మరింత వ్యాఖ్యానం

ఈ విభాగం ఒక కధనం చదవబడుతుంది కాకుండా, ఒక సూచన వలె ఉపయోగించవచ్చు రూపొందించబడింది.

  • పరిచయం (విభాగం 6.1)

పరిశోధనా నైతికతలు సాంప్రదాయకంగా కూడా అటువంటి శాస్త్రీయ మోసాలు మరియు క్రెడిట్ కేటాయింపు విషయాలు చేసింది. ఈ అంశాలపై ఎక్కువ వివరంగా చర్చించబడ్డాయి Engineering (2009) .

ఈ అధ్యాయం గట్టిగా యునైటెడ్ స్టేట్స్ లో పరిస్థితి ద్వారా మారుస్తారు. ఇతర దేశాల్లో నైతిక సమీక్ష విధానాలు మరింత కోసం, అధ్యాయాలు 6, 7, 8 చూడండి, మరియు యొక్క 9 Desposato (2016b) . ఈ అధ్యాయం ప్రభావితం చేసిన బయోమెడికల్ నీతిసూత్రాలు అధికంగా అమెరికన్ అని ఒక వాదన కోసం, చూడండి Holm (1995) . అమెరికాలో సంస్థాగత సమీక్ష బోర్డుల కంటే చారిత్రక సమీక్ష కోసం, చూడండి Stark (2012) .

బెల్మాంట్ నివేదికపై తదుపరి నిబంధనలు పరిశోధన మరియు అభ్యాసం మధ్య తేడాని చేశారు. ఈ వ్యత్యాసం తరువాత విమర్శించబడింది (Beauchamp and Saghai 2012; boyd 2016; Metcalf and Crawford 2016; Meyer 2015) . నేను నీతిసూత్రాలు మరియు చట్రాలు సెట్టింగులు వర్తిస్తాయి అనుకుంటున్నాను ఎందుకంటే నేను ఈ అధ్యాయం ఈ వ్యత్యాసం చేయటం లేదు. ఫేస్బుక్ పరిశోధన పర్యవేక్షణ మరింత కోసం, చూడండి Jackman and Kanerva (2016) . సంస్థలు మరియు NGO లు పరిశోధన పర్యవేక్షణ కోసం ఒక ప్రతిపాదన కోసం, చూడండి Polonetsky, Tene, and Jerome (2015) మరియు Tene and Polonetsky (2016) .

2014 లో ఎబోలా వ్యాప్తి విషయంలో మరింత కోసం, చూడండి McDonald (2016) , మరియు మొబైల్ ఫోన్ డేటా గోప్యతకు నష్టాలు గురించి మరింత కోసం చూడండి Mayer, Mutchler, and Mitchell (2016) . మొబైల్ ఫోన్ డేటా ఉపయోగించి సంక్షోభ-సంబంధ పరిశోధనకు ఒక ఉదాహరణ కోసం, చూడండి Bengtsson et al. (2011) మరియు Lu, Bengtsson, and Holme (2012) .

  • మూడు ఉదాహరణలు (విభాగం 6.2)

చాలా మంది ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది గురించి వ్రాసారు. పత్రిక రీసర్చ్ ఎథిక్స్ జనవరి 2016 ప్రయోగంలో చర్చిస్తున్నారు వారి మొత్తం సమస్య అంకితం; చూడండి Hunter and Evans (2016) అవలోకనం కొరకు. : సైన్స్ నేషనల్ విద్యావేత్తలు ప్రొసీడింగ్స్ ప్రయోగం గురించి రెండు ముక్కలు ప్రచురితమైన Kahn, Vayena, and Mastroianni (2014) మరియు Fiske and Hauser (2014) . ప్రయోగం గురించి ఇతర ముక్కలు ఉన్నాయి: Puschmann and Bozdag (2014) ; Meyer (2014) ; Grimmelmann (2015) ; Meyer (2015) ; Selinger and Hartzog (2015) ; Kleinsman and Buckley (2015) ; Shaw (2015) ; Flick (2015) .

ఎంకోర్ మరింత కోసం, చూడండి Jones and Feamster (2015) .

  • డిజిటల్ భిన్నంగా (విభాగం 6.3)

