Nini kusoma ijayo

• Utangulizi (kifungu cha 6.1)

Maadili ya utafiti na jadi pia yalijumuisha mada kama ulaghai wa kisayansi na ugawaji wa mkopo. Hizi zinajadiliwa kwa undani zaidi juu ya Kuwa Kuwa Mwanasayansi na Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) .

Sura hii inathiriwa sana na hali nchini Marekani. Kwa zaidi juu ya taratibu za mapitio ya kimaadili katika nchi nyingine, angalia sura ya 6-9 ya Desposato (2016b) . Kwa hoja kwamba kanuni za maadili za biomedical ambazo zimesababisha sura hii ni za Amerika nyingi, angalia Holm (1995) . Kwa mapitio zaidi ya kihistoria ya Bodi ya Mapitio ya Taasisi huko Marekani, ona Stark (2012) . Jarida PS: Sayansi ya Kisiasa na Siasa zilifanya kikao cha kitaalamu juu ya uhusiano kati ya wanasayansi wa kisiasa na IRB; angalia Martinez-Ebers (2016) kwa muhtasari.

Ripoti ya Belmont na kanuni zinazofuata nchini Marekani huwa na tofauti kati ya utafiti na mazoezi. Sijafanya tofauti kama hii katika sura hii kwa sababu nadhani kanuni na maadili ya maadili hutumika kwa mipangilio yote. Kwa habari zaidi juu ya tofauti hii na matatizo ambayo hutangulia, ona Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) , na Metcalf and Crawford (2016) .

Kwa habari zaidi juu ya uangalizi wa utafiti kwenye Facebook, angalia Jackman and Kanerva (2016) . Kwa maoni juu ya uangalizi wa utafiti katika makampuni na mashirika yasiyo ya kiserikali, angalia Calo (2013) , Polonetsky, Tene, and Jerome (2015) , na Tene and Polonetsky (2016) .

Kuhusiana na matumizi ya data ya simu za mkononi ili kusaidia kushuka kwa kuzuka kwa Ebola huko Afrika Magharibi (Wesolowski et al. 2014; McDonald 2016) , kwa habari zaidi kuhusu hatari za faragha za data za simu za mkononi, angalia Mayer, Mutchler, and Mitchell (2016) . Kwa mifano ya utafiti wa awali wa mgogoro unaotumia data ya simu ya mkononi, angalia Bengtsson et al. (2011) na Lu, Bengtsson, and Holme (2012) , na kwa zaidi juu ya maadili ya utafiti kuhusiana na mgogoro, angalia ( ??? ) .

• Mifano tatu (kifungu cha 6.2)

Watu wengi wameandika juu ya Msaada wa Kihisia. Jarida la Maadili ya Utafiti hutoa suala hilo lote mwezi Januari 2016 ili kujadili jaribio hilo; tazama Hunter and Evans (2016) kwa maelezo ya jumla. Mahakamani ya Chuo Kikuu cha Sayansi ya Taifa yalichapisha vipande viwili kuhusu majaribio: Kahn, Vayena, and Mastroianni (2014) na Fiske and Hauser (2014) . Vipande vingine kuhusu jaribio ni pamoja na: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , na ( ??? ) .

• Digital ni tofauti (kifungu cha 6.3)

Kwa suala la ufuatiliaji wa wingi, maelezo ya kina yanapatikana katika Mayer-Schönberger (2009) na Marx (2016) . Kwa mfano halisi wa mabadiliko ya gharama za ufuatiliaji, Bankston and Soltani (2013) inakadiria kuwa kufuatilia mtuhumiwa wa jinai kwa kutumia simu za mkononi ni mara 50 ya bei nafuu kuliko kutumia ufuatiliaji wa kimwili. Angalia pia Ajunwa, Crawford, and Schultz (2016) kwa majadiliano ya ufuatiliaji wa kazi. Bell and Gemmell (2009) hutoa mtazamo wa matumaini zaidi juu ya kujitegemea.

