Mga nadagdag:
- Kakayahang ilapat ang mga prinsipyo ng may-kaalamang pahintulot, nonmaleficence, at pagiging kumpidensyal sa pananaliksik sa lipunan
- Kakayahang maayos na i-anonymize ang data sa pamamagitan ng pag-clear sa lahat ng direkta at hindi direktang pagkakakilanlan bago ito ibigay sa artificial intelligence
- Kakayahang mag-query sa patakaran sa pagpapanatili ng data ng artificial intelligence tool na ginamit at gumamit lamang ng aprubadong media para sa sensitibong data
Ang panlipunang pananaliksik ay ginagawa sa mga tao, at ito ay may kasamang mabigat na responsibilidad. Sinasabi sa iyo ng mga tao ang tungkol sa kanilang buhay, kanilang mga opinyon, kung minsan ang kanilang mga pinakamarupok na karanasan. Ang etika ng pananaliksik ay isang hanay ng mga panuntunan para sa pagpapanatili ng tiwala na ito: hindi pananakit sa kalahok, pagkuha ng kanilang pahintulot, pagprotekta sa kanilang pagkakakilanlan, at hindi paggamit ng kanilang data sa maling paraan. Sa edad ng AI, mas lumaki ang responsibilidad na ito, dahil ang pag-paste ng data ng kalahok sa isang AI tool ay maaari na ngayong mangahulugan ng hindi sinasadyang pagtagas ng data na iyon. Sa unit na ito, matututunan mo ang mga pangunahing prinsipyo ng etika ng pananaliksik, kung paano protektahan ang pagiging kumpidensyal kapag gumagamit ng AI, at kung paano i-anonymize nang maayos ang data (na ginagawang hindi nakikilala ang tao).
Tatlong pangunahing prinsipyo ang gulugod ng bawat panlipunang pananaliksik. Informed consent: dapat maunawaan ng kalahok kung ano ang pananaliksik at kung paano gagamitin ang kanyang data at malayang magsabi ng "oo". Non-maleficence: ang pananaliksik ay hindi dapat magdulot ng pisikal, sikolohikal o panlipunang pinsala sa kalahok. Pagkakumpidensyal at pagiging kumpidensyal: ang pagkakakilanlan at data ng kalahok ay dapat protektahan. Maaaring mapadali ng mga tool ng AI ang mga patakarang ito (hal. pag-draft ng text ng pahintulot, kontrol sa anonymization) o ikompromiso ang mga ito (hal. pag-upload ng personal na pagkakakilanlan ng transcript sa isang cloud). Ang pagkakaiba ay kung ang gumagamit ay may malay o hindi.
Hakbang-hakbang: etikal at ligtas na pananaliksik
1. Kumuha ng etikal na pag-apruba. Sa karamihan ng mga institusyon (unibersidad, institute) ang pananaliksik na kinasasangkutan ng mga tao ay nangangailangan ng pag-apruba mula sa isang komite ng etika (ang komite na nagsisiguro na ang pananaliksik ay hindi makakasama sa kalahok). Tinutulungan ng AI ang pag-draft ng text ng application; Ang pag-apruba mismo ay pag-aari ng institusyon.
2. Isulat nang malinaw ang teksto ng pahintulot. Ang kalahok ay dapat ipaalam sa isang wika na naiintindihan niya, hindi sa mabigat na legal na wika. Bumubuo ang AI ng simple at kumpletong text ng pahintulot; Kinukumpirma mo ang bawat item.
3. I-anonymize ang data bago ito ibigay sa AI. Dapat alisin ang pangalan, address, numero ng telepono, lugar ng trabaho, at mga detalye ng pagkakakilanlan. Ang pagtanggal lamang ng pangalan ay kadalasang hindi sapat; Ang isang paglalarawan tulad ng "may tatlong anak, ang tanging parmasyutiko sa kapitbahayan X" ay nagbibigay din sa tao.
4. Alamin kung aling tool ang nag-iimbak ng data at kung paano. Ang data na iyong i-paste sa isang AI tool ay pinoproseso sa mga server ng tool na iyon at maaaring magamit sa pagsasanay sa ilang mga serbisyo. Para sa sensitibong data ito ay maaaring hindi katanggap-tanggap; Gumamit ng mga tool na may katiyakan sa proteksyon ng data na inaprubahan ng iyong institusyon.
