স্বচ্ছতা, উন্মুক্ত ডেটা এবং তথ্য অ্যাক্সেস

লাভ:

• আইন অনুসারে তথ্যের অনুরোধের প্রতিক্রিয়া প্রস্তুত করে, আরও বা কম ব্যাখ্যা করে।
• এটি প্রকাশ করার আগে খোলা ডেটা বেনামী করে এবং পুনরায় শনাক্তকরণের ঝুঁকিপূর্ণ সমন্বয়ের স্তরে এটি স্ক্যান করে।
• জানে যে স্বচ্ছতা হল একটি প্রশাসনিক হাতিয়ার যা জনগণের আস্থা বাড়ায় এবং কী গোপনীয় রাখা উচিত তা আলাদা করে৷

একটি গণতান্ত্রিক জনপ্রশাসনের ভিত্তি হল স্বচ্ছতা: নাগরিকদের শেখার ক্ষমতা কীভাবে এবং কিসের ভিত্তিতে তাদের উদ্বেগজনক সিদ্ধান্ত নেওয়া হয়। এই নীতি দুটি কংক্রিট প্রক্রিয়ায় জীবনে আসে। প্রথমটি হ'ল তথ্যের অধিকার (তথ্যের অধিকারের আইন নং 4982; নাগরিকরা কিছু ব্যতিক্রম ছাড়া সরকারী প্রতিষ্ঠান থেকে তথ্য এবং নথির অনুরোধ করতে পারে)। দ্বিতীয়টি হল উন্মুক্ত ডেটা (সরকারি প্রতিষ্ঠানগুলি তাদের তৈরি করা ডেটার অ-ব্যক্তিগত এবং অ-গোপনীয় অংশ এমনভাবে প্রকাশ করে যাতে প্রত্যেকে অ্যাক্সেস এবং ব্যবহার করতে পারে)। এখানে, আগত তথ্যের অনুরোধের শ্রেণীবিভাগ করা, প্রতিক্রিয়ার খসড়া তৈরি করা, কোন তথ্য দেওয়া যেতে পারে এবং কোনটি ছাড় দেওয়া যেতে পারে তা প্রাক-মূল্যায়ন করা এবং প্রকাশনার জন্য উন্মুক্ত ডেটা সেট প্রস্তুত করার জন্য AI একটি শক্তিশালী সহায়তা। কিন্তু এই ইউনিটের দ্বি-গুণ সতর্কতা গুরুত্বপূর্ণ: স্বচ্ছতা আরও বেশি হওয়া উচিত নয়, কম নয় - নাগরিককে সেই তথ্য দেওয়া উচিত যা তিনি পাওয়ার অধিকারী, তবে ব্যক্তিগত ডেটা এবং বাস্তব ব্যতিক্রমগুলি সুরক্ষিত করা উচিত; এই ভারসাম্য দায়ী সরকারি কর্মকর্তা দ্বারা প্রতিষ্ঠিত হয়, এআই নয়।

জ্ঞান অর্জনের দুটি ভুল প্রান্ত

তথ্যের জন্য অনুরোধে, ত্রুটি দুটি দিক থেকে করা যেতে পারে:

• স্বচ্ছতার অভাব: অপ্রয়োজনীয়ভাবে প্রদানযোগ্য তথ্যকে "গোপনীয়/ ব্যতিক্রমী" হিসাবে প্রত্যাখ্যান করা। এটি উভয়ই অধিকার লঙ্ঘন করে এবং প্রতিষ্ঠানে অবিশ্বাস সৃষ্টি করে এবং প্রায়শই বিচার বিভাগে শেষ হয়।
• অতি-প্রকাশ: দস্তাবেজ জমা দেওয়ার সময় ঘটনাক্রমে তৃতীয় পক্ষের ব্যক্তিগত তথ্য, একটি ট্রেড সিক্রেট, বা একটি বাস্তব ব্যতিক্রম (নিরাপত্তা, ইত্যাদি) প্রকাশ করা। এটি KVKK লঙ্ঘন করে এবং ক্ষতির কারণ হয়।

