สิ่งที่ต้องอ่านต่อไป

• บทนำ (หัวข้อ 6.1)

จริยธรรมในการวิจัยยังรวมถึงหัวข้อต่างๆเช่นการฉ้อฉลทางวิทยาศาสตร์และการจัดสรรเครดิต เหล่านี้ถูกกล่าวถึงในรายละเอียดมากขึ้น เกี่ยวกับการเป็นนักวิทยาศาสตร์ โดย Institute of Medicine and National Academy of Sciences and National Academy of Engineering (2009)

บทนี้ได้รับอิทธิพลอย่างมากจากสถานการณ์ในสหรัฐอเมริกา สำหรับข้อมูลเพิ่มเติมเกี่ยวกับขั้นตอนการทบทวนด้านจริยธรรมในประเทศอื่น ๆ ดูบทที่ 6-9 ของ Desposato (2016b) สำหรับอาร์กิวเมนต์ที่ว่าหลักการทางจริยธรรมชีวการแพทย์ที่มีอิทธิพลต่อบทนี้มีมากเกินไปในอเมริกาดู Holm (1995) สำหรับการตรวจสอบย้อนหลังของคณะกรรมการทบทวนสถาบันในสหรัฐอเมริกาดูที่ Stark (2012) วารสาร PS: Political Science and Politics จัดสัมมนาทางวิชาการระดับมืออาชีพเกี่ยวกับความสัมพันธ์ระหว่างนักวิทยาศาสตร์ทางการเมืองกับคณะกรรมาธิการต่างๆ; ดู Martinez-Ebers (2016) สำหรับสรุป

รายงานเบลมอนต์และกฎระเบียบที่ตามมาในสหรัฐอเมริกามีแนวโน้มที่จะสร้างความแตกต่างระหว่างการวิจัยและการปฏิบัติ ฉันไม่ได้ทำเช่นความแตกต่างในบทนี้เพราะฉันคิดว่าหลักจริยธรรมและกรอบนำไปใช้กับการตั้งค่าทั้งสอง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความแตกต่างและปัญหาที่เกิดขึ้นนี้ให้ดู Beauchamp and Saghai (2012) MN Meyer (2015) , boyd (2016) และ Metcalf and Crawford (2016)

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการกำกับดูแลด้านการวิจัยใน Facebook โปรดดู Jackman and Kanerva (2016) สำหรับแนวคิดเกี่ยวกับการกำกับดูแลการวิจัยที่ บริษัท และองค์กรพัฒนาเอกชนโปรดดูที่ Calo (2013) , Polonetsky, Tene, and Jerome (2015) และ Tene and Polonetsky (2016)

เกี่ยวกับการใช้ข้อมูลโทรศัพท์มือถือเพื่อช่วยในการระบุการระบาดของโรคอีโบลา 2014 ในแอฟริกาตะวันตก (Wesolowski et al. 2014; McDonald 2016) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความเสี่ยงด้านข้อมูลส่วนบุคคลของข้อมูลโทรศัพท์มือถือให้ดูที่ Mayer, Mutchler, and Mitchell (2016) ตัวอย่างการค้นคว้าเกี่ยวกับวิกฤตการณ์ก่อนหน้านี้โดยใช้ข้อมูลโทรศัพท์มือถือดูที่ Bengtsson et al. (2011) และ Lu, Bengtsson, and Holme (2012) และเพิ่มเติมเกี่ยวกับจริยธรรมของการวิจัยที่เกี่ยวข้องกับวิกฤตการณ์ดู ( ??? )

• สามตัวอย่าง (ส่วน 6.2)

หลายคนได้เขียนเรื่อง Contagion เกี่ยวกับอารมณ์ วารสาร จรรยาบรรณในการวิจัยได้ อุทิศประเด็นทั้งหมดในเดือนมกราคม 2560 เพื่อหารือเกี่ยวกับการทดลอง ดู Hunter and Evans (2016) สำหรับภาพรวม การ ดำเนินการของ Academics วิทยาศาสตร์แห่งชาติ ตีพิมพ์บทความสองชิ้นเกี่ยวกับการทดลอง: Kahn, Vayena, and Mastroianni (2014) และ Fiske and Hauser (2014) ชิ้นอื่น ๆ เกี่ยวกับการทดสอบรวมถึง: Puschmann and Bozdag (2014) , Meyer (2014) , Grimmelmann (2015) , MN Meyer (2015) , ( ??? ) , Kleinsman and Buckley (2015) , Shaw (2015) และ ( ??? )

• ดิจิตอลแตกต่างกัน (ส่วน 6.3)