సామూహిక నిఘా పరంగా, విస్తృత పర్యావలోకనం అందించబడ్డాయి Mayer-Schönberger (2009) మరియు Marx (2016) . నిఘా మారుతున్న ఖర్చుల్లో కాంక్రీటు ఉదాహరణకు, Bankston and Soltani (2013) సెల్ ఫోన్లను క్రిమినల్ అనుమానితుడు ట్రాకింగ్ భౌతిక నిఘా ఉపయోగించి కంటే సుమారు 50 రెట్లు చౌకైనది అంచనా వేసింది. Bell and Gemmell (2009) స్వీయ ఒక మరింత సానుకూల దృష్టికోణం అందిస్తుంది నిఘా. పబ్లిక్ లేదా పాక్షికంగా పబ్లిక్ (ఉదా, రుచి, టైస్, మరియు సమయం) అని పరిశీలించదగిన ప్రవర్తన ట్రాక్ సామర్థ్యం పాటు, పరిశోధకులు ఎక్కువగా మంది పాల్గొనే ప్రైవేట్ అని భావించే విషయాలు ప్రతిపాదించే చేయవచ్చు. ఉదాహరణకు, మిచాల్ Kosinski మరియు సహచరులు వారు అటువంటి లైంగిక ధోరణి మరియు అంతమయినట్లుగా చూపబడతాడు సాధారణ డిజిటల్ ట్రేస్ డేటా నుండి వ్యసనపరుడైన పదార్థాలు ఉపయోగించడం (ఫేస్బుక్ ఇష్టాలు) ప్రజలు గురించి సున్నితమైన సమాచారాన్ని ప్రతిపాదించే చూపింది (Kosinski, Stillwell, and Graepel 2013) . ఈ మాయా వినిపించవచ్చు, అయితే విధానం Kosinski మరియు సహచరులు ఉపయోగించిన డిజిటల్ జాడలను సర్వేలు మిళితం, మరియు పర్యవేక్షణలో నిజానికి నేను ఇప్పటికే గురించి మీరు చెప్పారు చేసిన విషయం తెలుసుకున్న ఉంది. అధ్యాయము 3 (ప్రశ్నలు అడుగుతూ) నేను జోష్ Blumenstock మరియు సహచరులు ఎలా మీరు చెప్పారు గుర్తుచేసుకున్నారు (2015) మొబైల్ ఫోన్ డేటా కలిపి సర్వే డేటా ర్వాండా పేదరికం అంచనా చేయవచ్చు. సమర్ధవంతంగా వర్థమాన దేశంలో పేదరికం కొలవడానికి, ఉపయోగించవచ్చు ఇది ఈ ఖచ్చితమైన విధానం, కూడా సమర్థవంతంగా గోప్యతా ఉల్లంఘించినట్లు అనుమితులు కోసం ఉపయోగించవచ్చు.

అస్థిరమైన చట్టాలు మరియు నిబంధనలను పాల్గొనే శుభాకాంక్షలు గౌరవం లేదు ఆ పరిశోధన దారితీస్తుంది, మరియు అది పరిశోధకులు "నియంత్రణ షాపింగ్" దారితీస్తుంది (Grimmelmann 2015; Nickerson and Hyde 2016) . ముఖ్యంగా, IRB పర్యవేక్షణ నివారించేందుకు అనుకుంటున్నారా కొందరు పరిశోధకులు IRBs తిరగని ఎవరు భాగస్వాములు ఉంటుంది (ఉదా, సంస్థలు లేదా NGO లు వద్ద ప్రజలు) సేకరించి డి-గుర్తింపు డేటా. అప్పుడు, పరిశోధకులు ఈ డి-గుర్తించారు డేటా IRB పర్యవేక్షణ లేకుండా, కనీసం ప్రస్తుత నియమాలు కొన్ని వివరణలు ప్రకారం విశ్లేషిస్తుంది. IRB ఎగవేత ఈ రకమైన నియమాల ఆధారిత పద్ధతికి భిన్నంగా కనిపిస్తుంది.

ప్రజలు ఆరోగ్య డేటా గురించి కలిగి అస్థిరమైన మరియు విజాతీయ ఆలోచనల మీద మరింత కోసం, చూడండి Fiore-Gartland and Neff (2015) . సమస్య మరింత భిన్నత్వం పరిశోధనా నైతికతలు కోసం సృష్టిస్తుంది నిర్ణయాలు చూడండి Meyer (2013) .

అనలాగ్ వయస్సు మరియు డిజిటల్ యుగంలో పరిశోధనల మధ్య ఒక వ్యత్యాసం డిజిటల్ యుగంలో పాల్గొనే రీసెర్చ్ పరస్పర మరింత సుదూర ఉంటుంది. ఈ పరస్పర తరచుగా కంపెనీకు వంటి మధ్యవర్తిగా ద్వారా జరుగుతాయి మరియు పరిశోధకులు మరియు పాల్గొనే మధ్య పెద్ద భౌతిక మరియు సామాజిక దూరం సాధారణంగా ఉంది. ఈ సుదూర పరస్పర వంటి, అదనపు రక్షణ అవసరం పాల్గొనేవారిని నుంచి పరీక్షలు ప్రతికూల సంఘటనల గుర్తించగలరు, మరియు ఇది సంభవిస్తుంది ఉంటే హాని సరిదిద్దడానికి డిజిటల్ వయస్సు పరిశోధనలో అనలాగ్ వయస్సు పరిశోధనలో సులభం కష్టం అని కొన్ని విషయాలు ఉంటుంది. ఉదాహరణకు, యొక్క ఒకే అంశంపై ఒక ఊహాత్మక ల్యాబ్ ప్రయోగం ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది కాంట్రాస్ట్ వీలు. ల్యాబ్ ప్రయోగంలో, పరిశోధకులు మానసిక ఇబ్బందులకు స్పష్టమైన సంకేతాలు చూపిస్తున్న ప్రయోగశాల వద్ద వస్తాడు ఎవరైనా పరీక్షించి కాలేదు. మరింత, ప్రయోగశాల ప్రయోగం ప్రతికూల సంఘటన రూపొందించినవారు ఉంటే, పరిశోధకులు, చూడండి భవిష్యత్తులో హానికరమైన నిరోధించడానికి ప్రయోగాత్మక ప్రోటోకాల్ సర్దుబాట్లు చేయడానికి, హాని సరిచేయడానికి సేవలు అందించడానికి మరియు ఉంటుంది. అసలు ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది ప్రయోగంలో పరస్పర సుదూర ప్రవృత్తి ఈ సాధారణ మరియు తెలివైన దశలను ప్రతి కష్టతరం చేస్తాయి. అలాగే, నేను పరిశోధకులు మరియు పాల్గొనే మధ్య దూరం వారి పాల్గొనే ఆందోళనలు పరిశోధకులు తక్కువ సున్నితమైన చేస్తుంది అనుమానిస్తున్నారు.

