6.6.2 තේරුම් ගැනීම හා සරළ අවදානම කළමනාකරණය

සමාජීය පර්යේෂණවල වඩාත් පොදු අවදානම තොරතුරු අවදානමයි. එය නාටකාකාර ලෙස ඉහළ ගොස් තිබේ; එය වටහා ගැනීමට අපහසු අවදානමකි.

ඩිජිටල් යුගයේ පර්යේෂණය සඳහා වන දෙවන සදාචාරාත්මක අභියෝගය නම් තොරතුරු අවදානම , තොරතුරු අනාවරණය කිරීමේ හානිය පිළිබඳ විභවය (National Research Council 2014) . පුද්ගලික තොරතුරු හෙලිදරව් කිරීමෙන් තොරව තොරතුරු ආර්තිකය (උදා: රැකියා අහිමිවීම), සමාජීය (නිදසුනක් ලෙස, අපහසුතාවන්), මානසික (නිදසුනක් ලෙස, අවපාතය) හෝ අපරාධකාරි (උදා. නීති විරෝධී හැසිරීම් සඳහා අත්අඩංගුවට ගැනීම) විය හැකිය. අවාසනාවකට මෙන්, ඩිජිටල් යුගයේ තොරතුරු අවදානම නාටකාකාර ලෙස වැඩි කරයි - අපේ හැසිරීම ගැන තවත් බොහෝ තොරතුරු තිබේ. අවදානම හා අවදානම වැනි අවදානම සහිත වයසක සමාජ පර්යේෂණයන්හි ඇති වූ අවදානම හා සසඳන විට තොරතුරු අවදානමක් ඇති බව තේරුම් ගැනීමට සහ කළමනාකරණය කිරීම ඉතා අසීරු වී ඇත.

සමාජ පර්යේෂකයන් සරළ අවදානම අඩු බව එක් ක්රමයක් දත්ත "anonymization" වේ. "Anonymization" වූ දත්ත, නම, ලිපිනය, සහ දුරකථන අංකය පැහැදිලි පෞද්ගලික හඳුනා ඉවත් කිරීමේ ක්රියාවලියකි. කෙසේ වෙතත්, මෙම ප්රවේශය බොහෝ පුද්ගලයන් තේරුම් ගන්නවාට වඩා බෙහෙවින් අඩු ඵලදායී වන අතර, එය ඇත්ත වශයෙන්ම, ගැඹුරු සහ අතිමූලික සීමිත වේ. ඒ හේතුව නිසා, මම විස්තර සෑම අවස්ථාවකදීම "anonymization," මම උධෘත ලකුණු මෙම ක්රියාවලිය නිර්නාමික නමුත් සැබෑ අනන්යතාවය හෙළි නොකරන පෙනුම නිර්මාණය බව ඔබට මතක් කර භාවිතා කරන්නම්.

"නිර්නාමිකකරණය" පිළිබඳ අසමසම නිදසුනක් 1990 ගණන්වල අගභාගයේදී මැසචුසෙට්ස්හිදී (Sweeney 2002) . සමූහ රක්ෂණ සංස්ථාව (GIC) රාජ්ය සේවකයින් සඳහා සෞඛ්ය රක්ෂණ මිලදී ගැනීම සඳහා වගකිව යුතු රාජ්ය ආයතනයකි. මෙම කාර්යය හරහා රාජ්ය සේවකයින් දහස් ගණනක් පිළිබඳව සවිස්තරාත්මක සෞඛ්ය වාර්තා එකතු කරන ලදී. පර්ෙය්ෂකයන් සඳහා ෙමම වාර්තා මුදා හැරීමට GIC විසින් පර්ෙය්ෂණ කටයුතු සඳහා ෙයොමු කිරීමට උත්සාහ කරන ලදී. කෙසේ වෙතත්, ඔවුන් සියළුම දත්ත හුවමාරු කර ගත්තේ නැත; ඒ වෙනුවට, ඒවා නාම සහ ලිපිනයන් වැනි තොරතුරු ඉවත් කිරීමෙන් මෙම දත්ත "නිර්නාමික" කර ඇත. කෙසේ වෙතත්, ඔවුන් ජනවිද්යා තොරතුරු (තැපැල් කේතය, උපන් දිනය, ජනවාර්ගිකත්වය සහ ලිංගික) වැනි තොරතුරු වලට (ප්රයෝජනවත් විය හැකි දත්ත, රෝග විනිශ්චය, ක්රියාපටිපාටිය) (රූපය 6.4) (Ohm 2010) වැනි පර්යේෂකයන් සඳහා ප්රයෝජනවත් විය. අවාසනාවකට මෙන්, මෙම "නිර්නාමිකකරණය" දත්ත ආරක්ෂා කිරීම ප්රමාණවත් නොවේ.