AI উভয় প্রান্তেই সাহায্য করতে পারে: এটি একটি নথি স্ক্যান করতে পারে, এর মধ্যে ব্যক্তিগত ডেটা চিহ্নিত করতে পারে এবং সংশোধনের পরামর্শ দিতে পারে (ডকুমেন্টের গোপনীয়/ব্যক্তিগত অংশগুলিকে অস্পষ্ট/মুছে ফেলা); এটি ব্যতিক্রম বিভাগের তালিকা করতে পারে যার অধীনে আপনি অনুরোধটি মূল্যায়ন করবেন। কিন্তু চূড়ান্ত সিদ্ধান্ত - এই তথ্য দেওয়া হয়েছে কিনা, কোন অংশটি অস্পষ্ট - আইনগত দায়িত্ব বহনকারী একজন ব্যক্তির।

মনোযোগ: AI এর বিবৃতি যে "এই তথ্য ব্যতিক্রমের সুযোগের মধ্যে" বা "প্রদত্ত হতে পারে" আইনগত মতামত নয়। তথ্য অ্যাক্সেস আইনের প্রাসঙ্গিক নিবন্ধ অনুসারে ব্যতিক্রম মূল্যায়ন করা হয় এবং ন্যায়সঙ্গত হয়; AI শুধুমাত্র প্রাক-গুণ এবং খসড়া তৈরি করে।

ওপেন ডাটা নিরাপদে প্রকাশ করা

খোলা তথ্য জনসাধারণের দক্ষতা এবং জবাবদিহিতা বাড়ায়; উদ্যোক্তা, সাংবাদিক, গবেষকরা এই তথ্য থেকে মূল্য তৈরি করে। কিন্তু একটি ডেটা সেট প্রকাশ করার আগে, এটি পুনরায় শনাক্তকরণের ঝুঁকির বিরুদ্ধে পরীক্ষা করা উচিত (বেনামী বলে মনে করা ডেটা অন্য ডেটার সাথে একত্রিত করে ব্যক্তির সাথে সংযুক্ত করা হয়)। উদাহরণস্বরূপ, "বয়স + প্রতিবেশী + বিরল পেশা" সংমিশ্রণটি একজন একক ব্যক্তিকে নির্দেশ করতে পারে। প্রকাশনার জন্য একটি ডেটা সেট প্রস্তুত করার সময়, AI ঝুঁকিপূর্ণ কলাম সংমিশ্রণগুলিকে ফ্ল্যাগ করা এবং একটি ডেটা অভিধান (প্রতিটি কলামের অর্থ কী তার একটি বিবরণ) লিখতে সহায়ক।

টিপ: খোলা ডেটা প্রকাশ করার আগে, জিজ্ঞাসা করুন: "আমি কি এই সেটে দুই-তিনটি কলাম একত্রিত করে একজন একক ব্যক্তিকে খুঁজে পেতে পারি?" যদি উত্তর হয় "সম্ভবত," সমষ্টিগত (ব্যক্তির পরিবর্তে গোষ্ঠী), বিরল বিভাগগুলি একত্রিত করুন, বা সংবেদনশীল এলাকাটি সরান৷

ধাপে ধাপে তথ্যের প্রবাহ

1. চাহিদা বুঝুন এবং শ্রেণীবদ্ধ করুন। কি অনুরোধ করা হয়, কোন ইউনিট এটি উদ্বেগ করে, সময়কাল কি?
2. তথ্য কি বিদ্যমান বা এটি উত্পাদিত করা প্রয়োজন? আইন বিদ্যমান জ্ঞান কভার করে; প্রতিষ্ঠানটিকে নতুন বিশ্লেষণ তৈরি করতে হবে না (নিশ্চিত)।
3. ব্যতিক্রম মূল্যায়ন। ব্যক্তিগত তথ্য, নিরাপত্তা, বাণিজ্য গোপনীয়তা, অভ্যন্তরীণ মতামতের মত কোন ব্যতিক্রম আছে কি?
4. রিডাকশন। রপ্তানিযোগ্য নথির অংশগুলি সরান যা সংরক্ষণ করা প্রয়োজন।
5. যুক্তিযুক্ত উত্তর। প্রদত্ত/প্রদত্ত অংশ এবং এর ভিত্তি; প্রত্যাখ্যাত হলে আপত্তির পদ্ধতি।
6. লগ এবং অডিট লেজ. অনুরোধ, সিদ্ধান্ত এবং ন্যায্যতা রেকর্ড করা হয়.

