पुढील भाष्य

या विभागात एक गोष्ट म्हणून वाचले पाहिजे ऐवजी, एक संदर्भ म्हणून वापर करण्यासाठी केली आहे.

  • परिचय (विभाग 6.1)

संशोधन आचारसंहिता परंपरेने जसे वैज्ञानिक फसवणूक आणि क्रेडिट वाटप विषय समाविष्ट आहे. या विषयांवर अधिक तपशीलवार चर्चा Engineering (2009) .

हा धडा जोरदार युनायटेड स्टेट्स मध्ये परिस्थिती द्वारे आकार आहे. इतर देशांमध्ये नैतिक पुनरावलोकन प्रक्रीया अधिक माहितीसाठी, अध्याय 6, 7, 8 पाहू, आणि 9 Desposato (2016b) . या प्रकरणात प्रभाव आहे की बायोमेडिकल नैतिक तत्त्वे फार अमेरिकन आहेत की वाद, पहा Holm (1995) . यूएस मध्ये संस्थात्मक पुनरावलोकन बोर्ड अधिक ऐतिहासिक पुनरावलोकन पहा Stark (2012) .

Belmont अहवाल आणि यूएस मध्ये त्यानंतरच्या नियम संशोधन आणि सराव भेद केले आहे. हा फरक त्यानंतर टीका केली गेली आहे (Beauchamp and Saghai 2012; boyd 2016; Metcalf and Crawford 2016; Meyer 2015) . मी नैतिक तत्त्वे व फ्रेमवर्क दोन्ही सेटिंग्ज लागू वाटते कारण या धड्यातील हा फरक नाही. फेसबुक संशोधन उपेक्षा अधिक माहितीसाठी, पहा Jackman and Kanerva (2016) . कंपन्या आणि स्वयंसेवी संस्था संशोधन उपेक्षा प्रस्ताव पाहा Polonetsky, Tene, and Jerome (2015) आणि Tene and Polonetsky (2016) .

2014 मध्ये Ebola उद्रेक बाबतीत अधिक माहितीसाठी, पहा McDonald (2016) , आणि मोबाइल फोन डेटा गोपनीयता जोखमी अधिक पाहू Mayer, Mutchler, and Mitchell (2016) . मोबाइल फोन डेटा वापरून संकट-संबंधित संशोधन उदाहरण पाहू, Bengtsson et al. (2011) आणि Lu, Bengtsson, and Holme (2012) .

  • तीन उदाहरणे (विभाग 6.2)

अनेक लोक भावनिक संसर्ग बद्दल लिहिले आहे. जर्नल संशोधन नीतिशास्त्र जानेवारी 2016 प्रयोग चर्चा त्यांच्या संपूर्ण समस्या दिला; पाहू Hunter and Evans (2016) विहंगावलोकनासाठी. : विज्ञान राष्ट्रीय शैक्षणिक कामकाज प्रयोग दोन तुकडे प्रकाशित Kahn, Vayena, and Mastroianni (2014) आणि Fiske and Hauser (2014) . प्रयोग इतर तुकडे समावेश: Puschmann and Bozdag (2014) ; Meyer (2014) ; Grimmelmann (2015) ; Meyer (2015) ; Selinger and Hartzog (2015) ; Kleinsman and Buckley (2015) ; Shaw (2015) ; Flick (2015) .

पुन्हा एकदा अधिक माहितीसाठी, पहा Jones and Feamster (2015) .

  • डिजिटल भिन्न आहे (विभाग 6.3)