රූපය 6.4: "Anonymization" යනු පැහැදිලිව තොරතුරු හඳුනා ගැනීම ඉවත් කිරීමේ ක්රියාවලියයි. නිදසුනක් වශයෙන්, රාජ්ය සේවකයින්ගේ වෛද්ය රක්ෂන වාර්තා නිකුත් කිරීමේදී මැසචුසෙට්ස් සමූහයේ රක්ෂණ කොමිසම (GIC) ලිපිගොනු වලින් නම් සහ ලිපිනයන් ඉවත් කරන ලදි. මෙම ක්රියාවලිය නිර්නාමික භාවයේ පෙනුමක් ලබා දෙන නමුත් සැබෑ නිර්නාමික භාවය ලබා දීම නිසා මම "anonymization" යන වචනය වටා උපුටා දැක්වීම් ලකුණු භාවිතා කරමි.

මැසචුසෙට්ස් ආණ්ඩුකාර විලියම් වෙල්ඩ්ගේ උපන් ගම කේම්බ්රිජ් නගරයේ සිට ඡන්ද වාර්තා ලබාගනිමින් ජී.ටී. අයි.අයි.අයි.ඩො. "ආඩමාණකරණය" හි අඩුපාඩු නිරූපණය කිරීම, ලැටෑයා ස්වීනි (MIT-paid) හි උපාධිධාරී ශිෂ්යයකු වූ පසුවය. නම, ලිපිනය, තැපැල් කේතය, උපන් දිනය සහ ස්ත්රී පුරුෂ භාවය වැනි තොරතුරු මෙම ඡන්ද වාර්තා ඇතුළත් විය. වෛද්ය දත්ත ගොනුව සහ ඡන්දදායකයන් ගොනුවේ බෙදාගත් ක්ෂේත්ර-zip කේතය, උපන් දිනය සහ ලිංගිකත්වය යනුවෙන් අදහස් කළේ Sweeney ඔවුන්ට සම්බන්ධ කළ හැකි බවය. වොල්ඩ්ගේ උපන් දිනය 1945 ජූලි 31 වනදා බව ස්වීනී දැන සිටියේය. ඡන්දය ප්රකාශ කිරීමේ වාර්තාවක් කේම්බ්රිජ් හි පුද්ගලයින් හය දෙනෙක් පමණක් විය. එපමණක් නොව, එම පුද්ගලයින් හය දෙනාගෙන් පිරිමි පමණකි. එම මිනිසුන් තිදෙනාගෙන් එක් අයෙකු පමණක් වැල්ගේ ශේෂ්ඨාධික කේතය හුවමාරු විය. මේ අනුව, ඡන්ද දත්ත මගින් පෙන්නුම් කළේ වෙඩ්ගේ උපන් දිනය, ස්ත්රී පුරුෂ භාවය සහ තැපැල් කේතය සමඟ වෛද්ය දත්ත වල ඕනෑම අයෙකු විලියම් වෙල්ඩ් විය. සාරාංශයෙන්, මෙම තොරතුරු තුනක් දත්තයන් තුළ ඔහුට අද්විතීය ඇඟිලි සලකුණු ලබා දුන්නේය. මෙම කාරණය යොදා ගනිමින් වෙල්ඩ්ගේ වෛද්ය වාර්තා සොයා ගැනීමට හැකි වූ අතර, සිය අභිලාෂය පිළිබඳව තමාට දැනුම් දීම සඳහා, ඔහුගේ වාර්තා වල පිටපතක් (Ohm 2010) ඇය වෙත යැවිය.

රූපය 6.5: "නිර්නාමික" දත්තවල නැවත අර්ථ දැක්වීම. Latanya ස්විනී ආණ්ඩුකාර විලියම් සුදන වෛද්ය වාර්තා සොයා ගැනීම සඳහා ඡන්දය වාර්තා සමඟ "නිර්නාමික" සෞඛ්ය වාර්තා ඒකාබද්ධ අනුවර්තනය කරන Sweeney (2002) , සංඛ්යා 1.