ในแง่ของการเฝ้าระวังมวลภาพรวมกว้างมีไว้ใน Mayer-Schönberger (2009) และ Marx (2016) สำหรับตัวอย่างที่เป็นรูปธรรมของค่าใช้จ่ายที่เปลี่ยนแปลงไปของการเฝ้าระวัง Bankston and Soltani (2013) คาดว่าการติดตามผู้ต้องสงสัยทางอาญาโดยใช้โทรศัพท์มือถือเป็นเรื่องถูกกว่า 50 เท่าของการเฝ้าระวังทางกายภาพ ดูเพิ่มเติม Ajunwa, Crawford, and Schultz (2016) สำหรับการอภิปรายเรื่องการเฝ้าระวังในที่ทำงาน Bell and Gemmell (2009) ให้มุมมองในเชิงบวกมากขึ้นเกี่ยวกับการเฝ้าระวังตนเอง

นอกจากความสามารถในการติดตามพฤติกรรมที่สังเกตได้ซึ่งเป็นสาธารณะหรือสาธารณะบางส่วน (เช่น Tastes, Ties และ Time) นักวิจัยสามารถสรุปสิ่งที่ผู้เข้าร่วมประชุมเห็นว่าเป็นส่วนตัวได้มากขึ้น ตัวอย่างเช่น Michal Kosinski และเพื่อนร่วมงาน (2013) แสดงให้เห็นว่าพวกเขาสามารถอนุมานข้อมูลที่สำคัญเกี่ยวกับผู้คนเช่นรสนิยมทางเพศและการใช้สารเสพติดได้จากข้อมูลการติดตามข้อมูลดิจิทัลที่ดูเหมือนปกติ (Facebook Likes) เรื่องนี้อาจเป็นเรื่องมหัศจรรย์ แต่แนวทางที่ Kosinski และเพื่อนร่วมงานใช้กันซึ่งรวมถึงร่องรอยดิจิตอลการสำรวจและการเรียนรู้ที่ได้รับการดูแลเป็นสิ่งที่ฉันเคยบอกคุณแล้ว จำได้ว่าในบทที่ 3 (ถามคำถาม) ฉันได้บอกคุณว่า Joshua Blumenstock และเพื่อนร่วมงาน (2015) รวมข้อมูลการสำรวจด้วยข้อมูลโทรศัพท์มือถือเพื่อประเมินความยากจนในรวันดา วิธีเดียวกันนี้ซึ่งสามารถใช้ในการวัดความยากจนได้อย่างมีประสิทธิภาพในประเทศกำลังพัฒนาสามารถนำมาใช้เพื่ออนุมานการละเมิดข้อมูลส่วนบุคคลได้เช่นกัน

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการใช้ข้อมูลด้านสุขภาพที่ไม่ได้ตั้งใจที่ไม่ได้ตั้งใจโปรดดู O'Doherty et al. (2016) นอกเหนือจากศักยภาพในการใช้งานทุติยภูมิที่ไม่ได้ตั้งใจการสร้างฐานข้อมูลต้นแบบที่ยังไม่สมบูรณ์อาจส่งผลกระทบต่อชีวิตทางสังคมและการเมืองหากมีคนไม่เต็มใจที่จะอ่านเนื้อหาบางอย่างหรือพูดคุยเกี่ยวกับหัวข้อต่างๆ ดู Schauer (1978) และ Penney (2016)

ในสถานการณ์ที่มีกฎที่ทับซ้อนนักวิจัยบางครั้งมีส่วนร่วมใน "ช้อปปิ้งด้านกฎระเบียบ" (Grimmelmann 2015; Nickerson and Hyde 2016) นักวิจัยบางคนที่ต้องการหลีกเลี่ยงการกำกับดูแลของ IRB สามารถเป็นพันธมิตรกับนักวิจัยที่ไม่ได้รับการคุ้มครองโดย IRB (เช่นบุคคลใน บริษัท หรือองค์กรพัฒนาเอกชน) และให้เพื่อนร่วมงานรวบรวมและยกเลิกการระบุข้อมูล จากนั้นนักวิจัยจาก IRB สามารถวิเคราะห์ข้อมูลที่ถูกยกเลิกการระบุโดยไม่ต้องมีการกำกับดูแลของ IRB เพราะการวิจัยนี้ไม่ถือเป็น "งานวิจัยของมนุษย์" อย่างน้อยตามการตีความหลักเกณฑ์ในปัจจุบัน การหลีกเลี่ยง IRB แบบนี้อาจไม่สอดคล้องกับหลักการที่ใช้หลักการจริยธรรมในการวิจัย

ในปี 2011 ความพยายามเริ่มอัปเดตกฎทั่วไปและขั้นตอนนี้ก็เสร็จสมบูรณ์ในปี 2560 ( ??? ) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความพยายามเหล่านี้เพื่อปรับปรุงกฎทั่วไปดู Evans (2013) , National Research Council (2014) , Hudson and Collins (2015) และ Metcalf (2016)

• หลักการสี่ข้อ (ข้อ 6.4)