Mbali na kuwa na uwezo wa kufuatilia tabia inayoonekana ambayo ni ya umma au sehemu ya umma (kwa mfano, Ladha, Mahusiano, na Muda), watafiti wanaweza kuongezeka kwa mambo ambayo washiriki wengi wanaona kuwa ya faragha. Kwa mfano, Michal Kosinski na wafanyakazi wenzake (2013) walionyesha kuwa wanaweza kupatia habari nyeti kuhusu watu, kama mwelekeo wa ngono na matumizi ya dutu za kulevya, kutoka kwenye data inayoonekana ya kawaida ya digital (Facebook Likes). Hii inaweza kuonekana ya kichawi, lakini njia ya Kosinski na wenzake kutumika-ambayo inajumuisha athari ya digital, tafiti, na kujifunza kujifunza-ni kweli kitu ambacho nimekuwa nimekuambia juu. Kumbuka kwamba katika sura ya 3 (Kuuliza maswali). Nilikuambia jinsi Joshua Blumenstock na wenzake (2015) walijumuisha data za utafiti na data za simu za mkononi ili kukadiria umasikini nchini Rwanda. Njia hii sawa, ambayo inaweza kutumika kwa kupima umasikini kwa ufanisi katika nchi inayoendelea, inaweza pia kutumika kwa uwezekano wa ukiukaji wa faragha.

Kwa maelezo zaidi juu ya matumizi ya sekondari yasiyotarajiwa ya data za afya, angalia O'Doherty et al. (2016) . Mbali na uwezo wa matumizi ya sekondari isiyoyotarajiwa, uumbaji wa database haijakamilika inaweza kuwa na athari mbaya juu ya maisha ya kijamii na kisiasa ikiwa watu hawakuwa na hamu ya kusoma vifaa fulani au kujadili mada fulani; angalia Schauer (1978) na Penney (2016) .

Katika hali na sheria zinazoingiliana, mtafiti wakati mwingine hushiriki katika "ununuzi wa udhibiti" (Grimmelmann 2015; Nickerson and Hyde 2016) . Hasa, watafiti wengine wanaotaka kuepuka uangalizi wa IRB wanaweza kuunda ushirikiano na watafiti ambao hawajafunikwa na IRB (kwa mfano, watu katika makampuni au mashirika yasiyo ya kiserikali), na kuwa na wenzao kukusanya na kutambua data. Kisha, mtafiti aliyefunikwa na IRB anaweza kuchambua data hii iliyotambuliwa bila uangalizi wa IRB kwa sababu utafiti haujafikiriwa tena "utafiti wa masomo ya binadamu," angalau kulingana na tafsiri fulani za sheria za sasa. Aina hii ya kuepuka IRB pengine sio thabiti na njia ya msingi ya maadili ya utafiti.

Mnamo mwaka 2011, jitihada ilianza kurekebisha Sheria ya kawaida, na mchakato huu hatimaye ulikamilishwa mwaka 2017 ( ??? ) . Kwa habari zaidi juu ya jitihada hizi za kurekebisha Sheria ya kawaida, angalia Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) , na Metcalf (2016) .

• Kanuni nne (kifungu cha 6.4)

Mbinu ya msingi ya misingi ya maadili ya biomedical ni ya Beauchamp and Childress (2012) . Wanasema kwamba kanuni nne kuu zinapaswa kuongoza maadili ya kibadilika: Uheshimu Uhuru, Usiovu, Ufadhili, na Haki. Kanuni ya kutosababishwa inahimiza mtu kujiepusha na kusababisha madhara kwa watu wengine. Dhana hii imeshikamana sana na wazo la Hippocrania la "Usiharibu." Katika maadili ya utafiti, kanuni hii mara nyingi inahusishwa na kanuni ya Faida, lakini ona sura ya 5 ya @ beauchamp_principles_2012 kwa zaidi juu ya tofauti kati ya hizo mbili. Kwa kukosoa kuwa kanuni hizi ni za Marekani, ona Holm (1995) . Kwa zaidi juu ya kusawazisha wakati kanuni za mgogoro, angalia Gillon (2015) .

