తదుపరి చదవటానికి ఏమి

• పరిచయం (సెక్షన్ 6.1)

సాంప్రదాయ మోసం మరియు క్రెడిట్ కేటాయింపు వంటి అంశాలు సాంప్రదాయకంగా కూడా రీసెర్చ్ నీతికి సంబంధించినవి. Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009) చేత ఆన్ బీయింగ్ ఎ సైంటిస్ట్ లో ఇవి మరింత వివరంగా చర్చించబడ్డాయి.

ఈ అధ్యాయం యునైటెడ్ స్టేట్స్ లో పరిస్థితి ద్వారా భారీగా ప్రభావితమవుతుంది. ఇతర దేశాల్లో నైతిక సమీక్ష విధానాలకు సంబంధించి, Desposato (2016b) యొక్క 6-9 అధ్యాయాలు చూడండి. ఈ అధ్యాయాన్ని ప్రభావితం చేసిన బయోమెడికల్ నైతిక సూత్రాలు అధికంగా అమెరికాకు సంబంధించిన వాదనకు, Holm (1995) . యునైటెడ్ స్టేట్స్ లో ఇన్స్టిట్యూషనల్ రీసెర్చ్ బోర్డ్ యొక్క తదుపరి చారిత్రిక సమీక్ష కొరకు, Stark (2012) . జర్నల్ PS: పొలిటికల్ సైన్స్ అండ్ పాలిటిక్స్ రాజకీయ శాస్త్రవేత్తలు మరియు IRB ల మధ్య సంబంధంపై ఒక ప్రొఫెషనల్ సింపోజియంను ఏర్పాటు చేసింది; సారాంశము కొరకు Martinez-Ebers (2016) చూడండి.

యునైటెడ్ స్టేట్స్లోని బెల్మోంట్ రిపోర్ట్ మరియు తదుపరి నియమాలు పరిశోధన మరియు ఆచరణల మధ్య వ్యత్యాసాన్ని కలిగి ఉంటాయి. నేను ఈ అధ్యాయంలో అలాంటి వ్యత్యాసాన్ని చేయలేదు, ఎందుకంటే నేను నైతిక సూత్రాలు మరియు చట్రాలు రెండు సెట్టింగులకు వర్తిస్తాయి. ఈ విలక్షణత మరియు సమస్యల గురించి మరింత తెలుసుకోవడానికి, Beauchamp and Saghai (2012) , MN Meyer (2015) , boyd (2016) , మరియు Metcalf and Crawford (2016) .

ఫేస్బుక్లో పరిశోధన పర్యవేక్షణ గురించి మరింత సమాచారం కోసం, Jackman and Kanerva (2016) . కంపెనీలు మరియు Calo (2013) పరిశోధనా పర్యవేక్షణ గురించి ఆలోచనకు, Calo (2013) , Polonetsky, Tene, and Jerome (2015) , మరియు Tene and Polonetsky (2016) .

మొబైల్ ఫోన్ డేటా యొక్క గోప్యతా ప్రమాదాలు గురించి మరింత సమాచారం కోసం, వెస్ట్ ఆఫ్రికా (Wesolowski et al. 2014; McDonald 2016) , (Wesolowski et al. 2014; McDonald 2016) లో 2014 ఎబోలా వ్యాప్తికి సహాయంగా మొబైల్ ఫోన్ డేటా Mayer, Mutchler, and Mitchell (2016) . మొట్టమొదటి సంక్షోభం-సంబంధిత పరిశోధనకు మొబైల్ ఫోన్ డేటాను ఉపయోగించడం కోసం, Bengtsson et al. (2011) చూడండి Bengtsson et al. (2011) మరియు Lu, Bengtsson, and Holme (2012) , సంక్షోభానికి సంబంధించిన పరిశోధనల నైతికతపై మరిన్ని వివరాల కోసం చూడండి ( ??? ) .

• మూడు ఉదాహరణలు (విభాగం 6.2)

ఎమోషనల్ పొగతాగింపు గురించి చాలామంది వ్రాశారు. జర్నల్ రీసెర్చ్ ఎథిక్స్ జనవరి 2016 లో ప్రయోగం గురించి చర్చించటానికి వారి మొత్తం అంశాన్ని అంకితం చేసింది; పరిశీలన కోసం Hunter and Evans (2016) చూడండి. సైన్స్ నేషనల్ Kahn, Vayena, and Mastroianni (2014) ఆఫ్ ప్రొసీడింగ్స్ యొక్క ప్రయోగం: Kahn, Vayena, and Mastroianni (2014) మరియు Fiske and Hauser (2014) . Puschmann and Bozdag (2014) Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) , మరియు ( ??? ) .

• డిజిటల్ భిన్నంగా ఉంటుంది (సెక్షన్ 6.3)

మాస్ Mayer-Schönberger (2009) మరియు Marx (2016) లో విస్తారమైన పర్యవేక్షణలు అందించబడ్డాయి. మొబైల్ ఫోన్లను ఉపయోగించి ఒక క్రిమినల్ అనుమానితుడిని భౌతిక పర్యవేక్షణను ఉపయోగించడం కంటే 50 రెట్లు తక్కువ వ్యయంతో ఉంటుందని Bankston and Soltani (2013) అంచనా వేస్తున్న వ్యయాల ఖర్చులకు ఒక ఉదాహరణగా చెప్పవచ్చు. పని వద్ద నిఘా చర్చ కోసం Ajunwa, Crawford, and Schultz (2016) కూడా చూడండి. Bell and Gemmell (2009) స్వీయ పర్యవేక్షణపై మరింత సానుకూల దృక్పథాన్ని అందిస్తున్నాయి.