वस्तुमान पाळत ठेवणे दृष्टीने व्यापक overviews पुरवले जाते Mayer-Schönberger (2009) आणि Marx (2016) . पाळत ठेवणे बदलत्या खर्च एक ठोस उदाहरणार्थ, Bankston and Soltani (2013) सेल फोन वापरून गुन्हेगार संशयित ट्रॅक शारीरिक पाळत ठेवणे वापरून तुलनेत 50 वेळा स्वस्त आहे की अंदाज आहे. Bell and Gemmell (2009) स्वत वर अधिक आशावादी दृष्टीकोन उपलब्ध पाळत ठेवणे. सार्वजनिक किंवा अंशत: सार्वजनिक (उदा, चव, संबंध, आणि वेळ) आहे की दृश्य वर्तन ट्रॅक करण्यास सक्षम असल्याने व्यतिरिक्त, संशोधक वाढत्या पुष्कळ सहभागी खाजगी विचार गोष्टी अनुमान करू शकता. उदाहरणार्थ, मीखल Kosinski आणि सहकारी लोकांना, अशा लैंगिक आवड आणि उशिर सामान्य डिजिटल ट्रेस डेटा पासून व्यसन पदार्थ वापर (फेसबुक आवडी) म्हणून संवेदनशील माहिती अनुमान नाही की झाली (Kosinski, Stillwell, and Graepel 2013) . या जादूचा आवाज शकते, पण दृष्टिकोन Kosinski आणि सहकारी वापरले-जे डिजिटल मागोवा, सर्वेक्षण, मेळ, आणि पर्यवेक्षण प्रत्यक्षात मी आधीच सांगितले आहे की काहीतरी शिकत-आहे. 3 ऱ्या अध्यायात (प्रश्न विचारणे) जोश Blumenstock आणि सहकारी कसे मी तुम्हांला सांगितले की आठवण्याचा (2015) मोबाईल डेटा एकत्रित सर्वेक्षण डेटा रवांडा मध्ये गरिबी अंदाज. कार्यक्षमतेने एका विकसनशील देशात गरिबी मोजण्यासाठी वापरले जाऊ शकते, हे तंतोतंत समान दृष्टिकोन, तसेच संभाव्य गोपनीयता उल्लंघन निश्चितच वापरला जाऊ शकतो.

विसंगत कायदे आणि नियम सहभागी च्या हार्दिक शुभेच्छा आदर नाही की संशोधन होऊ शकते, आणि तो संशोधक "नियामक खरेदी" होऊ शकते (Grimmelmann 2015; Nickerson and Hyde 2016) . विशेषतः, आयआरबी उपेक्षा टाळण्यासाठी इच्छिणाऱ्या काही संशोधक भागीदार IRBs समाविष्ट न केलेले कोण (उदा, कंपन्या किंवा स्वयंसेवी संस्था लोकांना) गोळा आणि डेटा डी-ओळखणे. मग, संशोधक किमान चालू नियमांमध्ये काही अर्थ त्यानुसार आयआरबी उपेक्षा न करता ही डी-ओळखले डेटा विश्लेषण करू शकता. आयआरबी चुकवणे या प्रकारची एक तत्त्वे आधारित पध्दत विसंगत असल्याचे दिसून येत आहे.

विसंगत आणि जिनसीपणाचा अभाव कल्पना लोकांना आरोग्य डेटा बद्दल आहे की अधिक माहितीसाठी, पहा Fiore-Gartland and Neff (2015) . समस्या अधिक धक्का बसला असून रहिवासातील संशोधन आचारसंहिता साठी निर्माण निर्णय पाहू Meyer (2013) .

Analog वय आणि डिजिटल वय संशोधन दोन फरक डिजिटल युगात सहभागी संशोधन संवाद अधिक distant आहे. हे संवाद अनेकदा अशा एक कंपनी म्हणून मध्यस्थ माध्यमातून घडतात, आणि संशोधक आणि सहभागी दरम्यान मोठ्या भौतिक-सामाजिक अंतर विशेषत: आहे. या दूरवरच्या संवाद अशा, अतिरिक्त संरक्षण आवश्यक सहभागी बाहेर स्क्रिनिंग प्रतिकूल घटना शोधण्यासाठी, आणि तो उद्भवते तर हानी remediating म्हणून डिजिटल वय संशोधन कठीण analog वय संशोधन सोपे आहेत की काही गोष्टी, बनविते. उदाहरणार्थ, त्याच विषयावर एक काल्पनिक लॅब प्रयोग भावनिक संसर्ग फरक द्या. लॅब प्रयोग, संशोधक लॅब भावनिक दुःख स्पष्ट चिन्हे दर्शवित आहे दिसतो जो कोणी छाटणी नाही. शिवाय, लॅब प्रयोग प्रतिकूल कार्यक्रम तयार केला आहे तर, संशोधक, तो पाहण्यासाठी हानी remediate सेवा देण्यासाठी, आणि नंतर भविष्यात हानी टाळण्यासाठी प्रायोगिक प्रोटोकॉल ऍडजस्ट होईल. प्रत्यक्ष भावनिक संसर्ग प्रयोग मध्ये सुसंवाद दूरवरच्या निसर्ग या सोप्या आणि शहाणा पायऱ्या प्रत्येक अत्यंत कठीण करते. तसेच, मी संशोधक आणि सहभागी अंतर त्यांच्या सहभागी चिंता संशोधक कमी संवेदनशील करते की संशय.