5. Mag-imbak ng data nang secure at tanggalin ito sa isang napapanahong paraan. Sumunod sa panahon ng pagpapanatili at pangako sa pagtanggal na ipinangako mo sa iyong pahintulot.
Babala: Ang pag-paste ng raw na data ng kalahok na naglalaman ng personal na nakakapagpakilalang impormasyon (pinangalanang transcript, impormasyon sa pakikipag-ugnayan, sensitibong personal na data) sa anumang AI tool ay isang seryosong paglabag sa etika at legal. Anonymize muna ang data; Kung hindi mo ito ma-anonymize, huwag kailanman ibigay ang data na iyon sa isang panlabas na tool.
tatlong mini case
Case 1 — Hindi sapat na anonymization. Ang isang mananaliksik ay nagtanggal ng mga pangalan mula sa mga transcript at ibinigay ang mga ito sa AI. Ngunit sinabi ng isang kalahok, "Noong nakaraang taon, bilang nag-iisang babaeng inspektor sa munisipyo..."; Ang kahulugan na ito lamang ang nagbigay sa tao. Sa pamamagitan ng pagsasabi sa AI na "maghanap ng mga detalye ng pagkakakilanlan sa bawat transcript," 11 ang gayong mga nakatagong identifier ay lumitaw at ginawang pangkalahatan.
Case 2 — Pinasimple ang text ng pahintulot. Ang form ng pahintulot ng isang koponan ay isinulat sa heavy legalese; Ang mga kalahok ay pumipirma nang walang pagkakaunawaan. Binawasan ng YZ ang teksto sa antas ng pagbabasa sa ika-8 baitang at ginawa ang bawat artikulo sa simpleng Turkish. Ang mga kalahok ngayon ay tunay na naunawaan at nagbigay ng pahintulot; Inaprubahan din ito ng komite ng etika.
Kaso 3 — Ang pagpili ng sasakyan ay nakaiwas sa krisis. Isang PhD na mag-aaral ang malapit nang mag-upload ng mga sensitibong panayam sa mga biktima sa isang pangkalahatang tool ng AI upang ibuod ang mga ito. Ipinaalala ng kanyang tagapayo na ang data ay hindi na-anonymize at ang patakaran sa pagpapanatili ng data ng sasakyan ay hindi alam. Ang data ay unang ganap na na-anonymize at naproseso lamang sa isang kapaligirang sinisiguro sa proteksyon ng data na inaprubahan ng institusyon.
Apat na maaaring kopyahin na mga template
1) Kontrol ng anonymization:
Markahan ang BAWAT detalye sa teksto sa ibaba na maaaring direkta o hindi direktang matukoy ang tao: pangalan, lokasyon, lugar ng trabaho, mga natatanging tungkulin (“one of a kind”), petsa, relasyon, sakit, mga bihirang katangian. Magmungkahi ng hindi kilalang tugon sa bawat isa (hal., “Kalahok 7,” “County X”). Teksto: [dito]
2) draft ng pahintulot na may kaalaman:
Bumuo ng isang payak na wika (antas ng ika-8 baitang) na may kaalamang teksto ng pahintulot para sa isang pag-aaral. Kabilang dito ang: layunin ng pananaliksik, kung ano ang gagawin, tagal, kusang loob at karapatan ng pag-withdraw, kung paano iimbak/ tatanggalin ang data, pagtitiyak sa pagiging kumpidensyal, komunikasyon. Iwasan ang legal na jargon. Paksa: [x]
3) Etikal na pagsusuri sa panganib:
Ang aking disenyo ng pananaliksik: [buod]. Mga kalahok: [sino]. Ilista ang mga posibleng etikal na panganib: potensyal para sa pinsala, kawalan ng timbang sa kapangyarihan, bulnerable na grupo, panganib sa privacy, mga isyu sa pagpapahintulot. Magbigay ng rekomendasyon sa pagpapagaan para sa bawat panganib. Kung may mga marupok na grupo, ipahiwatig ang mga espesyal na punto ng atensyon.
4) Kontrol sa kaligtasan ng sasakyan ng AI:
Mayroon akong sumusunod na uri ng data: [type]. Gumawa ng checklist ng mga tanong sa seguridad na dapat kong itanong bago ito iproseso sa isang AI tool: saan naka-imbak ang data, ginagamit ba ito sa edukasyon, anonymous ba ito, may pag-apruba ba ng institusyon, sensitibo ba itong data. Magmungkahi ng pamantayan sa pagpapasya.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Ibuod ang rekord ng panayam na ito: "Ako si Ayşe Yılmaz, isang guro sa Kadıköy, ang asawa ko noong nakaraang taon..." [text na may buong pangalan, ID]
Direkta itong naglalabas ng mga kredensyal sa panlabas na tool — isang malubhang paglabag sa privacy. Ang data ay hindi na-anonymize sa lahat.
