નફો:
- સામાજિક સંશોધનમાં જાણકાર સંમતિ, અયોગ્યતા અને ગોપનીયતાના સિદ્ધાંતોને લાગુ કરવાની ક્ષમતા
- કૃત્રિમ બુદ્ધિમત્તાને આપતા પહેલા તમામ પ્રત્યક્ષ અને પરોક્ષ ઓળખકર્તાઓને સાફ કરીને ડેટાને યોગ્ય રીતે અનામી કરવાની ક્ષમતા
- ઉપયોગમાં લેવાતા આર્ટિફિશિયલ ઇન્ટેલિજન્સ ટૂલની ડેટા રીટેન્શન પોલિસીને ક્વેરી કરવાની ક્ષમતા અને સંવેદનશીલ ડેટા માટે માત્ર માન્ય મીડિયાનો ઉપયોગ
સામાજિક સંશોધન લોકો સાથે કરવામાં આવે છે, અને આ ભારે જવાબદારી સાથે આવે છે. લોકો તમને તેમના જીવન, તેમના મંતવ્યો, ક્યારેક તેમના સૌથી નાજુક અનુભવો વિશે જણાવે છે. સંશોધન નીતિશાસ્ત્ર એ આ વિશ્વાસ જાળવી રાખવા માટેના નિયમોનો સમૂહ છે: સહભાગીને નુકસાન ન કરવું, તેમની સંમતિ મેળવવી, તેમની ઓળખનું રક્ષણ કરવું અને તેમના ડેટાનો દુરુપયોગ ન કરવો. AI ના યુગમાં, આ જવાબદારી વધુ વધી ગઈ છે, કારણ કે AI ટૂલમાં સહભાગી ડેટા પેસ્ટ કરવાનો અર્થ હવે અજાણતા તે ડેટા લીક થઈ શકે છે. આ એકમમાં, તમે સંશોધન નીતિશાસ્ત્રના મૂળભૂત સિદ્ધાંતો, AI નો ઉપયોગ કરતી વખતે ગોપનીયતાને કેવી રીતે સુરક્ષિત કરવી અને ડેટાને કેવી રીતે યોગ્ય રીતે અનામી બનાવવો (વ્યક્તિને ઓળખી ન શકાય તેવો) શીખી શકશો.
ત્રણ મૂળભૂત સિદ્ધાંતો દરેક સામાજિક સંશોધનની કરોડરજ્જુ છે. જાણકાર સંમતિ: સહભાગીએ સમજવું જોઈએ કે સંશોધન શું છે અને તેના ડેટાનો ઉપયોગ કેવી રીતે કરવામાં આવશે અને મુક્તપણે "હા" બોલો. બિન-દુષ્ટતા: સંશોધન સહભાગીને શારીરિક, મનોવૈજ્ઞાનિક અથવા સામાજિક નુકસાન ન પહોંચાડે. ગોપનીયતા અને ગોપનીયતા: સહભાગીની ઓળખ અને ડેટા સુરક્ષિત હોવો આવશ્યક છે. AI સાધનો આ નીતિઓને સરળ બનાવી શકે છે (દા.ત. સંમતિ ટેક્સ્ટનો મુસદ્દો તૈયાર કરવો, અનામીકરણ નિયંત્રણ) અથવા તેમની સાથે સમાધાન કરી શકે છે (દા.ત. ક્લાઉડ પર વ્યક્તિગત રીતે ઓળખી શકાય તેવી ટ્રાન્સક્રિપ્ટ અપલોડ કરવી). તફાવત એ છે કે વપરાશકર્તા સભાન છે કે નહીં.
પગલું દ્વારા પગલું: નૈતિક અને સલામત સંશોધન
1. નૈતિક મંજૂરી મેળવો. મોટાભાગની સંસ્થાઓ (યુનિવર્સિટીઓ, સંસ્થાઓ)માં મનુષ્યોને સંડોવતા સંશોધનને નૈતિક સમિતિ (સમિતિ કે જે ખાતરી કરે છે કે સંશોધન સહભાગીને નુકસાન ન પહોંચાડે) ની મંજૂરીની જરૂર છે. AI એપ્લિકેશન ટેક્સ્ટને ડ્રાફ્ટ કરવામાં મદદ કરે છે; મંજૂરી પોતે સંસ્થાની છે.
2. સંમતિ લખાણ સ્પષ્ટ રીતે લખો. સહભાગીને તે સમજી શકે તેવી ભાષામાં જાણ કરવી જોઈએ, ભારે કાનૂની ભાષામાં નહીં. AI એક સરળ અને સંપૂર્ણ સંમતિ ટેક્સ્ટનો મુસદ્દો બનાવે છે; તમે દરેક વસ્તુની પુષ્ટિ કરો છો.