তিনটি মিনি কেস

কেস 1 — সম্পাদনা ত্রুটি এড়ানো হয়েছে। একটি সংস্থা তথ্যের স্বাধীনতার অনুরোধে একটি দরপত্র নথি জমা দেবে। এআই নথিটি স্ক্যান করেছে এবং তিনজনের ফোন নম্বর এবং টিআর আইডি নম্বর চিহ্নিত করেছে। যদি এটি প্রুফরিডিং ছাড়াই পাঠানো হত, তাহলে এটি KVKK-এর লঙ্ঘন হত; ব্যক্তিগত ডেটা কালো করা হয়েছিল, নথিটি নিরাপদে বিতরণ করা হয়েছিল।

কেস 2 - অন্যায্য প্রত্যাখ্যান সংশোধন করা হয়েছে। একটি ইউনিট অভ্যাসগতভাবে "ইন-হাউস" হিসাবে কার্যকলাপ ডেটার জন্য একটি অনুরোধ প্রত্যাখ্যান করবে। AI কে যখন ব্যতিক্রম বিভাগগুলি সম্পর্কে জিজ্ঞাসা করা হয়েছিল, তখন দেখা গিয়েছিল যে এই ডেটাটি ইতিমধ্যেই খোলা ডেটা হিসাবে প্রকাশযোগ্য। অনুরোধ পূরণ করা হয়েছিল, একটি সম্ভাব্য আপত্তি এবং মামলা প্রতিরোধ করা হয়েছিল।

কেস 3 - পুনরায় সনাক্তকরণের ঝুঁকি। একটি পৌরসভা তার "পরিষেবা অনুরোধ" ডেটাসেটকে ওপেন ডেটা হিসাবে প্রকাশ করবে। সেটে পাড়া + সম্পূর্ণ ঠিকানা জেলা ভাঙ্গন অন্তর্ভুক্ত। এআই সতর্ক করেছে যে ঠিকানা ক্ষেত্রটি পৃথক সংখ্যা নির্দেশ করতে পারে; ঠিকানাটি রাস্তার স্তরে একত্রিত করা হয়েছিল এবং সেটটি নিরাপদে প্রকাশ করা হয়েছিল।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) তথ্য অনুরোধ শ্রেণীবিভাগ:

আপনার ভূমিকা: তথ্য অধিগ্রহণ বিশেষজ্ঞ। নিম্নলিখিত অনুরোধ প্রক্রিয়া করুন: (1) ঠিক কি অনুরোধ করা হয়েছে, (2) কোন ইউনিট এটি উদ্বেগ, (3) এটি বিদ্যমান তথ্য বা নতুন উত্পাদন প্রয়োজন কিনা, (4) সম্ভাব্য ব্যতিক্রম বিভাগ (ব্যক্তিগত তথ্য, নিরাপত্তা, বাণিজ্য গোপন, ইত্যাদি)। নির্দিষ্ট করুন যে প্রতিটি ব্যতিক্রম "প্রাসঙ্গিক নিবন্ধ দ্বারা ন্যায়সঙ্গত হতে হবে"। সিদ্ধান্ত গ্রহণ, প্রাক-মূল্যায়ন। অনুরোধ: [পাঠ্য]

2) সংশোধন (ব্যক্তিগত/গোপনীয় ডেটা চিহ্নিত করা):

নীচের নথিতে, তথ্যের প্রতিক্রিয়াতে মুখোশ করা উচিত এমন সমস্ত অংশ চিহ্নিত করুন: নাম-উপাধি, টিআর আইডি নম্বর, ঠিকানা, টেলিফোন, স্বাস্থ্য/অপরাধ সংক্রান্ত তথ্য, তৃতীয় পক্ষের ডেটা, ট্রেড সিক্রেট। প্রতিটি চিহ্নের জন্য সংক্ষিপ্ত ন্যায্যতা লিখুন। নথির রপ্তানিযোগ্য অংশটি যেমন আছে তেমনই রেখে দিন। নথি: [পাঠ্য]

3) যুক্তিযুক্ত উত্তর খসড়া:

