Winst:
- Vermogen om de principes van geïnformeerde toestemming, non-maleficence en vertrouwelijkheid toe te passen op sociaal onderzoek
- Mogelijkheid om gegevens op de juiste manier te anonimiseren door alle directe en indirecte identificatiegegevens te wissen voordat deze aan kunstmatige intelligentie worden doorgegeven
- Mogelijkheid om het gegevensbewaarbeleid van de gebruikte kunstmatige intelligentie-tool op te vragen en alleen goedgekeurde media te gebruiken voor gevoelige gegevens
Sociaal onderzoek doe je met mensen, en dat brengt een zware verantwoordelijkheid met zich mee. Mensen vertellen je over hun leven, hun meningen en soms hun meest kwetsbare ervaringen. Onderzoeksethiek is een reeks regels om dit vertrouwen te behouden: de deelnemer geen schade berokkenen, zijn toestemming verkrijgen, zijn identiteit beschermen en zijn gegevens niet misbruiken. In het tijdperk van AI is deze verantwoordelijkheid zelfs nog groter geworden, omdat het plakken van deelnemersgegevens in een AI-tool nu kan betekenen dat die gegevens onbewust lekken. In deze unit leer je de basisprincipes van onderzoeksethiek, hoe je de vertrouwelijkheid kunt beschermen bij het gebruik van AI en hoe je gegevens op de juiste manier kunt anonimiseren (waardoor de persoon onherkenbaar wordt).
Drie basisprincipes vormen de ruggengraat van elk sociaal onderzoek. Geïnformeerde toestemming: de deelnemer moet begrijpen wat het onderzoek is en hoe zijn gegevens zullen worden gebruikt en vrijelijk “ja” zeggen. Non-maleficence: onderzoek mag de deelnemer geen fysieke, psychologische of sociale schade toebrengen. Vertrouwelijkheid en vertrouwelijkheid: de identiteit en gegevens van de deelnemer moeten worden beschermd. AI-tools kunnen dit beleid faciliteren (bijvoorbeeld het opstellen van toestemmingsteksten, anonimiseringscontrole) of in gevaar brengen (bijvoorbeeld het uploaden van persoonlijk identificeerbare transcripties naar een cloud). Het verschil is of de gebruiker bij bewustzijn is of niet.
Stap voor stap: ethisch en veilig onderzoek
1. Verkrijg ethische goedkeuring. In de meeste instellingen (universiteiten, instituten) vereist onderzoek waarbij mensen betrokken zijn de goedkeuring van een ethische commissie (de commissie die erop toeziet dat het onderzoek de deelnemer geen schade berokkent). AI helpt bij het opstellen van de sollicitatietekst; De goedkeuring zelf is eigendom van de instelling.
2. Schrijf de toestemmingstekst duidelijk. De deelnemer moet worden geïnformeerd in een taal die hij/zij begrijpt, en niet in zware juridische taal. AI stelt een eenvoudige en volledige toestemmingstekst op; U bevestigt elk item.
3. Anonimiseer gegevens voordat u deze aan AI verstrekt. Naam, adres, telefoonnummer, werkplek en identificerende gegevens moeten worden verwijderd. Alleen het verwijderen van de naam is vaak niet voldoende; Ook een omschrijving als ‘met drie kinderen de enige apotheker in buurt X’ verraadt de persoon.
4. Weet welke tool gegevens opslaat en hoe. Gegevens die u in een AI-tool plakt, worden verwerkt op de servers van die tool en kunnen bij sommige services worden gebruikt bij trainingen. Voor gevoelige gegevens kan dit onaanvaardbaar zijn; Gebruik tools met gegevensbeschermingsgarantie die zijn goedgekeurd door uw instelling.
5. Bewaar gegevens veilig en verwijder ze tijdig. Houd u aan de bewaartermijn en de verwijderingsverplichting die u in uw toestemming hebt beloofd.
Let op: het plakken van onbewerkte deelnemersgegevens met persoonlijk identificeerbare informatie (genaamd transcript, contactgegevens, gevoelige persoonlijke gegevens) in een AI-tool is een ernstige ethische en juridische overtreding. Anonimiseer eerst de gegevens; Als u de gegevens niet kunt anonimiseren, geef deze gegevens dan nooit aan een externe tool.
drie minikoffers
Geval 1 — Onvoldoende anonimisering. Een onderzoeker verwijderde namen uit de transcripties en gaf ze aan de AI. Maar een deelnemer zei: "Vorig jaar, als enige vrouwelijke inspecteur in de gemeente..."; Alleen al deze definitie verraadde de persoon. Door de AI te vertellen “identificerende details in elk transcript te vinden”, kwamen elf van dergelijke latente identificatiegegevens naar voren en werden deze gegeneraliseerd.
Geval 2 — Toestemmingstekst vereenvoudigd. Het toestemmingsformulier van één team was geschreven in zwaar juridisch taalgebruik; Deelnemers ondertekenden zonder het te begrijpen. YZ reduceerde de tekst tot het leesniveau van groep 8 en maakte elk artikel in gewoon Turks. De deelnemers begrepen het nu echt en gaven toestemming; De ethische commissie keurde het ook goed.
Casus 3 — Voertuigkeuze heeft een crisis afgewend. Een promovendus stond op het punt gevoelige interviews met slachtoffers te uploaden naar een algemene AI-tool om ze samen te vatten. Zijn adviseur herinnerde eraan dat de gegevens niet geanonimiseerd waren en dat het gegevensbewaarbeleid van het voertuig onbekend was. De gegevens werden eerst volledig geanonimiseerd en alleen verwerkt in een door de instelling goedgekeurde omgeving met gegarandeerde gegevensbescherming.
