当今跨机构边界的协作广泛且日益增加。它依赖于联邦数据共享,这些数据通常有治理规则或限制其使用的外部法规。然而,数据治理规则(即数据使用政策)的处理仍然是手动的、耗时的且容易出错的,这限制了协作形成和应对挑战与机会的速度,抑制了公民科学并降低了数据提供者在合规方面的信任。使用自动化系统促进合规处理大幅减少了此类非任务工作所需的时间,从而加速了协作并提高了生产力。我们提出了一个框架 Dr.Aid,帮助个人、组织和联邦遵守数据规则,使用自动化来追踪数据在流程之间传递以及生成派生数据时哪些规则适用。它使用形式化语言对数据治理规则进行编码,并在去中心化环境中的多输入多输出数据流图上执行推理。我们通过与进行 cyclone tracking 和地震建模以支持减灾和应急响应的用户合作来测试其功率和实用性。我们查询标准 provenance 痕迹将 Dr.Aid 与其正在使用的工具和系统细节分离,因为这些在联邦成员之间和随时间推移必然会有所不同。我们通过编码来自不同领域的真实数据使用政策从三个方面评估了该模型,展示了其在真实世界使用中的能力及其相对于传统框架的优势。我们认为这种方法将带来更敏捷、更高效、更可信的协作,并表明该方法可以增量式采用。这反过来将允许出现更适当的数据政策,开辟新的协作形式。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cscw/64026/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3479604
一眼看懂

论文快照

fact_check
dataset
来源
CSCW
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
work
职业/产业
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文