หลักการพื้นฐานที่ใช้หลักการจริยธรรมทางชีวภาพแบบคลาสสิกคือ Beauchamp and Childress (2012) พวกเขาเสนอว่าควรใช้หลักการหลัก 4 ประการหลักจริยธรรมด้านชีวการแพทย์ ได้แก่ ความเคารพต่อเอกราชการไม่ได้รับผลประโยชน์ความยุติธรรมและความยุติธรรม หลักการ nonmaleficence ขอเรียกร้องให้งดเว้นจากการก่อให้เกิดอันตรายแก่บุคคลอื่น แนวคิดนี้เชื่อมโยงอย่างลึกซึ้งกับแนวคิด Hippocratic "อย่าทำอันตราย" ในหลักการจริยธรรมในการวิจัยหลักการนี้มักใช้ร่วมกับหลักการของ Beneficence แต่ดูบทที่ 5 ของ @ beauchamp_principles_2012 เพิ่มเติมสำหรับความแตกต่างระหว่างทั้งสอง สำหรับการวิพากษ์วิจารณ์ว่าหลักการเหล่านี้เป็นแบบอเมริกันสุดเหวี่ยงให้ดู Holm (1995) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการถ่วงดุลเมื่อความขัดแย้งหลักดูที่ Gillon (2015)

สี่หลักการในบทนี้ยังได้รับการนำเสนอเพื่อเป็นแนวทางในการกำกับดูแลด้านจริยธรรมสำหรับการวิจัยที่ดำเนินการใน บริษัท และองค์กรพัฒนาเอกชน (Polonetsky, Tene, and Jerome 2015) ผ่านทางหน่วยงานที่เรียกว่า "Consumer Subject Review Boards" (CSRBs) (Calo 2013)

• เคารพสำหรับบุคคล (หมวด 6.4.1)

นอกเหนือจากการเคารพเอกราชรายงานของเบลมอนต์ยังยอมรับว่าไม่ใช่ทุกคนที่มีความสามารถในการตัดสินใจด้วยตัวตนที่แท้จริง ตัวอย่างเช่นเด็กคนที่เจ็บป่วยหรือผู้ที่อาศัยอยู่ในสถานการณ์ที่ถูก จำกัด เสรีภาพอย่างเสรีอาจไม่สามารถทำหน้าที่เป็นบุคคลที่มีอิสระอย่างเต็มที่และบุคคลเหล่านี้จึงต้องได้รับการคุ้มครองเป็นพิเศษ

การใช้หลักความเคารพต่อบุคคลในยุคดิจิทัลอาจเป็นเรื่องที่ท้าทาย ตัวอย่างเช่นในการวิจัยเกี่ยวกับยุคดิจิทัลอาจเป็นเรื่องยากที่จะให้การคุ้มครองเพิ่มเติมสำหรับผู้ที่มีความสามารถในการกำหนดตัวเองลดลงเนื่องจากนักวิจัยมักรู้จักผู้เข้าร่วมโครงการเพียงเล็กน้อย นอกจากนี้ความยินยอมที่ได้รับแจ้งในงานวิจัยทางสังคมยุคดิจิทัลถือเป็นความท้าทายอย่างมาก ในบางกรณีความยินยอมที่ได้รับแจ้งอย่างแท้จริงอาจเกิดจาก ความขัดแย้งที่โปร่งใส (Nissenbaum 2011) ซึ่ง ข้อมูล และ ความเข้าใจ มีความขัดแย้ง ประมาณถ้านักวิจัยให้ข้อมูลทั้งหมดเกี่ยวกับลักษณะของการเก็บข้อมูลการวิเคราะห์ข้อมูลและการปฏิบัติด้านความปลอดภัยข้อมูลผู้เข้าร่วมประชุมจะเข้าใจได้ยาก แต่ถ้านักวิจัยให้ข้อมูลที่เข้าใจก็อาจขาดรายละเอียดทางเทคนิคที่สำคัญ ในการวิจัยทางการแพทย์ในยุคอนาล็อก - การตั้งครองที่ได้รับการพิจารณาโดย Belmont Report - หนึ่งอาจจินตนาการว่าหมอพูดคุยกับผู้เข้าร่วมแต่ละรายเพื่อช่วยแก้ปัญหาความขัดแย้งที่โปร่งใส ในการศึกษาออนไลน์ที่เกี่ยวข้องกับคนเป็นพันหรือหลายล้านคนวิธีการเผชิญหน้าแบบนี้ก็เป็นไปไม่ได้ ปัญหาที่สองด้วยความยินยอมในยุคดิจิทัลคือในบางการศึกษาเช่นการวิเคราะห์ที่เก็บข้อมูลขนาดใหญ่ก็จะไม่ได้รับความยินยอมจากผู้เข้าร่วมทั้งหมด ฉันจะพูดถึงคำถามเหล่านี้และคำถามอื่น ๆ เกี่ยวกับความยินยอมที่ได้รับการบอกกล่าวดูรายละเอียดเพิ่มเติมในหัวข้อ 6.6.1 อย่างไรก็ตามปัญหาเหล่านี้ควรจำไว้ว่าการยินยอมที่ได้รับการบอกกล่าวนั้นไม่จำเป็นและเพียงพอสำหรับความเคารพต่อบุคคล

