थप टिप्पणी

यो खण्ड एक कथा रूपमा पढ्नुपर्छ भन्दा, एउटा सन्दर्भ रूपमा प्रयोग गर्न डिजाइन गरिएको छ।

  • (परिचय खण्ड 6.1)

अनुसन्धान नैतिकता परंपरागत पनि यस्तो वैज्ञानिक ठगी र क्रेडिट को निर्धारण रूपमा विषयहरू समावेश छ। यी विषयहरुमा ठूलो विस्तृत छलफल गर्दै Engineering (2009)

यस अध्यायमा कडा संयुक्त राज्य अमेरिका मा स्थिति द्वारा आकारको छ। अन्य देशहरूमा नैतिक समीक्षा प्रक्रियाहरु मा थप, अध्याय 6, 7, 8 हेर्न, र 9 Desposato (2016b) । यस अध्यायमा प्रभावित छन् कि जैव चिकित्सा नैतिक सिद्धान्तहरू अत्यधिक अमेरिकी हुन् भनेर एउटा तर्क को लागि, Holm (1995) । अमेरिकामा संस्थागत समीक्षा बोर्डहरू बढी ऐतिहासिक समीक्षाको लागि, हेर्न Stark (2012)

यो बेलमोन्ट रिपोर्ट र अमेरिकामा पछि नियमहरु अनुसन्धान र अभ्यास बीच एक भेदभाव गरेका छन्। यो भेदभाव पछि आलोचना गरिएको छ (Beauchamp and Saghai 2012; boyd 2016; Metcalf and Crawford 2016; Meyer 2015) । म नैतिक सिद्धान्तहरू र रूपरेखा दुवै सेटिङहरू लागू लाग्छ किनभने म यस अध्यायमा यो भेदभाव बनाउन छैन। फेसबुक मा अनुसन्धान निरीक्षण थप को लागि, Jackman and Kanerva (2016) । कम्पनीहरु र एनजीओ मा अनुसन्धान निरीक्षण लागि एक प्रस्ताव को लागि, Polonetsky, Tene, and Jerome (2015)Tene and Polonetsky (2016)

2014 मा इबोला फैलन को मामला मा थप को लागि, McDonald (2016) , र मोबाइल फोन डाटा को गोपनीयता जोखिम बारेमा थप देख्न Mayer, Mutchler, and Mitchell (2016) । मोबाइल फोन डाटा प्रयोग संकट सम्बन्धित अनुसन्धान को एक उदाहरणका लागि, Bengtsson et al. (2011)Lu, Bengtsson, and Holme (2012)

  • तीन उदाहरणहरू (धारा 6.2)

धेरै मानिसहरू भावनात्मक Contagion बारेमा लिखित छन्। पत्रिका अनुसन्धान नीतिशास्त्र जनवरी 2016 को प्रयोग छलफल मा आफ्नो सम्पूर्ण मुद्दा समर्पित; हेर्न Hunter and Evans (2016) एक सिंहावलोकन लागि। : विज्ञान को राष्ट्रीय शैक्षिक को कार्यवाही को प्रयोग बारे दुई टुक्रा प्रकाशित Kahn, Vayena, and Mastroianni (2014)Fiske and Hauser (2014) । को प्रयोग बारे अन्य टुक्रा समावेश: Puschmann and Bozdag (2014) ; Meyer (2014) ; Grimmelmann (2015) ; Meyer (2015) ; Selinger and Hartzog (2015) ; Kleinsman and Buckley (2015) ; Shaw (2015) ; Flick (2015)

दोहराना थप को लागि, Jones and Feamster (2015)

  • डिजिटल फरक छ (धारा 6.3)