विसंगत नियम व कायदे इतर स्रोत. या विसंगती काही या संशोधन जगभरातील काय होत आहे की खरं येते. उदाहरणार्थ, तुलना होण्याची भीती जगभरातून लोक सहभाग, आणि म्हणून तो डेटा संरक्षण आणि अनेक विविध देशांतील गोपनीयता कायद्यांच्या अधीन असू शकते. काय तर तृतीय पक्ष वेब विनंत्या (पुन्हा एकदा करत होते ते) जर्मनी मध्ये भिन्न आहेत, युनायटेड स्टेट्स, केनिया आणि चीन संचालित नियम? काय निकष एकच देश आत अगदी सुसंगत नाहीत तर? विसंगती दुसरा स्त्रोत विद्यापीठे आणि कंपन्या येथे संशोधक दरम्यान सहयोगाने येते; उदाहरणार्थ, भावनिक संसर्ग कॉर्नेल येथे प्राध्यापक आणि पदवीधर विद्यार्थी फेसबुक एक डेटा शास्त्रज्ञ यांचा सहयोग होता. फेसबुक मोठ्या प्रयोग चालू नियमानुसार आहे, त्या वेळी, नाही कोणत्याही तृतीय-पक्ष नैतिक पुनरावलोकन आवश्यक आहे. कॉर्नेल येथे नियम व नियम जोरदार भिन्न आहेत; अक्षरशः सर्व प्रयोग कॉर्नेल आयआरबी पुनरावलोकन केले करणे आवश्यक आहे. त्यामुळे, नियम कोणत्या संच भावनिक संसर्ग फेसबुक किंवा कॉर्नेल विद्यापीठातील राज्य पाहिजे?

सामान्य नियम बदल करण्यासाठी प्रयत्न अधिक माहितीसाठी, पहा Evans (2013) , Council (2014) , Metcalf (2016) , आणि Hudson and Collins (2015) .

  • चार तत्त्वे (विभाग 6.4)

बायोमेडिकल आचारसंहिता क्लासिक तत्त्वे आधारित पध्दत आहे Beauchamp and Childress (2012) . चार मुख्य बायोमेडिकल आचारसंहिता मार्गदर्शन करावे, असे: स्वायत्तता, Nonmaleficence, परोपकार, न्याय आदर. nonmaleficence तत्त्व इतर लोकांना हानी उद्भवणार दूर राहणे एक आग्रह करते. ही संकल्पना गंभीरपणे संशोधन आचारसंहिता मध्ये पेशा स्वीकारताना घ्यायची कल्पना जोडलेले आहे "इजा करु नका.", हे तत्त्व अनेकदा परोपकार तत्त्व एकत्र केली आहे, पण ते पाहू Beauchamp and Childress (2012) दोन फरक अधिक साठी (धडा 5) . या तत्त्वे अती अमेरिकन आहेत की एक टीका, पहा Holm (1995) . संतुलनास अधिक तत्वे संघर्ष पाहून Gillon (2015) .

या धड्यातील चार तत्त्वे कंपन्या आणि स्वयंसेवी संस्था होत संशोधन नैतिक उपेक्षा मार्गदर्शन प्रस्तावित आहेत (Polonetsky, Tene, and Jerome 2015) म्हणतात "ग्राहक विषय पुनरावलोकन बोर्ड" (CSRBs) शरीरात (Calo 2013) .

  • व्यक्ती आदर (विभाग 6.4.1)

स्वायत्तता आदर व्यतिरिक्त, Belmont अहवाल देखील नाही प्रत्येक मानवी खरे स्व-निर्णयाचा सक्षम आहे की स्वीकार. उदाहरणार्थ, मुले, लोक आजार, किंवा कठोरपणे मर्यादित स्वातंत्र्य घटनांमध्ये जिवंत लोक पूर्णपणे स्वायत्त व्यक्ती कार्य करण्यास सक्षम होऊ शकत नाही, आणि या आता आहेत, अतिरिक्त संरक्षणाचा विषय.