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการวิจัยทางการแพทย์ก่อนที่จะได้รับความยินยอมจากข้อมูลโปรดดูที่ Miller (2014) สำหรับการให้ความยินยอมในการอ่านหนังสือเป็นเวลานานหนังสือดูที่ Manson and O'Neill (2007) ดูการอ่านที่แนะนำเกี่ยวกับความยินยอมที่ได้รับแจ้งด้านล่างนี้

• Beneficence (หัวข้อ 6.4.2)

สิ่งที่เป็นอันตรายต่อบริบทเป็นอันตรายที่การวิจัยสามารถทำให้เกิดการไม่เฉพาะกับบุคคล แนวคิดนี้เป็นนามธรรมเล็กน้อย แต่ฉันจะอธิบายด้วยตัวอย่างแบบคลาสสิก: การพิจารณาตัดสินของคณะกรรมการตัดสินของวิชาชีพ (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) Wichita Jury Study) (Vaughan 1967; Katz, Capron, and Glass 1972, chap. 2) - บางครั้งก็เรียกว่า Chicago Jury Project (Cornwell 2010) ในการศึกษาครั้งนี้นักวิจัยจากมหาวิทยาลัยชิคาโกซึ่งเป็นส่วนหนึ่งของการศึกษาเกี่ยวกับด้านสังคมของระบบกฎหมายได้บันทึกการประชุมคณะลูกขุนหกครั้งในวิชิตอแคนซัส ผู้พิพากษาและทนายความในคดีอนุมัติการบันทึกและมีการกำกับดูแลอย่างเข้มงวด อย่างไรก็ตามลูกขุนไม่ทราบว่ามีการบันทึกเกิดขึ้น เมื่อการค้นคว้าถูกค้นพบมีการข่มขืนในที่สาธารณะ กระทรวงยุติธรรมได้เริ่มการตรวจสอบการศึกษาและนักวิจัยได้รับการเรียกให้เป็นพยานต่อหน้ารัฐสภา ในที่สุดสภาคองเกรสได้มีกฎหมายใหม่ที่ทำให้ผิดกฎหมายในการบันทึกการพิจารณาของคณะลูกขุน

ความวิตกกังวลของนักวิจารณ์ในการพิจารณาตัดสินของคณะกรรมการตัดสินวิชาชีพวิชิต้าไม่ใช่ความเสี่ยงที่จะเป็นอันตรายต่อผู้เข้าร่วมการแข่งขัน ค่อนข้างเป็นความเสี่ยงของการเป็นอันตรายต่อบริบทของการพิจารณาของคณะลูกขุน นั่นคือคนคิดว่าถ้าคณะลูกขุนไม่เชื่อว่าพวกเขากำลังมีการอภิปรายในพื้นที่ที่ปลอดภัยและได้รับการป้องกันจะเป็นการยากที่คณะกรรมาธิการจะดำเนินการต่อไปในอนาคต นอกเหนือจากการพิจารณาของคณะลูกขุนแล้วยังมีบริบททางสังคมที่เฉพาะเจาะจงอื่น ๆ ที่สังคมให้การคุ้มครองเป็นพิเศษเช่นความสัมพันธ์ระหว่างทนายความกับลูกค้าและการดูแลด้านจิตวิทยา (MacCarthy 2015)

ความเสี่ยงต่อการเป็นอันตรายต่อบริบทและการหยุดชะงักของระบบสังคมเกิดขึ้นในบางสาขาวิชาในสาขาวิทยาศาสตร์ทางการเมือง (Desposato 2016b) สำหรับตัวอย่างของการคำนวณค่าใช้จ่ายและผลประโยชน์เพิ่มเติมตามบริบทสำหรับการทดลองภาคสนามในสาขาวิชารัฐศาสตร์ดู Zimmerman (2016)

• ผู้พิพากษา (ส่วน 6.4.3)

การชดเชยสำหรับผู้เข้าร่วมประชุมได้รับการกล่าวถึงในการตั้งค่าหลายอย่างเกี่ยวกับการวิจัยเกี่ยวกับยุคดิจิทัล Lanier (2014) เสนอให้ผู้เข้าร่วมการสำรวจหาข้อมูลดิจิทัลที่พวกเขาสร้างขึ้น Bederson and Quinn (2011) กล่าวถึงการชำระเงินในตลาดแรงงานออนไลน์ สุดท้าย Desposato (2016a) เสนอจ่ายผู้เข้าร่วมการทดลองภาคสนาม เขาชี้ให้เห็นว่าแม้ว่าผู้เข้าร่วมจะไม่ได้รับเงินโดยตรง แต่ก็สามารถบริจาคเงินให้กับกลุ่มที่ทำงานแทนได้ ตัวอย่างเช่นใน Encore นักวิจัยอาจบริจาคให้กับกลุ่มที่ทำงานเพื่อสนับสนุนการเข้าถึงอินเทอร์เน็ต