అస్థిరమైన నిబంధనలను మరియు చట్టాలు ఇతర మూలాల. ఈ అస్థిరత కొన్ని ఈ పరిశోధన ప్రపంచవ్యాప్తంగా జరుగుతున్న వాస్తవం నుంచి వచ్చింది. ఉదాహరణకు, ఎంకోర్ ప్రపంచవ్యాప్తంగా నుండి ప్రజలు కలిగి ఉంది, మరియు అందువలన డేటా రక్షణ మరియు అనేక దేశాల గోప్యతా చట్టాలు విషయం కావచ్చు. ఏం మూడవ పార్టీ వెబ్ అభ్యర్థనలు (ఎంకోర్ ఏమి) జర్మనీ భిన్నంగా ఉంటాయి, యునైటెడ్ స్టేట్స్, కెన్యా, మరియు చైనా పాలక నిబంధనలను ఉంటే? ఏం నిబంధనలను ఒక దేశంలో వర్గాన్ని కూడా స్థిరంగా ఉండవు ఉంటే? అసంగతి రెండవ మూల విశ్వవిద్యాలయాలు మరియు సంస్థలు వద్ద పరిశోధకులు ల సహకారానికి నుండి వస్తుంది; ఉదాహరణకు, భావోద్వేగ ఒకరి నుండి ఇంకొకరి వ్యాపించేది Facebook వద్ద ఒక డేటా శాస్త్రవేత్త మరియు కార్నెల్ లో ఒక ప్రొఫెసర్ మరియు గ్రాడ్యుయేట్ విద్యార్థుల మధ్య సహకారం ఉంది. ఫేస్బుక్ పెద్ద ప్రయోగాలు నడుస్తున్న ఆ సమయంలో, ఏ మూడవ పార్టీ నైతిక సమీక్ష అవసరం లేదు, రొటీన్ ఉంది. కార్నెల్ లో పద్దతులు మరియు నియమాలను చాలా భిన్నంగా ఉంటాయి; వాస్తవంగా అన్ని ప్రయోగాలు కార్నెల్ IRB ద్వారా సమీక్షించారు చేయాలి. కాబట్టి, నియమాలు ఏ సెట్ ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది-ఫేస్బుక్ లేదా కార్నెల్ యొక్క పాలించే ఉండాలి?

కామన్ రూల్ పునరుద్దరించాలని ప్రయత్నాలు మరింత కోసం, చూడండి Evans (2013) , Council (2014) , Metcalf (2016) , మరియు Hudson and Collins (2015) .

  • నాలుగు సూత్రాలు (విభాగం 6.4)

బయోమెడికల్ నైతికతకు క్లాసిక్ నియమాల ఆధారిత విధానం Beauchamp and Childress (2012) . వారు నాలుగు ప్రధాన సూత్రాలు బయోమెడికల్ నైతిక మార్గదర్శిగా ఉండాలని ప్రతిపాదించారు: స్వయంప్రతిపత్తి, Nonmaleficence, బెనిఫిసెన్స్ న్యాయమంత్రిత్వ గౌరవించుకోవటం. nonmaleficence సూత్రం ఇతర ప్రజలకు హాని కలిగించే నుండి దూరంగా ఒక ప్రేరేపించాడు. ఈ భావన లోతుగా వైద్యశాస్త్ర ఆలోచన అనుసంధానించబడిన "ఎలాంటి హానీ." పరిశోధనా నైతికతలు, ఈ సూత్రం తరచూ బెనిఫిసెన్స్ సూత్రం కలుపుతారు, కానీ చూడటానికి Beauchamp and Childress (2012) రెండింటి మధ్య తేడా మరింత కోసం (చాప్టర్ 5) . ఈ సూత్రాలను అతిగా అమెరికన్ అని విమర్శించే చూడండి Holm (1995) . సమతౌల్యానికి మరింత కోసం సూత్రాలు సంఘర్షణ చూసినప్పుడు Gillon (2015) .

ఈ అధ్యాయం నాలుగు సూత్రాలు సంస్థలు మరియు NGO లు జరుగుతున్న పరిశోధన కోసం నైతిక పర్యవేక్షణ మార్గనిర్దేశం ప్రతిపాదించినప్పటికీ (Polonetsky, Tene, and Jerome 2015) "కన్జ్యుమర్ విషయం రివ్యూ బోర్డ్" (CSRBs) అని శరీరాలు ద్వారా (Calo 2013) .

  • పర్సన్స్ గౌరవం (విభాగం 6.4.1)

స్వయంప్రతిపత్తిని బాలినేని పాటు, బెల్మొంట్ నివేదిక కూడా ప్రతి మానవ నిజమైన స్వీయ-నిర్ణయం చేయగల అని తెలియజేస్తుంది. ఉదాహరణకు, పిల్లలు, ప్రజలు అనారోగ్యం బాధపడుతున్నట్లు, లేదా తీవ్రంగా పరిమితం స్వతంత్రతా పరిస్థితుల్లో నివసిస్తున్న ప్రజలు పూర్తిగా స్వయంప్రతిపత్తి వ్యక్తులు పని చేయలేరు, మరియు ఈ అందుకే అదనపు రక్షణ లోబడి ఉంటాయి.