Kanuni nne katika sura hii pia zimependekezwa kuongoza uangalizi wa kimaadili kwa utafiti unaofanywa katika makampuni na mashirika yasiyo ya kiserikali (Polonetsky, Tene, and Jerome 2015) kupitia miili inayoitwa "Bodi za Ukaguzi wa Mada ya Watumiaji" (CSRB) (Calo 2013) .

• Heshima kwa Watu (kifungu cha 6.4.1)

Mbali na kuheshimu uhuru, Ripoti ya Belmont pia inakubali kuwa si kila mwanadamu anayeweza kujitegemea kweli. Kwa mfano, watoto, watu wanaosumbuliwa na ugonjwa, au watu wanaoishi katika hali za uhuru mkubwa wa kizuizini hawawezi kufanya kazi kama watu binafsi wa uhuru, na hivyo watu hawa wanajikinga na ziada.

Kutumia kanuni ya Kuheshimu Watu katika umri wa digital inaweza kuwa changamoto. Kwa mfano, katika uchunguzi wa umri wa digital, inaweza kuwa vigumu kutoa ulinzi wa ziada kwa watu wenye uwezo wa kupunguza uamuzi kwa sababu watafiti mara nyingi hawajui sana kuhusu washiriki wao. Zaidi ya hayo, kibali cha habari katika utafiti wa kijamii wa umri wa miaka ni changamoto kubwa. Katika baadhi ya matukio, kibali cha habari kinaweza kuteseka kutokana na kitambulisho cha uwazi (Nissenbaum 2011) , ambapo taarifa na ufahamu zina ngumu. Kwa kiasi kikubwa, ikiwa watafiti hutoa taarifa kamili kuhusu hali ya kukusanya data, uchambuzi wa data, na taratibu za usalama wa data, itakuwa vigumu kwa washiriki wengi kuelewa. Lakini kama watafiti hutoa habari inayoeleweka, huenda hauna maelezo muhimu ya kiufundi. Katika utafiti wa matibabu katika umri wa analog-mazingira ya kutawala yaliyozingatiwa na Ripoti ya Belmont-mtu anaweza kufikiria daktari akizungumza mmoja mmoja na kila mshiriki kusaidia kutatua tatizo la uwazi. Katika masomo ya mtandaoni yaliyohusisha maelfu au mamilioni ya watu, njia ya uso kwa uso haiwezekani. Tatizo la pili kwa idhini katika umri wa digital ni kwamba katika masomo mengine, kama vile uchambuzi wa kumbukumbu kubwa za data, itakuwa vigumu kupata kibali cha habari kutoka kwa washiriki wote. Mimi kujadili maswali haya na mengine kuhusu ridhaa ya habari kwa kina zaidi katika kifungu cha 6.6.1. Pamoja na shida hizi, hata hivyo, tunapaswa kukumbuka kwamba idhini ya habari haifai wala haitoshi kwa Kuheshimu Watu.

Kwa habari zaidi kuhusu utafiti wa matibabu kabla ya idhini ya habari, ona Miller (2014) . Kwa matibabu ya urefu wa kitabu cha ridhaa ya habari, ona Manson and O'Neill (2007) . Angalia pia mashauri yaliyopendekezwa kuhusu ridhaa ya chini hapa chini.

• Faida (kifungu cha 6.4.2)

Harms kwa muktadha ni madhara ambayo utafiti unaweza kusababisha si kwa watu maalum lakini kwa mazingira ya kijamii. Dhana hii ni kielelezo kidogo, lakini nitakuonyesha mfano wa classic: Utafiti wa Jukumu la Wichita (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - na wakati mwingine huitwa Mradi wa Jury Chicago (Cornwell 2010) . Katika utafiti huu, watafiti kutoka Chuo Kikuu cha Chicago, kama sehemu ya utafiti mkubwa wa masuala ya kijamii ya mfumo wa kisheria, waliandika kumbukumbu za juri sita huko Wichita, Kansas kwa siri. Waamuzi na wanasheria katika kesi walikuwa wameidhinisha rekodi, na kulikuwa na uangalizi mkali wa mchakato huo. Hata hivyo, jurors hawakujua kwamba rekodi zilikuwa zinatokea. Mara baada ya utafiti iligundulika, kulikuwa na hasira ya umma. Idara ya Haki ilianza uchunguzi wa utafiti huo, na watafiti waliitwa ili kushuhudia mbele ya Congress. Hatimaye, Congress ilipitisha sheria mpya ambayo inafanya kinyume cha sheria kwa kurekodi kwa siri maamuzi ya jury.

