8、理想研究特性与探索性数据分析

理想研究特性与探索性数据分析

1. 研究的基本伦理与特性

1.1 用户同意与系统干扰

在进行研究时，所研究系统的用户应给予同意。一般而言，研究不应干扰系统的正常运行。例如，恶意软件研究不应随意让恶意代码复制并感染互联网。若研究人员发现系统存在漏洞，应向最有能力修复该系统的一方披露。若这些方面没有回应，则应联系第三方漏洞协调机构，如 CERT/CC 寻求帮助。

1.2 数据隐私与处理

研究可能会收集涉及个人隐私或敏感信息的数据。通常无法从可能被数据集识别出的每个人那里获得同意。在这种情况下，合适的控制策略是限制对数据的访问，或仅共享匿名化的数据。然而，这种保护措施与透明度相冲突，而匿名化又与可推广性相矛盾，因此找到平衡并非易事。

1.3 部分控制需社会群体知情同意

当机器学习算法用于做出与某一群体相关的决策时，应咨询该群体的意见。如果研究的影响局限于某个组织的成员，如工会成员或签订服务条款的用户，那么可以通过这些机制寻求知情同意。但并非总是能够获得知情同意，如果研究或工具会影响无法有效获得其知情同意的社会部分，那么研究设计者有责任积极证明已防止了伤害。

1.4 研究的有益性

研究的有益性意味着研究带来的好处应大于危害。但这一简单表述背后隐藏着巨大的复杂性。主要问题包括：
1. 哪些利益相关者有望实现哪些好处？
2. 哪些利益相关者可能会遭受哪些危害？
3. 如何最大化好处？
4. 如何最小化危害？
5. 当危害发生时，有哪些减轻危害的计划？

好处和危害应系统地识别。良好的利益相关者识别是系统识别好处