन गर्दछ ।

प्रस्तावित सहमतिसँग सम्बन्धित थप विचारलाई प्रस्तावित गरिएको व्यक्तिहरूको प्यानल निर्माण गर्ने अनलाइन डिजाइनहरू (Crawford 2014) सहमत हुनुपर्दछ। कसैलाई तर्क दिएका छन् कि यस प्यानलले मानिसहरूको न्यान्र्याण्डम नमूना हुनेछ। तर अध्याय 3 (प्रश्नहरू सोध्दै) देखाउँछ कि पोस्ट-स्टिटिफिकेसन प्रयोग गरेर यी समस्याहरू संभावित रूपमा सम्बोधनशील छन्। साथै, प्यानलमा हुने सहमति विभिन्न प्रकारका प्रयोगहरू समावेश गर्न सक्दछ। अन्य शब्दहरूमा, सहभागिताहरूले प्रत्येक प्रयोग व्यक्तिगत रूपमा एक सहमतिलाई व्यापक सहमति भनिन्छ (Sheehan 2011) लाई सहमतिको आवश्यकता पर्दैन। प्रत्येक अध्ययनको लागि एक-पटक सहमति र सहमतिको बारेमा सहमतिको बारेमा अझ बढी, साथसाथै सम्भावित संकर, Hutton and Henderson (2015) हेर्नुहोस्।

• सूचना जोखिम को समझ र प्रबंधन (धारा 6.6.2)

अद्वितीय देखि दूर, Netflix पुरस्कारले डाटाबेसको महत्वपूर्ण टेक्निकल गुणलाई वर्णन गर्दछ जुन मानिसहरूको बारेमा विस्तृत जानकारी समावेश गर्दछ, र यसैले आधुनिक सामाजिक डाटासेटहरूको "अज्ञात" को संभावनाको बारेमा महत्त्वपूर्ण पाठ प्रदान गर्दछ। प्रत्येक व्यक्तिको बारे जानकारीको धेरै टुक्राहरूसँग फाइलहरू प्रायः कम हुनु पर्दछ, अर्थमा Narayanan and Shmatikov (2008) औपचारिक रूपमा परिभाषित गरिएको छ। यो प्रत्येक रेकर्डको लागि, त्यहाँ कुनै रेकर्डहरू छैनन्, र वास्तवमा त्यहाँ कुनै पनि रेकर्डहरू छैनन्: प्रत्येक व्यक्ति डाटासेटमा प्रत्येक नजिकको छिमेकीबाट टाढा छ। एक कल्पना गर्न सक्छ कि Netflix डेटा फराकिलो हुन सक्छ किनभने पाँच-तारा पैमानेमा लगभग 20,000 चलचित्रहरू छन्, त्यहाँ \(6^{20,000}\) सम्भव मानहरू छन् जुन प्रत्येक व्यक्ति हुन सक्दछ (6 किनभने, 1 भन्दा बढी 5 तारा, कसैले कसैलाई चलचित्र मूल्याङ्कन गरेको छैन)। यो नम्बर धेरै ठूलो छ, यो पनि बुझ्न गाह्रो छ।

प्रायः दुईवटा मुख्य प्रभावहरू छन्। पहिलो, यसको मतलब "अज्ञात" प्रयास गर्ने यादृच्छिक प्रतिबन्धको आधारमा डाटासेट को सम्भावना असफल हुनेछ। त्यसो भए तापनि नेटफ्लिक्स अनियमित मूल्याङ्कनहरू (जसका तिनीहरूले गरे) भए पनि यो पर्याप्त हुँदैन किनभने भित्री रेकर्ड अझै पनि आक्रमणकारीसँग जानकारीको सबैभन्दा नजिकको रेकर्ड हो। दोस्रो, स्पेसिटीको अर्थ हो कि यदि आक्रमणकारी असामान्य वा निष्पक्ष ज्ञान छ भने पुन: पहिचान सम्भव छ। उदाहरणका लागि, नेटफ्लिक्स डेटामा, चलोले आक्रमण गर्ने दुई फिल्महरूको लागि तपाईंको मूल्याङ्कन र तपाईंले दर्जाहरू गर्नुभएको मितिहरू \(\pm\) 3 दिन; केवल त्यो जानकारी मात्र Netflix डाटामा 68% मान्छे को पहिचान गर्न पर्याप्त छ। यदि आक्रामकले तपाईंले आठ वटा चलचित्रहरू \(\pm\) 14 दिन रेट गरेको छ भने, त्यसपछि यी दुई ज्ञात मूल्याङ्कनहरू पूर्णतया गलत छन्, डाटा% 99 को विशिष्ट डाटासेटमा पहिचान गर्न सकिन्छ। अर्को शब्दमा, स्पार्सिटी "अज्ञात" डेटा को प्रयास को लागि एक मौलिक समस्या हो, जुन दुर्भाग्यवश हो किनकि सबै भन्दा आधुनिक सामाजिक डेटासेट स्प्रे हुन्छन्। भर्ज डेटा को "अज्ञातकरण" मा अधिक को लागि, हेर्नुहोस Narayanan and Shmatikov (2008) ।