Wasiwasi wa wakosoaji wa Jumuiya ya Jumuiya ya Wichita haikuwa hatari ya washiriki; badala, ilikuwa ni hatari ya madhara kwa muktadha wa maamuzi ya juri. Hiyo ni, watu walidhani kwamba kama wajumbe wa jurusi hawakuamini kwamba walikuwa na majadiliano katika nafasi salama na salama, itakuwa vigumu kwa maamuzi ya jury kuendelea katika siku zijazo. Mbali na majadiliano ya juri, kuna hali nyingine za jamii ambazo jamii hutoa kwa ulinzi wa ziada, kama vile mahusiano ya wakili-mteja na huduma ya kisaikolojia (MacCarthy 2015) .

Hatari ya madhara kwa muktadha na kuvuruga kwa mifumo ya kijamii pia hutokea katika baadhi ya majaribio ya shamba katika sayansi ya siasa (Desposato 2016b) . Kwa mfano wa hesabu zaidi ya hali ya gharama-faida kwa hesabu ya shamba katika sayansi ya siasa, ona Zimmerman (2016) .

• Haki (kifungu cha 6.4.3)

Fidia kwa washiriki imejadiliwa katika mazingira kadhaa yanayohusiana na utafiti wa umri wa digital. Lanier (2014) inapendekeza kulipa washiriki kwa athari za digital wanazozalisha. Bederson and Quinn (2011) wanazungumzia malipo katika masoko ya kazi ya mtandaoni. Hatimaye, Desposato (2016a) inapendekeza kulipa washiriki katika majaribio ya shamba. Anasema kuwa hata washiriki hawawezi kulipwa moja kwa moja, mchango unaweza kufanywa kwa kundi linalofanya kazi kwa niaba yao. Kwa mfano, kwa Encore, watafiti wangeweza kutoa mchango kwa kikundi kinachofanya kazi ili kuunga mkono upatikanaji wa mtandao.

• Kuheshimu Sheria na Umma (sehemu 6.4.4)

Mikataba ya makubaliano ya huduma inapaswa kuwa na uzito mdogo kuliko mikataba ya mazungumzo kati ya vyama sawa na kuliko sheria zinazoundwa na serikali halali. Hali ambapo watafiti wamevunja makubaliano ya masharti ya huduma katika siku za nyuma kwa kawaida wamehusika kutumia maswali ya kijijini ili kuchunguza tabia za makampuni (kama vile majaribio ya shamba ili kupima ubaguzi). Kwa majadiliano ya ziada, angalia Vaccaro et al. (2015) , Bruckman (2016a) , na Bruckman (2016b) . Kwa mfano wa utafiti wa maadili unaojadili masharti ya huduma, ona Soeller et al. (2016) . Kwa zaidi juu ya matatizo ya kisheria ambayo watafiti Sandvig and Karahalios (2016) ikiwa wanakiuka masharti ya huduma, angalia Sandvig and Karahalios (2016) .

• Mikakati miwili ya maadili (kifungu cha 6.5)

Kwa wazi, kiasi kikubwa kimeandikwa juu ya upendeleo na deontolojia. Kwa mfano wa jinsi mifumo hii ya maadili, na wengine, inaweza kutumika kufikiria juu ya utafiti wa umri wa digital, ona Zevenbergen et al. (2015) . Kwa mfano wa jinsi yanaweza kutumika kwa majaribio ya shamba katika uchumi wa maendeleo, angalia Baele (2013) .

• Ruhusa idhini (kifungu cha 6.6.1)

Kwa zaidi juu ya masomo ya ukaguzi ya ubaguzi, ona Pager (2007) na Riach and Rich (2004) . Sio tu masomo haya hayana ridhaa ya habari, pia huhusisha udanganyifu bila kufungia.