নিম্নলিখিত অনুরোধের একটি যুক্তিযুক্ত প্রতিক্রিয়া খসড়া তৈরি করুন: (1) কী তথ্য দেওয়া হয়েছিল, (2) কোন অংশ দেওয়া হয়নি এবং কেন (ব্যতিক্রম ধারা [নিশ্চিত করতে হবে]), (3) আপিল পদ্ধতি এবং সময়কাল [নিশ্চিত করা হবে]। ভাষা হতে হবে আনুষ্ঠানিক এবং সম্মানজনক। যে অংশটি দেওয়া হয়নি তার ন্যায্যতা কংক্রিট হওয়া উচিত, সাধারণ নয়। অনুরোধ: [সারাংশ] সিদ্ধান্ত: [কী দেওয়া ছিল/দেওয়া হয়নি]

4) ডেটা পুনরায় প্রমাণীকরণ নিয়ন্ত্রণ খুলুন:

নীচের ডেটাসেটের কলামগুলি পরীক্ষা করুন৷ কলামের কোন সংমিশ্রণগুলি একজন একক ব্যক্তিকে নির্দেশ করতে পারে তা তালিকাভুক্ত করুন (পুনরায় সনাক্তকরণের ঝুঁকি)। প্রতিটি ঝুঁকির জন্য কিছু প্রশমনের পরামর্শ দিন: একত্রীকরণ, বিরল বিভাগ একত্রীকরণ, ক্ষেত্র নিষ্কাশন। শুধু প্রদত্ত কলাম তালিকা ব্যবহার করুন. কলাম: [তালিকা]

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল: "তথ্যের জন্য এই অনুরোধে সাড়া দিন।"

Güçlü: "আপনার ভূমিকা একটি তথ্য ইউনিট বিশেষজ্ঞ। প্রথমে, অনুরোধটি শ্রেণীবদ্ধ করুন: কী অনুরোধ করা হয়েছে, কোন ইউনিট, এটি উপলব্ধ, সম্ভাব্য ব্যতিক্রমগুলি কী কী। প্রতিটি ব্যতিক্রমকে 'প্রাসঙ্গিক নিবন্ধ দ্বারা ন্যায়সঙ্গত হতে হবে' হিসাবে চিহ্নিত করুন, নিজে একটি আইনী সিদ্ধান্ত নেবেন না। তারপর, ব্যক্তিগত/গোপনীয় অংশগুলিকে চিহ্নিত করুন যা নথিতে মুখোশ রাখতে হবে, একটি ফিন্ডারাফ্ট সহ একটি যুক্তিযুক্ত অংশ সহ প্রস্তাবিত প্রতিক্রিয়া জমা দিতে হবে। দেওয়া/না দেওয়া এবং ন্যায্যতাকে কংক্রিট করা।

পার্থক্য: শক্তিশালী প্রম্পট স্বচ্ছতা এবং সুরক্ষার ভারসাম্য বজায় রাখে, ব্যতিক্রমকে ন্যায্যতার সাথে সংযুক্ত করে, সংশোধন এবং আবেদনের পথ যোগ করে।