ठूलो निगरानी को मामला मा, व्यापक परिदृश्यहरू प्रदान गरिन्छ Mayer-Schönberger (2009)Marx (2016) । निगरानी को परिवर्तन लागत एक ठोस उदाहरणका लागि, Bankston and Soltani (2013) सेल फोन प्रयोग गरेर आपराधिक संदिग्ध ट्रयाक बारेमा 50 पटक शारीरिक निगरानी प्रयोग भन्दा सस्ता छ कि अनुमान। Bell and Gemmell (2009) self- मा एक आशावादी दृष्टिकोण प्रदान गर्दछ निगरानी। सार्वजनिक वा आंशिक रूपमा सार्वजनिक (जस्तै, स्वाद, सम्बन्ध, र समय) छ कि देख्न व्यवहार ट्रयाक गर्न सक्षम रहेको साथै, अनुसन्धानकर्ताहरूले झन् धेरै सहभागीहरू निजी ठान्नुहुन्छ कुराहरू infer गर्न सक्नुहुन्छ। उदाहरणका लागि, मीकलले Kosinski र सहयोगिहरु तिनीहरूले यस्तो यौन झुकाव र जस्तो देखिने साधारण डिजिटल ट्रेस डेटा देखि लत पदार्थ प्रयोग (फेसबुक मनपर्यो) रूपमा मान्छे, बारे संवेदनशील जानकारी infer सक्ने देखाए (Kosinski, Stillwell, and Graepel 2013) । यो जादुई ध्वनि सक्छ, तर दृष्टिकोण Kosinski र सहयोगिहरु प्रयोग-जो डिजिटल निशान, सर्वेक्षण जोडती, र निरीक्षण वास्तवमा म पहिले नै बारेमा भन्नुभयो गर्नुभएको कुरा सिक्ने-छ। अध्याय 3 मा (प्रश्न सोध्दै) म जोश Blumenstock र सहयोगिहरु तपाईं कसरी यसो भन्नुभयो याद (2015) रवान्डा मा गरिबी अनुमान गर्न मोबाइल फोन डाटा संग संयुक्त सर्वेक्षण। यो ठीक त्यसै दृष्टिकोण, कुशलतापूर्वक एक विकास देशमा गरिबी मापन गर्न, प्रयोग गर्न सकिन्छ, जो पनि सम्भावित गोपनीयता उल्लङ्घन inferences लागि प्रयोग गर्न सकिन्छ।

असंगत व्यवस्था र मान्यता पनि सहभागीहरू को इच्छा आदर गर्दैन अनुसन्धान गर्न सक्छ, र यो अनुसन्धानकर्ताहरूले द्वारा "नियामक किनमेल" गर्न सक्छ (Grimmelmann 2015; Nickerson and Hyde 2016) । खासगरी, आईआरबी निरीक्षण जोगिन गर्न चाहनेहरूको केही अनुसन्धानकर्ताहरूले IRBs द्वारा कवर गर्ने छैन साझेदार छ (जस्तै, कम्पनीहरु या एनजीओ मा मान्छे) सङ्कलन र डाटा डे-पहिचान। त्यसपछि, अनुसन्धानकर्ताहरूले यो डे-पहिचान डाटा आईआरबी निरीक्षण बिना, कम्तिमा वर्तमान नियम केही व्याख्याहरु अनुसार विश्लेषण गर्न सकिन्छ। आईआरबी टालटुल यस प्रकारको एक सिद्धान्तहरू आधारित दृष्टिकोण संग असंगत जस्तो देखिन्छ।

मान्छे को स्वास्थ्य डाटा बारेमा भन्ने असंगत र heterogeneous विचार थप को लागि, Fiore-Gartland and Neff (2015) । समस्या थप heterogeneity अनुसन्धान नैतिकता लागि सिर्जना गर्ने लागि निर्णय हेर्न Meyer (2013)

एनालग उमेर र डिजिटल उमेर अनुसन्धान बीच एक फरक डिजिटल युगमा सहभागीहरू संग अनुसन्धान अन्तरक्रिया थप टाढा छ भन्ने छ। यी अन्तरक्रियामा अक्सर यस्तो कम्पनी रूपमा एक मध्यस्थ मार्फत हुन्छन्, र अनुसन्धानकर्ताहरूले र सहभागीहरू बीच एक ठूलो भौतिक-र ​​सामाजिक-दूरी सामान्यतया छ। यो टाढा अन्तरक्रिया यस्तो अतिरिक्त सुरक्षा आवश्यक जो सहभागीहरू बाहिर जाँच, प्रतिकूल घटनाहरु पत्ता, र हानि remediating यो हुन्छ भने डिजिटल उमेर अनुसन्धान मा कठिन अनुरूप उमेर अनुसन्धान मा सजिलो छ कि केहि कुरा, बनाउँछ। उदाहरणका लागि, गरेको नै विषय मा एक काल्पनिक ल्याब प्रयोग संग भावनात्मक Contagion भिन्नता गरौं। ल्याब प्रयोग मा, अनुसन्धानकर्ताहरूले भावनात्मक कष्टहरू स्पष्ट संकेत देखाउन ल्याब मा आएको जो स्क्रीन बाहिर सकेन। यसबाहेक, ल्याब प्रयोग एक प्रतिकूल घटना सिर्जना गर्नुभएको छ भने, अनुसन्धानकर्ताहरूले यो नोक्सानी remediate गर्न सेवाहरू प्रदान गर्न, र त्यसपछि भविष्य हानि रोक्न प्रयोगात्मक प्रोटोकल समायोजन बनाउन हेर्न थियो। वास्तविक भावनात्मक Contagion प्रयोग मा अन्तरक्रिया को टाढा प्रकृति यी सरल र समझदार कदम प्रत्येक अत्यन्तै कठिन बनाउँछ। साथै, म अनुसन्धानकर्ताहरूले र सहभागीहरू बीच दूरी आफ्नो सहभागीहरू को चिन्ता गर्न अनुसन्धानकर्ताहरूले कम संवेदनशील बनाउँछ कि शक।