Desposato (2016a) wote Desposato (2016a) na Humphreys (2015) hutoa ushauri juu ya majaribio ya shamba bila idhini.

Sommers and Miller (2013) huchunguza hoja nyingi kwa kuwataka wasijadiliana washiriki baada ya udanganyifu, na wanasema kwamba watafiti wanapaswa kuacha majadiliano

"Chini ya hali nyembamba sana ya hali, yaani, katika utafiti wa shamba ambako uchangamano huwa na vikwazo vingi vya vitendo lakini watafiti hawataweza kuwa na sifa kuhusu kujadiliana kama wanaweza. Watafiti hawapaswi kuruhusiwa kuacha majadiliano ili kuhifadhi pool ya wasio na wasiwasi, kujikinga na hasira ya washiriki, au kulinda washiriki kutokana na madhara. "

Wengine wanasema kwamba katika hali fulani ikiwa mazungumzo yanasababisha madhara zaidi kuliko mema, yanapaswa kuepukwa (Finn and Jakobsson 2007) . Debriefing ni kesi ambapo watafiti wengine wanasema Uheshimu Watu juu ya Faida, wakati watafiti wengine hufanya kinyume. Suluhisho moja linalowezekana ni kutafuta njia za kufanya mafunzo ya kujifunza kwa washiriki. Hiyo ni, badala ya kufikiria kujadiliana kama jambo ambalo linaweza kusababisha madhara, labda kujadiliana inaweza pia kuwa kitu kinachowasaidia washiriki. Kwa mfano wa aina hii ya majadiliano ya elimu, ona Jagatic et al. (2007) . Wanasaikolojia wamejenga mbinu za kujadiliana (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) , na baadhi ya haya yanaweza kutumika kwa ufanisi kwa utafiti wa umri wa digital. Humphreys (2015) inatoa mawazo ya kuvutia juu ya ridhaa iliyopungua , ambayo ni karibu na mkakati wa majadiliano niliyoelezea.

Wazo la kuuliza sampuli ya washiriki kwa idhini yao ni kuhusiana na nini Humphreys (2015) huita idhini iliyopunguzwa .

Wazo zaidi kuhusiana na ridhaa ya taarifa ambayo imependekezwa ni kujenga jopo la watu ambao wanakubali kuwa kwenye majaribio ya mtandaoni (Crawford 2014) . Wengine walisema kuwa jopo hili litakuwa sampuli ya watu isiyo ya kawaida. Lakini sura ya 3 (Kuuliza maswali) inaonyesha kuwa matatizo haya yanaweza kushughulikiwa kwa kutumia utambulisho wa baada. Pia, idhini ya kuwa kwenye jopo inaweza kufikia majaribio mbalimbali. Kwa maneno mengine, washiriki wanaweza kuwa hawana haja ya kukubali kila jaribio kila mmoja, dhana inayoitwa idhini pana (Sheehan 2011) . Kwa zaidi juu ya tofauti kati ya idhini ya wakati mmoja na kibali kwa kila utafiti, pamoja na mseto wa kutosha, angalia Hutton and Henderson (2015) .

• Kuelewa na kusimamia hatari ya habari (kifungu cha 6.6.2)

Mbali na pekee, Tuzo ya Netflix inaonyesha mali muhimu ya kiufundi ya data zilizo na maelezo ya kina kuhusu watu, na hivyo hutoa masomo muhimu juu ya uwezekano wa "uonyesho" wa dasasets za kijamii za kisasa. Files yenye vipande vingi vya habari kuhusu kila mtu huenda ikawa ndogo , kwa maana inaelezwa rasmi huko Narayanan and Shmatikov (2008) . Hiyo ni kwa kila rekodi, hakuna rekodi ambazo ni sawa, na kwa kweli hakuna kumbukumbu ambazo ni sawa sana: kila mtu ni mbali na jirani yao ya karibu katika dasaset. Mtu anaweza kufikiri kwamba data ya Netflix inaweza kuwa ndogo kwa kuwa na filamu 20,000 juu ya kiwango cha nyota tano, kuna kuhusu \(6^{20,000}\) maadili ambayo iwezekanavyo kila mtu (6 kwa sababu, kwa kuongeza 1 hadi Nyota 5, mtu huenda hakuwa na ukaguzi wa filamu wakati wote). Nambari hii ni kubwa sana, ni vigumu hata kuelewa.