Sweeney ගේ කෘතිය මඟින් පරිගණක ආරක්ෂණ ප්රජාවගෙන් වචනයක් ලබා ගැනීමට නැවත හඳුනාගැනීමේ ප්රහාරයන්ගේ මූලික ව්යුහය පෙන්නුම් කරයි. මෙම ප්රහාරයන්හිදී, සංවේදී තොරතුරුවලින් අනාවරණය වන දත්ත කාණ්ඩ 2 ක් සම්බන්ධ වන අතර, මෙම සම්බන්ධතාවය හරහා සංවේදී තොරතුරු අනාවරණය කර ඇත.

Sweeney ගේ කාර්යයට සහ අනෙකුත් ආශ්රිත කටයුතුවලට ප්රතිචාර වශයෙන්, පර්යේෂකයන් සාමාන්යයෙන් "නිර්නාමිකකරණය" කිරීමේ ක්රියාවලිය තුළදී බොහෝ දුරට තොරතුරු ඉවත් කර ඇත. එනම්, ඊනියා "පුද්ගලික හඳුනාගැනීමේ තොරතුරු" (PII) (Narayanan and Shmatikov 2010) . තවත් බොහෝ පර්යේෂකයන් නීති විරෝධී හැසිරීම් පිළිබඳ සමීක්ෂණ ප්රශ්න වලට පිළිතුරු සපයන සමහර දත්ත, "වෛද්ය වාර්තා, මූල්ය වාර්තා වැනි දේ," නිර්නාමිකකරණය වීමෙන් පසුව නිදහස් කිරීමට බොහෝ විට සංවේදී වේ. කෙසේ වෙතත්, මම ලබා දීමට නියමිත උදාහරණ යෝජනා කරන්නේ සමාජ පර්යේෂකයින් ඔවුන්ගේ චින්තනය වෙනස් කිරීම. එහි ප්රථම පියවර ලෙස, එය සියලු දත්ත හැකි හඳුනාගත හා සියලු දත්ත හැකි සංවේදී බව උපකල්පනය කිරීම ඥානවන්ත දෙයක්. වෙනත් වචනවලින් කියනවා නම්, තොරතුරු අවදානමක් කුඩා ව්යාපෘතියකට සම්බන්ධ වන බව සිතීම වෙනුවට, අපි එය සියලු ව්යාපෘති සඳහා යම් ප්රමානයකට අදාළ බව අනුමාන කළ යුතුය.

මෙම ප්රතිමූර්තියේ දෙකම දෙකම නෙට්ෆික්ස් ත්යාගය මගින් නිදර්ශනය කරනු ලැබේ. 5 වන පරිච්ඡේදයේ විස්තර කර ඇති පරිදි, Netflix විසින් මිලියන 500 ක සාමාජික සංඛ්යාවක් ලබා දුන් අතර, ලොව පුරා සිටින මිනිසුන් Netflix හි චිත්රක නිර්මාපකයන් නිර්දේශ කිරීමේ හැකියාව වැඩිදියුණු කරන ලද ඇල්ගොරිතමයන් ඉදිරිපත් කරන ලදි. දත්ත මුදා හැරීමට පෙර, Netflix නාමයන් වැනි පැහැදිලි පෞද්ගලිකත්ව හඳුනාගැනීමේ තොරතුරු ඉවත් කරන ලදී. ඔවුන් තවත් පියවරක් ගෙන ඇති අතර ඇතැම් වාර්තා වල සුළු සුළු උමතුවක් ඇති කර ඇත (උදාහරණ ලෙස, තරු 4 සිට තාරකා 3 දක්වා වෙනස් කිරීම). කෙසේවෙතත්, ඔවුන්ගේ උත්සාහයන් නොතකා, දත්ත තවමත් නිර්නාමික වූයේ නැතැයි ඔවුන් ඉක්මනින් සොයා ගත්හ.