डिजिटल युगात व्यक्ती आदर तत्त्व लागू आव्हानात्मक असू शकते. उदाहरणार्थ, डिजिटल युगात संशोधन, तो कठीण स्व-निर्णयाचा कमी क्षमता असलेल्या लोकांसाठी अतिरिक्त संरक्षण प्रदान करण्यासाठी संशोधक अनेकदा त्यांच्या सहभागी खूप थोडे मला माहीत आहे कारण असू शकते. शिवाय, डिजिटल वय सामाजिक संशोधन माहिती संमती एक प्रचंड आव्हान आहे. काही प्रकरणांमध्ये, खरोखर माहिती संमती पारदर्शकता विरोधाभास ग्रस्त शकता (Nissenbaum 2011) , माहिती आणि आकलन विरोध कोठे आहेत. अंदाजे, संशोधक डेटा संकलन, डेटा विश्लेषण, आणि डेटा सुरक्षा पद्धती निसर्ग बद्दल पूर्ण माहिती प्रदान असेल, तर ते कठीण पुष्कळ सहभागी उमजणे असेल. पण, संशोधक आकलनीय माहिती प्रदान तर, हे महत्त्वाचे आहे तांत्रिक माहिती कमतरता असू शकते. analog वय-अंमल Belmont एक अहवाल विचार सेटिंग मध्ये वैद्यकीय संशोधन एक डॉक्टर पारदर्शकता विरोधाभास निराकरण करण्यात मदत करण्यासाठी प्रत्येक सहभागी असलेल्या वैयक्तिकरित्या बोलत कल्पना नाही. लोक हजारो किंवा लाखो समावेश ऑनलाइन अभ्यास, अशा चेहरा-टू-फेस दृष्टिकोन अशक्य आहे. डिजिटल युगात संमतीने एक दुसरी समस्या अशा भव्य डेटा भांडारात विश्लेषण काही अभ्यास, मध्ये, हे सर्व सहभागी माहितीपूर्ण संमती प्राप्त करण्यासाठी अव्यवहार्य असेल असे आहे. मी विभाग 6.6.1 अधिक तपशील माहिती संमती या आणि इतर प्रश्नांवर चर्चा. या अडचणी असूनही, तथापि, आम्ही माहितीपूर्ण संमती आवश्यक किंवा व्यक्ती आदर पुरेशी नाही, हे लक्षात घ्यायला हवे.

माहितीपूर्ण संमती आधी वैद्यकीय संशोधन अधिक माहितीसाठी, पहा Miller (2014) . माहिती संमती एक पुस्तक-लांबी उपचार, पहा Manson and O'Neill (2007) . खालील माहिती संमती बद्दल सुचविले वाचन पहा.

  • परोपकार (विभाग 6.4.2)

संदर्भ हानी हानी संशोधन नाही विशिष्ट लोकांना पण सामाजिक सेटिंग्ज होऊ शकते आहे. ही संकल्पना वेगळी आहे, पण मी दोन उदाहरणे तो स्पष्ट करू: एक analog आणि एक डिजिटल.

संदर्भ हानी एक क्लासिक उदाहरण विचिटे ज्युरी अभ्यास [येते Vaughan (1967) ; Katz, Capron, and Glass (1972) ; Ch 2] -. देखील कधी कधी शिकागो ज्युरी प्रकल्प (Cornwell 2010) . गुप्त विचिटे, कॅन्सस सहा जूरी चर्चा रेकॉर्ड कायदेशीर प्रणालीच्या सामाजिक पैलू, सुमारे एक मोठ्या अभ्यास भाग म्हणून शिकागो विद्यापीठ या अभ्यास संशोधक, मध्ये. प्रकरणे न्यायाधीश व वकील रेकॉर्डिंग मान्यता दिली होती, आणि प्रक्रिया कठोर उपेक्षा होता. तथापि, jurors रेकॉर्डिंग येणार्या होते की माहीत नव्हते. अभ्यास शोधला होता एकदा, सार्वजनिक बलात्कार झाला होता. न्याय विभाग अभ्यास तपास सुरुवात केली, आणि संशोधक काँग्रेस समोर साक्ष बोलावले आहे. शेवटी, काँग्रेस बेकायदेशीर गुप्तपणे जूरी चर्चा रेकॉर्ड बनवते नवीन कायदा.