• เคารพกฎหมายและประโยชน์สาธารณะ (หัวข้อ 6.4.4)

ข้อตกลงในการให้บริการควรมีน้ำหนักน้อยกว่าสัญญาที่เจรจาระหว่างฝ่ายที่เท่าเทียมกันและกว่ากฎหมายที่สร้างโดยรัฐบาลที่ถูกต้องตามกฎหมาย สถานการณ์ที่นักวิจัยได้ละเมิดข้อตกลงการให้บริการในอดีตมักเกี่ยวข้องกับการใช้ข้อความค้นหาโดยอัตโนมัติเพื่อตรวจสอบพฤติกรรมของ บริษัท (เช่นการทดลองภาคสนามเพื่อวัดการเลือกปฏิบัติ) สำหรับการอภิปรายเพิ่มเติมดู Vaccaro et al. (2015) , Bruckman (2016a) และ Bruckman (2016b) สำหรับตัวอย่างของการวิจัยเชิงประจักษ์ที่กล่าวถึงเงื่อนไขการให้บริการดู Soeller et al. (2016) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับปัญหาทางกฎหมายที่เป็นไปได้ที่นักวิจัยต้องเผชิญหากละเมิดข้อกำหนดในการให้บริการดู Sandvig and Karahalios (2016)

• กรอบจริยธรรมสองข้อ (ข้อ 6.5)

เห็นได้ชัดว่ามีการเขียนจำนวนมหาศาลเกี่ยวกับผลสืบเนื่องและลัทธิ deontology ตัวอย่างเช่นวิธีการเหล่านี้กรอบจริยธรรมและอื่น ๆ สามารถนำมาใช้เพื่อเหตุผลเกี่ยวกับการวิจัยยุคดิจิตอลดู Zevenbergen et al. (2015) ตัวอย่างเช่นวิธีที่สามารถประยุกต์ใช้กับการทดลองภาคสนามในเศรษฐศาสตร์การพัฒนาได้ที่ Baele (2013)

• ความยินยอมที่แจ้ง (หมวด 6.6.1)

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการศึกษาเกี่ยวกับการเลือกปฏิบัติดู Pager (2007) และ Riach and Rich (2004) การศึกษาเหล่านี้ไม่เพียง แต่ไม่ได้รับความยินยอมเท่านั้น แต่ยังเกี่ยวข้องกับการหลอกลวงโดยไม่ต้องซักถาม

ทั้ง Desposato (2016a) และ Humphreys (2015) ให้คำแนะนำเกี่ยวกับการทดลองภาคสนามโดยไม่ได้รับความยินยอม

Sommers and Miller (2013) ทบทวนข้อคิดเห็นมากมายในความโปรดปรานของผู้เข้าร่วมประชุมไม่ได้ซักถามหลังจากการหลอกลวงและยืนยันว่านักวิจัยควรยกเลิกการซักถาม

"ภายใต้สถานการณ์ที่แคบมาก ๆ คือในการวิจัยภาคสนามซึ่งการซักถามเกี่ยวกับการซักถามทำให้เกิดปัญหาและอุปสรรคในทางปฏิบัติมากนัก แต่นักวิจัยก็จะไม่มีความวิตกเกี่ยวกับการซักถามหากพวกเขาทำได้ นักวิจัยไม่ควรได้รับอนุญาตให้ละทิ้งการซักถามเพื่อเก็บรักษาสระว่ายน้ำของผู้เข้าร่วมที่ไร้เดียงสาป้องกันตนเองจากความโกรธผู้เข้าร่วมหรือปกป้องผู้เข้าร่วมจากอันตราย "

บางคนแย้งว่าในบางสถานการณ์ถ้าการซักถามเรื่องการซักถามทำให้เกิดอันตรายมากกว่าความดีควรหลีกเลี่ยง (Finn and Jakobsson 2007) Debriefing เป็นกรณีที่นักวิจัยบางคนจัดลำดับความสำคัญต่อความเคารพต่อผู้มีส่วนได้ส่วนเสียในขณะที่นักวิจัยบางคนทำในสิ่งที่ตรงกันข้าม หนึ่งทางออกที่เป็นไปได้คือการหาวิธีที่จะทำให้การซักถามเกี่ยวกับประสบการณ์การเรียนรู้สำหรับผู้เข้าอบรม นั่นคือแทนที่จะคิดว่าการซักถามเป็นสิ่งที่อาจก่อให้เกิดอันตรายได้บางทีการซักถามก็อาจเป็นสิ่งที่เป็นประโยชน์ต่อผู้เข้าร่วมด้วย สำหรับตัวอย่างของการศึกษาเรื่องนี้ให้ดูที่ Jagatic et al. (2007) นักจิตวิทยาได้พัฒนาเทคนิคการซักถามเกี่ยวกับการวิจัย (DS Holmes 1976a, 1976b; Mills 1976; Baumrind 1985; Oczak and Niedźwieńska 2007) และบางส่วนอาจใช้ประโยชน์ได้กับงานวิจัยเกี่ยวกับยุคดิจิทัล Humphreys (2015) เสนอแนวคิดที่น่าสนใจเกี่ยวกับ ความยินยอมที่ได้รับการยินยอม ซึ่งเกี่ยวข้องกับยุทธศาสตร์การซักถามที่ฉันอธิบายไว้