දත්ත නිකුත් කිරීමෙන් සති දෙකකට පසුව, ආර්වින් නාරායනන් සහ විතාලි ෂිමිකොව් (2008) පෙන්නුම් කළේ නිශ්චිත ජනප්රිය සිනමා අභිරුචීන් පිළිබඳව ඉගෙන ගැනීමට හැකි බවය. ඔවුන්ගේ ප්රති-හඳුනාගැනීමේ ප්රහාරයට උපායන් Sweeney ගේ සමාන විය: තොරතුරු ප්රභවයන් දෙකක එකතුවක්, සංවේදී තොරතුරු සහිත එකක් හා පුද්ගල අනන්යතා තොරතුරු සහ පුද්ගල අනන්යතාව අඩංගු ය. මෙම දත්ත මූලාශ්ර එක් එක් පුද්ගලයා තනි වශයෙන් ආරක්ෂිත විය හැකි නමුත්, ඒවා ඒකාබද්ධ කළ විට, ඒකාබද්ධ කළ දත්ත කට්ටලය තොරතුරු අවදානම නිර්මාණය කළ හැකිය. නෙට්ෆ්රික්ස් දත්ත වලදී, එය සිදුවිය හැක්කේ කෙසේද. මගේ හවුල්කරුවන් සමඟ මගේ ක්රියාකලාපය සහ ප්රහසන චිත්රපට ගැන මගේ අදහස් හුවමාරු කර ගැනීමට සිතා සිටින බව සිතන්න. නමුත් මම ආගමික හා දේශපාලන චිත්රපට පිළිබඳ මගේ මතය බෙදා නොගන්නට කැමැත්තෙමි. මගේ සම-සේවකයන් Netflix දත්ත තුළ මගේ වාර්තා සොයා ගැනීම සඳහා ඔවුන් සමඟ බෙදාගත් තොරතුරු භාවිතා කළ හැකිය; විලියම් වෙල්ඩ්ගේ උපන් දිනය, තැපැල් කේතය සහ ලිංගිකත්වය වැනි මා විසින් බෙදාගත් තොරතුරු අනන්ය ඇඟිලි සලකුණු විය හැකිය. ඊට පස්සේ ඔවුන් මගේ අද්විතීය ඇඟිළි සළකුණක් සොයා ගත්තා නම්, මම බෙදාහදා ගන්න නොකරන චිත්රපට තෝරාගත් සියලු චිත්රපට සඳහා මගේ ඇගයුම් ඉගෙන ගත හැකිය. තනි පුද්ගලයෙකු ඉලක්ක කරගත් මෙම වර්ගයේ ප්රහාරයට අමතරව, නාරායනන් හා ශීමිකොක් ද පෙන්වා දුන්නේ, සමහර පුද්ගලයන් විසින් තෝරාගෙන ඇති පුද්ගලික සහ චිත්රපට වර්ගීකරන දත්ත සමඟ Netflix දත්ත ඒකාබද්ධ කිරීම මගින් බොහෝ දෙනෙකු සම්බන්ධ කරගත් පුළුල් ප්රහාරයක් කළ හැකි බවයි. අන්තර්ජාල චිත්රපට දත්ත සමුදාය (IMDb) පෝස්ට් කිරීමට. සරලවම, නිශ්චිත පුද්ගලයෙකුට අද්විතීය ඇඟිළි සළකුණක් - ඔවුන්ගේ චිත්රපට වර්ගීකරණ චිත්රපට පවා හඳුනා ගත හැකිය.

ඉලක්කගත හෝ පුළුල් ප්රහාරයකින් Netflix දත්ත නැවත හඳුනාගත හැකි වුවද එය අඩු අවදානමක් විය හැකිය. ඇත්ත වශයෙන්ම, චිත්රපට වර්ගීකරණය ඉතා සංවේදී නොවේ. සාමාන්යයෙන් පොදුවේ සත්ය විය හැකි වුවද දත්ත කාණ්ඩයේ සිටින පුද්ගලයින්ගෙන් 500,000 ක් සඳහා චිත්රපට වර්ගීකරණය ඉතා සංවේදී විය හැකිය. ඇත්ත වශයෙන්ම නැවත හඳුනාගැනීමේ පිළිවෙත අනුව, වක්රෝත්තිහරණය කළ ලෙස්බියන් කාන්තාවක් Netflix ට එරෙහිව පන්ති නඩු තීන්දුවක් සමඟ එක් විය. ඔවුන්ගේ නඩු විභාගයේදී ගැටලුව ප්රකාශයට පත් වූයේ කෙසේද? (Singel 2009) :