పబ్లిక్ లేదా పాక్షికంగా పబ్లిక్ (ఉదా., రుచి, టైస్, మరియు సమయం) గమనించదగ్గ ప్రవర్తనను ట్రాక్ చేయగలగటంతోపాటు, అనేకమంది పాల్గొనేవారు వ్యక్తిగతంగా పరిగణించబడే విషయాలను పరిశోధకులు ఎక్కువగా ఊహించవచ్చు. ఉదాహరణకి, మిచల్ కోసినస్కీ మరియు సహచరులు (2013) వారు లైంగిక ధోరణి మరియు వ్యసనపరుడైన పదార్ధాల వినియోగం వంటి వ్యక్తుల గురించి సున్నితమైన సమాచారాన్ని ఊహించగలిగారు, అకారణంగా సాధారణ డిజిటల్ ట్రేస్ డేటా (Facebook ఇష్టాలు) నుండి. ఇది మాయా ధ్వని అనిపించవచ్చు, కానీ కోసిన్స్కి మరియు సహోద్యోగులు ఉపయోగించినవి-ఇది డిజిటల్ జాడలు, సర్వేలు మరియు పర్యవేక్షించబడ్డ అభ్యాసాన్ని కలిపి-నేను నిజానికి ఇప్పటికే చెప్పిన విషయం. 3 వ అధ్యాయంలో (ప్రశ్నించే ప్రశ్నలు) గుర్తుంచుకోండి. నేను జోషువా బ్యుమెన్స్టాక్ మరియు సహచరులు (2015) రువాండాలో పేదరికాన్ని అంచనా వేయడానికి మొబైల్ ఫోన్ డేటాతో కలిపిన సర్వే డేటాను మీకు తెలియజేశాను. అభివృద్ధి చెందుతున్న దేశంలో పేదరికాన్ని సమర్ధవంతంగా అమలు చేయడానికి ఉపయోగించే ఈ ఖచ్చితమైన పద్ధతి, గోప్యత-ఉల్లంఘన సంస్కరణలకు కూడా ఉపయోగపడుతుంది.

ఆరోగ్యం డేటా సాధ్యం అనాలోచిత ద్వితీయ ఉపయోగాలు మరింత కోసం, చూడండి O'Doherty et al. (2016) . అనాలోచిత ద్వితీయ ఉపయోగాలకు సంభావ్యతతో పాటుగా, అసంపూర్ణమైన మాస్టర్ డేటాబేస్ను సృష్టించడం అనేది కొన్ని అంశాలని చదవటానికి లేదా కొన్ని అంశాల గురించి చర్చించటానికి ప్రజలు ఇష్టపడకపోతే, సామాజిక మరియు రాజకీయ జీవితాలపై కూడా ఒక చిల్లర ప్రభావాన్ని కలిగి ఉంటుంది; Schauer (1978) మరియు Penney (2016) .

అతివ్యాప్తి నియమాలతో పరిస్థితులలో, పరిశోధకుడు కొన్నిసార్లు "నియంత్రణ షాపింగ్" (Grimmelmann 2015; Nickerson and Hyde 2016) . ముఖ్యంగా, IRB పర్యవేక్షణను నివారించడానికి ఇష్టపడే కొందరు పరిశోధకులు IRB లచే కవర్ చేయని పరిశోధకులు (ఉదా., కంపెనీలు లేదా NGO లు) ప్రజలకు భాగస్వామ్యాన్ని ఏర్పరుస్తాయి, మరియు సహచరులు డేటాను గుర్తించి, గుర్తించలేరు. ఐఆర్బి-కవర్ చేసిన పరిశోధకుడు IRB పర్యవేక్షణ లేకుండా ఈ డి-గుర్తింపు పొందిన డేటాను విశ్లేషించవచ్చు, ఎందుకంటే ఈ పరిశోధన ఇకపై "మానవ విషయ పరిశోధన" గా పరిగణించబడదు, ప్రస్తుత నిబంధనల యొక్క కొన్ని వివరణల ప్రకారం. IRB ఎగవేత ఈ రకమైన పరిశోధన నీతికి సూత్రాల ఆధారిత విధానానికి అనుగుణంగా లేదు.

2011 లో, కామన్ రూల్ ను అప్డేట్ చేయటం ప్రారంభమైంది, ఈ ప్రక్రియ చివరకు 2017 ( ??? ) లో పూర్తయింది. సాధారణ నియమాన్ని నవీకరించడానికి ఈ ప్రయత్నాలకు మరింతగా, Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) , మరియు Metcalf (2016) .