विचिटे ज्युरी अभ्यास सहभागी हानी झाली नाही समीक्षक चिंता; असं म्हणा, तो जूरी चर्चा संदर्भात करण्यासाठी हानी होते. त्या लोकांना ज्यूरीला सदस्य एक सुरक्षित आणि संरक्षित जागा चर्चा येत होते की विश्वास ठेवला नाही, तर जूरी चर्चा भविष्यात पुढे ते अजून असू विश्वास आहे. मोडलेल्या चर्चा व्यतिरिक्त, समाज अशा वकील-client संबंध आणि मानसिक काळजी म्हणून अतिरिक्त संरक्षण पुरवते इतर विशिष्ट सामाजिक संदर्भ आहेत (MacCarthy 2015) .

संदर्भ आणि सामाजिक प्रणाली च्या व्यत्यय करण्यासाठी हानी धोका देखील राज्यशास्त्र मध्ये काही शेतकऱ्यांना प्रयोग येतो (Desposato 2016b) . राज्यशास्त्र क्षेत्र प्रयोग अधिक संदर्भ सापेक्ष मूल्य लाभ गणना उदाहरण पाहू, Zimmerman (2016) .

  • न्याय (विभाग 6.4.3)

सहभागी भरपाई डिजिटल वय संशोधन संबंधित सेटिंग्ज एक नंबर मध्ये चर्चा करण्यात आली आहे. Lanier (2014) ते निर्माण डिजिटल मागोवा सहभागी देवून प्रस्तावित. Bederson and Quinn (2011) ऑनलाइन श्रमिक बाजार पैसे चर्चा केली आहे. शेवटी, Desposato (2016a) क्षेत्रात प्रयोग सहभागी देवून प्रस्ताव आहे. तो सहभागी थेट जमा केले करू शकत नाही जरी, एक देणगी त्यांच्या वतीने काम एक गट केले जाऊ शकते की बाहेर गुण. उदाहरणार्थ, पुन्हा एकदा संशोधकांना इंटरनेट प्रवेश समर्थन काम एक गट एक देणगी करू शकले असते.

  • कायदा आणि सार्वजनिक व्याज आदर (विभाग 6.4.4)

अटी-ऑफ-सेवा करार समान पक्ष आणि कायदेशीर सरकार बनवले कायदे दरम्यान वाटाघाटी करार पेक्षा कमी वजन असणे आवश्यक आहे. जेथे संशोधक गेल्या अटी-ऑफ-सेवा करार उल्लंघन आहे घटनांमध्ये साधारणपणे (भेदभाव मोजण्यासाठी जास्त क्षेत्रात प्रयोग सारखे) कंपन्या वर्तन ऑडिट स्वयंचलित क्वेरी वापरून समावेश. अतिरिक्त चर्चा पहा Vaccaro et al. (2015) , Bruckman (2016a) , Bruckman (2016b) . सेवा अटी चर्चा की प्रायोगिक संशोधन उदाहरण पाहू, Soeller et al. (2016) . संशोधक तोंड शक्य कायदेशीर अडचणी अधिक सेवेतील अटी पाहण्यासाठी उल्लंघन करत असतील तर Sandvig and Karahalios (2016) .

  • दोन नैतिक फ्रेमवर्क (विभाग 6.5)

अर्थात, प्रचंड प्रमाणात consequentialism आणि deontology बद्दल लिहिले आहेत. या नैतिक फ्रेमवर्क कसे, आणि इतर एक, उदाहरणार्थ, डिजिटल वय संशोधन कारण दिसत करण्यासाठी वापरले जाऊ शकते Zevenbergen et al. (2015) . या नैतिक फ्रेमवर्क क्षेत्रात प्रयोग लागू केले जाऊ शकते कसे मध्ये अर्थशास्त्र विकसित उदाहरण पाहू, Baele (2013) .

  • माहिती संमती (विभाग 6.6.1)

भेदभाव ऑडिट अभ्यास अधिक माहितीसाठी, पहा Pager (2007) आणि Riach and Rich (2004) . नाही फक्त नका या अभ्यास माहितीपूर्ण संमती नाही, ते देखील फसवणूक debriefing न समावेश.