असंगत मान्यता र कानुनको अन्य स्रोतबाट। यो inconsistency केही यो अनुसन्धान दुनियाँ भइरहेको छ भन्ने तथ्यलाई आउँछ। उदाहरणका लागि, दोहराना सबै दुनिया भर देखि मान्छे संलग्न, र यसैले यो डाटा सुरक्षा र विभिन्न देशहरूको गोपनीयता व्यवस्था विषय हुन सक्छ। के भने तेस्रो-पक्ष वेब अनुरोध (दोहराना के गर्दै थियो) हो जर्मनी मा फरक, संयुक्त राज्य अमेरिका, केन्या, र चीन परिचालक को मान्यता? के मान्यता पनि एक देश भित्र पनि लगातार होइन भने? inconsistency को दोस्रो स्रोत विश्वविद्यालय र कम्पनीहरु मा अनुसन्धानकर्ताहरूले बीच सहयोग आउँछ; उदाहरणका लागि, भावनात्मक Contagion फेसबुक मा एक डाटा वैज्ञानिक र कर्नेल मा एक प्रोफेसर र स्नातक विद्यार्थी बीचको सहकार्य थियो। फेसबुक मा ठूलो प्रयोगहरू चलिरहेको समयमा, कुनै पनि तेस्रो-पक्ष नैतिक समीक्षा आवश्यक थिएन, नियमित छ र। कर्नेल मा मान्यता र नियम एकदम फरक छन्; लगभग सबै प्रयोगहरू गर्ने कर्नेल आईआरबी समीक्षा गर्नुपर्छ। त्यसैले, नियम कुन सेट भावनात्मक Contagion-फेसबुक वा कर्नेल गरेको शासन गर्नुपर्छ?

साधारण नियम संशोधन गर्न प्रयासमा थप हेर्नुहोस् Evans (2013) , Council (2014) , Metcalf (2016) , र Hudson and Collins (2015)

  • चार सिद्धान्तहरू (धारा 6.4)

जैव चिकित्सा नैतिकता गर्न क्लासिक सिद्धान्तहरू आधारित दृष्टिकोण छ Beauchamp and Childress (2012) । तिनीहरूले जैव चिकित्सा नैतिकता चार मुख्य सिद्धान्तहरू मार्गदर्शन गर्नुपर्छ भनेर प्रस्तावित: स्वायत्तता, Nonmaleficence, Beneficence, र न्याय आदर। nonmaleficence को सिद्धान्त अन्य मानिसहरूलाई हानि कारण छुँदै नछुने एक आग्रह। यो अवधारणा गहिरो अनुसन्धान नैतिकता मा को Hippocratic विचार जोडिएको छ "कुनै हानि गर।", यो सिद्धान्त अक्सर Beneficence को सिद्धान्त संग संयुक्त छ, तर हेर्न Beauchamp and Childress (2012) (अध्याय 5) दुई बीच भेदभाव मा थप । यी सिद्धान्तहरू अचाक्ली अमेरिकी छन् कि एक आलोचना लागि, हेर्न Holm (1995) । सिद्धान्तहरू द्वन्द्व, सन्तुलन थप देख्न गर्दा Gillon (2015)

यस अध्यायमा चार सिद्धान्तहरू पनि कम्पनीहरु र एनजीओ मा भइरहेको अनुसन्धान को लागि नैतिक निरीक्षण मार्गदर्शन गर्न प्रस्तावित गरिएको छ (Polonetsky, Tene, and Jerome 2015) "उपभोक्ता विषय समीक्षा बोर्डहरू" (CSRBs) भनिन्छ शरीर मार्फत (Calo 2013)

  • व्यक्तिका लागि आदर (धारा 6.4.1)

स्वतन्त्रता ध्यानमा गर्न साथै, बेलमोन्ट रिपोर्ट पनि छैन हरेक मानव साँचो आत्म-संकल्प सक्षम छ भनेर स्वीकार्छन्। उदाहरणका लागि, छोराछोरी, मान्छे रोग बाट पीडित वा अचाक्ली प्रतिबन्धित स्वतन्त्रताको अवस्थामा बाँचिरहेका मान्छे पूर्ण स्वायत्त व्यक्तिहरूलाई कार्य गर्न सक्षम नहुन सक्छ, र यी मान्छे, अतिरिक्त सुरक्षा विषय छन् त्यसैले।