• నాలుగు సూత్రాలు (సెక్షన్ 6.4)

బయోమెడికల్ నీతికి సంబంధించిన సంప్రదాయ సూత్రాల ఆధారిత విధానం Beauchamp and Childress (2012) . వారు నాలుగు ప్రధాన సూత్రాలను బయోమెడికల్ ఎథిక్స్ను మార్గదర్శకత్వం చేస్తారని ప్రతిపాదించారు: స్వయంప్రతిపత్తి, నాన్మాల్ఫికెన్నెస్, బెనిసిజెన్స్ మరియు జస్టిస్ కోసం గౌరవం. ఇతర వ్యక్తులకు హాని కలిగించకుండా ఉండటానికి ఒకరైన నమ్రతప్రేరణ సూత్రం. ఈ భావన హైపోక్రటిక్ ఆలోచన "హాని లేదు" తో లోతుగా అనుసంధానించబడి ఉంది. పరిశోధనా నీతిలో, ఈ సూత్రం తరచూ ప్రయోజనకారి సూత్రంతో కలిసి ఉంటుంది, కానీ రెండు మధ్య వ్యత్యాసంపై మరింతగా @ beauchamp_principles_2012 యొక్క అధ్యాయం 5 చూడండి. ఈ సిద్ధాంతాలు అతిగా అమెరికన్గా ఉన్నాయని విమర్శ కోసం, Holm (1995) . సూత్రాల వివాదం సంభవించినప్పుడు మరింత సమతూకంలో, Gillon (2015) .

ఈ అధ్యాయంలో నాలుగు సూత్రాలు కూడా "కన్స్యూమర్ సబ్జెక్ట్ రివ్యూ బోర్డ్" (CSRB లు) (Calo 2013) అని పిలవబడే సంస్థల ద్వారా సంస్థలు మరియు NGO లు (Polonetsky, Tene, and Jerome 2015) వద్ద పరిశోధన కోసం నైతిక పర్యవేక్షణకు మార్గనిర్దేశం చేసేందుకు ప్రతిపాదించబడ్డాయి.

• వ్యక్తులు కోసం గౌరవం (సెక్షన్ 6.4.1)

స్వయంప్రతిపత్తిని గౌరవిస్తూ, ప్రతి మనిషికి నిజమైన స్వీయ-నిర్ణయం ఉండదని Belmont నివేదిక కూడా తెలియజేస్తుంది. ఉదాహరణకు, పిల్లలు, అనారోగ్యంతో బాధపడుతున్న వ్యక్తులు లేదా తీవ్రంగా నిరోధించబడిన స్వేచ్ఛ పరిస్థితుల్లో జీవిస్తున్న వ్యక్తులు పూర్తిగా స్వతంత్ర వ్యక్తులుగా వ్యవహరించలేరు మరియు ఈ వ్యక్తులు అదనపు రక్షణకు లోబడి ఉంటారు.

డిజిటల్ యుగంలో వ్యక్తుల కోసం గౌరవం యొక్క సూత్రాన్ని అన్వయించడం సవాలుగా ఉంటుంది. ఉదాహరణకు, డిజిటల్-వయస్సు పరిశోధనలో, స్వీయ-నిర్ణయం యొక్క పరిమిత సామర్ధ్యం ఉన్న వ్యక్తుల కోసం అదనపు రక్షణను అందించడం కష్టంగా ఉంటుంది, ఎందుకంటే పరిశోధకులు తరచుగా పాల్గొనేవారి గురించి చాలా తక్కువ తెలుసు. ఇంకా, డిజిటల్-వయస్సు సామాజిక పరిశోధనలో సమ్మతమైన సమ్మతి అనేది ఒక పెద్ద సవాలు. కొన్ని సందర్భాల్లో, నిజంగా సమ్మతమైన సమ్మతి పారదర్శకత పారడాక్స్ (Nissenbaum 2011) నుండి (Nissenbaum 2011) , ఇక్కడ సమాచారం మరియు గ్రహణశక్తి సంఘర్షణలో ఉన్నాయి. డేటా సేకరణ, డేటా విశ్లేషణ, మరియు డేటా భద్రతా విధానాల స్వభావం గురించి పరిశోధకులు పూర్తి సమాచారాన్ని అందించినట్లయితే, చాలామంది పాల్గొనేవారికి అర్థం చేసుకోవడం కష్టంగా ఉంటుంది. కానీ పరిశోధకులు గ్రహణశీల సమాచారాన్ని అందించినట్లయితే, ఇది ముఖ్యమైన సాంకేతిక వివరాలను కలిగి ఉండకపోవచ్చు. అనలాగ్ వయస్సులో వైద్య పరిశోధనలో - బెల్మోంట్ రిపోర్ట్చే పరిగణించబడిన ఆధిపత్య అమరిక- ఒక పారదర్శక పారడాక్స్ను పరిష్కరించడానికి ప్రతి భాగస్వామితో ఒక వైద్యుడు వ్యక్తిగతంగా మాట్లాడటాన్ని ఊహించాడు. వేలమంది లేదా లక్షల మంది ప్రజలు పాల్గొన్న ఆన్లైన్ అధ్యయనాల్లో, అటువంటి ముఖం- to- ముఖం విధానం అసాధ్యం. డిజిటల్ యుగంలో సమ్మతితో రెండో సమస్య ఏమిటంటే, కొన్ని అధ్యయనాల్లో, భారీ డేటా రిపోజిటరీల విశ్లేషణ వంటివి, పాల్గొనేవారి నుండి సమాచారం సమ్మతి పొందటానికి ఇది అసాధ్యమని. నేను ఇవన్నీ మరియు ఇతర ప్రశ్నలకు సంబంధించిన సమ్మతి గురించి విభాగము 6.6.1 లో మరింత వివరంగా చర్చించాను. అయితే ఈ సమస్యలను ఎదుర్కొన్నప్పటికీ, సమ్మతించిన సమ్మతి అనేది వ్యక్తుల కోసం గౌరవించటానికి అవసరమైనది కాదు.