তথ্যের ধরন দ্বারা দৃষ্টিভঙ্গি

তথ্য প্রকার

ডিফল্ট

মনোযোগ

পরিসংখ্যান, সমষ্টিগত তথ্য

খোলা

পুনরায় সনাক্তকরণ চেক

প্রশাসনিক পদক্ষেপের কারণ

দেওয়া যেতে পারে

তৃতীয় পক্ষের ডেটা রিডাক্ট করুন

তৃতীয় পক্ষের ব্যক্তিগত তথ্য

সুরক্ষিত

কেভিকেকে; কিন্তু অনুমতি/ব্যতিরেকে

নিরাপত্তা/গোপনীয়তা ব্যতিক্রম

সুরক্ষিত

এটা কি বাস্তব ব্যতিক্রম, নিশ্চিত করুন

অভ্যন্তরীণ মতামত/আলোচনা

নির্ভর করে

প্রাসঙ্গিক নিবন্ধ অনুযায়ী মূল্যায়ন

বেনামীকরণ এবং পুনরায় সনাক্তকরণের ঝুঁকি

উন্মুক্ত ডেটা প্রকাশের সবচেয়ে প্রযুক্তিগত কিন্তু সমালোচনামূলক পদক্ষেপ হল বেনামীকরণ (একজন ব্যক্তিকে ডেটা থেকে প্রত্যক্ষ বা পরোক্ষভাবে অচেনা করা)। নাম এবং T.R. আইডি নম্বর মুছে ফেলা প্রায়ই যথেষ্ট নয়; কারণ বেশ কিছু সাধারণ এলাকার সংমিশ্রণ একজন ব্যক্তিকে শনাক্তযোগ্য করে তোলে। একে বলা হয় পুনঃশনাক্তকরণ (অন্যান্য তথ্যের সাথে বেনামী বলে মনে করা ডেটা ক্রস-ম্যাচিং দ্বারা ব্যক্তির সন্ধান করা)। উদাহরণস্বরূপ, যদি একটি আশেপাশে একজন 92 বছর বয়সী বিধবা থাকে, তাহলে ত্রয়ী "পাড়া + বয়স + বৈবাহিক অবস্থা" তাকে প্রকাশ করবে। এআই স্ক্রীনে সাহায্য করতে পারে কোন ডেটা সেটের ক্ষেত্রের সংমিশ্রণগুলি প্রকাশের ঝুঁকিতে রয়েছে এবং নিরাপদ গ্রুপিংয়ের পরামর্শ দিতে পারে (বয়সকে পরিসরে রূপান্তর করা, বিরল বিভাগগুলিকে একত্রিত করা); কিন্তু প্রকাশের সিদ্ধান্ত এবং চূড়ান্ত অডিটের দায়িত্ব প্রতিষ্ঠানের।

মিনি কেস — তিনটি ক্ষেত্র সহ প্রকাশ। একটি পৌরসভা সামাজিক সহায়তার তথ্য "বেনামীভাবে" প্রকাশ করেছে: নাম নেই, তবে প্রতিবেশী, জন্মের বছর এবং অক্ষমতার ধরন৷ একজন সাংবাদিক একক আশেপাশের একক ব্যক্তির মধ্যে একটি বিরল ধরণের প্রতিবন্ধী লক্ষ্য করেছেন এবং ব্যক্তিটিকে শনাক্ত করেছেন। তথ্য প্রত্যাহার; এটি পুনঃপ্রকাশিত হয়েছিল যখন জন্মের বছরটিকে 10 বছরের ব্যবধানে রূপান্তরিত করা হয়েছিল এবং বিরল বিভাগগুলিকে "অন্যান্য" এর অধীনে গোষ্ঠীভুক্ত করা হয়েছিল।

টেমপ্লেট যা পুনরায় সনাক্তকরণের ঝুঁকির জন্য স্ক্রীন করে:

কাজ: নিম্নলিখিত ডেটা সেটের কলামগুলি পরীক্ষা করুন; আমি ব্যক্তিগত তথ্য প্রকাশ করি না, আমি শুধুমাত্র ঝুঁকি স্ক্রীনিং চাই। কলাম: [কলামের নাম] আউটপুট: 1) সরাসরি শনাক্তকারী (মুছে দিতে হবে)। 2) পরোক্ষ শনাক্তকারী সংমিশ্রণ (পুনরায় সনাক্তকরণের ঝুঁকি)। 3) প্রতিটি ঝুঁকিপূর্ণ সমন্বয়ের জন্য প্রস্তাবিত গ্রুপিং/মাস্কিং। 4) প্রকাশের আগে চূড়ান্ত চেক প্রশ্ন। নিয়ম: আমি কোনো বাস্তব ব্যক্তিগত মান পেস্ট করিনি; শুধু কলাম গঠন বিবেচনা করুন.

সতর্কতা: "আমি নামটি মুছে ফেলেছি, এখন বেনামী" সবচেয়ে সাধারণ এবং বিপজ্জনক ভুল ধারণা। অজ্ঞাতনামা ক্ষেত্র দ্বারা নয়, ক্ষেত্রগুলির সংমিশ্রণ এবং বহিরাগত ডেটার সাথে মিলের সম্ভাবনা দ্বারা নির্ধারিত হয়। সন্দেহ হলে, প্রকাশ করবেন না; নাম প্রকাশ না করা একটি অপরিবর্তনীয় সিদ্ধান্ত।