डिजिटल युगमा व्यक्तिका लागि आदर को सिद्धान्त लागू चुनौतीपूर्ण हुन सक्छ। उदाहरणका लागि, डिजिटल उमेर अनुसन्धान मा, गाह्रो किनभने अनुसन्धानकर्ताहरूले अक्सर आफ्नो सहभागीहरू बारेमा धेरै सानो थाहा आत्म-संकल्प को कम क्षमता संग मान्छे को लागि अतिरिक्त सुरक्षा प्रदान गर्न सक्छ। यसबाहेक, डिजिटल उमेर सामाजिक अनुसन्धान मा जानकारी सहमति एक विशाल चुनौती हो। केही अवस्थामा, साँच्चै जानकारी सहमति पारदर्शिता विरोधाभास ले ग्रस्त गर्न सक्छन् (Nissenbaum 2011) , जानकारीबोध द्वन्द्वमा छन् जहाँ। लगभग शोधकर्ताहरु डाटा संग्रह, डाटा विश्लेषण र डाटा सुरक्षा अभ्यासहरू को प्रकृति बारे पूर्ण जानकारी प्रदान भने, गाह्रो धेरै सहभागीहरू पनि बुझ्न को लागि हुनेछ। तर, अनुसन्धानकर्ताहरूले बोधगम्य जानकारी प्रदान भने, यो महत्त्वपूर्ण प्राविधिक जानकारी कमी भएको हुन सक्छ। अनुरूप उमेर-को हावी बेलमोन्ट रिपोर्ट-एक गरेर छलफल सेटिङ मा चिकित्सा अनुसन्धान मा एक डाक्टर प्रत्येक सहभागी संग व्यक्तिगत रूपमा कुरा पारदर्शिता विरोधाभास समाधान गर्न मद्दत गर्न कल्पना गर्न सक्छ। अनलाइन हजारौं वा लाखौं मुछिएको अध्ययन मा, यस्तो आमने-अनुहार दृष्टिकोण असम्भव छ। डिजिटल युगमा सहमति संग दोस्रो समस्या यस्तो विशाल डाटा रिपोजीटरीको विश्लेषण केही अध्ययन मा, यो सबै सहभागीहरू देखि अवगत सहमति प्राप्त गर्न अव्यावहारिक हुनेछ भन्ने छ। म धारा 6.6.1 मा थप विस्तार जानकारी सहमति बारे यी अन्य प्रश्नहरूको छलफल। यी कठिनाइहरूको बावजुद तथापि, हामी सचेत सहमति आवश्यक न त व्यक्तिका लागि आदर लागि पर्याप्त न हो भनेर सम्झनुपर्छ।

जानकार सहमति अघि चिकित्सा अनुसन्धान मा थप को लागि, Miller (2014) । जानकारी सहमति पुस्तक लम्बाइ उपचार को लागि, Manson and O'Neill (2007) । पनि तल जानकारी सहमति बारे सुझाव अध्ययनहरू हेर्नुहोस्।

  • Beneficence (धारा 6.4.2)

सन्दर्भ गर्न हानि अनुसन्धान विशिष्ट छैन तर सामाजिक सेटिङहरूमा हुन सक्छ कि हानि छ। यो अवधारणा एक बिट सार छ, तर म दुई उदाहरणहरू यसलाई चित्रण छौँ: एक एनालग र एक डिजिटल।

सन्दर्भ गर्न हानि को एक क्लासिक उदाहरण विचिटा जूरी अध्ययन [आउँछ Vaughan (1967) ; Katz, Capron, and Glass (1972) ; दर्पण 2] -। पनि शिकागो जूरी परियोजना कहिलेकाहीं भनिन्छ (Cornwell 2010) । विश्वविद्यालय शिकागो को यो अध्ययन अनुसन्धानकर्ताहरूले, कानुनी प्रणालीको सामाजिक पक्षहरू, चुपके Wichita, केन्सास मा छ न्यायपीठ विमर्श रेकर्ड बारेमा ठूलो अध्ययन भाग रूपमा। यस अवस्थामा न्यायाधीशहरूले र वकील रेकर्डिङको स्वीकृत भएको थियो र त्यहाँ प्रक्रिया को सख्त निरीक्षण थियो। तर, jurors रेकर्डिङको निरन्तर थिए अनजान थिए। अध्ययन पत्ता थियो भएपछि, सार्वजनिक आक्रोश थियो। यो न्याय विभाग अध्ययन को एक छानबिन थाले, र अनुसन्धानकर्ताहरूले कांग्रेस अगाडि पुष्टि गर्न भनिन्थ्यो। अन्ततः, कांग्रेस यसलाई अवैध चुपके न्यायपीठ deliberation रेकर्ड बनाउँछ भन्ने नयाँ व्यवस्था बित्यो।