टेलिफोन मेटा डेटा पनि "गुमनाम" हुन सक्दछ र संवेदनशील छैन, तर यो मामला होइन। टेलिफोन मेटा-डेटा पहिचानयोग्य र संवेदनशील (Mayer, Mutchler, and Mitchell 2016; Landau 2016) ।

आंकडा 6.6 मा, म एक व्यापार बन्द जोखिम को प्रतिभागिहरु र डेटा रिलीज देखि समाज को लाभहरु को बीच मा स्केच गर्यो। प्रतिबन्धित पहुँच दृष्टिकोणहरू (जस्तै, एक पर्खाल बगैचा) र प्रतिबन्धित डेटा दृष्टिकोणहरू बीचको तुलनाको लागि (उदाहरणार्थ, केही नाम "गुमनाम") Reiter and Kinney (2011) हेर्नुहोस्। डेटाको जोखिम स्तरको प्रस्तावित वर्गीकरण प्रणालीको लागि, हेर्नुहोस् Sweeney, Crosas, and Bar-Sinai (2015) । अधिक डेटा साझाको सामान्य छलफलको लागि Yakowitz (2011) हेर्नुहोस्।

डेटा को जोखिम र उपयोगिता को बीच अधिक विस्तृत विश्लेषण को लागि, Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) , र Goroff (2015) । यस व्यापार-बन्दलाई वास्तविक खुल्ला अनलाइन पाठ्यक्रमहरू (MOOCs) बाट वास्तविक डेटामा लागू गर्न हेर्नका लागि Daries et al. (2014) हेर्नुहोस् Daries et al. (2014) र Angiuli, Blitzstein, and Waldo (2015) ।

विवादास्पद गोपनीयता पनि वैकल्पिक दृष्टिकोण प्रदान गर्दछ जसले प्रतिभागिहरु लाई कम जोखिम र समाजलाई उच्च लाभ जोड्न सक्छ; Dwork and Roth (2014) र Narayanan, Huey, and Felten (2016) ।

व्यक्तिगत रूपमा पहिचान पहिचान (PII) को अवधारणा को बारे मा अधिक को लागि, जो अनुसन्धान नैतिकता को बारे मा धेरै नियमहरुको केन्द्रित छ, हेर्नुहोस Narayanan and Shmatikov (2010) र Schwartz and Solove (2011) । सबै डेटामा अधिक सम्भावित संवेदनशील हुनका लागी, Ohm (2015) हेर्नुहोस्।

यस खण्डमा मैले विभिन्न डेटासेटको लिङ्कलाई केहि चीजको रूपमा चित्रण गरेको छु जुन सूचना जोखिममा ल्याउन सक्छ। तथापि, यो Currie (2013) तर्कको रूपमा अनुसन्धानका लागि नयाँ अवसरहरू पनि सिर्जना गर्न सक्छ।

पाँच सफाहरू मा अधिकका लागि, Desai, Ritchie, and Welpton (2016) । कसरी आउटपुटहरू पहिचान गर्न सकिन्छ भन्ने उदाहरणको लागि, Brownstein, Cassa, and Mandl (2006) , यसले कसरी देखाउँछ कि कसरी रोग फैलावटको नक्सा पहिचान गर्न सकिन्छ। Dwork et al. (2017) पनि समग्र डेटा को विरुद्ध हमला मा विचार गर्दछ, जस्तै कि कति व्यक्तिहरु को एक निश्चित रोग को बारे मा तथ्यांकहरु।

डेटा प्रयोग र डेटा रिलीजको बारेमा प्रश्नहरूले डेटा स्वामित्वको बारेमा प्रश्नहरू पनि बढाउँछ। थपको लागि, डेटा स्वामित्वमा, Evans (2011) र Pentland (2012) ।

• गोपनीयता (खण्ड 6.6.3)