డిజిటల్ యుగంలో పర్సన్స్ గౌరవించుకోవటం సూత్రం వర్తింప సవాలు చేయవచ్చు. ఉదాహరణకు, డిజిటల్ వయస్సు పరిశోధనలో, అది కష్టం స్వీయ గుర్తింపు యొక్క తగ్గడం సామర్ధ్యం తో ప్రజలు కోసం అదనపు రక్షణలు అందించడానికి పరిశోధకులు తరచుగా వారి పాల్గొనే గురించి చాలా తక్కువ తెలుసు ఎందుకంటే ఉంటుంది. ఇంకా, డిజిటల్ వయస్సు సామాజిక పరిశోధనలో ఔషధాన్ని భారీ సవాలు. కొన్ని సందర్భాల్లో, నిజంగా ఔషధాన్ని పారదర్శకత పారడాక్స్ గురవుతాయి (Nissenbaum 2011) , పేరు సమాచారం మరియు గ్రహణ వివాదంలో ఉన్నాయి. సుమారు, పరిశోధకులు డేటా సేకరణ, డేటా విశ్లేషణ మరియు డేటా భద్రతా విధానాలను స్వభావం గురించి పూర్తి సమాచారం అందించే ఉంటే, అది కష్టం మంది పాల్గొనే గ్రహించడానికి అవుతుంది. కానీ, పరిశోధకులు సమగ్రంగా సమాచారం అందించడానికి ఉంటే, ఇది ముఖ్యమైన సాంకేతిక సమాచారం ఉండవు ఉండవచ్చు. అనలాగ్ వయస్సు చెలాయిస్తుంది బెల్మాంట్ నివేదిక ఒక్క పరిగణించారు నేపధ్యంలో వైద్య పరిశోధనలో ఒక వైద్యుడు పారదర్శకత పారడాక్స్ పరిష్కరించడానికి సహాయం పాల్గొనే ప్రతి వ్యక్తిగతంగా మాట్లాడటం ఊహించే కాలేదు. వేల లేదా లక్షల మంది ప్రజలు పాల్గొన్న ఆన్లైన్ అధ్యయనాల్లో, అటువంటి ముఖం- to- ముఖం విధానం అసాధ్యం. డిజిటల్ యుగంలో సమ్మతితో రెండవ సమస్యగా ఇటువంటి భారీ డేటా రిపోజిటరీ విశ్లేషణ కొన్ని అధ్యయనాలు లో, అది అన్ని దారుల నుండి సూచించబడిన ఔషధాన్ని పొందటానికి సాధ్యం అని ఉంది. నేను సెక్షన్ 6.6.1 మరింత వివరంగా ఔషధాన్ని గురించి ఈ మరియు ఇతర ప్రశ్నలకు చర్చించడానికి. ఈ కష్టాలు ఉన్నప్పటికీ, అయితే, మేము ఔషధాన్ని అవసరం లేనివి పర్సన్స్ గౌరవించుకోవటం సరిపోతుంది ఎవరికీ అని గుర్తుపెట్టుకోవాలి.

ఔషధాన్ని ముందు వైద్య పరిశోధనలపై ఎక్కువగా కొరకు, చూడుము Miller (2014) . ఔషధాన్ని ఒక పుస్తక నిడివి చికిత్స కోసం, చూడండి Manson and O'Neill (2007) . కూడా క్రింద ఔషధాన్ని గురించి సూచించారు రీడింగులను చూడండి.

  • క్షేమం (విభాగం 6.4.2)

సందర్భానికి కీడు పరిశోధన జరగలేదు నిర్దిష్ట ప్రజలకు కానీ సామాజిక అమర్పులు కలిగించు హాని ఉంది. ఈ భావన బిట్ వియుక్త, కానీ నేను రెండు ఉదాహరణలు వర్ణించేందుకు చేస్తాము: ఒక అనలాగ్ మరియు ఒక డిజిటల్.

సందర్భానికి హానికరమైన ఒక క్లాసిక్ ఉదాహరణ విచిత జ్యూరీ అధ్యయనం [నుండి వస్తుంది Vaughan (1967) ; Katz, Capron, and Glass (1972) ; సిహెచ్ 2] -. కూడా కొన్నిసార్లు చికాగో జ్యూరీ ప్రాజెక్ట్ అని (Cornwell 2010) . చికాగో విశ్వవిద్యాలయం నుండి ఈ అధ్యయనంలో పరిశోధకులు, రహస్యంగా విచిత, కాన్సాస్ ఆరు జ్యూరీ ఉన్నత రికార్డు న్యాయ వ్యవస్థలో సామాజిక కోణాలు గురించి ఒక పెద్ద అధ్యయనం భాగంగా. సందర్భాలలో న్యాయమూర్తులు మరియు న్యాయవాదులు రికార్డింగ్ ఆమోదించినట్లు, మరియు ప్రక్రియ యొక్క కఠినమైన పర్యవేక్షణ ఉంది. అయితే, పంచాయతీ సభ్యుడు రికార్డింగ్ సంభవించే అని ఊహించలేకపోయారు. అధ్యయనం కనుగొన్న తర్వాత, ప్రజల ఆగ్రహం ఉంది. న్యాయ శాఖ అధ్యయన పరిశోధన ప్రారంభించింది, మరియు పరిశోధకులు కాంగ్రెస్ ముందు సాక్ష్యం పిలిచారు. చివరకు కాంగ్రెస్ అది అక్రమ రహస్యంగా జ్యూరీ ఆలోచనల రికార్డ్ చేయడానికి చేస్తుంది కొత్త చట్టాన్ని ఆమోదించింది.