को विचिटा जूरी अध्ययन सहभागीहरूलाई हानि थिएन को आलोचकहरु को चासो; बरु, यो न्यायपीठ deliberation को प्रसङ्ग गर्न हानि थियो। त्यो मान्छे न्यायपीठ सदस्य तिनीहरूले एक सुरक्षित र सुरक्षित ठाउँ मा छलफल थिए भन्ने विश्वास छैन भने न्यायपीठ विमर्श भविष्यमा अगाडि बढ्न को लागि, यो कठिन हुनेछ भन्ने विश्वास छ। न्यायपीठ deliberation साथै, त्यहाँ समाज यस्तो वकील-ग्राहक सम्बन्ध र मनोवैज्ञानिक हेरविचार रूपमा अतिरिक्त सुरक्षा प्रदान गर्दछ अन्य विशिष्ट सामाजिक सन्दर्भका छन् (MacCarthy 2015)

सन्दर्भ र सामाजिक प्रणाली को अवरोध गर्न हानि को जोखिम पनि राजनीतिक विज्ञान केही क्षेत्र प्रयोगहरू मा आउँछ (Desposato 2016b) । राजनीतिक विज्ञान मा एक क्षेत्र प्रयोग को लागि एक अधिक प्रसंग-संवेदनशील लागत-लाभ गणना को एक उदाहरणका लागि, Zimmerman (2016)

  • न्याय (धारा 6.4.3)

सहभागीहरू लागि क्षतिपूर्ति डिजिटल उमेर अनुसन्धान गर्न सम्बन्धित सेटिङ को एक नम्बर मा छलफल गरिएको छ। Lanier (2014) तिनीहरूले उत्पन्न डिजिटल निशान लागि सहभागीहरू तिर्ने प्रस्ताव। Bederson and Quinn (2011) अनलाइन श्रम बजारमा भुक्तानी छलफल। अन्तमा, Desposato (2016a) क्षेत्र प्रयोगहरू सहभागी तिर्ने प्रस्ताव। उहाँले सहभागीहरू सीधा भुक्तानी गर्न सक्दैन भने पनि हुन, एक दान आफ्नो तर्फबाट काम एक समूह गरिएका गर्न सकिएन भनेर बाहिर औंल्याउँछन्। उदाहरणका लागि, दोहराना मा शोधकर्ताओं इन्टरनेटमा पहुँच समर्थन गर्न काम एक समूह एक दान गरेका छन् सकेन।

  • कानून र सार्वजनिक ब्याज आदर (धारा 6.4.4)

नियम-को-सेवा सम्झौताहरू बराबर दल र वैध सरकारको द्वारा सिर्जना व्यवस्था बीच तय अनुबंध भन्दा कम वजन हुनुपर्छ। जहाँ अनुसन्धानकर्ताहरूले विगतमा सर्तहरू-को-सेवा सम्झौताहरू उल्लङ्घन अवस्थामा साधारण (भेदभावको मापन गर्न धेरै क्षेत्र प्रयोगहरू जस्तै) कम्पनीहरु को व्यवहार अडिट गर्न स्वचालित प्रश्नहरु प्रयोग पनि सम्बन्धित छन्। थप छलफलको लागि हेर्न Vaccaro et al. (2015) , Bruckman (2016a) , Bruckman (2016b) । Empirical अनुसन्धान को एक उदाहरण सेवाका सर्तहरू छलफल कि को लागि, Soeller et al. (2016) । अनुसन्धानकर्ताहरूले सामना सम्भव कानुनी समस्या थप तिनीहरूले सेवा सर्तहरू हेर्नुहोस् उल्लङ्घन यदि Sandvig and Karahalios (2016)

  • दुई नैतिक रूपरेखा (धारा 6.5)

प्रस्ट छ, भारी रकम consequentialism र deontology बारेमा लिखित गरिएको छ। कसरी यी नैतिक रूपरेखा, र अरूको एक उदाहरणका लागि, डिजिटल उमेर अनुसन्धान बारेमा तर्क हेर्न प्रयोग गर्न सकिन्छ Zevenbergen et al. (2015) । यी नैतिक रूपरेखा मा अर्थशास्त्र विकास क्षेत्र प्रयोगहरू लागू गर्न सकिन्छ कसरी एक उदाहरणका लागि, Baele (2013)

  • जानकारी सहमति (धारा 6.6.1)

भेदभावको अडिट अध्ययन थप को लागि, Pager (2007)Riach and Rich (2004) । मात्र यी अध्ययन अवगत सहमति छैन, तिनीहरूले पनि छलछाम debriefing बिना पनि सम्बन्धित छन्।