"[M] මෙම සහ ශ්රේණිගත කිරීමේ දත්ත අඩංගු ... අතිශය පුද්ගලික හා සංවේදී ස්වභාවය. සාමාජිකයාගේ සිනමා දත්ත මගින් Netflix සාමාජිකයාගේ පෞද්ගලික උනන්දුව සහ / හෝ අරගල විවිධ ලිංගිකත්වය, මානසික රෝග, මත්පැන් පානය නැවත යථා තත්ත්වයට පත් කිරීම සහ ව්යසනකාරිත්වය, ශාරීරික අපචාර, ගෘහස්ථ ප්රචණ්ඩත්වය, කාමමිථ්යාචාරය සහ දූෂණය ඇතුළු විවිධ පෞද්ගලික ගැටලු සමඟ නිරාවරණය කරයි. "

නෙට්ෆ්රික්ස් ත්යාගය නැවත හඳුනා ගැනීම මගින් සියලු දත්ත හඳුනාගත හැකි බව සහ සියලු දත්ත විවේචනාත්මක ය. මෙම අවස්ථාවෙහිදී, මෙය මිනිසුන් ගැන කල්පනා කරන දත්තවලට පමණක් අදාළ වන බව ඔබ සිතනු ඇත. එය පුදුමයක් නොවේ. නිව් යෝක්හි රජය විසින් නිව්යෝර්ක් නගරයේ රජය විසින් නිව්යෝර්ක් නගරයේ සෑම කුලී රථයක්ම වාර්තා කර ඇති අතර, 2013 වසරේ නිව් යෝර්ක්හි වාර්තාගත වාර්තා සහ ගුවන් ගමන් ගාස්තු, ස්ථාන සහ ගාස්තු පිළිබඳ විස්තර ඇතුළත් කර ඇත. ( Farber (2015) ශ්රම ආර්ථික විද්යාවෙහි වැදගත් න්යායන් පරීක්ෂා කිරීම සඳහා සමාන දත්ත භාවිතා කලේය). ට්රැක්ටස් ට්රැවල්ස් පිළිබඳ මෙම තොරතුරු මිනිසුන්ට තොරතුරු සැපයීමට ඉඩ නොතබන බවක් පෙනෙන්නට තිබුණත්, මෙම කුලී රථ දත්ත සමූහය ජනතාව පිළිබඳ විය හැකි සංවේදී තොරතුරු අඩංගු බව ඇන්තනි ටෝකාර් තේරුම් ගත්තා. නිදසුනක් වශයෙන්, ඔහු නිව් යෝර්ක් නගරයේ විශාල ස්ප්ලර්ස් ක්ලබ් හස්ලර් ක්ලබ් එකේ සිට ආරම්භ කරන ලද සියලු චාරිකා දෙස බැලුවේ මධ්යම රාත්රියේ සිට උදෑසන 6 අතරය. මෙම සෙවීම් හෙළිදරව් කිරීම-හුදෙක් හස්ලර් සමාජය (Tockar 2014) සමහර අයගේ ලිපිනයන් ලැයිස්තුවක් අනාවරණය විය. දත්ත නිකුත් කළ විට නගර සභාව එයට මනසේ තබාගෙන සිටින බව සිතීම දුෂ්කර ය. ඇත්ත වශයෙන්ම, මෙම ක්රමවේදය නගරය තුළ ඕනෑම ස්ථානයක සංචාරය කරන අයගේ නිවෙස්වල ලිපි සොයා ගැනීමට භාවිතා කළ හැකිය. එනම් වෛද්ය සායනය, රජයේ ගොඩනැගිල්ලක් හෝ ආගමික ආයතනයක්.