సమాచార సమ్మతికి ముందుగా వైద్య పరిశోధనపై మరింత సమాచారం కోసం, Miller (2014) . సమాచార అనుమతి యొక్క పుస్తకం-పొడవు చికిత్స కోసం, Manson and O'Neill (2007) . క్రింద తెలిపిన సమ్మతి గురించి సూచించబడిన రీడింగులను చూడండి.

• బెనిసిజెన్స్ (సెక్షన్ 6.4.2)

సందర్భానికి హాని కలిగించడం అనేది పరిశోధన నిర్దిష్ట వ్యక్తులకు కాని సాంఘిక అమరికలకు కాదు. ఈ భావన ఒక బిట్ సంగ్రహంగా ఉంది, కానీ నేను ఒక క్లాసిక్ ఉదాహరణతో విచిత్రం చేస్తాను: విచిత జ్యూరీ స్టడీ (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - కొన్నిసార్లు చికాగో జ్యూరీ ప్రాజెక్ట్ (Cornwell 2010) . ఈ అధ్యయనంలో, చికాగో విశ్వవిద్యాలయ పరిశోధకులు, న్యాయ వ్యవస్థ యొక్క సాంఘిక అంశాలపై పెద్ద అధ్యయనం చేస్తూ, విచిత, కాన్సాస్లో రహస్యంగా ఆరు జ్యూరీ చర్చలు నమోదు చేశారు. ఈ కేసులలో న్యాయమూర్తులు మరియు న్యాయవాదులు రికార్డింగ్స్ను ఆమోదించారు, మరియు ప్రక్రియ యొక్క కఠిన పర్యవేక్షణ ఉంది. అయితే, రికార్డింగ్లు సంభవించాయని జఫర్లకు తెలియలేదు. అధ్యయనం కనుగొన్న తర్వాత, ప్రజల దౌర్జన్యం ఉంది. న్యాయ శాఖ ఈ అధ్యయనంపై దర్యాప్తు ప్రారంభించింది, మరియు పరిశోధకులు కాంగ్రెస్ ఎదుట సాక్ష్యమివ్వాలని పిలుపునిచ్చారు. అంతిమంగా, కాంగ్రెస్ చట్టవిరుద్ధంగా జ్యూరీ అభిప్రాయాన్ని రహస్యంగా నమోదు చేయడానికి కొత్త చట్టాలను ఆమోదించింది.

విచితా జ్యూరీ అధ్యయనం యొక్క విమర్శకుల ఆందోళన పాల్గొనే వారికి హాని కలిగించే ప్రమాదం కాదు; కాకుండా, ఇది జ్యూరీ చర్చల సందర్భం హాని ప్రమాదం ఉంది. అంటే, ప్రజలు సురక్షితంగా మరియు రక్షిత ప్రదేశంలో చర్చలు జరిపారని నమ్ముతున్నారని జ్యూరీ సభ్యులు భావిస్తే, భవిష్యత్తులో జ్యూరీ సమావేశాలు ముందుకు రావడం కష్టం అవుతుంది. జ్యూరీ ఆలోచనలతో పాటు, అటార్నీ-క్లయింట్ సంబంధాలు మరియు మానసిక శ్రద్ధ (MacCarthy 2015) వంటి అదనపు రక్షణతో సమాజం అందించే ఇతర నిర్దిష్ట సాంఘిక పరిస్థితులు ఉన్నాయి.

సాంఘిక వ్యవస్థల సందర్భం మరియు హాని యొక్క హాని కూడా రాజకీయ శాస్త్రంలో కొన్ని రంగాలలో ప్రయోగాలు (Desposato 2016b) . రాజకీయ శాస్త్రంలో ఒక క్షేత్ర ప్రయోగం కోసం మరింత సందర్భోచిత సున్నితమైన వ్యయ-ప్రయోజన గణన యొక్క ఉదాహరణ కోసం, Zimmerman (2016) .

• జస్టిస్ (సెక్షన్ 6.4.3)

డిజిటల్-వయస్సు పరిశోధనకు సంబంధించి అనేక సెట్టింగులలో పాల్గొనేవారికి పరిహారం చర్చించబడింది. Lanier (2014) వారు ఉత్పత్తి చేసే డిజిటల్ ట్రేస్లకు పాల్గొనేవారికి చెల్లింపులను ప్రతిపాదించారు. Bederson and Quinn (2011) ఆన్లైన్ కార్మిక మార్కెట్లలో చెల్లింపులను చర్చిస్తారు. చివరగా, Desposato (2016a) రంగంలో ప్రయోగాల్లో పాల్గొనేవారికి చెల్లింపు ప్రతిపాదించింది. పాల్గొనేవారు నేరుగా చెల్లించకపోయినా, వారి తరఫున పనిచేసే బృందానికి ఒక విరాళం ఇవ్వబడుతుంది అని అతను సూచించాడు. ఉదాహరణకు, ఎన్కోర్లో, పరిశోధకులు ఇంటర్నెట్కు ప్రాప్తిని అందించడానికి పనిచేస్తున్న బృందానికి విరాళం ఇచ్చారు.