3. AI ને આપતા પહેલા ડેટાને અનામી કરો. નામ, સરનામું, ફોન નંબર, કાર્યસ્થળ અને ઓળખની વિગતો દૂર કરવી જોઈએ. ફક્ત નામ કાઢી નાખવું ઘણીવાર પૂરતું નથી; "ત્રણ બાળકો સાથે, પડોશી X માં એકમાત્ર ફાર્માસિસ્ટ" જેવું વર્ણન પણ વ્યક્તિને દૂર કરે છે.
4. જાણો કે કયું સાધન ડેટા અને કેવી રીતે સંગ્રહિત કરે છે. તમે AI ટૂલમાં પેસ્ટ કરો છો તે ડેટા તે ટૂલના સર્વર પર પ્રક્રિયા કરવામાં આવે છે અને તેનો ઉપયોગ કેટલીક સેવાઓમાં તાલીમમાં થઈ શકે છે. સંવેદનશીલ ડેટા માટે આ અસ્વીકાર્ય હોઈ શકે છે; તમારી સંસ્થા દ્વારા મંજૂર કરાયેલ ડેટા સુરક્ષા ખાતરી સાથેના સાધનોનો ઉપયોગ કરો.
5. ડેટાને સુરક્ષિત રીતે સ્ટોર કરો અને તેને સમયસર કાઢી નાખો. તમે તમારી સંમતિમાં વચન આપ્યું હતું તે જાળવી રાખવાની અવધિ અને કાઢી નાખવાની પ્રતિબદ્ધતાનું પાલન કરો.
સાવધાન: કોઈપણ AI ટૂલમાં વ્યક્તિગત રીતે ઓળખી શકાય તેવી માહિતી (નામિત ટ્રાન્સક્રિપ્ટ, સંપર્ક માહિતી, સંવેદનશીલ વ્યક્તિગત ડેટા) ધરાવતો કાચો સહભાગી ડેટા પેસ્ટ કરવો એ ગંભીર નૈતિક અને કાનૂની ઉલ્લંઘન છે. પહેલા ડેટાને અનામી કરો; જો તમે તેને અનામી કરી શકતા નથી, તો તે ડેટા ક્યારેય બાહ્ય સાધનને આપશો નહીં.
ત્રણ નાના કેસો
કેસ 1 — અપર્યાપ્ત અનામીકરણ. એક સંશોધકે ટ્રાંસ્ક્રિપ્ટમાંથી નામો કાઢી નાખ્યા અને એઆઈને આપ્યા. પરંતુ એક સહભાગીએ કહ્યું, "ગયા વર્ષે, નગરપાલિકામાં એકમાત્ર મહિલા નિરીક્ષક તરીકે..."; આ વ્યાખ્યાએ જ વ્યક્તિને દૂર કરી દીધી. AI ને "દરેક ટ્રાંસ્ક્રિપ્ટમાં ઓળખવા માટેની વિગતો શોધવા" કહેવાથી, આવા 11 સુપ્ત ઓળખકર્તાઓ ઉભરી આવ્યા અને સામાન્યીકરણ કરવામાં આવ્યા.
કેસ 2 — સંમતિ ટેક્સ્ટ સરળ. એક ટીમનું સંમતિ ફોર્મ ભારે કાયદેસરમાં લખાયેલું હતું; સહભાગીઓ સમજ્યા વગર સહી કરી રહ્યા હતા. YZ એ ટેક્સ્ટને 8મા ધોરણના વાંચન સ્તર સુધી ઘટાડી અને દરેક લેખને સાદા ટર્કિશમાં બનાવ્યો. સહભાગીઓ હવે ખરેખર સમજી ગયા છે અને સંમતિ આપી છે; એથિક્સ કમિટીએ પણ તેને મંજૂરી આપી હતી.
કેસ 3 - વાહનની પસંદગીએ કટોકટી ટાળી. પીએચડી વિદ્યાર્થી પીડિતો સાથેના સંવેદનશીલ ઇન્ટરવ્યુને સામાન્ય AI ટૂલમાં અપલોડ કરવા જઈ રહ્યો હતો. તેમના સલાહકારે યાદ અપાવ્યું કે ડેટા અનામી નથી અને વાહનની ડેટા રીટેન્શન પોલિસી અજાણ છે. ડેટાને સૌપ્રથમ સંપૂર્ણપણે અનામી કરવામાં આવ્યો હતો અને માત્ર સંસ્થા દ્વારા મંજૂર કરાયેલ ડેટા સુરક્ષા-નિશ્ચિત વાતાવરણમાં પ્રક્રિયા કરવામાં આવી હતી.
