Ethical considerations for the use of consumer wearables in health research
Notice bibliographique
Résumé
Background: The UN's High Commissioner's request for a moratorium on the use and adoption of specific Artificial Intelligence (AI) systems that pose serious risk to human rights, this commentary explores the current environment and future implications of using third-party wearable technologies in research for participants' data privacy and data security. While wearables have been identified as tools for improving users' physical and mental health and wellbeing by providing users with more personalized data and tailored interventions, the use of this technology does not come without concern. Objective: Primarily, as researchers, we are concerned with enmeshment of corporate and research interests and what this can mean for participant data. Methods: By drawing on specific sections of the UN Report 'The right to privacy in the digital age', we discuss the conflicts between corporate and research agendas and point out the current and future implications of the involvement of third-party companies for participant data privacy, data security and data usage. Finally, we offer suggestions for researchers and third-party wearable developers for conducting ethical and transparent research with wearable tech. Conclusion: We propose that this commentary be used as a foothold for further discussions about the ethical implications of using third-party wearable tech in research.
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 | 0,182 | 0,277 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,075 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,061 | 0,040 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».