නෙට්ෆ්රික්ස් ත්යාගය සහ නිව් යෝර්ක් නගරයේ ටැක්සි දත්ත මෙම නඩු දෙක පෙන්නුම් කරන්නේ, සාපේක්ෂව දක්ෂ පුද්ගලයන් විසින් ඔවුන් මුදා හරින දත්තවල තොරතුරු අවදානම නිවැරදිව ඇස්තමේන්තු කිරීමට අසමත් වන බවය. මෙම අවස්ථා කිසිසේත්ම අද්විතීයයි (Barbaro and Zeller 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) . එපමණක් නොව, ගැටළුකාරී දත්ත තවමත් අන්තර්ජාලය ඔස්සේ නොමිලේ ලබා ගත හැකි අතර, දත්ත නිකුත් කිරීම කිසිදාක සිදු නොකිරීම දුෂ්කර බව පෙන්නුම් කරයි. සාමූහික වශයෙන්, මෙම නිදසුන් මෙන්ම පෞද්ගලිකත්වය පිළිබඳ පරිගණක විද්යාව පිළිබඳ පර්යේෂණද වැදගත් නිගමනයකි. පර්යේෂකයන් සියලු දත්ත හැකි හඳුනාගත හා සියලු දත්ත හැකි සංවේදී බව උපකල්පනය කළ යුතුය.

අවාසනාවකට මෙන්, සියලු දත්ත හඳුනාගත හැකි කරුණු සහ සරල සියලු දත්ත වලට සංවේදී වන බව කරුණට සරල විසඳුමක් නැත. කෙසේ වෙතත්, ඔබ දත්ත සමඟ වැඩ කරන විට තොරතුරු අවදානම අඩු කිරීම සඳහා එක් ක්රමයක් වන්නේ දත්ත ආරක්ෂණ සැලසුම නිර්මාණය කිරීම හා අනුගමනය කිරීමයි. මෙම සැලසුම ඔබේ දත්ත කාන්දු වන අවස්ථාවන් අඩු වන අතර යම් කාන්දුවීමක් සිදුවුවහොත් එහි හානිය අඩු කරනු ඇත. දත්ත ආරක්ෂණ සැලසුම වැනි විශේෂිත ආකෘතීන්, කාලසීමාව වෙනස් කරනු ඇත, නමුත් එක්සත් රාජධානියේ දත්ත සේවා උපකාරක ලෙස ආරක්ෂිත ව්යාපෘති, ආරක්ෂිත පුද්ගලයින්, ආරක්ෂිත පුද්ගලයින්, ආරක්ෂිත පුද්ගලයින්, ආරක්ෂිත පුද්ගලයන් පහක් ලෙස හඳුන්වන කාණ්ඩ පහක් බවට දත්ත ආරක්ෂණ සැලසුමේ අංගයන් සංවිධානය කරයි. , ආරක්ෂිත සැකසුම්, ආරක්ෂිත දත්ත සහ ආරක්ෂිත ප්රතිදාන (වගුව 6.2) (Desai, Ritchie, and Welpton 2016) . සේප්පු පහකින් කිසිම පරිපූර්ණ ආරක්ෂාවක් සපයන්නේ නැත. එහෙත්, ඔවුන් එක්ව තොරතුරු අවදානම අඩු කළ හැකි සාධක ප්රභල සාධක ඇත.

ඔබ ඒවා භාවිතා කරන අතරතුර ඔබේ දත්ත ආරක්ෂා කිරීමට අමතරව, තොරතුරු අවදානම් විශේෂයෙන් වැදගත් වන්නේ පර්යේෂණ ක්රියාවලියේ එක් පියවරක් නම් වෙනත් පර්යේෂකයින් සමඟ දත්ත හුවමාරු කිරීමයි. විද්යාඥයින් අතර දත්ත හුවමාරු කිරීම විද්යාත්මක ප්රයත්නයක මූලික වටිනාකමක් වන අතර එය දැනුම වැඩිදියුණු කිරීම සඳහා බෙහෙවින් පහසු වේ. දත්ත හුවමාරු කිරීමේ වැදගත්කම එක්සත් රාජධානි මන්දිරයේ විස්තර කර ඇත්තේ (Molloy 2011) :

"සාහිත්යය තුළ වාර්තා කර ඇති ප්රතිඵල මත පර්යේෂකයන් විසින් ප්රතිනිෂ්පාදනය, සත්යාපනය කිරීම සහ ගොඩනඟා ගැනීම සඳහා දත්ත වලට ප්රවේශය අති මූලික වේ. අනිකුත් හේතු සාධක නොමැති නම් දත්ත සම්පුර්ණයෙන්ම හෙලිදරව් කර ප්රසිද්ධියේ ලබාගත යුතුය යන උපකල්පනය විය යුතුය. "

