Forschungsförderorganisationen in der Verantwortung zwischen Data Sharing und dem Schutz von Datensubjekten
Notice bibliographique
Résumé
DasTeilen von Forschungsdaten kann die Qualität wissenschaftlicher Erkenntnisse durch erhöhte Transparenz, Nachvollziehbar-und Reproduzierbarkeit von Forschungsstudien steigern, Anschlussforschung fördern und den wissenschaftlichen Fortschritt beschleunigen.Deshalb wird das Data Sharing zunehmend als Bestandteil guter wissenschaftlicher Praxis 1 sowie als "ethischer und wissenschaftlicher Imperativ" 2 angesehen.Die Weitergabe von Daten, die Forscher für die eigene Forschung erhoben haben, an Anschlussforscher, die diese Daten weiter nutzen wollen, birgt jedoch auch Risiken, sowohl für die hier nicht weiter behandelte Publikationsfreiheit der Primärforscher 3 als auch für diejenigen, welche ihre Daten zu Forschungszwecken zur Verfügung gestellt haben (Datensubjekte).Soweit die Daten Personenbezug besitzen, weil sie -wie besonders häufig in der Medizin, aber auch in sozialwissenschaftlichen Studien -allein oder in Kombination mit weiteren zugänglichen Daten Rückschlüsse auf individuelle Personen zulassen (vgl.Art. 4 Nr. 1 DSGVO) 4 , ist das Recht der Datensubjekte auf Datenschutz und informationelle Selbstbestimmung (Art.7, 8 Grundrechte-Charta (GrCh), Art. 2 Abs. 1 i.V. mit Art. 1 Abs. 1 GG) zu wahren.Damit Forschungsdaten geteilt und zu weiteren Forschungszwecken genutzt werden können, gibt es international wie auch national wichtige Initiativen zum Auf bau technischer Infrastruktur mit entsprechender Organisation und Governance sowie zu Modellen einer datenschutzrechtlich zulässigen Einwilligung.Dabei sind mit Blick auf Deutschland besonders die Nationale Forschungsdateninfrastruktur mit ihren Konsortien, die Medizin-Informatik-Initiative (MII) 5 und das Netzwerk Universitätsmedizin zu nennen.Die MII hat mit Zustimmung der Ethikkommissionen und der Datenschutzkonferenz die breite Einwilligung ("broad consent"), eingebettet in eine umfassende technisch-ethisch-rechtliche Governance-Struktur, als Modell vorgeschlagen.Das Modell versucht, sowohl den Rechten und Interessen der Datensubjekte als auch dem Be-darf an einer fortschrittlichen Praxis des Datenteilens und der Sekundärnutzung gerecht zu werden.Im Vereinigten Königreich ist die breite Einwilligung bereits übliche Praxis für Forschungsprojekte, deren Daten der wissenschaftlichen Sekundärnutzung zur Verfügung gestellt werden 6 .Förderorganisationen haben in vielen Ländern Förderbedingungen entwickelt, um geförderte Forscher vermehrt zum Datenteilen zu bewegen 7 .Einige Förderorganisationen nennen jedoch weiterhin Unsicherheiten bezüglich des Datenschutzes sowie der Rechte und Interessen der Datensubjekte als Hürden bei der Entwicklung ihrer Data Sharing-Policy 8 .Vor diesem Hintergrund stellt sich die Frage, welche Akteure beim Teilen personenbezogener Daten inwiefern Verantwortung für den Schutz von Datensubjekten tragen.Die vorliegende Arbeit untersucht dabei insbesondere die (datenschutz-)rechtliche und wissenschaftsethische Verantwortung öffentlicher Förderorganisationen. Dem liegt folgendes
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 | 0,066 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,021 |
| Communication savante | 0,024 | 0,029 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».