ความคิดในการขอตัวอย่างผู้เข้าร่วมประชุมเพื่อขอความยินยอมของพวกเขาเกี่ยวข้องกับสิ่งที่ Humphreys (2015) เรียกร้อง ให้มีการยินยอม

แนวคิดเพิ่มเติมเกี่ยวกับการยินยอมที่ได้รับแจ้งว่าได้รับการเสนอชื่อคือการสร้างแผงคนที่เห็นด้วยที่จะเข้าสู่การทดลองออนไลน์ (Crawford 2014) บางคนแย้งว่าแผงนี้จะเป็นตัวอย่างของคนที่ไม่เป็นแบบสุ่ม แต่บทที่ 3 (ถามคำถาม) แสดงให้เห็นว่าปัญหาเหล่านี้อาจเกิดขึ้นได้โดยใช้การแบ่งชั้นหลัง นอกจากนี้การยินยอมให้เข้าร่วมการอภิปรายยังครอบคลุมถึงการทดลองที่หลากหลาย กล่าวอีกนัยหนึ่งผู้เข้าร่วมอาจไม่จำเป็นต้องยินยอมให้ทดลองแต่ละครั้งแนวคิดที่เรียกว่า กว้างยินยอม (Sheehan 2011) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความแตกต่างระหว่างความยินยอมเพียงครั้งเดียวและความยินยอมสำหรับการศึกษาแต่ละครั้งรวมทั้งไฮบริดที่เป็นไปได้ให้ดูที่ Hutton and Henderson (2015)

• การทำความเข้าใจและจัดการความเสี่ยงด้านข้อมูล (ส่วน 6.6.2)

ห่างจากที่ไม่ซ้ำกัน Netflix Prize แสดงให้เห็นถึงคุณสมบัติทางเทคนิคที่สำคัญของชุดข้อมูลที่มีข้อมูลโดยละเอียดเกี่ยวกับผู้คนดังนั้นจึงมีบทเรียนที่สำคัญเกี่ยวกับความเป็นไปได้ในการ "ระบุชื่อ" ของชุดข้อมูลทางสังคมที่ทันสมัย ไฟล์ที่มีข้อมูลหลายอย่างเกี่ยวกับบุคคลแต่ละคนมีแนวโน้มที่จะ เบาบาง ในแง่ที่กำหนดไว้อย่างเป็นทางการใน Narayanan and Shmatikov (2008) นั่นคือสำหรับแต่ละเร็กคอร์ดไม่มีข้อมูลที่เหมือนกันและในความเป็นจริงไม่มีข้อมูลที่คล้ายกันมาก: แต่ละคนอยู่ไกลจากเพื่อนบ้านที่ใกล้ที่สุดในชุดข้อมูล หนึ่งสามารถคิดว่าข้อมูล Netflix อาจจะเบาบางเนื่องจากมีประมาณ 20,000 ภาพยนตร์ในระดับห้าดาวแห่งนี้มีประมาณ $6^{20,000}$ ค่าที่เป็นไปได้ว่าแต่ละคนอาจจะมี (6 เพราะนอกเหนือไปจาก 1 ถึง 5 ดาวบางคนอาจไม่ได้จัดอันดับภาพยนตร์เลย) จำนวนนี้มีขนาดใหญ่จึงยากที่จะเข้าใจได้

Sparsity มีนัยสำคัญสองประการ ขั้นแรกนั่นหมายความว่าการพยายาม "ไม่ระบุตัวตน" ชุดข้อมูลที่อิงจากการรบกวนแบบสุ่มอาจจะล้มเหลว นั่นคือแม้ว่า Netflix จะสุ่มปรับการจัดเรตบางอย่าง (ซึ่งพวกเขาทำ) นี้จะไม่เพียงพอเนื่องจากระเบียนที่ถูกรบกวนยังคงเป็นบันทึกที่ใกล้เคียงที่สุดกับข้อมูลที่ผู้โจมตีมีอยู่ ประการที่สองการแบ่งแยกดินแดนหมายความว่าการระบุตัวตนใหม่เป็นไปได้แม้ว่าผู้โจมตีจะมีความรู้ที่ไม่สมบูรณ์หรือเป็นกลางก็ตาม ตัวอย่างเช่นในข้อมูล Netflix ลองจินตนาการว่าผู้บุกรุกรู้คะแนนของคุณสำหรับภาพยนตร์สองเรื่องและวันที่ที่คุณทำคะแนนเหล่านั้น $\pm$ 3 วัน เพียงข้อมูลเดียวที่เพียงพอที่จะระบุเอกลักษณ์ 68% ของคนในข้อมูล Netflix หากผู้โจมตีรู้ว่ามีภาพยนตร์จำนวนแปดเรื่องที่คุณได้รับการจัดอันดับ $\pm$ 14 วันแล้วถึงแม้ว่าการให้คะแนนทั้งสองแบบนี้เป็นที่ยอมรับไม่ถูกต้อง 99% ของระเบียนสามารถระบุได้อย่างไม่ซ้ำกันในชุดข้อมูล กล่าวอีกนัยหนึ่งปัญหาความเบาบางเป็นปัญหาพื้นฐานสำหรับความพยายามในการ "เปิดเผยชื่อ" ข้อมูลซึ่งเป็นสิ่งที่โชคร้ายเนื่องจากชุดข้อมูลทางสังคมที่ทันสมัยที่สุดมีจำนวนน้อย สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ "anonymization" ของข้อมูลเบาบางดูที่ Narayanan and Shmatikov (2008)