दुवै Desposato (2016a)Humphreys (2015) सहमति बिना क्षेत्र प्रयोगहरू बारेमा प्रस्ताव सल्लाह।

Sommers and Miller (2013) छलछाम पछि सहभागीहरू debriefing छैन पक्षमा धेरै तर्क समीक्षा र शोधकर्ताहरु परिस्थिति, अर्थात् एक धेरै संकीर्ण सेट अन्तर्गत debriefing "forgo गर्नुपर्छ भनेर तर्क छ debriefing धेरै व्यावहारिक बाधा तर अनुसन्धानकर्ताहरूले हुनेछ poses जो क्षेत्रमा अनुसन्धान मा कुनै यदि तिनीहरूले सकेजति debriefing बारेमा qualms। अनुसन्धानकर्ताहरूले छैन, एक अनुभवहीन सहभागी पूल संरक्षण गर्न आफूलाई सहभागी रिस ढाल, वा हानि देखि सहभागीहरू सुरक्षा क्रममा debriefing लिन नहुने अनुमति गर्नुपर्छ। "अरूले debriefing यसलाई रोक्न सकिएला गर्नुपर्छ राम्रो भन्दा बढी हानि गराउँछ भने त्यो तर्क। Debriefing जहाँ केही अनुसन्धानकर्ताहरूले Beneficence भन्दा व्यक्तिका लागि आदर प्राथमिकता एक मामला छ, र केही अनुसन्धानकर्ताहरूले विपरीत गर्छन्। एक सम्भाव्य समाधान सहभागीको लागि एक सिक्ने अनुभव debriefing बनाउने तरिकाहरू खोज्न हुनेछ। त्यो बरु debriefing को सायद debriefing पनि सहभागीहरू लाभ कुरा हुन सक्छ, हानि हुन सक्छ भन्ने कुरा रूपमा सोच भन्दा, छ। शिक्षा debriefing यस प्रकारको एक उदाहरणका लागि, Jagatic et al. (2007) एक सामाजिक फिसिङ प्रयोग पछि विद्यार्थीहरू debriefing मा। मनोवैज्ञानिक debriefing लागि प्रविधी विकास गरेका (DS Holmes 1976a; DS Holmes 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) र यी केही usefully डिजिटल उमेर अनुसन्धान गर्न लागू हुन सक्छ। Humphreys (2015) आस्थगित सहमति बारे रोचक विचार प्रदान गर्दछ, जो निकट म वर्णन गर्ने debriefing रणनीति सम्बन्धित छ।

आफ्नो सहमति लागि सहभागी एक नमूना सोधेर को विचार के गर्न सम्बन्धित छ Humphreys (2015) निष्कर्षित सहमति भनिएको छ।

जानकार सहमति गर्न सम्बन्धित प्रस्तावित गरिएको छ कि एक थप विचार अनलाइन प्रयोगहरू मा सहमत छु मानिसहरू एक प्यानल निर्माण गर्न छ (Crawford 2014) । केही यो प्यानल मान्छे को एक गैर-अनियमित नमुना हुनेछ भन्ने तर्क गरेका छन्। तर, अध्याय 3 (प्रश्न सोध्दै) यी समस्याहरू पोस्ट-स्तरीकरण र नमूना मिल्दो प्रयोग संभावित ठेगाना हो भनेर देखाउँछ। साथै, सहमति प्रयोगहरू विभिन्न कवर सक्छ प्यानल हुन। अर्को शब्दमा, सहभागीहरू व्यक्तिगत प्रत्येक प्रयोग गर्न सहमत गर्न आवश्यक छैन सक्छ, एक अवधारणा व्यापक सहमति भनिन्छ (Sheehan 2011)

  • समझ र प्रबन्ध जानकारी जोखिम (धारा 6.6.2)

अद्वितीय टाढा, को Netflix पुरस्कार भनेर मानिसहरूलाई बारेमा विस्तृत जानकारी डेटासेट एउटा महत्त्वपूर्ण प्राविधिक सम्पत्ति देखाउँछ, र यसरी आधुनिक सामाजिक डेटासेट "anonymization" को संभावना बारे महत्त्वपूर्ण पाठ प्रदान गर्दछ। प्रत्येक व्यक्तिको बारेमा जानकारी को धेरै टुक्रा फाइलहरू मा औपचारिक परिभाषित अर्थमा, विरल भएको संभावना छ Narayanan and Shmatikov (2008) । त्यो, प्रत्येक रेकर्ड लागि एउटै कुनै रेकर्ड हो, र वास्तव मा धेरै समान छन् भन्ने कुनै रेकर्ड छन् छ: प्रत्येक व्यक्ति डेटासेटमा आफ्नो निकटतम छिमेकी टाढा छ। एक 5 सितारा मात्रा मा बारेमा 20,000 चलचित्र, त्यहाँ छन् किनभने Netflix डाटा विरल हुन सक्छ कल्पना गर्न सक्नुहुन्छ बारेमा \ (6 ^ {20,000} \) सम्भव प्रत्येक व्यक्ति छ (6 सक्ने मान किनभने एक 5 स्टार बाहेक , कसैले मा सबै चलचित्र मूल्याङ्कन छैन) हुन सक्छ। यो संख्या यो पनि बुझ्न गाह्रो छ, त्यसैले ठूलो छ।