విచిత జ్యూరీ స్టడీ పాల్గొనే హాని లేదు విమర్శకులు ఆందోళన; బదులుగా, అది జ్యూరీ ఆలోచనల యొక్క సందర్భానికి హానికరమైన ఉంది. వ్యక్తుల జ్యూరీ ఉన్నత భవిష్యత్తులో కొనసాగాలని కోసం జ్యూరీ సభ్యులు కొందరు మధయ్లో ప్రదేశంలో చర్చలు ఎదుర్కొంటున్న ఆ నమ్మలేదు ఉంటే, కష్టతరం అని నమ్ముతారు, ఉంది. జ్యూరీ ఆలోచనల పాటు, సమాజం వంటి అటార్నీ క్లయింట్ సంబంధాలు మరియు మానసిక సంరక్షణ అదనపు రక్షణ తో అందించే ఇతర ప్రత్యేక సామాజిక సందర్భాల్లో ఉన్నాయి (MacCarthy 2015) .

సందర్భం మరియు సాంఘిక విధానాల యొక్క అంతరాయం హానికరమైన ప్రమాదం కూడా పొలిటికల్ సైన్స్ లో కొన్ని రంగంలో ప్రయోగాలు లో వస్తుంది (Desposato 2016b) . రాజకీయ శాస్త్రంలో రంగంలో ప్రయోగంలో కోసం మరింత సందర్భోచిత లాభసాటిగా లెక్కింపు ఒక ఉదాహరణ కోసం, చూడండి Zimmerman (2016) .

  • జస్టిస్ (విభాగం 6.4.3)

పాల్గొనేవారు కోసం పరిహారం డిజిటల్ వయస్సు పరిశోధన సంబంధించిన అమరికలలో చర్చ జరిగింది. Lanier (2014) అవి ఉత్పత్తి డిజిటల్ జాడలు కోసం పాల్గొనే చెల్లించి ప్రతిపాదించారు. Bederson and Quinn (2011) ఆన్లైన్ కార్మిక మార్కెట్లలో చెల్లింపులు చర్చిస్తుంది. చివరగా, Desposato (2016a) రంగంలో ప్రయోగాలు పాల్గొన్నవారు చెల్లించి ప్రతిపాదించింది. అతను పాల్గొనే నేరుగా చెల్లించిన సాధ్యం కాదు కూడా, ఒక విరాళం వారి తరపున పని సమూహం చేసిన కావచ్చు ఎత్తి చూపాడు. ఉదాహరణకు, ఎంకోర్ పరిశోధకులు ఇంటర్నెట్ యాక్సెస్ మద్దతు పని సమూహం విరాళం తయారు కావచ్చు.

  • లా అండ్ పబ్లిక్ ఇంటరెస్ట్ కోసం గౌరవం (విభాగం 6.4.4)

నిబంధనలు సేవా ఒప్పందాలు సమాన పార్టీలు మరియు చట్టబద్ధమైన ప్రభుత్వాలు రూపొందించినవారు చట్టాలు మధ్య ఒప్పందాల్లో కంటే తక్కువ బరువు ఉండాలి. పరిశోధకులు గతంలో పరంగా సేవా ఒప్పందాలు అతిక్రమించి ఉన్న పరిస్థితుల్లో సాధారణంగా (వివక్ష కొలిచేందుకు మైదానంలో ప్రయోగాలు వంటి) సంస్థల ప్రవర్తన ఆడిట్ స్వయంచాలక ప్రశ్నలు ఉపయోగిస్తాయి. అదనపు చర్చకు Vaccaro et al. (2015) , Bruckman (2016a) , Bruckman (2016b) . సేవా నిబంధనలను చర్చిస్తుంది ప్రయోగవాద పరిశోధనకు ఒక ఉదాహరణ కోసం, చూడండి Soeller et al. (2016) . ఉల్లంఘిస్తున్నాయో పరిశోధకుడు ఎదుర్కొనే సాధ్యం చట్టపరమైన సమస్యల పై ఎక్కువ కోసం సేవా నిబంధనలను చూడండి Sandvig and Karahalios (2016) .

  • రెండు నైతిక చట్రాలు (విభాగం 6.5)

సహజంగానే, అపారమైన కాన్సిక్వెంషియలిజం మరియు డియోన్టాలజీ గురించి రాశారు. ఈ నైతిక చట్రాలు, మరియు ఇతరులు ఎలా ఒక ఉదాహరణ కోసం, డిజిటల్ వయస్సు పరిశోధన గురించి కారణం చూడండి ఉపయోగించవచ్చు Zevenbergen et al. (2015) . ఈ నైతిక చట్రాలు రంగంలో ప్రయోగాలు ఎలా అన్వయించవచ్చు అర్ధశాస్త్ర అభివృద్ధి యొక్క ఒక ఉదాహరణ కోసం, చూడండి Baele (2013) .

  • ఔషధాన్ని (విభాగం 6.6.1)

వివక్ష ఆడిట్ చదువుకోవడానికి మరింత కోసం, చూడండి Pager (2007) మరియు Riach and Rich (2004) . మాత్రమే ఈ అధ్యయనాలు ఔషధాన్ని లేదు, వారు కూడా మోసగించడం debriefing లేకుండా ప్రమేయం ఉంటుంది.

రెండు Desposato (2016a) మరియు Humphreys (2015) సమ్మతి లేకుండా రంగంలో ప్రయోగాలు గురించి ఆఫర్ సలహా.

