Is There a Duty to Share? Ethics of Sharing Research Data in the Context of Public Health Emergencies
Notice bibliographique
Résumé
Making research data readily accessible during a public health emergency can have profound effects on our response capabilities. The moral milieu of this data sharing has not yet been adequately explored. This article explores the foundation and nature of a duty, if any, that researchers have to share data, specifically in the context of public health emergencies. There are three notable reasons that stand in opposition to a duty to share one’s data, relating to: (i) data property and ownership, (ii) just distribution of benefits and burdens and (iii) the contemporary ethos of science. We argue each reason can be successfully met with corresponding rationale in favour of data sharing. Further support for data sharing has been echoed in policies of health agencies, funding bodies and academic institutions; in documents on the ethical conduct of biomedical research; and in discussions on the nature of public health. From this, we ascertain that sharing data is the morally sound default position. This article then highlights the key roles reciprocity and solidarity play in supporting the practice of data sharing. We conclude with recommendations to regard public health research data as a common-pool resource in order to build a framework for stable data sharing management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,235 | 0,276 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,108 |
| Communication savante | 0,021 | 0,025 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,019 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».