ચાર નકલ કરી શકાય તેવા નમૂનાઓ
1) અનામીકરણ નિયંત્રણ:
નીચેના લખાણમાં દરેક વિગતને ચિહ્નિત કરો જે પ્રત્યક્ષ અથવા પરોક્ષ રીતે વ્યક્તિને ઓળખી શકે: નામ, સ્થાન, કાર્યસ્થળ, અનન્ય ભૂમિકાઓ ("એક પ્રકારની"), તારીખ, સંબંધ, રોગ, દુર્લભ લાક્ષણિકતાઓ. દરેકને એક અનામી પ્રતિભાવ સૂચવો (દા.ત., “પ્રતિભાગી 7,” “કાઉન્ટી X”). ટેક્સ્ટ: [અહીં]
2) માહિતગાર સંમતિ ડ્રાફ્ટ:
અભ્યાસ માટે સાદી ભાષા (8મા ધોરણના સ્તરે) માહિતગાર સંમતિ ટેક્સ્ટનો મુસદ્દો તૈયાર કરો. તેમાં શામેલ છે: સંશોધનનો હેતુ, શું કરવામાં આવશે, સમયગાળો, સ્વૈચ્છિકતા અને ઉપાડનો અધિકાર, ડેટા કેવી રીતે સંગ્રહિત/કાઢી નાખવામાં આવશે, ગોપનીયતા ખાતરી, સંચાર. કાનૂની કલકલ ટાળો. વિષય: [x]
3) નૈતિક જોખમ તપાસ:
મારી સંશોધન ડિઝાઇન: [સારાંશ]. સહભાગીઓ: [કોણ]. સંભવિત નૈતિક જોખમોની સૂચિ બનાવો: નુકસાનની સંભાવના, શક્તિ અસંતુલન, સંવેદનશીલ જૂથ, ગોપનીયતા જોખમ, સંમતિ સમસ્યાઓ. દરેક જોખમ માટે ઘટાડવાની ભલામણ આપો. જો ત્યાં નાજુક જૂથો છે, તો ધ્યાનના વિશેષ મુદ્દાઓ સૂચવો.
4) AI વાહન સલામતી નિયંત્રણ:
મારી પાસે નીચેના પ્રકારનો ડેટા છે: [પ્રકાર]. AI ટૂલમાં આ પ્રક્રિયા કરતા પહેલા મારે પૂછવા જોઈએ તે સુરક્ષા પ્રશ્નોની ચેકલિસ્ટ સાથે આવો: ડેટા ક્યાં સંગ્રહિત છે, શું તેનો ઉપયોગ શિક્ષણમાં થાય છે, શું તે અનામી છે, શું સંસ્થાકીય મંજૂરી છે, શું તે સંવેદનશીલ ડેટા છે. નિર્ણય માપદંડ સૂચવો.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
આ ઇન્ટરવ્યુ રેકોર્ડનો સારાંશ આપો: "હું આયસે યિલમાઝ છું, કડીકોયમાં શિક્ષક છું, મારી પત્ની ગયા વર્ષે હતી..." [પૂર્ણ નામ, ID સાથે ટેક્સ્ટ]
આ ઓળખપત્રોને સીધા બાહ્ય સાધન પર લીક કરે છે - એક ગંભીર ગોપનીયતા ઉલ્લંઘન. ડેટા બિલકુલ અનામી નથી.
શક્તિશાળી પ્રોમ્પ્ટ:
નીચેના ટેક્સ્ટનો સારાંશ આપો. ટેક્સ્ટ પૂર્વ-અનામી હતી: નામો "પ્રતિભાગી 3" જેવા કોડ સાથે બદલવામાં આવ્યા હતા, સ્થાનોને "કાઉન્ટી X" જેવા સામાન્ય શબ્દસમૂહો સાથે બદલવામાં આવ્યા હતા, ઓળખની વિગતોને બાદ કરવામાં આવી હતી. નવું ઓળખકર્તા ઉમેરવું; અનામીનું ઉલ્લંઘન કરે તેવું અનુમાન ન બનાવો. ટેક્સ્ટ: [અનામી ટેક્સ્ટ]
તફાવત: બીજા અભિગમમાં, સહભાગીની ઓળખ ટૂલ સુધી પહોંચતી નથી; ગોપનીયતા શરૂઆતથી સુરક્ષિત છે.