එහෙත්, වෙනත් දත්ත පර්යේෂකයන් සමඟ ඔබේ දත්ත හුවමාරු කර ගැනීමෙන්, ඔබගේ සහභාගීකරුවන්ට තොරතුරු අවදානම වැඩි කර ගත හැකිය. මේ අනුව, දත්ත හුවමාරුව මගින් අනෙක් විද්යාඥයින් සමඟ දත්ත හුවමාරු කිරීමේ වගකීම සහ හ්භාගීවනනනට අවදානම පිළිබඳ අවදානම අවම කිරීමට ඇති වගකීම අතර මූලික ආතතිය නිර්මාණය කරයි. වාසනාවකට මෙන්, මෙම උභතෝකෝටිකය මෙන් එය බරපතල නොවේ. ඒ වෙනුවට, දත්ත හුවමාරු කර ගැනීම ගැන සිතීම වඩා හොඳය. එමගින් එක් එක් ලක්ෂ්යය සමාජයට ප්රතිලාභ ලබා දෙන අතර අවදානම සඳහා අවදානම ලබා දෙයි (Figure 6.6).

එක් අන්තයකදී, ඔබ කිසිවෙකු සමඟ ඔබේ දත්ත හුවමාරු කර ගත නොහැකිය. හ්භාගීවනනනට අවදානම් අවදානම අවම කරන අතර සමාජයට ලැබෙන ප්රතිලාභ අවම කරයි. අනෙක් අන්තයේදී, ඔබට දත්ත "නිර්නාමික" සහ සෑම දෙනාටම පල කරනු ලබන නිදහස් හා අමතක කළ හැකිය. දත්ත නිකුත් නොකිරීම සාපේක්ෂව මුදා හැරීම සහ අමතක වීම සමාජයට වැඩි ප්රතිලාභ මෙන්ම සහභාගීකරුවන්ට ඉහල අවදානමක් ඇත. මෙම අතිවිශිෂ්ට අවස්ථා දෙක අතර ඇති අතර, බිත්ති සහිත බිත්ති ප්රවේශයක් ලෙස මා හඳුන්වන දේ ඇතුළත් දෙමුහුන් වර්ගයකි . මෙම ප්රවිෂ්ටය යටතේ, ඇතැම් නිර්ණායක සපුරාලන පුද්ගලයන් සමග දත්ත බෙදා හරින අතර සමහර නීති රීති බැඳී සිටීමට එකඟ වේ (උදාහරණ වශයෙන්, IRB සහ දත්ත ආරක්ෂණ සැලසුමකින් අධීක්ෂණය කිරීම). තාප්ප ගොඩනගාගන්නා උද්යාන ප්රවේශය නිකුතුවේ ප්රතිලාභ බොහොමයක් සහ අඩු අවදානමක් සහිතව අමතක වේ. ඇත්ත වශයෙන්ම, එවන් ප්රවේශයක් බොහෝ ප්රශ්න මතු කරයි. ඒ සඳහා ප්රවේශ විය යුත්තේ කවර කොන්දේසි යටතේද, කොන්ක්රීට් ඇතිරීම සඳහා ගෙවිය යුතු උද්යානය පවත්වාගෙන යෑමට සහ ගෙවීමට ගෙවිය යුත්තේ කොපමණ වේලාවක්ද යන්නයි. නමුත් ඒවා අසමත්ය. සැබවින්ම මිචිගන් විශ්ව විද්යාලයේ දේශපාලන හා සමාජ පර්යේෂණ සඳහා වන අන්තර් විශ්ව විද්යාල සම්මේලනයේ දත්ත ගබඩාව වැනි වර්තමානයේ පර්යේෂකයන්ට දැන් භාවිතා කළ හැකිය.

රූප සටහන 6.6: දත්ත මුදාහැරීමේ උපාය මාර්ගයන් අඛණ්ඩව පැටවෙයි. ඔබ මෙම අඛණ්ඩව සිදු විය යුත්තේ කොතැනද යන්න ඔබේ දත්තවල නිශ්චිත විස්තර මත රඳා පවතී, සහ තුන්වන පාර්ශවීය සමාලෝචනය ඔබගේ නඩුවෙහි අවදානම සහ ප්රතිලාභය සඳහා යෝග්ය ශේෂය තීරණය කිරීමට උපකාරි වනු ඇත. මෙම වක්රයේ නිශ්චිත හැඩය රඳා පවතින්නේ දත්ත සහ පර්යේෂණ අරමුණු වල (Goroff 2015) .

