Dados abertos e Privacidade

Apresentação para a mesa "Dados abertos e Privacidade" no Seminário Internacional de Privacidade e Vigilância (04 maio de 2016) https://gpopai.usp.br/wordpress/?page_id=445

Transcript

1. Dados abertos e Privacidade em Educação e outros contextos Ewout ter Haar ewout@usp.br
2. “Open” Ressalvas à ideologia da cultura livre 1. corporações usurparam o conceito (caso de open access) 2. não permite mecanismos para distinguir mercados de commons 3. mesmo criando commons, são commons pobres e estéreis 4. tendência tecnocrata do movimento “aberto” cega eles ao papel de política. 5. mais acesso / oportunidades / tecnologia sem políticas distributivas amplia desigualidades existentes. 6. “The power is where the data isn’t” (Mathbabe)
3. Definir “aberto”? Útil para advocacia, contra-produtiva como ferramenta analítica. Comparável com a demarcação de “Ciência”. A insistência da ideologia “aberta” na sua definição não- contextual e em particular a rejeição a eventuais limitações de “uso” (de dados), dificulta avançar nas tecnologias (técnicas e legais) para compartilhamento de dados sobre pessoas.
4. A promessa de “dados abertos” Transparência, Ciência e Pesquisa, Desenvolvimento (“inovação”) Mas dificilmente vamos poder liberar dados sobre pessoas de forma “aberta” [1] → focar em compartilhamento e fluxos de informação, dentro de determinados contextos. [1] Lucas Teixeira: Teoricamente impossível: problemas com a anonimização de dados pessoais
5. Amigáveis Tutores-Robots no Céu Serviço que ingere interações de alunos com sistemas locais e devolve inferências (avisos, recomendações)
6. Learning Analytics (“as a service”) Dados anonimizados (“de-identificados”) de 2 milhões de estudantes compartilhados entre centenas de instituições.
7. Compartilhamento de dados educacionais Carnegie Mellon, MIT, Stanford
8. Inovação, Inovação, Inovação Universidades públicas compartilhando experiências e dados.
9. MEC compartilha dados de alunos com empresas Para se cadastrar, o aluno tem que dar seus dados (CPF, endereço, escola) que Geekie “valida” (compara com dados do MEC). Geekie é empresa de tecnologia, investidores capital de risco.
10. Amazon acompanha o que está lendo Conveniente: marcar onde estava. Esquisito: mais dados para montar perfis em mãos de corporações.
11. Adtech Leia análise do Maciej Ceglowski Tracking e criação de perfis para entregar propaganda e fazer predictive analytics
12. Privacidade: perigos da simplificação Privacidade como mero proteção de dados pessoais O discurso Privacidade vs Segurança (das autoridades) O discurso Privacidade vs Inovação (das corporações)
13. Arcabouço analítico geral Sim, temos todos um esquema para avaliações normativas. Por exemplo: Eficiência, utilidade, consequências vs Justícia, Direitos, Princípios Mas como aplicar esta arcabouço depende do contexto.
14. Arcabouço analítico particular: privacidade contextual Helen Nissenbaum (2009). Muda unidade de análise de dados pessoais para fluxos de informação entre atores. Além da simples distinção “dados públicos” vs “dados privados”
15. Privacidade Contextual
16. O Arcabouço de Privacidade Contextual 1. Usar “integridade contextual” para avaliar se novas tecnologias violam expectativas enraizadas da sociedade 2. Sim? Então há um desafio. Avaliar novamente os efeitos, meios e fins destas novas tecnologias com seu arcabouço moral favorito (eficiência/utilitário/consequencialismo ou direitos/princípios/justícia
17. Privacidade contextual: aplicação a Educação Exemplo 1: “clickstream data” de estudantes. Contexto: educação Agentes: estudantes, educadores, dirigentes, terceiros (pesquisadores, prestadores de serviços) Normas arraigadas violadas ao compartilhar estes dados com pesquisadores? E se o AVA é fornecido por terceiros?
18. Exemplo: material didático que dedura Contexto: educação. Agentes: estudantes , educadores, editora de material didático. Tipo de informação: dados de uso ou desempenho do e-livro ou App educativo. Editora deve ter acesso a estes dados? Quais os usos legítimos destes dados? Como desenhar regulamentação para estes casos?
19. Referências • NISSENBAUM, H. F. Privacy in context: technology, policy, and the integrity of social life. Stanford, Calif: Stanford Law Books, 2010. • Ethical use of student data for learning analytics: política do OU http://www2. open.ac.uk/students/help/learning-analytics-and-you • Lucas Teixeira: Teoricamente impossível: problemas com a anonimização de dados pessoais • Mais: minha bibliografia mantido no Zotero: https://www.zotero. org/ewout/items/collectionKey/8EMX63WF
20. Problemática semelhantes para pesquisadores das Ciências de Saúde Querem usar apps móveis para gerar dados clínicos Novos modelos de consentimento Novos modelos de compartilhamento deste dados