MétaCan
Menu
Retour à la cohorte
Enregistrement W4388023315 · doi:10.1007/s00350-023-6599-1

Forschungsförderorganisationen in der Verantwortung zwischen Data Sharing und dem Schutz von Datensubjekten

2023· article· de· W4388023315 sur OpenAlexaff
Michael Fehling, Miriam Tormin, Christian Wendelborn, Christoph Schickhardt

Notice bibliographique

RevueMedizinrecht · 2023
Typearticle
Languede
DomaineSocial Sciences
ThématiqueDigitalization, Law, and Regulation
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésPolitical sciencePhilosophyHumanities

Résumé

récupéré en direct d'OpenAlex

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,066
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,108
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,005
Études des sciences et des technologies0,0060,021
Communication savante0,0240,029
Science ouverte0,0030,010
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,368
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedizinrechtMême sujetDigitalization, Law, and RegulationTravaux en français237 207