Sommers and Miller (2013) మోసాన్ని తరువాత పాల్గొనే Debriefing కాదు అనుకూలంగా అనేక వాదనలు పరిశీలించి, పరిశోధకులు "పరిస్థితులలో, అవి చాలా ఇరుకైన సెట్ కింద Debriefing వదులుకునే అని వాదించాడు debriefing ఆచరణ అడ్డంకులు కానీ పరిశోధకులు వుంటుంది విసిరింది దీనిలో రంగంలో పరిశోధనలో వారు చేస్తే debriefing గురించి సంకోచాలు. పరిశోధకులు ఒక అమాయక పాల్గొనే పూల్ సంరక్షించేందుకు పాల్గొనే కోపం నుండి తమను షీల్డ్, లేదా హాని నుండి పాల్గొనే రక్షించడానికి debriefing వదులుకునే అనుమతి చేయరాదు. "ఇతరులు ఉంటే debriefing మంచి కంటే ఇది వాడరాదు ఎక్కువ హాని కలిగిస్తుంది అని వాదిస్తారు. Debriefing కొందరు పరిశోధకులు బెనిఫిసెన్స్ మందికి గౌరవించుకోవటం ప్రాధాన్యత పేరు ఒక సందర్భంలో, కొందరు పరిశోధకులు వ్యతిరేకం చేయాలని. ఒక పరిష్కారం పాల్గొనే ఒక అభ్యాస అనుభవానికి Debriefing చేయడానికి మార్గాలు కనుగొనేందుకు ఉంటుంది. బదులుగా, హాని కలిగించు ఏదైనా వంటి debriefing ఆలోచిస్తూ బహుశా Debriefing కూడా పాల్గొనే లాభాలను ఏదో ఉంటుంది కంటే, ఉంది. విద్య debriefing ఈ రకమైన ఒక ఉదాహరణ కోసం, చూడండి Jagatic et al. (2007) ఒక సామాజిక చౌర్య ప్రయోగం తర్వాత విద్యార్థులు Debriefing న. మనస్తత్వవేత్తలు Debriefing విధానాన్ని అభివృద్ధి చేశారు (DS Holmes 1976a; DS Holmes 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) మరియు వీటిలో కొన్ని నడపగలిగే డిజిటల్ వయస్సు పరిశోధన వర్తించవచ్చు. Humphreys (2015) వాయిదా సమ్మతి గురించి ఆసక్తికరమైన ఆలోచనలు అందిస్తుంది, చాలా దగ్గరి నేను వివరించి debriefing వ్యూహం సంబంధించినది.

వారి అనుమతి కోసం పాల్గొనే ఒక నమూనా అడుగుతూ ఆలోచన ఏమి కు సంబంధించినది Humphreys (2015) పిలుస్తుంది ముగింపు సమ్మతి.

ఔషధాన్ని సంబంధించిన ప్రతిపాదించబడింది ఒక ఆలోచనను మరింతగా ఆన్లైన్ ప్రయోగాలు ఉండాలి అంగీకరిస్తున్నారు వ్యక్తుల ఒక ప్యానెల్ నిర్మించడానికి ఉంది (Crawford 2014) . కొన్ని ఈ ప్యానెల్ ప్రజలు ఒక కాని యాదృచ్ఛిక నమూనా వాదిస్తున్నారు. కానీ, చాప్టర్ 3 (ప్రశ్నలు అడుగుతూ) ఈ సమస్యలు పోస్ట్ స్తరీకరణ మరియు నమూనా మ్యాచింగ్ ఉపయోగించి సమర్థవంతంగా అడ్రస్బుల్ ఉన్నాయి. అలాగే, సమ్మతి ప్యానెల్ న ఉండాలి ప్రయోగాలు వివిధ కవర్ కాలేదు. ఇతర మాటలలో, పాల్గొనే వ్యక్తిగతంగా ప్రతి ప్రయోగం అంగీకరించని అవసరం లేదు ఉండవచ్చు, ఒక భావన విస్తృత అంగీకారం అంటారు (Sheehan 2011) .

  • గ్రహించుట మరియు మేనేజింగ్ సమాచార ప్రమాదం (విభాగం 6.6.2)

ఫార్ ఏకైక నుండి, నెట్ఫ్లిక్స్ ప్రైజ్ ప్రజల గురించి వివరణాత్మక సమాచారాన్ని కలిగి ఉన్న సమితులు ఒక ముఖ్యమైన సాంకేతిక ప్రాపర్టీ వివరిస్తుంది, మరియు ఆ విధంగా ఆధునిక సాంఘిక డేటాసెట్ల యొక్క "anonymization" అవకాశం గురించి ముఖ్యమైన పాఠాలు అందిస్తుంది. ప్రతి వ్యక్తి గురించి సమాచారాన్ని అనేక ముక్కలు తో ఫైళ్ళు లాంఛనంగా నిర్వచించిన అర్థంలో పలుచగా ఉండే అవకాశం Narayanan and Shmatikov (2008) . ప్రతి రికార్డు కోసం అదే అని ఎటువంటి ఆధారాలు ఉన్నాయి, మరియు నిజానికి చాలా పోలి ఉంటాయి ఎటువంటి ఆధారాలు ఉన్నాయి, ఉంది: ప్రతి వ్యక్తి డేటాసెట్ వారి సమీప పొరుగు నుండి చాలా దూరంలో ఉంది. ఒక 5 స్టార్ స్థాయిలో సుమారు 20,000 సినిమాలతో ఎందుకంటే ఉన్నాయి నెట్ఫ్లిక్స్ డేటా అక్కడక్కడ కావచ్చు ఊహించవచ్చు గురించి \ (6 ^ {20,000} \) ప్రతి వ్యక్తి 6 కలిగించగలదని (సాధ్యం విలువలు ఒక 5 నక్షత్రాల అదనంగా ఎందుకంటే , ఎవరైనా అన్ని చిత్ర రేట్ చేసారు కాకపోవచ్చు). ఈ సంఖ్య కూడా గ్రహించడానికి కష్టం, కాబట్టి పెద్దది.