दोन्ही Desposato (2016a) आणि Humphreys (2015) संमतीशिवाय क्षेत्रात प्रयोग बद्दल ऑफर सल्ला.

Sommers and Miller (2013) फसवणूक नंतर सहभागी debriefing नाही नावे अनेक वाद पुनरावलोकन आणि debriefing सिंहाचा व्यावहारिक अडथळे पण संशोधक आहे पोझेस ज्या क्षेत्रात संशोधन, संशोधक परिस्थिती, म्हणजे एक अतिशय अरुंद संच अंतर्गत debriefing "त्याग करणे आवश्यक आहे की argues नाही त्यांना ते शक्य झाले तर debriefing बद्दल qualms. एक साधा सहभागी पूल रक्षण, सहभागी राग पासून स्वत: ढाल, किंवा हानी सहभागी संरक्षण करण्यासाठी debriefing त्याग संशोधक परवानगी जाऊ नये. "तर काही जण debriefing अधिक हानी टाळले पाहिजे चांगले पेक्षा पाडीत असेल तर भांडणे. Debriefing काही संशोधक परोपकार प्रती व्यक्ती आदर प्राधान्य प्रकरण आहे, आणि काही संशोधक उलट करू. एक संभाव्य पर्याय सहभागी शिकत अनुभव debriefing करण्यासाठी मार्ग शोधण्याचा होईल. उलट लोक अधिक हानी होऊ शकते की काहीतरी म्हणून debriefing विचार, कदाचित debriefing देखील सहभागी लाभ की काहीतरी असू शकते पेक्षा आहे. शिक्षण debriefing या प्रकारची एक उदाहरणार्थ, पाहू Jagatic et al. (2007) एक सामाजिक फिशिंग प्रयोग नंतर विद्यार्थी debriefing आहे. मानसशास्त्रज्ञ debriefing तंत्र विकसित केली आहे (DS Holmes 1976a; DS Holmes 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) आणि यापैकी काही फायदेशीरपणे डिजिटल वय संशोधन लागू होऊ शकतात. Humphreys (2015) स्थगित संमती स्वारस्यपूर्ण विचार देते, जे लक्षपूर्वक मी वर्णन debriefing धोरण संबंधित आहे.

त्यांच्या संमतीशिवाय सहभागी एक नमुना विचारून कल्पना काय संबंधित आहे Humphreys (2015) ग्राह्य संमती कॉल.

प्रस्तावित माहितीपूर्ण संमती संबंधित केले आहे की आणखी एक कल्पना लोक ऑनलाइन प्रयोग असल्याचे मान्य कोण समिती तयार करण्यासाठी आहे (Crawford 2014) . काही पॅनल लोक गैर-यादृच्छिक नमुना होईल, असा युक्तिवाद केला. पण धडा 3 (प्रश्न विचारणे) या समस्या पोस्ट-साहित्य बियाणे आणि नमुना जुळणारे वापरून संभाव्य अॅड्रेसेवल आहेत हे लक्षात येते. तसेच, संमती पॅनेल असल्याचे प्रयोग विविध कव्हर. दुसऱ्या शब्दांत, सहभागी प्रत्येक प्रयोग करण्यासाठी संमती करण्याची गरज नाही शकते, एक संकल्पना व्यापक संमती म्हणतात (Sheehan 2011) .

  • समज आणि व्यवस्थापन माहिती धोका (विभाग 6.6.2)

आतापर्यंत अद्वितीय पासून, Netflix पुरस्कार लोक सविस्तर माहिती असलेल्या डेटाबेसचे एक महत्त्वाचा तांत्रिक मालमत्ता स्पष्ट, आणि अशा प्रकारे आधुनिक सामाजिक डेटाबेसचे "anonymization" शक्यतेचा महत्वाचे धडे देते. प्रत्येक व्यक्तीविषयी माहिती अनेक तुकडे फायली मध्ये औपचारिकपणे व्याख्या अर्थाने, विरळ होण्याची शक्यता आहे Narayanan and Shmatikov (2008) . म्हणजे, प्रत्येक रेकॉर्ड समान आहेत की नाही रेकॉर्ड आहेत, आणि खरं फार मिळती नोंदी आहेत: प्रत्येक व्यक्ती दूर डेटासेटमध्ये त्यांच्या जवळच्या शेजारी आहे. एक 5 स्टार हॉटेल प्रमाणात सुमारे 20,000 चित्रपट आहेत, कारण Netflix डेटा विरळ होणार शकते की कल्पना करू शकतो याबद्दल \ (6 ^ {20,000} \) प्रत्येक व्यक्ती असू शकतात (6 संभाव्य मूल्ये एका 5 तारे व्यतिरिक्त , कोणीतरी सर्व चित्रपट रेट केली नाहीत शकते). हा नंबर म्हणून मोठ्या आहे, तो अगदी उमजणे कठीण आहे.