• లా మరియు ప్రజా ఆసక్తి కోసం గౌరవం (సెక్షన్ 6.4.4)

సమాన పార్టీల మధ్య ఒప్పందాల కంటే చట్టబద్ధమైన ప్రభుత్వాలచే రూపొందించబడిన చట్టాల కంటే సేవా-సేవల-సేవా ఒప్పందాలు తక్కువ బరువు కలిగి ఉండాలి. పరిశోధకులు గతంలో ఒప్పందాల ఒప్పందాలను ఉల్లంఘించిన సంఘటనలు సాధారణంగా కంపెనీల యొక్క ప్రవర్తనను విశ్లేషించడానికి ఆటోమేటెడ్ ప్రశ్నలను ఉపయోగించుకున్నాయి (వివక్షను కొలవడానికి ఫీల్డ్ ప్రయోగాలు వంటివి). అదనపు చర్చలకు, చూడండి Vaccaro et al. (2015) , Bruckman (2016a) , మరియు Bruckman (2016b) . సేవా నిబంధనలను చర్చిస్తున్న అనుభవవాద పరిశోధన యొక్క ఉదాహరణ కోసం, Soeller et al. (2016) చూడండి Soeller et al. (2016) . వారు సేవా నిబంధనలను ఉల్లంఘించినట్లయితే సాధ్యమయ్యే చట్టపరమైన సమస్యల గురించి మరింత తెలుసుకోవడానికి, Sandvig and Karahalios (2016) .

• రెండు నైతిక చట్రాలు (సెక్షన్ 6.5)

స్పష్టంగా, పరిణామ సిద్ధాంతం మరియు డొంటొంటాలజీ గురించి అపారమైన మొత్తం వ్రాయబడింది. ఈ నైతిక చట్రాలు, మరియు ఇతరులు ఎలా డిజిటల్-వయస్సు పరిశోధన గురించి తర్జుమా చేయటానికి ఉదాహరణగా, Zevenbergen et al. (2015) . అభివృద్ధి చెందుతున్న అర్థశాస్త్రంలో క్షేత్ర ప్రయోగాలకు వారు ఎలా అన్వయించవచ్చో ఉదాహరణగా, Baele (2013) .

• సమాచారం సమ్మతి (సెక్షన్ 6.6.1)

వివక్షకు సంబంధించిన ఆడిట్ అధ్యయనాలకు సంబంధించి, Pager (2007) మరియు Riach and Rich (2004) . ఈ అధ్యయనాలు సమ్మతించిన సమ్మతిని కలిగి లేవు, వారు కూడా డీఫ్రీషనింగ్ లేకుండా మోసాన్ని కలిగి ఉంటారు.

Desposato (2016a) మరియు Desposato (2016a) Humphreys (2015) రెండూ Desposato (2016a) ఫీల్డ్ ప్రయోగాలు గురించి సలహాలను అందిస్తాయి.

Sommers and Miller (2013) మోసం చేసిన తర్వాత పాల్గొనేవారిని డీఫ్రీషనింగ్ చేయనివ్వకుండా అనేక వాదనలు సమీక్షించారు, మరియు పరిశోధకులు చర్చనీయాంశంగా ఉండాలని వాదించారు

"చాలా ఇరుకైన పరిస్థితులలో, అనగా, పరిశోధనలో గణనీయమైన ఆచరణాత్మక అడ్డంకులు విసిరింది, అయితే పరిశోధకులు తమకు చేయగలిగినట్లయితే, చర్చలు జరిగేటప్పుడు ఎలాంటి సంకోచాలు లేవు. అమాయకులైన పాల్గొనే పూల్ ను కాపాడటానికి, పాల్గొనే కోపం నుండి తమను తాము కాపాడుకోవటానికి లేదా హాని నుండి పాల్గొనే వారిని కాపాడటానికి పరిశోధకులు అనుమతించరాదు. "

మరికొన్ని సందర్భాల్లో debriefing మంచి కన్నా ఎక్కువ హాని కలిగించిందని ఇతరులు వాదిస్తున్నారు, ఇది తప్పక (Finn and Jakobsson 2007) నివారించాలి. కొంతమంది పరిశోధకులు కొంతమంది పరిశీలకులకు పైగా గౌరవం కోసం గౌరవప్రదంగా ప్రాధాన్యతనిస్తారు, అయితే కొందరు పరిశోధకులు వ్యతిరేకిస్తారు. పాల్గొనేవారి కోసం ఒక అభ్యాస అనుభవాన్ని debriefing చేయడానికి మార్గాలు కనుగొనేందుకు ఒక సాధ్యం పరిష్కారం ఉంటుంది. ఇది, హాని కలిగించే ఏదో ఒకవిధంగా చర్చల గురించి ఆలోచిస్తూ కాకుండా, పాల్గొనే వారికి లాభదాయకమైన విషయం కూడా కావచ్చు. ఈ విధమైన విద్యాపరమైన చర్చకు ఉదాహరణగా, Jagatic et al. (2007) చూడండి Jagatic et al. (2007) . మానసిక నిపుణులు debriefing (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) కోసం సాంకేతికతలను అభివృద్ధి చేశారు మరియు వీటిలో కొన్ని ఉపయోగకరంగా డిజిటల్ వయస్సు పరిశోధనలో వర్తించవచ్చు. Humphreys (2015) వాయిదా వేసిన సమ్మతి గురించి ఆసక్తికరమైన ఆలోచనలు అందిస్తుంది, ఇది నేను వర్ణించిన చర్చా వ్యూహాన్ని దగ్గరి సంబంధం కలిగి ఉంటుంది.