Warren and Brandeis (1890) गोपनीयताको बारेमा एक ऐतिहासिक कानूनी लेख हो र सबै भन्दा बढी विचार छ कि गोपनीयतालाई एक्लै छोडिने अधिकार हो। म सिफारिस भनेर गोपनीयता को पुस्तक-लम्बाइको उपचार समावेश Solove (2010) र Nissenbaum (2010) ।

कसरी मानिसहरूको गोपनीयताको बारे सोच्ने अनुभवमा अनुभविक समीक्षाको समीक्षाको लागि, Acquisti, Brandimarte, and Loewenstein (2015) । Phelan, Lampe, and Resnick (2016) एक दोहोरो-प्रणाली सिद्धान्त प्रस्ताव Phelan, Lampe, and Resnick (2016) जुन मानिसहरूले कहिलेकाहीं सहज चिन्ताको ध्यान केन्द्रित गर्छन् र कहिलेकाहीँ चिन्तालाई ध्यान केन्द्रित गर्न ध्यान दिन्छन् - कसरी वर्णन गर्नुहोस् कि व्यक्तिले गोपनीयताको बारेमा स्पष्ट रूपमा विरोधाभासी बयान कसरी बनाउन सक्छ। गोपनीयताको विचारको बारेमा अधिक Neuhaus and Webmoor (2012) लागि चहचहाना जस्ता अनलाइन सेटिङहरूमा, Neuhaus and Webmoor (2012) हेर्नुहोस्।

जर्नल साइन्सले "द इन्ट्री अफ ईन्टनेस" नामक एक विशेष खण्ड प्रकाशित गरेको छ, जसले विभिन्न विविध दृष्टिकोणबाट गोपनीयता र सूचना जोखिमको विषयलाई सम्बोधन गर्दछ; सारांशका लागि, Enserink and Chin (2015) हेर्नुहोस्। Calo (2011) गोपनीयता उल्लङ्घनबाट आएको हानिको बारेमा सोच्ने एक ढाँचा प्रदान गर्दछ। डिजिटल युगको शुरुआती शुरुवातमा गोपनीयताको बारेमा चिन्ताको प्रारम्भिक उदाहरण Packard (1964) ।

• अनिश्चितताको अधीन निर्णय (धारा 6.6.4)

न्यूनतम जोखिम मानक लागू गर्ने प्रयास गर्दा एक चुनौती यो हो कि स्पष्ट छैन कि दैनिक जीवनको बेंचमार्किंग (National Research Council 2014) लागी प्रयोग गरिन्छ। उदाहरणको लागि, बेघर मानिसहरूसँग उनीहरूको दैनिक जीवनमा असुविधाको उच्च स्तर छ। तर यसले यो प्रभाव पार्दैन कि घरपरिवारलाई उच्च जोखिम अनुसन्धान गर्न बेवास्ता गर्न नैतिक रूपमा अनुमति दिइएको छ। यस कारणको लागि, त्यहाँ एक बढ्दो सहमति भएको जस्तो देखिन्छ कि न्यूनतम जनसंख्या सामान्य-जनसंख्या मानक, एक विशिष्ट-आबादी मानक होइन को बिरुद्ध बेंच मार्किन हुनु पर्छ। जब म सामान्यतया सामान्य जनसंख्या मानकको विचारमा सहमत छु, मलाई लाग्छ कि फेसबुक जस्ता ठूला अनलाइन प्लेटफर्महरूका लागि एक विशिष्ट-जनसंख्या मानक उचित छ। यसैले, भावनात्मक कङ्गन विचार गर्दा, मलाई लाग्छ कि यो फेसबुकमा रोजगारी खतरा विरुद्ध बेंचमार्क उचित छ। यस मामलामा एक विशिष्ट आबादी मानक मूल्यांकन गर्न धेरै सजिलो छ र न्यायको सिद्धान्तसँग संघर्ष गर्न सम्भव छैन, जुन हानिकारक समूहहरू (जस्तै, कैदीहरू र अनाथहरू) मा निष्कासन गर्न असफल भएको अनुसन्धानको बोझलाई रोक्न खोज्छ।

• व्यावहारिक सुझावहरू (सेक्सन 6.7)

अन्य विद्वानहरु लाई नैतिक परिशिष्ट समावेश गर्न अधिक कागजात को लागी पनि बुलाया छ (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) । King and Sands (2015) पनि व्यावहारिक सुझावहरू पनि प्रदान गर्दछ। Zook र सहकर्मीहरू (2017) "जिम्मेवार ठूलो डाटा अनुसन्धानका लागि दस सरल नियमहरू" प्रस्ताव गर्छन्।