ข้อมูลเมตาโทรศัพท์อาจดูเหมือน "ไม่ระบุตัวตน" และไม่ละเอียดอ่อน แต่นั่นไม่ใช่กรณีดังกล่าว ข้อมูลเมตาโทรศัพท์สามารถระบุตัวตนและสำคัญ (Mayer, Mutchler, and Mitchell 2016; Landau 2016)

ในภาพประกอบ 6.6 ผมได้ร่างความแตกต่างระหว่างความเสี่ยงกับผู้เข้าร่วมและประโยชน์ต่อสังคมจากข้อมูลที่เผยแพร่ สำหรับการเปรียบเทียบระหว่างวิธีการเข้าถึงที่ จำกัด (เช่นสวนที่มีกำแพงล้อมรอบ) และวิธีการข้อมูลที่ จำกัด (เช่น "anonymization" บางรูปแบบ) ดู Reiter and Kinney (2011) สำหรับระบบการจัดหมวดหมู่ระดับความเสี่ยงที่นำเสนอให้ดูที่ Sweeney, Crosas, and Bar-Sinai (2015) สำหรับการอภิปรายทั่วไปเกี่ยวกับการแชร์ข้อมูลให้ดูที่ Yakowitz (2011)

สำหรับการวิเคราะห์รายละเอียดเพิ่มเติมเกี่ยวกับความแตกต่างระหว่างความเสี่ยงและประโยชน์ของข้อมูลนี้โปรดดูที่ Brickell and Shmatikov (2008) , Ohm (2010) , Reiter (2012) , Wu (2013) และ Goroff (2015) หากต้องการดูข้อมูลการใช้วิธีนี้กับข้อมูลจริงจากหลักสูตรออนไลน์แบบเปิดอย่างหนาแน่น (MOOCs) โปรดดูที่ Daries et al. (2014) และ Angiuli, Blitzstein, and Waldo (2015)

ความเป็นส่วนตัวที่แตกต่างกันยังมีวิธีการอื่นที่สามารถรวมความเสี่ยงต่ำเข้ากับผู้เข้าร่วมและประโยชน์สูงสุดต่อสังคม ดู Dwork and Roth (2014) และ Narayanan, Huey, and Felten (2016)

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับแนวคิดการระบุข้อมูลส่วนบุคคล (PII) ซึ่งเป็นส่วนสำคัญของกฎเกณฑ์เกี่ยวกับจริยธรรมในการวิจัยให้ดูที่ Narayanan and Shmatikov (2010) และ Schwartz and Solove (2011) สำหรับข้อมูลทั้งหมดที่อาจมีความละเอียดอ่อนโปรดดู Ohm (2015)

ในส่วนนี้เราได้อธิบายถึงความเชื่อมโยงของชุดข้อมูลที่แตกต่างกันเป็นสิ่งที่อาจนำไปสู่ความเสี่ยงด้านข้อมูล อย่างไรก็ตามยังสามารถสร้างโอกาสใหม่สำหรับการวิจัยได้เช่นเดียวกับที่ Currie (2013)

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับตู้นิรภัย 5 ตู้โปรดดูที่ Desai, Ritchie, and Welpton (2016) ตัวอย่างเช่นการระบุผลลัพธ์สามารถดูได้ที่ Brownstein, Cassa, and Mandl (2006) ซึ่งจะแสดงให้เห็นว่าแผนที่สามารถระบุความชุกของโรคได้อย่างไร Dwork et al. (2017) ยังพิจารณาการโจมตีข้อมูลรวมเช่นสถิติเกี่ยวกับจำนวนบุคคลที่มีโรคบางอย่าง

คำถามเกี่ยวกับการใช้ข้อมูลและการเผยแพร่ข้อมูลยังก่อให้เกิดคำถามเกี่ยวกับการเป็นเจ้าของข้อมูล สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเป็นเจ้าของข้อมูลโปรดดูที่ Evans (2011) และ Pentland (2012)