ඉතින්, ඔබේ අධ්යයනයේ දත්ත දත්ත හුවමාරු නොකළ යුතුය, කොළ ඇති වත්ත, සහ නිදහස් සහ අමතකද? ඔබගේ දත්තවල විස්තර මත රඳා පවතී: පර්යේෂකයන්ට නීතිය, මහජන යහපත සඳහා පුද්ගලයින්, ගෞරවය, යුක්තිය සහ ගරු කිරීම සමබර කළ යුතුය. මෙම ඉදිරිදර්ශනය දෙස බලන විට දත්ත හුවමාරුව සුවිශේෂී ආචාර ධර්මයක් නොවේ; එය පර්යේෂකයන්ට සුදුසු සදාචාරාත්මක සමතුලිතයක් සොයාගත යුතු පර්යේෂණවලින් බොහොමයක් එකකි.

සමහර විවේචකයන් සාමාන්යයෙන් දත්ත හුවමාරු කිරීමට විරුද්ධ වන අතර, මගේ මතය අනුව, ඒවායේ අවදානම් කෙරෙහි අවධානය යොමු කරති. ඒවා නිසැකවම සැබෑ ඒවා වන අතර ඒවායේ ප්රතිලාභ නොසලකා හරිනු ඇත. ඉතින්, අවදානම් සහ ප්රතිලාභ යන දෙකම කෙරෙහි අවධානය යොමු කිරීමට දිරිගන්වන ලෙස, මා හට සාදෘශ්යයක් ඉදිරිපත් කිරීමට කැමැත්තෙමි. සෑම වසරකම මෝටර් රථ දහස් ගණනකගේ මරණවලට වගකිව යුතු අතර, නමුත් අපි ධාවනය තහනම් කිරීමට උත්සාහ නොකරමු. රිය පැදවීම තහනම් කිරීමක් රිය පැදවීම විකාරයකි. රිය පැදවීම බොහෝ පුදුම දේවල් කරයි. ඒ වෙනුවට, සමාජය විසින් ධාවනය කළ හැක්කේ කාටද යන්නට සමාජයේ සීමාවන් (උදාහරණයක් වශයෙන්, කිසියම් යුගයක් විය යුතු අතර යම් යම් පරීක්ෂණයන් සමත් වී ඇත) සහ ඒවාට ධාවනය කළ හැකි ආකාරය (උදාහරණ වශයෙන් වේගය අනුව). මෙම නීති රීති බලාත්මක කිරීමේ වගකීම පැවරී ඇත්තේ මහජනතාවට (උදා. පොලීසිය) ය. අප උල්ලංඝනය කරන පුද්ගලයින්ට දඬුවම් කිරීම සඳහා අපි දඬුවම් කරමු. රිය පැදවීමේ නියාමනය සඳහා සමාජය අදාළ වන මෙම සමබරතාවයෙන් යුත් සිතුවිලි දත්ත හුවමාරු කර ගැනීමට ද යොදා ගත හැකිය. එනම්, අවදානම අඩුකිරීමට සහ දත්ත හුවමාරු වලින් ප්රතිලාභ වැඩිදියුණු කර ගත හැකි ආකාරය පිළිබඳ අවධානය යොමු කිරීමෙන් අප වැඩි වශයෙන් ප්රගතියක් ලබා ගන්නා බව මම විශ්වාස කරමි.

නිගමනය කිරීම සඳහා තොරතුරු අවදානම නාටකාකාර ලෙස ඉහළ ගොස් ඇති අතර, එය අනාවැකි හා ප්රමාණාත්මක කිරීම ඉතා අපහසු ය. එමනිසා, සියලු දත්ත හඳුනාගත හැකි සහ විභව අන්තරාදායක බව උපකල්පනය කළ හැකි ය. පර්යේෂණ සිදු කරන අතරතුර තොරතුරු අවදානම අඩු කිරීම සඳහා පර්යේෂකයන්ට දත්ත ආරක්ෂණ සැලසුමක් නිර්මාණය කර ඒවා අනුගමනය කළ හැකිය. තවදුරටත්, තොරතුරු අවදානම පර්යේෂකයන් වෙනත් විද්යාඥයන් සමඟ දත්ත හුවමාරු කර නොගනී.