Vier kopieerbare sjablonen
1) Anonimiseringscontrole:
Markeer ELK detail in de onderstaande tekst waarmee de persoon direct of indirect kan worden geïdentificeerd: naam, locatie, werkplek, unieke rol (“uniek”), datum, relatie, ziekte, zeldzame kenmerken. Stel voor elk een anoniem antwoord voor (bijvoorbeeld 'Deelnemer 7', 'Land X'). Tekst: [hier]
2) Ontwerp van geïnformeerde toestemming:
Stel een tekst voor geïnformeerde toestemming in eenvoudige taal (niveau 8) op voor een onderzoek. Het omvat: doel van het onderzoek, wat er zal worden gedaan, duur, vrijwilligheid en herroepingsrecht, hoe gegevens zullen worden opgeslagen/verwijderd, waarborging van vertrouwelijkheid, communicatie. Vermijd juridisch jargon. Onderwerp: [x]
3) Ethische risicoscreening:
Mijn onderzoeksopzet: [samenvatting]. Deelnemers: [wie]. Noem mogelijke ethische risico's: potentieel voor schade, machtsongelijkheid, kwetsbare groep, privacyrisico, toestemmingsproblemen. Geef voor elk risico een mitigatieadvies. Indien er sprake is van fragiele groepen, geef dan bijzondere aandachtspunten aan.
4) AI-voertuigveiligheidscontrole:
Ik heb het volgende type gegevens: [type]. Bedenk een checklist met beveiligingsvragen die ik moet stellen voordat ik deze in een AI-tool verwerkt: waar worden de gegevens opgeslagen, worden ze gebruikt in het onderwijs, zijn ze anoniem, is er institutionele goedkeuring, zijn het gevoelige gegevens. Stel beslissingscriteria voor.
Zwakke prompt/sterke prompt
Zwakke prompt:
Vat dit interviewverslag samen: "Ik ben Ayşe Yılmaz, een leraar in Kadıköy, mijn vrouw was vorig jaar..." [tekst met volledige naam, ID]
Hierdoor lekken de inloggegevens rechtstreeks naar de externe tool – een ernstige schending van de privacy. De gegevens worden helemaal niet geanonimiseerd.
Krachtige prompt:
Vat onderstaande tekst samen. De tekst werd vooraf geanonimiseerd: namen werden vervangen door codes zoals "Deelnemer 3", locaties werden vervangen door algemene zinnen zoals "County X", identificerende details werden weggelaten. Een nieuwe identificatie toevoegen; maak geen gevolgtrekkingen die de anonimiteit zouden schenden.Tekst: [geanonimiseerde tekst]
Het verschil: bij de tweede benadering bereikt de identiteit van de deelnemer de tool helemaal niet; De privacy wordt vanaf het begin beschermd.
Ethische principes en AI-praktijk
principe
Betekenis
risico met AI
bescherming
Geïnformeerde toestemming
Geïnformeerde vrije toestemming
—
Eenvoudige toestemmingstekst
doe geen kwaad
Geen schade voor de deelnemer
verkeerde attributie
Loyaliteitsaudit
Privacy
Identiteit wordt beschermd
datalek
Anonimisering
Gegevensbeveiliging
Veilige opslag
cloud-verwerking
Goedgekeurd voertuig
eerlijkheid
Geen pasvorm
hallucinatie
bronverificatie
Veel voorkomende fouten
- Ik denk dat ik de naam zojuist heb verwijderd en geanonimiseerd. Indirecte descriptoren ("de enige") verraden de persoon.
- De onbewerkte ID-gegevens in de externe tool plakken. Het is een van de ernstigste privacyschendingen.
- Schrijven van de toestemmingstekst in jargon. Toestemming die niet wordt begrepen, is geen echte toestemming.
- Het databeleid van het voertuig niet kennen. Ontdek waar uw gegevens worden opgeslagen en gebruikt.
- Ethische goedkeuring behandelen als een formaliteit. De ethische commissie beschermt de deelnemer; neem het serieus.
Samengevat
De kern van sociaal onderzoek is verantwoordelijkheid jegens de deelnemer. Geïnformeerde toestemming, niet-kwaadwilligheid en vertrouwelijkheid vormen de ruggengraat van elk onderzoek. AI; Het kan helpen bij het vereenvoudigen van toestemmingsteksten, het screenen van ethische risico's en het controleren van anonimisering. Maar het geven van onbewerkte ID-gegevens aan een AI-tool is een ernstige overtreding; Anonimiseer de gegevens eerst volledig, wis indirecte identificatiegegevens, gebruik alleen veilige tools die zijn goedgekeurd door uw instelling en kom elke belofte na die u doet. Ethiek is geen versiering van onderzoek, maar een voorwaarde.
Applicatie taak
Maak een kort voorbeeldtranscript (bewerk het zelf) met identificerende informatie. Vind en generaliseer alle directe en indirecte identificatiegegevens van de AI met de sjabloon "anonimiseringscontrole"; Tel hoeveel geheime identificatiegegevens eruit komen. Maak vervolgens een eenvoudige toestemmingstekst met behulp van het 'geïnformeerde toestemmingsconcept' en laat een vriend deze lezen om te testen of deze echt begrijpelijk is.
controlelijst
- [ ] Ik heb de ethische goedkeuringseis en het proces gecontroleerd.
- [ ] Ik heb de toestemmingstekst in eenvoudige, begrijpelijke taal geschreven.
- [ ] Ik heb alle directe en indirecte identificatiegegevens gewist voordat ik de gegevens aan de AI gaf.
- [ ] Ik heb het dataretentiebeleid geleerd van de AI-tool die ik gebruik.
- [ ] Ik heb alleen goedgekeurde, beveiligde media voor gevoelige gegevens gebruikt.