评估MyData场景:伦理、关切与前景
作者
AI 伦理、公平与问责隐私设计与用户控制隐私政策制定者HCI 研究员
文献标题
Assessing MyData Scenarios: Ethics, Concerns, and the Promise
文献信息
- 作者: Andy Alorwu, Saba Kheirinejad, Niels van Berkel, Marianne Kinnula, Denzil Ferreira, Aku Visuri, Simo Hosio
- 所属机构: University of Oulu (芬兰), Aalborg University (丹麦)
- 会议: CHI Conference on Human Factors in Computing Systems 2021 (CHI '21)
- 地点: Yokohama, Japan
- 关键词: MyData, Ethics, Healthcare, Crowdsourcing, Privacy
研究背景与问题
- 问题与挑战: 使用个人数据的不道德行为和隐私侵害成为全球性问题,如未经许可的数据共享和非法数据交易。
- 重要性: 隐私问题影响个人权益和社会信任,特别是在医疗领域。MyData提出了个人控制数据的愿景,但对公众认知及对具体场景的伦理性评价需进一步探讨。
- 研究动机: 探索用户对数据管理场景的伦理感知和担忧,并结合当前相关工作,通过框架性和实证研究提供数据伦理领域的见解。
解决方案
- 研究方法: 使用情境化场景分析,部署在线人群外包平台,收集用户对96种场景的伦理性和担忧评价,并进行问卷调查以获得MyData相关见解。
- 创新点:
- 设计和使用定量场景评估方法,结合用户伦理感知和担忧进行分析。
- 提出围绕MyData在医疗领域的潜力及相关问题的综合框架。
- 量化个人数据管理场景中的关键参数对伦理性和担忧的影响。
- 实施步骤:
- 第一阶段:通过Amazon Mechanical Turk平台收集关于场景的伦理感知和担忧水平数据。
- 第二阶段:邀请参与者完成后续调查,补充定性洞见及人口统计信息,同时采集对MyData的看法。
研究成果
- 具体成果:
- 识别影响场景伦理性和担忧的主要参数。其中“是否在用户同意内”和“数据类型(如健康追踪数据)”对伦理性评估产生显著影响。
- 定量结果表明,伦理性和担忧感是独立变量,不必然强相关。
- 参与者对个人控制数据表现出积极态度,尤其是在医疗领域。
- 定性结果揭示了对当前数据滥用的担忧,以及对MyData愿景在人们健康数据应用中的希望。
- 优势:
- 为MyData愿景和数据伦理研究提供了首个广泛的用户感知数据集和分析框架。
- 提供了设计用户友好型数据管理界面的见解,支持MyData实践。
- 实验与评估:
- 第一阶段收集到172名参与者对96种场景的1920次评价。
- 第二阶段的129名参与者补充了人口统计信息及MyData相关意见。
- 局限性与未来方向:
- 局限性:样本主要来源于MTurk参与者,其多样性可能不足以广泛代表全球用户群。伦理意识如理想主义与相对主义未完全纳入模型分析。
- 未来方向:研究用户在实际数据共享流程中的决策行为;扩展情境参数(如家庭数据共享);探索非营利组织或长时间数据管理情境的伦理问题。
总结
该研究揭示了用户对常见数据管理场景的伦理性和担忧感认知差异,并提出MyData在全球数据治理和医疗健康领域应用的潜力。此项研究在数据伦理学、以人为中心的数据互动设计及相关政策方面具有重要学术与实践意义,可推动对隐私和数据使用的前沿探索。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 用户如何评估与个人数据管理相关的伦理性和关注点?分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
- 哪些参数显著影响用户对情景中伦理性和担忧的评价?分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
- MyData(个人数据控制)在医疗健康数据治理中有何潜力和挑战?分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
lightbulb
现实痛点
1- 用户担心个人数据滥用,尤其在医疗领域,缺乏对场景的伦理认知。分类: 医疗AI临床支持与系统采纳需求同类问题arrow_forward
- 80%
关系不仅仅是字节:通过人和事物重新思考智能服务的好处
CHI '19· AI 伦理、公平与问责 +2
- 80%
超越康德和边沁:伦理理论如何在人工智能道德代理中被使用
CHI '21· AI 伦理、公平与问责 +2
- 80%
测量个人对他人隐私价值看法的心理测量量表(VOPP)
CHI '23· AI 伦理、公平与问责 +2
- 67%
为什么是罚款,AI?解释水平对公民对公共行政部门基于AI的自由裁量公平感知的影响
CHI '24· AI 伦理、公平与问责 +2
- 67%
监控适宜性:AI招聘面试如何影响残障求职者
CHI '26· AI 伦理、公平与问责 +2
- 67%
当公平审计的可行性依赖于数据共享意愿时:审视用户对多方计算协议的接受度以进行公平监控
CHI '26· AI 伦理、公平与问责 +2
- 67%
解构自主性:基于自由框架解释AI技术接受度
CHI '26· 可解释人工智能(XAI) +2
- 67%
认证AI系统等同于可信?探索专家和普通用户对AI认证的认知与需求
CHI '26· 可解释人工智能(XAI) +2
- 67%
公民是否认同欧盟AI法案?公众对AI系统风险与监管的看法
CHI '26· AI 伦理、公平与问责 +2
- 67%
"这只是个疯狂西部":利用公共采购作为AI治理机制
CHI '26· AI 伦理、公平与问责 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445213
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
7 位作者
sell
研究子方向
AI 伦理、公平与问责、隐私设计与用户控制
work
职业/产业
隐私政策制定者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文