નૈતિક સિદ્ધાંતો અને AI પ્રેક્ટિસ
સિદ્ધાંત
અર્થ
AI સાથે જોખમ
રક્ષણ
જાણકાર સંમતિ
માહિતી મફત સંમતિ
-
સરળ સંમતિ ટેક્સ્ટ
કોઈ નુકસાન ન કરો
સહભાગીને કોઈ નુકસાન નથી
ખોટી વહેંચણી
લોયલ્ટી ઓડિટ
ગોપનીયતા
ઓળખ સુરક્ષિત છે
ડેટા લીક
અનામીકરણ
ડેટા સુરક્ષા
સુરક્ષિત સંગ્રહ
ક્લાઉડ પ્રોસેસિંગ
માન્ય વાહન
પ્રામાણિકતા
કોઈ ફિટિંગ નથી
આભાસ
સ્ત્રોત ચકાસણી
સામાન્ય ભૂલો
- મને લાગે છે કે મેં હમણાં જ નામ કાઢી નાખ્યું છે અને તેનું નામ ગુપ્ત રાખ્યું છે. પરોક્ષ વર્ણનકર્તા ("એકમાત્ર") વ્યક્તિને આપે છે.
- કાચા ID ડેટાને બાહ્ય ટૂલમાં પેસ્ટ કરી રહ્યાં છીએ. તે સૌથી ગંભીર ગોપનીયતા ઉલ્લંઘનોમાંનું એક છે.
- કલકલમાં સંમતિ લખાણ લખવું. જે સંમતિ સમજાતી નથી તે વાસ્તવિક સંમતિ નથી.
- વાહનની ડેટા પોલિસી જાણતા નથી. તમારો ડેટા ક્યાં સંગ્રહિત અને ઉપયોગમાં લેવાય છે તે શોધો.
- નૈતિક મંજૂરીને ઔપચારિકતા તરીકે ગણવી. નૈતિકતા સમિતિ સહભાગીનું રક્ષણ કરે છે; તેને ગંભીરતાથી લો.
સારાંશમાં
સામાજિક સંશોધનનું હૃદય સહભાગી માટે જવાબદારી છે. જાણકાર સંમતિ, અયોગ્યતા અને ગોપનીયતા એ દરેક અભ્યાસની કરોડરજ્જુ છે. AI; તે સંમતિ ટેક્સ્ટ સરળીકરણ, નૈતિક જોખમ સ્ક્રીનીંગ અને અનામીકરણ નિયંત્રણમાં મદદ કરી શકે છે. પરંતુ AI ટૂલને કાચો ID ડેટા આપવો એ ગંભીર ઉલ્લંઘન છે; પહેલા ડેટાને સંપૂર્ણપણે અનામી બનાવો, પરોક્ષ ઓળખકર્તાઓને સાફ કરો, તમારી સંસ્થા દ્વારા મંજૂર કરવામાં આવેલા ફક્ત સુરક્ષિત સાધનોનો ઉપયોગ કરો અને તમે જે વચનો આપો છો તેનું પાલન કરો. નીતિશાસ્ત્ર એ સંશોધનની શોભા નથી, પરંતુ પૂર્વશરત છે.
એપ્લિકેશન કાર્ય
એક ટૂંકી નમૂના ટ્રાન્સક્રિપ્ટ તૈયાર કરો (તમારી જાતને સંપાદિત કરો) જેમાં ઓળખવા માટેની માહિતી શામેલ છે. "અનામીકરણ નિયંત્રણ" નમૂના સાથે AI માંથી તમામ પ્રત્યક્ષ અને પરોક્ષ ઓળખકર્તાઓને શોધો અને સામાન્ય બનાવો; કેટલા ગુપ્ત ઓળખકર્તાઓ બહાર આવે છે તેની ગણતરી કરો. પછી, "જાણકારી સંમતિ ડ્રાફ્ટ" નો ઉપયોગ કરીને એક સરળ સંમતિ ટેક્સ્ટ બનાવો અને તે ખરેખર સમજી શકાય તેવું છે કે કેમ તે ચકાસવા માટે મિત્રને તેને વાંચવા દો.
ચેકલિસ્ટ
- [ ] મેં નૈતિક મંજૂરીની જરૂરિયાત અને પ્રક્રિયા તપાસી છે.
- [ ] મેં સંમતિ ટેક્સ્ટ સરળ, સમજી શકાય તેવી ભાષામાં લખી છે.
- [ ] મેં AI ને ડેટા આપતા પહેલા તમામ પ્રત્યક્ષ અને પરોક્ષ ઓળખકર્તાઓને સાફ કર્યા.
- [ ] હું ઉપયોગ કરું છું તે AI ટૂલની ડેટા રીટેન્શન પોલિસી શીખી.
- [ ] મેં સંવેદનશીલ ડેટા માટે માત્ર માન્ય, સુરક્ષિત મીડિયાનો ઉપયોગ કર્યો છે.