Governance Challenges to Promoting Data Readiness and Data Linkage for Not-for-Profit Organizational Service Data
Notice bibliographique
Résumé
IntroductionData collected by myriad not-for-profit (NFPs) agencies while providing social services represent a significant untapped source of intelligence. While much research has been conducted on the governance and capacity to share administrative and research data, little work has been done in the area of NFP data sources. Objectives and ApproachSix NFP agencies in Calgary participated in a data sharing project to measure various aspects of poverty. This collaboration required understanding the legal, ethical, policy and data challenges to working with data collected in the NFP sector. This case study will expose (a) the legal analysis on legal and governance issues for, and obligations of, NFPs when aiming to share and re-use information beyond service delivery in Alberta, Canada; and (b) the practical and policy challenges faced by the NFPs and repository. The legal analysis involved a systematic search of academic and grey literature; relevant legislation and case-law (especially privacy law). ResultsThe legal analysis demonstrated three key things. First, in many circumstances an NFP is not held to any information-handling legal obligations. This does not absolve NFPs from social privacy expectations, especially involving vulnerable populations. Second, privacy best practices are available to NFPs from other more-regulated sectors and from NFP sector standards. The trifecta of purpose, reasonableness and minimal extent are critical. Third, adhering to privacy best practices would not be overly costly, more efficient, and less risky of negative publicity and lost public trust from privacy complaints. These findings informed the NFP data sharing project. The six participant NFPs varied greatly in their approach to consent, governance and information-handling, which affected their data-readiness for cross-organizational data linkage and analysis. Conclusion/ImplicationsUnlike government, most NFPs have limited experience with data linkage. This paper informs ethical approaches to include NFP data in broad cross-sector data linkage. Appropriate data governance is imperative for data sharing amongst NFPs, researchers and public organizations, which promotes community service delivery, evaluation and improvements to benefit vulnerable families.
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 | 0,215 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,022 | 0,037 |
| Communication savante | 0,051 | 0,026 |
| Science ouverte | 0,007 | 0,023 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».