Napakahusay na prompt:
Ibuod ang teksto sa ibaba. Ang teksto ay na-pre-anonymize: ang mga pangalan ay pinalitan ng mga code tulad ng "Kalahok 3", ang mga lokasyon ay pinalitan ng mga generic na parirala tulad ng "County X", ang mga detalye ng pagtukoy ay tinanggal. Pagdaragdag ng bagong identifier; huwag gumawa ng hinuha na lalabag sa anonymity.Text: [anonymised text]
Ang pagkakaiba: sa pangalawang diskarte, ang pagkakakilanlan ng kalahok ay hindi umabot sa kasangkapan; Ang privacy ay protektado mula sa simula.
Mga prinsipyong etikal at kasanayan sa AI
prinsipyo
Ibig sabihin
panganib sa AI
proteksyon
May kaalamang pahintulot
May alam na libreng pahintulot
—
Simpleng text ng pahintulot
huwag gumawa ng masama
Walang pinsala sa kalahok
maling tribusyon
Pag-audit ng katapatan
Pagkapribado
Protektado ang pagkakakilanlan
data leak
Anonymization
Seguridad ng data
Ligtas na imbakan
pagpoproseso ng ulap
Inaprubahang sasakyan
katapatan
Walang angkop
guni-guni
pag-verify ng pinagmulan
Mga karaniwang pagkakamali
- Sa tingin ko tinanggal ko lang ang pangalan at na-anonymize ito. Ang mga hindi direktang tagapaglarawan ("ang nag-iisang") ay nagbibigay sa tao.
- Pag-paste ng raw ID data sa external na tool. Isa ito sa mga pinakaseryosong paglabag sa privacy.
- Pagsusulat ng teksto ng pahintulot sa jargon. Ang pahintulot na hindi naiintindihan ay hindi tunay na pahintulot.
- Hindi alam ang patakaran sa data ng sasakyan. Alamin kung saan iniimbak at ginagamit ang iyong data.
- Pagtuturing ng etikal na pag-apruba bilang isang pormalidad. Pinoprotektahan ng komite ng etika ang kalahok; seryosohin mo.
Sa buod
Ang puso ng panlipunang pananaliksik ay responsibilidad sa kalahok. Ang may-alam na pahintulot, nonmaleficence, at pagiging kompidensiyal ay ang backbone ng bawat pag-aaral. AI; Makakatulong ito sa pagpapasimple ng text ng pahintulot, pag-screen sa etikal na panganib, at kontrol sa anonymization. Ngunit ang pagbibigay ng raw ID data sa isang AI tool ay isang seryosong paglabag; Ganap na i-anonymize muna ang data, i-clear ang mga hindi direktang pagkakakilanlan, gumamit lang ng mga secure na tool na inaprubahan ng iyong institusyon, at tuparin ang bawat pangakong iyong binitawan. Ang etika ay hindi isang palamuti ng pananaliksik, ngunit isang kinakailangan.
Gawain ng aplikasyon
Maghanda ng isang maikling sample na transcript (i-edit ang iyong sarili) na may kasamang pagtukoy ng impormasyon. Hanapin at i-generalize ang lahat ng direkta at hindi direktang mga identifier mula sa AI gamit ang template na "anonymization control"; Bilangin kung ilang lihim na pagkakakilanlan ang lumalabas. Pagkatapos, gumawa ng simpleng text ng pahintulot gamit ang "draft ng informed consent" at ipabasa ito sa isang kaibigan upang subukan kung ito ay talagang naiintindihan.
checklist
- [ ] Sinuri ko ang etikal na kinakailangan at proseso ng pag-apruba.
- [ ] Isinulat ko ang teksto ng pahintulot sa simple, naiintindihan na wika.
- [ ] Inalis ko ang lahat ng direkta at hindi direktang pagkakakilanlan bago ibigay ang data sa AI.
- [ ] Natutunan ko ang patakaran sa pagpapanatili ng data ng AI tool na ginagamit ko.
- [ ] Gumamit lang ako ng aprubado at secure na media para sa sensitibong data.