A Comparative Study on Information Privacy Protection Acts in Iran and Selected Countries
Notice bibliographique
Résumé
Despite its advantages, expansion of information and communication technologies (ICTs), have increasingly put citizens at the risk of violating their information privacy by governmental or non-governmental organizations. In this article, the legislations advocating information privacy in Iran and selected countries have been comparatively studied and some solutions have been proposed for decreasing the existing gap between Iran and international standards. This article draws on qualitative method, including documentary study, content analysis (with open and axial coding), and comparative study. Statistical population of this study includes 58 countries with information privacy act which 6 countries were selected (Republic of Korea, England, France, Canada, Italy and Ireland) as pioneer countries.The framework for comparative study has 7 dimensions: principles of collection, use, retention and disclosure of data, data subject rights, controller responsibilities and principles of data subject’s accessing to data. According to this study, information privacy protection status in Iran is far from selected countries and international standards. Based on this study, there are two main gaps in protecting citizens’ information privacy in Iran: legislative and supervisory gaps. Iran is far from leading countries in terms of existence of information privacy protection legislation. Leading countries legislations support citizens’ general and sensitive personal data. But Iranian legislations only support the latter one (sensitive personal data) on a limited basis. of 124 identified obligations for protecting information privacy, 81 obligations have been repeated in at least four of six selected countries. There are only 13 of these obligations in Iranian legislations. It seems that due to supervisory gap in Iran, execution of these 13 obligations confronts some problems. It is hoped that the proposed principles in this study could pave a way for enacting rules for protecting information privacy in Iran.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».