Sparsity రెండు ప్రధాన చిక్కులను కలిగి ఉంది. మొదటి, అది ప్రయత్నిస్తోంది యాదృచ్ఛిక perturbation అవకాశం విఫలమౌతుంది ఆధారంగా "అనామకంగా" కు డేటాసెట్ అర్థం. అంటే, ఈ సరిపోతుందా కాదు perturbed రికార్డు ఇప్పటికీ అటాకర్ సమాచార సన్నిహిత సాధ్యం రికార్డు ఎందుకంటే నెట్ఫ్లిక్స్ యాదృచ్ఛికంగా రేటింగ్స్ (వారు చేసిన) కొన్ని సర్దుబాటు కూడా ఉంటే, ఉంది. రెండవది, sparsity డి-anonymization అటాకర్ అసంపూర్ణ లేదా నిష్పాక్షిక జ్ఞానం కలిగి ఉన్నప్పటికీ, సాధ్యం అర్థం. ఉదాహరణకు, నెట్ఫ్లిక్స్ డేటాలోని, యొక్క అటాకర్ రెండు సినిమాల తేదీలు కోసం మీరు ఆ రేటింగ్స్ +/- 3 రోజుల చేసిన మీ రేటింగ్ తెలుసు ఊహించుకోండి తెలియజేయండి; కేవలం ఆ ఒక్క సమాచారాన్ని ప్రత్యే ప్రజల 68% గుర్తించడానికి నెట్ఫ్లిక్స్ డేటా సరిపోతుంది. దాడులకు +/- 14 రోజులు, ఆపై రోగనిర్ధారణకు తెలిసిన రేటింగ్స్ రెండు పూర్తిగా తప్పు కానప్పటికీ, రికార్డులను 99% ప్రత్యే డేటాసెట్ గుర్తించవచ్చు రేట్ చేసారు 8 సినిమాలు తెలిస్తే. ఇతర మాటలలో, sparsity అత్యంత ఆధునిక సాంఘిక డేటాసెట్ అక్కడక్కడ ఎందుకంటే దురదృష్టకరమైన ఇది "అనామకంగా" కు ప్రయత్నాల్లో డేటా కోసం ఒక ప్రాథమిక సమస్య.

టెలిఫోన్ మెటాడేటా కూడా "అజ్ఞాత" మరియు సెన్సిటివ్ కాదు కనబడుతున్నారు కావచ్చు, కానీ ఆ సందర్భంలో కాదు. టెలిఫోన్ మెటాడేటా గుర్తించగలిగే మరియు సెన్సిటివ్ కలిగి ఉంది (Mayer, Mutchler, and Mitchell 2016; Landau 2016) .

మూర్తి 6.6, నేను డేటా విడుదల నుండి పరిశోధన పాల్గొనే మరియు ప్రయోజనాలు హానికి మధ్య ఒక వినిమయం బయటకు గీసిన. నిరోధిత యాక్సెస్ విధానాలు (ఉదా, ఒక ప్రహరీ ఉన్న తోట) మరియు నిషేధిత డేటా విధానాలు మధ్య పోలిక కోసం (ఉదా, anonymization యొక్క కొన్ని రూపం) చూడండి Reiter and Kinney (2011) . డేటా ప్రమాదం స్థాయిలు ప్రతిపాదిత వర్గీకరణపై వ్యవస్థ కోసం, చూడండి Sweeney, Crosas, and Bar-Sinai (2015) . చివరగా, డేటా పంచుకోవడాన్ని ఒక మరింత సాధారణ చర్చ కోసం, చూడండి Yakowitz (2011) .

ప్రమాదం మరియు డేటా వినియోగ మధ్య ఈ రాజీ మరింత వివరణాత్మక విశ్లేషణ, చూడుము Brickell and Shmatikov (2008) , Ohm (2010) , Wu (2013) , Reiter (2012) , మరియు Goroff (2015) . గురుతర బహిరంగ ఆన్లైన్ కోర్సులు (MOOCs) నుండి రియల్ డేటా దరఖాస్తు ఈ రాజీ చూడండి, చూడండి Daries et al. (2014) మరియు Angiuli, Blitzstein, and Waldo (2015) .

డిఫరెన్షియల్ గోప్యతా కూడా పాల్గొనే సమాజం మరియు తక్కువ ప్రమాదం రెండు అధిక ప్రయోజనం మిళితం చేసే చూడండి ఒక ప్రత్యామ్నాయ విధానం అందిస్తుంది Dwork and Roth (2014) మరియు Narayanan, Huey, and Felten (2016) .

పరిశోధనా నైతికతలు గురించి నియమాలు చూడండి, అనేక కేంద్రమైన వ్యక్తిగతంగా గుర్తించలేని సమాచారం భావనలను (PII), మరింత కోసం Narayanan and Shmatikov (2010) మరియు Schwartz and Solove (2011) . సాధ్యమయ్యే సున్నితమైన ఉండటం అన్ని డేటా మరింత కోసం, చూడండి Ohm (2015) .