Sparsity दोन मुख्य परिणाम आहे. प्रथम, तो यादृच्छिक मनस्ताप शक्यता अपयशी ठरेल आधारित डेटासेटमध्ये "निनावी" करण्याचा प्रयत्न याचा अर्थ असा की. की Netflix सहजगत्या रेटिंग (ते जे काय केले,) काही समायोजित करण्यासाठी होते जरी, आहे अस्वस्थ अद्याप रेकॉर्ड हल्लेखोर आहे अशी माहिती जवळचा शक्य रेकॉर्ड आहे कारण, या पुरेसे नाही. दुसरी गोष्ट म्हणजे, sparsity डी-anonymization आक्रमणकर्त्याद्वारे अपूर्ण किंवा नि: पक्षपाती माहीत आहे जरी शक्य आहे याचा अर्थ असा की. उदाहरणार्थ, Netflix डेटा, च्या आक्रमणकर्ता आपण त्या रेटिंग +/- 3 दिवस बनविले दोन चित्रपट आणि तारखा आपले रेटिंग माहीत कट करु नका फक्त ती माहिती अनन्यपणे ओळखण्याची लोक 68% Netflix डेटा पुरेसे आहे. हल्लेखोर माहीत असेल तर, तुम्हाला +/- 14 दिवस, नंतर या ज्ञात रेटिंग दोन पूर्णपणे चुकीचे आहेत जरी, रेकॉर्ड 99% अद्वितीय डेटासेटमध्ये ओळखली जाऊ शकते रेट केले आहे की, 8 चित्रपट. दुसऱ्या शब्दांत, sparsity "निनावी" प्रयत्न डेटा, सर्वात आधुनिक सामाजिक डेटासेटमध्ये विरळ आहेत कारण दुर्दैवी आहे एक मूलभूत समस्या आहे.

टेलिफोन मेटाडेटा देखील "निनावी" आणि संवेदनशील असल्याचे दिसून शकते, पण त्या बाबतीत नाही. टेलिफोन मेटाडेटा ओळखता आणि संवेदनशील आहे (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

आकृती 6.6, मी डेटा प्रकाशन पासून संशोधन सहभागी व फायदे धोका दरम्यान व्यापारी-बंद बाहेर रेखाटने काढत असत. प्रतिबंधीत प्रवेश पध्दती (उदा, तटबंदीच्या बाग) आणि मर्यादित माहिती पध्दती यांच्यामध्ये तुलना (उदा, anonymization काही फॉर्म) दिसत Reiter and Kinney (2011) . डेटा धोका पातळी प्रस्तावित वर्गीकृत प्रणालीसाठी, पाहू Sweeney, Crosas, and Bar-Sinai (2015) . शेवटी, डेटा शेअरिंग अधिक सर्वसाधारण चर्चा, पाहू Yakowitz (2011) .

धोका आणि डेटा उपयुक्तता दरम्यान या व्यापार बंद अधिक तपशीलवार विश्लेषण, पहा Brickell and Shmatikov (2008) , Ohm (2010) , Wu (2013) , Reiter (2012) , आणि Goroff (2015) . भव्य खुल्या ऑनलाइन अभ्यासक्रम (MOOCs) पासून रिअल डेटा लागू या व्यापार बंद पाहण्यासाठी, पाहू Daries et al. (2014) आणि Angiuli, Blitzstein, and Waldo (2015) .

भिन्नता गोपनीयता देखील सहभागी समाज आणि कमी धोका दोन्ही उच्च फायदा एकत्र पाहू शकता की पर्यायी दृष्टिकोन देते Dwork and Roth (2014) आणि Narayanan, Huey, and Felten (2016) .