Sparsity ina athari mbili kuu. Kwanza, inamaanisha kuwa kujaribu "kufuta" dataset kulingana na upungufu wa random kunaweza kushindwa. Hiyo ni, hata kama Netflix ingeweza kurekebisha randomly baadhi ya ratings (ambayo walifanya), hii haiwezi kutosha kwa sababu rekodi perturbed bado ni kumbukumbu karibu iwezekanavyo kwa habari ambayo mshambuliaji ana. Pili, sparsity ina maana kwamba upya utambuzi inawezekana hata kama mshambulizi ana ujuzi usio na maana au usio na upendeleo. Kwa mfano, katika data ya Netflix, hebu fikiria mshambulizi anajua ratings yako kwa sinema mbili na tarehe ulizofanya vipimo vya \(\pm\) siku 3; Taarifa hiyo pekee ni ya kutosha kutambua pekee 68% ya watu katika data ya Netflix. Ikiwa mshambulizi anajua sinema nane ambazo umethibitisha \(\pm\) siku 14, basi hata kama mbili za hizi zimejulikana vyema ni sahihi kabisa, kumbukumbu za 99% zinaweza kutambuliwa pekee katika dataset. Kwa maneno mengine, sparsity ni tatizo la msingi kwa jitihada za "kudhihirisha" data, ambayo ni bahati mbaya kwa sababu wengi wa data za kisasa za jamii ni wachache. Kwa zaidi juu ya "anonymous" ya data ndogo, ona Narayanan and Shmatikov (2008) .

Data ya meta-data pia inaweza kuonekana kuwa "isiyojulikana" na sio nyeti, lakini hiyo sio. Data ya meta-data ni kutambuliwa na nyeti (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

Katika takwimu ya 6.6, nimeweka nje biashara kati ya hatari kwa washiriki na faida kwa jamii kutoka kutolewa kwa data. Kwa kulinganisha kati ya mbinu za upatikanaji zilizozuiliwa (kwa mfano, bustani iliyofungwa) na njia za data zilizozuiliwa (kwa mfano, aina fulani ya "anonymous") ona Reiter and Kinney (2011) . Kwa mfumo unaopendekezwa wa jumuiya ya kiwango cha hatari, tazama Sweeney, Crosas, and Bar-Sinai (2015) . Kwa mazungumzo zaidi ya ushirikiano wa data, angalia Yakowitz (2011) .

Kwa uchambuzi wa kina wa biashara hii kati ya hatari na matumizi ya data, angalia Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) , na Goroff (2015) . Kuona biashara hii imetumika kwenye data halisi kutoka kwa kozi za wazi za mtandaoni (MOOCs), ona Daries et al. (2014) na Angiuli, Blitzstein, and Waldo (2015) .

Faragha tofauti pia inatoa mbinu mbadala ambayo inaweza kuchanganya hatari zote kwa washiriki na faida kubwa kwa jamii; angalia Dwork and Roth (2014) na Narayanan, Huey, and Felten (2016) .

Kwa zaidi juu ya dhana ya habari ya kutambua binafsi (PII), ambayo ni kati ya sheria nyingi kuhusu maadili ya utafiti, ona Narayanan and Shmatikov (2010) na Schwartz and Solove (2011) . Kwa maelezo zaidi juu ya data kuwa uwezekano mkubwa, ona Ohm (2015) .

Katika sehemu hii, nimeonyesha uunganisho wa datasets tofauti kama kitu ambacho kinaweza kusababisha hatari ya habari. Hata hivyo, inaweza pia kujenga fursa mpya za utafiti, kama ilivyoelezwa Currie (2013) .