ఈ విభాగంలో, నేను సమాచార ప్రమాదానికి దారితీసే ఏదో వివిధ డేటాసెట్ల యొక్క లింకేజ్ పోషించాడు చేసిన. అయితే, అది కూడా కొత్త అవకాశాలు పరిశోధన, వాదించిన సృష్టించవచ్చు Currie (2013) .

ఐదుగురు ఇనప్పెట్టెలు మరింత కోసం, చూడండి Desai, Ritchie, and Welpton (2016) . ప్రతిఫలాన్ని గుర్తించడం ఎలా ఒక ఉదాహరణ కోసం, చూడండి Brownstein, Cassa, and Mandl (2006) వ్యాధి వ్యాప్తికి పటాలను గుర్తించడం ఎలా చూపే. Dwork et al. (2017) కూడా ఒక నిర్దిష్ట వ్యాధి ఎన్ని వ్యక్తుల గురించి గణాంకాలు సగటు సమాచారం దాడులు భావించింది.

  • ప్రైవసీ (విభాగం 6.6.3)

Warren and Brandeis (1890) గోప్య గురించి ఒక మైలురాయి చట్టపరమైన వ్యాసం, మరియు వ్యాసం అత్యంత గోప్యతా ఒంటరిగా వదిలి హక్కు అని ఉద్దేశ్యంతో సంబంధం. నేను సిఫార్సు అని గోప్యతా ఇటీవల పుస్తకం పొడవు చికిత్సలు Solove (2010) మరియు Nissenbaum (2010) .

ప్రజలు గోప్యత గురించి అనుకుంటున్నాను ఎలా అనుభావిక పరిశోధన యొక్క సమీక్ష కోసం, చూడండి Acquisti, Brandimarte, and Loewenstein (2015) . జర్నల్ సైన్స్ విభిన్న దృక్పధాలు వివిధ నుండి గోప్యత మరియు సమాచారాన్ని ప్రమాద అంశాలను సైతం "గోప్యత ఎండ్" పేరుతో ఒక ప్రత్యేక సంచిక, ప్రచురణ; ఒక సారాంశం కోసం చూడండి Enserink and Chin (2015) . Calo (2011) గోప్య అతిక్రమణల నుండి వచ్చిన హానికరమైన గురించి ఆలోచిస్తూ ఒక ఫ్రేమ్ అందిస్తుంది. డిజిటల్ వయస్సు చాలా ప్రారంభం లో గోప్యత గురించి ఆందోళనలు యొక్క ఒక ప్రారంభ ఉదాహరణ Packard (1964) .

  • అనిశ్చిత సందర్భంలో నిర్ణయాలు మేకింగ్ (విభాగం 6.6.4)

తక్కువ ప్రమాదం దరఖాస్తు ప్రయత్నిస్తున్న ఉన్నప్పుడు ఒక సవాలు అది దీని రోజువారీ జీవితం బెంచ్మార్క్ కోసం ఉపయోగిస్తారు స్పష్టంగా లేదు అని ఉంది (Council 2014) . ఉదాహరణకు, ఇళ్లులేని ప్రజలు వారి రోజువారీ జీవితాల్లో అసౌకర్యం అధిక స్థాయిలో ఉన్నాయి. కానీ, అది ప్రమాదం ఎక్కువగా పరిశోధన నిరాశ్రయులకు బహిర్గతం నైతికంగా అనుమతి ఉందని అర్థం కాదు. ఈ కారణంగా, తక్కువ ప్రమాదం ఒక సాధారణ జనాభా ప్రామాణిక, ఒక నిర్దిష్ట జనాభా ప్రామాణిక వ్యతిరేకంగా ప్రమాణం చేయాలి పెరుగుతున్న ఏకాభిప్రాయం ఉన్నట్లు తెలుస్తోంది. నేను సాధారణంగా ఒక సాధారణ జనాభా ప్రామాణిక ఆలోచన తో అంగీకరిస్తున్నారు అయితే, నేను ఫేస్బుక్ వంటి పెద్ద ఆన్లైన్ ప్లాట్, ఒక నిర్దిష్ట జనాభా ప్రామాణిక సహేతుకమైన అని అనుకుంటున్నాను. ఆ ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది ఆలోచించేటప్పుడు, నేను ఫేస్బుక్లో రోజువారీ ప్రమాద బెంచ్మార్క్ సహేతుకమైన అని అనుకుంటున్నాను, ఉంది. ఈ సందర్భంలో ఒక ప్రత్యేకమైన జనాభా ప్రామాణిక విశ్లేషించడానికి చాలా సులభమైనది మరియు సమూహాలను (ఉదా, ఖైదీలు మరియు అనాధల) పై అన్యాయంగా విఫలమైందని పరిశోధన భారం నిరోధించడానికి ప్రయత్నిస్తుంది దీనిలో జస్టిస్ సూత్రం, సంఘర్షించే ఇష్టపడదు.

  • ప్రాక్టికల్ చిట్కాలు (విభాగం 6.7)

ఇతర పండితులు కూడా నైతికత అనుబంధాలు చేర్చడానికి ఇతర పత్రికలకి పిలుపునిచ్చారు (Schultze and Mason 2012; Kosinski et al. 2015) . King and Sands (2015) కూడా ఆచరణ చిట్కాలు అందిస్తుంది.