Sparsity दुई मुख्य निहितार्थ छ। पहिलो, यो अनियमित perturbation संभावना असफल हुनेछ आधारित डेटासेटको "एनोनिमाईज" गर्ने प्रयास भन्ने हो। त्यो Netflix अनियमित (जो तिनीहरूले गरे) को मूल्यांकन केही समायोजन थिए भने पनि, छ perturbed रेकर्ड अझै आक्रमणकारीले छ कि जानकारी गर्न सबैभन्दा नजिकको सम्भव रेकर्ड छ, किनभने यो पर्याप्त नहुन थियो। दोस्रो, sparsity डे-anonymization को आक्रमणकारीले त्रुटिपूर्ण वा निष्पक्ष ज्ञान छ भने पनि सम्भव छ भन्ने हो। उदाहरणका लागि, Netflix डाटा मा, का को आक्रमणकारीले दुई चलचित्र र मिति लागि ती मूल्यांकन +/- 3 दिन गरे आफ्नो मूल्यांकन थाह कल्पना गरौं; बस एक्लै जानकारी विशिष्ट पहिचान गर्न Netflix डाटा मानिसहरूको 68% पर्याप्त छ। आक्रमणकारीहरूलाई तपाईं +/- 14 दिन, त्यसपछि यी ज्ञात मूल्यांकन दुई पूर्ण गलत हो भने पनि, रेकर्ड 99% विशिष्ट डेटासेटमा पहिचान गर्न सकिन्छ मूल्याङ्कन गरेको 8 चलचित्र थाह भने। अर्को शब्दमा, sparsity दुर्भाग्यपूर्ण छ किनभने सबैभन्दा आधुनिक सामाजिक डेटासेटको विरल हो "एनोनिमाईज" प्रयास डाटा लागि आधारभूत समस्या छ।

टेलिफोन मेटाडाटा पनि "अज्ञात" र संवेदनशील छैन हुन देखिन सक्छ, तर यो मामला छैन। टेलिफोन मेटाडाटा पहिचान र संवेदनशील छ (Mayer, Mutchler, and Mitchell 2016; Landau 2016)

चित्रा 6.6 मा, म बाहिर डाटा जारी देखि अनुसन्धान गर्न एक जोखिम बीच सहभागीहरू र लाभ गर्न व्यापार-बन्द स्केच। प्रतिबन्धित पहुँच दृष्टिकोण (जस्तै, एक पर्खालले घेरिएको बगैचा) र प्रतिबन्धित डाटा दृष्टिकोण बीचको तुलना लागि (जस्तै, anonymization केही फारम) हेर्न Reiter and Kinney (2011) । डाटा को जोखिम स्तर को एक प्रस्तावित वर्गीकरण प्रणाली को लागि, Sweeney, Crosas, and Bar-Sinai (2015) । अन्तमा, डाटा साझेदारी अझ एक सामान्य चर्चा लागि, हेर्न Yakowitz (2011)

जोखिम र डाटा को उपयोगिता बीच यस व्यापार-बन्द बढी विस्तृत विश्लेषण को लागि, Brickell and Shmatikov (2008) , Ohm (2010) , Wu (2013) , Reiter (2012) , र Goroff (2015) । ठूलो मात्रा खुला अनलाइन पाठ्यक्रम (MOOCs) वास्तविक डेटा लागू यो व्यापार-बन्द हेर्न, देख्न Daries et al. (2014)Angiuli, Blitzstein, and Waldo (2015)

अन्तर गोपनीयता पनि सहभागीहरूलाई समाज र कम जोखिम दुवै उच्च लाभ संयोजन गर्न सक्ने हेर्न वैकल्पिक दृष्टिकोण प्रदान गर्दछ Dwork and Roth (2014)Narayanan, Huey, and Felten (2016)