সাধারণ ভুল

• অভ্যাসগতভাবে প্রত্যাখ্যান করা। যে তথ্যগুলি অপ্রয়োজনীয় "গোপনীয়" হিসাবে দেওয়া যেতে পারে তা বিবেচনা করা অধিকার লঙ্ঘন এবং মামলার কারণ।
• অসংশোধিত নথি জমা দেওয়া। তৃতীয় পক্ষের তথ্য প্রকাশ করা KVKK-এর লঙ্ঘন।
• ন্যায্যতা ছাড়াই ব্যতিক্রম ব্যবহার করা। প্রত্যাখ্যান কংক্রিট পদার্থ এবং কংক্রিট ন্যায্যতা দিয়ে করা আবশ্যক; "ইন-হাউস" বলাই যথেষ্ট নয়।
• AI এর আইনি রায়ের উপর নির্ভর করা। ব্যতিক্রম করার সিদ্ধান্ত মানুষের; এআই প্রাক-যোগ্যতা পায়।
• খোলা ডেটাতে পুনরায় সনাক্তকরণকে বাইপাস করা। কলাম সংমিশ্রণ মানুষ খুঁজে পেতে পারেন; সমষ্টি
• আপত্তির উপায় উল্লেখ না করা। প্রত্যাখ্যানে, আবেদনের পদ্ধতি এবং সময়কাল অবশ্যই লিখতে হবে (নিশ্চিত)।

সংক্ষেপে

স্বচ্ছতা জনগণের আস্থার ভিত্তি; FOI অনুরোধের শ্রেণীবিভাগ করা, প্রুফরিডিং সুপারিশ, খসড়া প্রতিক্রিয়া এবং প্রকাশনার জন্য উন্মুক্ত ডেটা প্রস্তুত করার জন্য AI একটি শক্তিশালী সহায়তা। কিন্তু ভারসাম্য গুরুত্বপূর্ণ: নাগরিকদের অবশ্যই তাদের অধিকার দেওয়া তথ্য দিতে হবে, প্রকৃত ব্যতিক্রম এবং ব্যক্তিগত ডেটা অবশ্যই সুরক্ষিত থাকতে হবে। ব্যতিক্রম করার সিদ্ধান্ত অবশ্যই যুক্তিযুক্ত এবং মানবিক হতে হবে; প্রকাশের আগে পুনরায় সনাক্তকরণের ঝুঁকির জন্য উন্মুক্ত ডেটা অডিট করা উচিত।

আবেদন টাস্ক

তথ্যের একটি প্রকৃত (মুখোশ) স্বাধীনতার অনুরোধ গ্রহণ করুন। "অনুরোধ শ্রেণীবিন্যাস" টেমপ্লেটের সাথে প্রাক-মূল্যায়ন করুন, একটি সংযুক্ত নথিতে "রিডাকশন" টেমপ্লেটটি প্রয়োগ করুন এবং মাস্ক করার জন্য এলাকাগুলি চিহ্নিত করুন৷ একটি উন্মুক্ত ডেটা সেটের কলামগুলিতে "ওপেন ডেটা রি-আইডেন্টিফিকেশন চেক" টেমপ্লেটটি প্রয়োগ করুন এবং অন্তত একটি ঝুঁকিপূর্ণ সমন্বয় খুঁজুন।

চেকলিস্ট

• আমি অনুরোধটি শ্রেণীবদ্ধ করেছি; যে তথ্য অপ্রয়োজনীয়ভাবে দেওয়া যেতে পারে আমি তা প্রত্যাখ্যান করিনি।
• [ ] আমি কংক্রিট পদার্থ এবং ন্যায্যতা (মানুষের সিদ্ধান্ত) দিয়ে ব্যতিক্রমগুলিকে মূল্যায়ন করেছি।
• [] আমি জমা দেওয়ার জন্য নথিতে ব্যক্তিগত/গোপনীয় ডেটা সংশোধন করেছি।
• [] প্রত্যাখ্যানের ক্ষেত্রে, আমি আপত্তির পদ্ধতি এবং সময়কাল (নিশ্চিত) বলেছি।
• [ ] আমি খোলা ডেটাতে পুনরায় সনাক্তকরণের ঝুঁকি পরীক্ষা করেছি৷
• [ ] আমি নিরীক্ষার জন্য অনুরোধ, সিদ্ধান্ত এবং ন্যায্যতা রেকর্ড করেছি।