Privacy is a feminist issue: Reconsidering data sharing in menstrual self-tracking apps
Notice bibliographique
Résumé
Though data governance, regulation and privacy are thought to be at the centre of a just society [1], feminist scholars have pointed out that privacy has historically been “a right not granted equally to all” [2, p. 1450]. Indeed, recent work has sought to identify how marginalized groups are especially prone to invasions of privacy, including having their private information used without their knowledge or consent in ways that can sustain and/or exacerbate social inequities [3],[4],[5]. In this presentation, I explore how the unethical data sharing practices of menstrual self-tracking apps like Flo and Ovia contribute to these problems. Flo prods users to log sensitive health data with explicit promises to “keep personal information private and secure” [6], though the Wall Street Journal demonstrated in 2019 that the company secretly shared user data with corporations for years [7]. Similarly, Ovia shared data with users' employers [8]. The consequences of these actions are complex, ranging from undermining users' health and well-being to potentially contributing to gender gaps in employment opportunities, pay, and access to resources. While there are benefits associated with using menstrual self-tracking apps, they can only be fully realized when these technologies are designed and operated ethically. I explore one possible path to improved corporate social responsibility by outlining the importance of developing theoretically informed corporate privacy policies that keep marginalized users' data private and secure. Drawing on insights from Nissenbaum's [9] theory of contextual integrity and feminist approaches to privacy that trouble the public/private dichotomy and the liberal democratic notion of a sovereign individual [10], [11], I explore what menstrual self-tracking apps could look like in the future, ultimately arguing that privacy is a feminist issue.
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 | 0,059 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,066 |
| Communication savante | 0,026 | 0,038 |
| Science ouverte | 0,005 | 0,023 |
| Intégrité de la recherche | 0,013 | 0,018 |
| 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 ».