Share
Embed
Privacidade e Ética em Pesquisa
Contribuição para mesa redonda promovido pelo seminário de ensino do IFUSP no dia 31 de maio.
Ewout ter Haar
May 31, 2016
Transcript
21 slides
-
Esboço do argumento Premissa 1: cada vez mais dados, útil
para as ciências de aprendizagem Premissa 2: compartilhamento de dados entre pesquisadores é uma coisa boa Premissa 3: privacidade é um direito humano Precisamos de um novo arcabouço para conceituar “privacidade” e incorporar privacidade nas políticas de compartilhamento de dados e ética em pesquisa. -
Novas tendências: “Big data”, Compartilhamento de dados e Dados Abertos
Dados abertos: todos podem acessar, re-usar, para qualquer fim. “Big Data”: dados gerados por pessoas interagindo com sistemas online. Em educação: “Learning Analytics” • Estimulam as “ciências de aprendizagem” • Reprodutibilidade • Transparência Compatíveis? -
Big Data vs “dados abertos” Mas dificilmente vamos poder liberar
dados sobre pessoas de forma “aberta”. A quantidade de informações sobre pessoas potencialmente disponíveis aumentou tanto, que noções tradicionais sobre como "anonimizar" ou "de-identificar" não funcionam mais. Mais: Lucas Teixeira: Teoricamente impossível: problemas com a anonimização de dados pessoais -
Problemática semelhante para pesquisadores das Ciências de Saúde Querem usar
apps móveis para gerar dados clínicos Novos modelos de consentimento Novos modelos de compartilhamento deste dados -
Microdados do INEP Uma linha por aluno ou docente, sem
identificadores como nome. Mas tem idade, escola, etc., em princípio permitindo re-identificação -
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. -
“Learning Analytics”: Amigáveis Tutores-Robots no Céu Serviço que ingere interações
de alunos com sistemas locais e devolve inferências (avisos, recomendações) -
Learning Analytics (“as a service”) Dados anonimizados (“de-identificados”) de 2
milhões de estudantes compartilhados entre centenas de instituições. -
Política do Open University Coleta e uso dos dados deve
ser alinhado com os valores da Universidade. Estudantes devem ser atores engajados ativamente na coleta e uso dos dados. -
Amazon acompanha o que está lendo (e isso vai acontecer
com material didático) Pro: conveniências. Contra: mais dados para montar perfis sobre pessoas em mãos de corporações. -
Edtech e Adtech Leia análise do Maciej Ceglowski Tracking e
criação de perfis para aprendizagem personalizada ou entregar propaganda, fazendo uso de predictive analytics -
Privacidade: perigos da simplificação Não é suficiente conceituar privacidade como
mera proteção de dados pessoais. O discurso “Privacidade vs Segurança” (das autoridades) é simplificado demais. O discurso “Privacidade vs Inovação” (das corporações) é simplificado demais. -
Arcabouço analítico: 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” -
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 -
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? -
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? -
Conclusão O arcabouço de “privacidade contextual” do Nissenbaum não fornece
uma única maneira de pensar sobre compartilhamentos de dados educacionais entre pesquisadores, educadores ou com a sociedade. Ao vez disso, fornece um arcabouço que pode ser aplicada para criar novas normas e regras nos novos contextos tecnológicos. -
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