Humphreys (2015) ఊహించిన సమ్మతిని పిలిచే దాని సమ్మతి కోసం పాల్గొనే వారి నమూనాను అడగడం అనే ఆలోచన సంబంధించినది.

ఆన్లైన్ ప్రయోగాలు (Crawford 2014) లో అంగీకరిస్తున్న వ్యక్తుల ప్యానెల్ను నిర్మించాలని ప్రతిపాదించబడిన సమ్మతికి సంబంధించిన మరింత ఆలోచన. కొంతమంది ఈ ప్యానెల్ ప్రజలు ఒక nonrandom నమూనా అని వాదించారు. కానీ అధ్యాయం 3 (ప్రశ్నార్థక ప్రశ్నలు) ఈ సమస్యలు పోస్ట్-స్ట్రాటిఫికేషన్ను ఉపయోగించి సమర్థవంతంగా అడ్రెస్ చేయగలవని చూపిస్తున్నాయి. అంతేకాకుండా, ప్యానెల్లో సమ్మతించాలి, పలు రకాల ప్రయోగాలు చేయగలవు. వేరొక మాటలో చెప్పాలంటే, ప్రతి ప్రయోగానికి వ్యక్తిగతంగా సమ్మతించాల్సిన అవసరం లేదు, ఇది విస్తృత సమ్మతి (Sheehan 2011) అని పిలువబడుతుంది. ప్రతి అధ్యయనం కోసం ఒక-సమయం సమ్మతి మరియు సమ్మతి, మరియు అలాగే హైబ్రిడ్ల మధ్య వ్యత్యాసాలపై మరింతగా Hutton and Henderson (2015) .

• సమాచార అపాయాన్ని అర్థం చేసుకోవడం మరియు నిర్వహించడం (సెక్షన్ 6.6.2)

ప్రత్యేకమైనది కాకుండా, నెట్ఫ్లిక్స్ బహుమతి ప్రజల గురించిన వివరణాత్మక సమాచారాన్ని కలిగి ఉన్న డాటాసెట్ల యొక్క ముఖ్యమైన సాంకేతిక లక్షణాన్ని విశదపరుస్తుంది, అందువలన ఆధునిక సాంఘిక డేటాసెట్ల యొక్క "అనామకీకరణ" గురించి ముఖ్యమైన పాఠాలు అందిస్తుంది. Narayanan and Shmatikov (2008) లో అధికారికంగా నిర్వచించబడిన అర్థంలో, ప్రతి వ్యక్తి గురించి సమాచారం యొక్క అనేక భాగాలతో ఉన్న సమాచారం తక్కువగా ఉంటుంది . అంటే, ప్రతి రికార్డుకు, ఒకే రకమైన రికార్డులు లేవు, వాస్తవానికి అవి ఏ విధమైన రికార్డులు లేవు: ప్రతి వ్యక్తి దత్తాంశంలో వారి దగ్గరున్న పొరుగువాని నుండి దూరంగా ఉన్నారు. ఐదు నక్షత్రాల స్కేల్పై దాదాపు 20,000 చలనచిత్రాలు ఉన్నందున, ప్రతి వ్యక్తికి \(6^{20,000}\) సాధ్యమైన విలువలు ఉన్నాయి (6 ఎందుకంటే, దీనికి అదనంగా 1 5 నక్షత్రాలు, ఎవరో మూవీని చిత్రీకరించలేదు). ఈ సంఖ్య చాలా పెద్దది, అది కూడా గ్రహించటం కష్టం.