वैयक्तिकरित्या ओळखण्यायोग्य माहितीसह संकल्पना (PII), संशोधन आचारसंहिता बद्दल नियम, पाहू अनेक केंद्र आहे जे अधिक Narayanan and Shmatikov (2010) आणि Schwartz and Solove (2011) . सर्व डेटा अधिक संभाव्य संवेदनशील असल्याने, पहा Ohm (2015) .

या विभागात, मी माहिती धोका होऊ शकतो की काहीतरी म्हणून विविध डेटाबेसचे लिंकेज अभिनित आहे. मात्र, तो देखील नवीन संधी संशोधन, दावा म्हणून तयार करू शकता Currie (2013) .

पाच तिजोरीचे अधिक माहितीसाठी, पहा Desai, Ritchie, and Welpton (2016) . उत्पादन कसे ओळख जाऊ शकते एक उदाहरणार्थ, पाहू Brownstein, Cassa, and Mandl (2006) रोग प्रभाव नकाशे कसे ओळख जाऊ शकते दिसेल. Dwork et al. (2017) अशा विशिष्ट आजार किती व्यक्ती बद्दल आकडेवारी संकलित डेटा विरुद्ध हल्ला, असणारी.

  • गोपनीयता (कलम 6.6.3)

Warren and Brandeis (1890) गोपनीयता एक शोध कायदेशीर लेख आहे, आणि लेख सर्वात गोपनीयता एकटे सोडले जाऊ अधिकार आहे की कल्पना संबद्ध आहे. मी शिफारस करतो की गोपनीयता अधिक अलीकडे पुस्तक लांबी उपचार समावेश Solove (2010) आणि Nissenbaum (2010) .

गोपनीयता लोकांना कसे मला वाटते प्रायोगिक संशोधन आढावा, पहा Acquisti, Brandimarte, and Loewenstein (2015) . जर्नल विज्ञान विविध दृष्टिकोनांची विविधता पासून गोपनीयता आणि माहिती धोका समस्या पत्ते जे शीर्षक "गोपनीयता ओवरनंतर" एक तिचा विशेष अंक प्रकाशित; सारांश पाहू Enserink and Chin (2015) . Calo (2011) गोपनीयता उल्लंघन येतात की हानी विचार एक फ्रेमवर्क देते. डिजिटल वय फार पहिल्या गोपनीयता चिंता लवकर उदाहरण आहे Packard (1964) .

  • अनिश्चितता अंतर्गत निर्णय (विभाग 6.6.4)

किमान धोका मानक लागू करण्याचा प्रयत्न करताना एक आव्हान आहे ज्यांचे दैनंदिन जीवनात थोडासा वापरली जाऊ स्पष्ट नाही आहे (Council 2014) . उदाहरणार्थ, बेघर लोकांना त्यांच्या दैनंदिन जीवनात अस्वस्थता उच्च पातळी आहे. पण, की तो जास्त धोका संशोधन बेघर लोकांना उघडकीस नैतिकदृष्ट्या परवानगी आहे की ध्वनित नाही. या कारणास्तव, किमान धोका एक सर्वसाधारण लोकसंख्या मानक, विशिष्ट लोकसंख्या मानक विरुद्ध benchmarked पाहिजे वाढते एकमत असल्याचे दिसते आहे. मी सहसा एक सर्वसाधारण लोकसंख्या मानक कल्पना सहमत, मी अशा फेसबुक म्हणून मोठ्या ऑनलाइन प्लॅटफॉर्म, एक विशिष्ट लोकसंख्या मानक वाजवी आहे की. की भावनिक संसर्ग विचार, तेव्हा मी तो Facebook वर दररोज धोक्याच्या विरुद्ध बेंचमार्क वाजवी आहे की, आहे. या प्रकरणात एक विशिष्ट लोकसंख्या मानक मूल्यमापन करण्यासाठी खूप सोपे आहे आणि न्यायमूर्ती तत्त्व वंचित गट (उदा कैद्यांना आणि अनाथ) वर unfairly अपयश संशोधन ओझे टाळण्यासाठी मागणी आहे सह विरोध असण्यासाठी संभव आहे.

  • व्यावहारिक युक्त्या (िवभाग 6.7)

इतर विद्वान देखील नैतिक appendices समाविष्ट करण्यासाठी अधिक पेपर म्हटले आहे (Schultze and Mason 2012; Kosinski et al. 2015) . King and Sands (2015) देखील व्यावहारिक टिपा देते.