Kwa zaidi juu ya safari tano, ona Desai, Ritchie, and Welpton (2016) . Kwa mfano wa matokeo ambayo yanaweza kutambua, ona Brownstein, Cassa, and Mandl (2006) , ambayo inaonyesha jinsi ramani za ugonjwa wa ugonjwa zinaweza kutambua. Dwork et al. (2017) pia kuzingatia mashambulizi dhidi ya takwimu za jumla, kama vile takwimu kuhusu jinsi watu wengi wana ugonjwa fulani.

Maswali kuhusu matumizi ya data na kutolewa kwa data pia huzaa maswali kuhusu umiliki wa data. Kwa zaidi, kwenye umiliki wa data, angalia Evans (2011) na Pentland (2012) .

• Faragha (kifungu cha 6.6.3)

Warren and Brandeis (1890) ni makala ya kisheria ya kisheria kuhusu faragha na inahusishwa zaidi na wazo kwamba faragha ni haki ya kushoto peke yake. Utunzaji wa urefu wa kitabu cha faragha ambazo ningependekeza ni pamoja na Solove (2010) na Nissenbaum (2010) .

Kwa ukaguzi wa uchunguzi wa kimapenzi kuhusu jinsi watu wanavyofikiri kuhusu faragha, angalia Acquisti, Brandimarte, and Loewenstein (2015) . Phelan, Lampe, and Resnick (2016) hutoa nadharia mbili-mfumo kwamba watu wakati mwingine huzingatia wasiwasi wa kimaumbile na wakati mwingine huzingatia masuala yanayozingatiwa-kuelezea jinsi watu wanaweza kufanya taarifa zinazoelekea kinyume na faragha. Kwa zaidi juu ya wazo la faragha kwenye mipangilio ya mtandao kama Twitter, ona Neuhaus and Webmoor (2012) .

Jarida la Sayansi lilichapisha sehemu maalum inayoitwa "Mwisho wa Faragha," ambayo inashughulikia masuala ya faragha na hatari ya habari kutoka kwa njia mbalimbali; kwa muhtasari, angalia Enserink and Chin (2015) . Calo (2011) inatoa mfumo wa kufikiria juu ya madhara ambayo yanatokea ukiukwaji wa faragha. Mfano wa kwanza wa wasiwasi juu ya faragha wakati mwanzo wa umri wa digital ni Packard (1964) .

• Kufanya maamuzi chini ya kutokuwa na uhakika (kifungu cha 6.6.4)

Changamoto moja wakati wa kujaribu kutumia kiwango kidogo cha hatari ni kwamba haijulikani ambao maisha yao ya kila siku yanatumiwa kwa ajili ya kuzingatia (National Research Council 2014) . Kwa mfano, watu wasiokuwa na makazi wana kiwango cha juu cha usumbufu katika maisha yao ya kila siku. Lakini hiyo haimaanishi kwamba ni kisheria kuhalalisha kufungua watu wasiokuwa na makazi kwa utafiti wa hatari zaidi. Kwa sababu hii, inaonekana kuwa kuna makubaliano ya kukua kwamba hatari ndogo inapaswa kuzingatia kiwango cha jumla cha idadi ya watu , si kiwango cha kawaida cha idadi ya watu . Wakati mimi kawaida kukubaliana na wazo la kiwango cha kawaida-idadi ya watu, nadhani kuwa kwa ajili ya majukwaa kubwa online kama Facebook, kiwango maalum-idadi ya watu ni busara. Kwa hivyo, wakati wa kuzingatia kuambukizwa kwa kihisia, nadhani kuwa ni busara kuzingatia hatari ya kila siku kwenye Facebook. Kiwango maalum cha idadi ya watu katika kesi hii ni rahisi sana kutathmini na haitawezekani kupingana na kanuni ya Haki, ambayo inatafuta kuzuia mzigo wa utafiti unashindwa kwa vibaya kwa makundi yaliyosababishwa (kwa mfano, wafungwa na yatima).

• Vidokezo vya manufaa (kifungu cha 6.7)

Wataalamu wengine pia wito kwa karatasi zaidi ili ni pamoja na nyongeza za maadili (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) . King and Sands (2015) pia hutoa vidokezo vya vitendo. Zook na wafanyakazi wenzake (2017) hutoa "sheria kumi rahisi kwa utafiti mkuu wa data unaojibika."