Privacidade e Ética em Pesquisa

Contribuição para mesa redonda promovido pelo seminário de ensino do IFUSP no dia 31 de maio.

Transcript

1. Privacidade e Ética em Pesquisa em Educação e outros contextos Ewout ter Haar ewout@usp.br
2. 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.
3. 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?
4. 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
5. 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
6. Alguns exemplos
7. Microdados do INEP Uma linha por aluno ou docente, sem identificadores como nome. Mas tem idade, escola, etc., em princípio permitindo re-identificação
8. 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.
9. “Learning Analytics”: Amigáveis Tutores-Robots no Céu Serviço que ingere interações de alunos com sistemas locais e devolve inferências (avisos, recomendações)
10. Learning Analytics (“as a service”) Dados anonimizados (“de-identificados”) de 2 milhões de estudantes compartilhados entre centenas de instituições.
11. 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.
12. 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.
13. Edtech e Adtech Leia análise do Maciej Ceglowski Tracking e criação de perfis para aprendizagem personalizada ou entregar propaganda, fazendo uso de predictive analytics
14. 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.
15. 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”
16. Privacidade Contextual
17. 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
18. 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?
19. 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?
20. 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.
21. 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