స్పార్సీటీకి రెండు ప్రధాన చిక్కులున్నాయి. మొదట, ఇది యాదృచ్ఛిక perturbation ఆధారంగా డేటాసెట్ "అనామక" ప్రయత్నం అవకాశం విఫలమౌతుంది అర్థం. అనగా, నెట్ఫ్లిక్స్ యాదృచ్చికంగా రేటింగ్స్ (వారు చేసినది) ను సర్దుబాటు చేయగలిగినప్పటికీ, ఇది సరిపోదు ఎందుకంటే దాడి చేసేవారికి సంబంధించిన సమాచారాన్ని మరింత సంభావ్య రికార్డుగా చెప్పవచ్చు. రెండవది, స్పాజర్ అనేది దాడికి అసంపూర్ణమైన లేదా పక్షపాత జ్ఞానం లేనప్పటికీ తిరిగి గుర్తింపు సాధ్యమే. ఉదాహరణకు, నెట్ఫ్లిక్స్ డేటాలో, ఇద్దరు సినిమాలు మరియు తేదీల కోసం మీరు రేటింగ్స్ \(\pm\) 3 రోజులు 3 రోజులు చేసినట్లు మీ రేటింగ్స్ తెలుసుకుందాం. కేవలం నెట్ఫ్లిక్స్ డేటాలో 68% మంది వ్యక్తులను ప్రత్యేకంగా గుర్తించేందుకు ఈ సమాచారం సరిపోతుంది. అటాకర్ మీరు రేట్ చేసిన ఎనిమిది చిత్రాలలో తెలిస్తే \(\pm\) ఆపై రోగనిర్ధారణకు తెలిసిన రేటింగ్స్ రెండు పూర్తిగా తప్పు కానప్పటికీ, రికార్డులను 99% ప్రత్యే డేటాసెట్ గుర్తించవచ్చు 14 రోజుల. మరో మాటలో చెప్పాలంటే, అత్యంత ఆధునిక సాంఘిక డేటాసెట్లు తక్కువగా ఉన్న కారణంగా దురదృష్టకరమైన డేటాను "అనామకంగా" ప్రక్షాళన చేయడానికి స్పాజర్ అనేది ఒక ప్రాథమిక సమస్య. అరుదైన సమాచారం యొక్క "అనామలైజేషన్" పై మరింత సమాచారం కోసం, Narayanan and Shmatikov (2008) .

టెలిఫోన్ మెటా-డేటా కూడా "అనామక" మరియు సున్నితమైనది కాకపోవచ్చు, కానీ అది కేసు కాదు. టెలిఫోన్ మెటా డేటా గుర్తించదగినది మరియు సున్నితమైనది (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

సంఖ్య 6.6 లో, నేను డేటా విడుదల నుండి సమాజానికి పాల్గొనేవారికి మరియు ప్రయోజనాలకు వచ్చే ప్రమాదం మధ్య వర్తకం చేసింది. పరిమితం చేయబడిన యాక్సెస్ విధానాల (ఉదా., గోడల తోట) మరియు నిషేధించబడిన డేటా విధానాలు (ఉదా., కొన్ని రూపం "అనామలైజేషన్") మధ్య పోలిక కోసం Reiter and Kinney (2011) . డేటా యొక్క ప్రమాద స్థాయిల ప్రతిపాదిత వర్గీకరణ విధానం కోసం, Sweeney, Crosas, and Bar-Sinai (2015) . సమాచార భాగస్వామ్యాన్ని మరింత సాధారణ చర్చ కోసం, చూడండి Yakowitz (2011) .

ఈ ప్రమాదం మరియు డేటా యొక్క ప్రయోజనం మధ్య మరింత వివరమైన విశ్లేషణ కోసం, Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) , మరియు Goroff (2015) . ఈ ట్రేడ్-ఆఫ్ ను రియల్ డాటాను గురువైన ఓపెన్ ఆన్లైన్ కోర్సులు (MOOCs) నుండి చూడడానికి, Daries et al. (2014) చూడండి Daries et al. (2014) మరియు Angiuli, Blitzstein, and Waldo (2015) .

వేర్వేరు గోప్యత కూడా ఒక ప్రత్యామ్నాయ పద్ధతిని అందిస్తుంది, ఇది పాల్గొనేవారికి తక్కువ హాని కలిగించగలదు మరియు సమాజానికి అధిక ప్రయోజనం ఉంటుంది; Dwork and Roth (2014) మరియు Narayanan, Huey, and Felten (2016) .

పరిశోధనా నీతి నియమాల గురించి అనేక నియమాలకు కేంద్రంగా ఉన్న వ్యక్తిగతంగా గుర్తించే సమాచారం (పిఐఐ) అనే భావనపై మరిన్ని వివరాల కోసం, Narayanan and Shmatikov (2010) మరియు Schwartz and Solove (2011) . సంభావ్యంగా సున్నితమైన అన్ని డేటాపై మరింత సమాచారం కోసం, Ohm (2015) .

ఈ విభాగంలో, సమాచార రిస్క్కు దారితీసే విధంగా వివిధ డేటాసెట్ల యొక్క అనుబంధాన్ని నేను చిత్రీకరించాను. అయితే, ఇది పరిశోధన కోసం కొత్త అవకాశాలను కూడా సృష్టించవచ్చు, Currie (2013) లో వాదించారు.

ఐదు ఇనప్పెట్టెలుపై మరింత సమాచారం కోసం, Desai, Ritchie, and Welpton (2016) . అవుట్పుట్లను ఎలా గుర్తించాలో ఉదాహరణకి, Brownstein, Cassa, and Mandl (2006) , ఇది వ్యాధి ప్రాబల్యం యెక్క మ్యాప్లను ఎలా గుర్తించగలదో చూపిస్తుంది. Dwork et al. (2017) కూడా ఒక నిర్దిష్ట వ్యాధి ఎన్ని వ్యక్తుల గురించి గణాంకాల వంటి మొత్తం డేటా వ్యతిరేకంగా దాడులు పరిగణలోకి.

డేటా ఉపయోగం మరియు డేటా విడుదల గురించి ప్రశ్నలు కూడా డేటా యాజమాన్యం గురించి ప్రశ్నలను పెంచుతాయి. మరింత సమాచారం కోసం, డేటా యాజమాన్యంలో, Evans (2011) మరియు Pentland (2012) .