• ความเป็นส่วนตัว (ส่วน 6.6.3)

Warren and Brandeis (1890) เป็นบทความทางกฎหมายที่เป็นจุดเด่นเกี่ยวกับความเป็นส่วนตัวและเกี่ยวข้องมากที่สุดกับความคิดที่ว่าข้อมูลส่วนบุคคลเป็นสิทธิที่จะทิ้งไว้ตามลำพัง การรักษาความเป็นส่วนตัวด้วยหนังสือเป็นเวลานานที่ฉันอยากจะแนะนำ ได้แก่ Solove (2010) และ Nissenbaum (2010)

สำหรับการทบทวนการวิจัยเชิงประจักษ์ว่าผู้คนคิดอย่างไรเกี่ยวกับข้อมูลส่วนบุคคลโปรดดู Acquisti, Brandimarte, and Loewenstein (2015) Phelan, Lampe, and Resnick (2016) นำเสนอทฤษฎีระบบสองระบบซึ่งผู้คนบางครั้งอาจเน้นเรื่องความกังวลที่ใช้งานง่ายและบางครั้งก็มุ่งเน้นไปที่ความกังวลที่ได้รับการพิจารณาเพื่ออธิบายว่าผู้คนสามารถสร้างความขัดแย้งในเรื่องความเป็นส่วนตัวได้อย่างไร สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความเป็นส่วนตัวในการตั้งค่าออนไลน์เช่น Twitter ดู Neuhaus and Webmoor (2012)

วารสาร วิทยาศาสตร์ เผยแพร่หัวข้อพิเศษ "จุดสิ้นสุดของข้อมูลส่วนบุคคล" ซึ่งกล่าวถึงปัญหาความเป็นส่วนตัวและความเสี่ยงด้านข้อมูลจากหลากหลายมุมมองที่ต่างกัน สำหรับข้อมูลสรุปโปรดดูที่ Enserink and Chin (2015) Calo (2011) นำเสนอกรอบสำหรับคิดถึงอันตรายที่เกิดจากการละเมิดข้อมูลส่วนบุคคล ตัวอย่างแรกของความกังวลเกี่ยวกับความเป็นส่วนตัวในช่วงเริ่มต้นของยุคดิจิตอลคือ Packard (1964)

• การตัดสินใจภายใต้ความไม่แน่นอน (หัวข้อ 6.6.4)

สิ่งหนึ่งที่ท้าทายเมื่อพยายามใช้มาตรฐานความเสี่ยงขั้นต่ำคือการไม่ใช้ชีวิตประจำวันเพื่อใช้เป็นเกณฑ์มาตรฐาน (National Research Council 2014) ตัวอย่างเช่นคนจรจัดมีระดับที่สูงขึ้นของความรู้สึกไม่สบายในชีวิตประจำวันของพวกเขา แต่นั่นไม่ได้หมายความว่าจะได้รับอนุญาตทางจริยธรรมเพื่อแสดงให้คนจรจัดไปสู่การวิจัยที่มีความเสี่ยงสูง ด้วยเหตุนี้ดูเหมือนว่าจะมีความสอดคล้องกันมากขึ้นว่าความเสี่ยงที่น้อยที่สุดควรเป็นเกณฑ์มาตรฐานของ ประชากรทั่วไป ไม่ใช่มาตรฐาน ประชากร เฉพาะ ในขณะที่ฉันเห็นด้วยกับความคิดทั่วไปของมาตรฐานประชากรฉันคิดว่าสำหรับแพลตฟอร์มออนไลน์ขนาดใหญ่เช่น Facebook มาตรฐานประชากรเฉพาะมีความสมเหตุสมผล ดังนั้นเมื่อพิจารณาการติดเชื้อทางอารมณ์ฉันคิดว่ามันเป็นเหตุผลที่จะเปรียบเทียบกับความเสี่ยงในชีวิตประจำวันบน Facebook มาตรฐานประชากรเฉพาะในกรณีนี้สามารถประเมินได้ง่ายขึ้นและไม่น่าจะขัดแย้งกับหลักการของความยุติธรรมซึ่งพยายามที่จะป้องกันไม่ให้ภาระการวิจัยล้มเหลวอย่างไม่เป็นธรรมในกลุ่มที่ด้อยโอกาส (เช่นนักโทษและเด็กกำพร้า)

• เคล็ดลับการปฏิบัติ (ส่วน 6.7)

นักวิชาการอื่น ๆ ยังเรียกร้องให้มีเอกสารเพิ่มเติมเพื่อรวมภาคผนวกเกี่ยวกับจริยธรรม (Schultze and Mason 2012; Kosinski et al. 2015; Partridge and Allman 2016) King and Sands (2015) ยังมีเคล็ดลับการปฏิบัติ Zook และเพื่อนร่วมงาน (2017) เสนอ "กฎง่ายๆสำหรับการวิจัยข้อมูลขนาดใหญ่ที่รับผิดชอบ"