अनुसन्धान नैतिकता बारेमा नियम, हेर्न थुप्रै केन्द्रीय छ व्यक्तिगत रूपमा पहिचान जानकारी को अवधारणा (PII), थप लागि Narayanan and Shmatikov (2010)Schwartz and Solove (2011) । सबै डाटा थप संवेदनशील हुनुको को लागि, Ohm (2015)

यस खण्डमा, म जानकारी जोखिम निम्त्याउन सक्छ भन्ने कुरा रूपमा फरक डेटासेट को लिंकेज चित्रण गर्नुभएको छ। तर, यो पनि नयाँ अवसर अनुसन्धान को लागि, मा तर्क रूपमा सिर्जना गर्न सक्नुहुन्छ Currie (2013)

पाँच safes थप को लागि, Desai, Ritchie, and Welpton (2016) । आउटपुटहरू पहिचान गर्न सकिन्छ कसरी एक उदाहरणका लागि, Brownstein, Cassa, and Mandl (2006) रोग प्रसार को नक्सा पहिचान गर्न सकिन्छ कसरी देखाउँदछ। Dwork et al. (2017) पनि यस्तो केही रोग छ कति व्यक्तिहरूलाई बारेमा तथ्याङ्क रूपमा समग्र डाटा विरुद्ध आक्रमण, ठान्नुहुन्छ।

  • गोपनीयता (धारा 6.6.3)

Warren and Brandeis (1890) गोपनीयता बारेमा एक ल्यान्डमार्क कानुनी लेख छ, र लेख भन्दा गोपनीयता एक्लै बाँकी गर्न एक सही छ भन्ने विचार संग सम्बन्धित छ। म सुझाव भनेर गोपनीयता को हालसालै पुस्तक लम्बाइ उपचार समावेश Solove (2010)Nissenbaum (2010)

मान्छे गोपनीयता सोच्न कसरी empirical अनुसन्धान को एक समीक्षा को लागि, Acquisti, Brandimarte, and Loewenstein (2015) । पत्रिका विज्ञान गोपनीयता र जानकारी जोखिम फरक दृष्टिकोण को एक किसिम ले मुद्दाहरू सम्बोधन जो एक विशेष शीर्षक "गोपनीयता अन्त", मुद्दा प्रकाशित; एक सारांश लागि हेर्न Enserink and Chin (2015)Calo (2011) गोपनीयता उल्लङ्घन देखि आउन कि हानि सोचिरहेका लागि एक रूपरेखा प्रदान गर्दछ। डिजिटल उमेर धेरै शुरुवात मा गोपनीयता बारेमा चिन्ता को एक प्रारम्भिक उदाहरण हो Packard (1964)

  • अनिश्चितता अन्तर्गत निर्णय (धारा 6.6.4)

एक न्यूनतम जोखिम मानक लागू गर्ने प्रयास गर्दा चुनौती यसलाई स्पष्ट जसको दैनिक जीवन बेंचमार्किंग लागि प्रयोग गरिएको छ छैन भन्ने छ (Council 2014) । उदाहरणका लागि, बेघर मान्छे आफ्नो दैनिक जीवनमा असुविधा को उच्च स्तर छ। तर, त्यो यो उच्च जोखिम अनुसन्धान गर्न बेघर मान्छे पर्दाफास गर्न नैतिकता गर्न दिईने छ कि होइन। यस कारण, त्यहाँ न्यूनतम जोखिम एक सामान्य जनसंख्या मानक, एक विशिष्ट जनसंख्या मानक विरुद्ध benchmarked पर्छ भनेर एक बढ्दै सहमति देखिन्छ। म साधारण एक सामान्य जनसंख्या मानक को विचार संग सहमत गर्दा, म यस्तो फेसबुक रूपमा ठूलो अनलाइन मञ्चहरूमा लागि कुनै खास जनसंख्या मानक व्यावहारिक छ भन्ने सोच्छन्। त्यो भावनात्मक Contagion विचार गर्दा, म यो फेसबुकमा दैनिक जोखिम विरुद्ध बेन्चमार्क व्यावहारिक छ भन्ठान्छन् छ। यस मामला मा एक विशिष्ट जनसंख्या मानक मूल्याङ्कन गर्न धेरै सजिलो छ र विपन्न समूह (जस्तै, कैदी र अनाथ) मा अन्याय असफल अनुसन्धान को बोझबाट रोक्न खोज्ने जो न्याय सिद्धान्त, विरोध गर्न असम्भाव्य छ।

  • व्यावहारिक सुझावहरू (धारा 6.7)

अन्य विद्वानहरूको पनि नैतिक appendices समावेश गर्न थप कागजात लागि भनिन्छ छन् (Schultze and Mason 2012; Kosinski et al. 2015)King and Sands (2015) पनि व्यावहारिक सुझावहरू प्रदान गर्दछ।