• గోప్యత (సెక్షన్ 6.6.3)

Warren and Brandeis (1890) అనేది గోప్యత గురించి ఒక మైలురాయి చట్టపరమైన వ్యాసం మరియు గోప్యత అనేది ఒంటరిగా మిగిలిపోయే హక్కు అనే ఆలోచనతో సంబంధం కలిగి ఉంటుంది. గోప్యత యొక్క పుస్తకం-పొడవు చికిత్సలు నేను సిఫార్సు చేస్తాను Solove (2010) మరియు Nissenbaum (2010) .

ప్రజలు గోప్యత గురించి ఎలా అనుకుంటున్నారు అనేదానిపై అనుభావిక పరిశోధన యొక్క సమీక్ష కోసం Acquisti, Brandimarte, and Loewenstein (2015) . Phelan, Lampe, and Resnick (2016) ద్వంద్వ వ్యవస్థ సిద్ధాంతాన్ని ప్రతిపాదించారు-ప్రజలు కొన్నిసార్లు స్పష్టమైన ఆందోళనలపై దృష్టి పెట్టడం మరియు కొన్ని సందర్భాల్లో గోప్యత గురించి స్పష్టంగా విరుద్ధమైన ప్రకటనలను ఎలా తయారు చేయవచ్చనే విషయాన్ని వివరించడానికి Twitter వంటి ఆన్లైన్ సెట్టింగులలో గోప్యత అనే అంశంపై మరింత, Neuhaus and Webmoor (2012) .

జర్నల్ సైన్స్ "ది ఎండ్ అఫ్ గోప్యత" అనే పేరుతో ఒక ప్రత్యేక విభాగాన్ని ప్రచురించింది, ఇది గోప్యత మరియు సమాచారం యొక్క విభిన్న దృక్పథాల నుండి సమస్యల గురించి ప్రస్తావిస్తుంది; సారాంశం కొరకు, Enserink and Chin (2015) . Calo (2011) గోప్యత ఉల్లంఘనల నుండి వచ్చిన హాని గురించి ఆలోచిస్తూ ఒక ప్రణాళికను అందిస్తుంది. డిజిటల్ వయస్సు ప్రారంభంలో గోప్యత గురించి ఆందోళనల యొక్క ప్రారంభ ఉదాహరణ Packard (1964) .

• అనిశ్చితిలో నిర్ణయాలు తీసుకోవడం (సెక్షన్ 6.6.4)

కనీస ప్రమాదం ప్రమాణంను అమలు చేయడానికి ప్రయత్నిస్తున్నప్పుడు ఒక సవాలు ఏమిటంటే, దీని రోజువారీ జీవితంలో బెంచ్మార్క్ కోసం (National Research Council 2014) ఉపయోగించడం స్పష్టంగా లేదు. ఉదాహరణకు, నిరాశ్రయులకు వారి దైనందిన జీవితంలో అసౌకర్యం ఎక్కువ. కానీ ఇది ఎక్కువ మంది నష్టపరిహార పరిశోధనలకు నిరాశ్రయులైన వ్యక్తులను బహిర్గతం చేయడానికి నైతికంగా అనుమతించదగినది కాదు. ఈ కారణంగా, ఒక సాధారణ-జనాభా ప్రమాణంపై కనీస ప్రమాదం బెంచ్ మార్క్ చేయబడిందని, ప్రత్యేకమైన జనాభా ప్రమాణంగా కాదు, పెరుగుతున్న ఏకాభిప్రాయం ఉన్నట్లు తెలుస్తోంది. నేను సాధారణంగా ఒక సాధారణ-జనాభా ప్రమాణ ఆలోచనతో అంగీకరిస్తున్నప్పుడు, ఫేస్బుక్ వంటి పెద్ద ఆన్లైన్ ప్లాట్ఫారమ్ల కోసం, నిర్దిష్ట జనాభా ప్రమాణాలు సహేతుకమైనవి అని నేను భావిస్తున్నాను. అందువలన, భావోద్వేగ అంటువ్యాధి పరిగణనలోకి, నేను Facebook రోజువారీ ప్రమాదం వ్యతిరేకంగా బెంచ్మార్క్ సహేతుకమైన అని అనుకుంటున్నాను. ఈ సందర్భంలో నిర్దిష్ట జనాభా ప్రమాణాలు అంచనా వేయడం చాలా సులభం మరియు న్యాయనిర్ణేత సూత్రంతో వివాదాస్పదంగా ఉండదు, ఇది పరిశోధన యొక్క భారం నిరోధించని సమూహాలపై (ఉదా., ఖైదీలు మరియు అనాధలు) అన్యాయంగా విఫలమవుతుంది.

• ప్రాక్టికల్ చిట్కాలు (సెక్షన్ 6.7)

నైతిక అనుబంధాలు (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) చేర్చడానికి మరిన్ని పరిశోధకులకు కూడా మరిన్ని పరిశోధకులు పిలుపునిచ్చారు. King and Sands (2015) కూడా ఆచరణాత్మక చిట్కాలను అందిస్తుంది. జుక్ మరియు సహచరులు (2017) బాధ్యత పెద్ద డేటా పరిశోధన కోసం పది సాధారణ నియమాలను అందిస్తారు.