Protecting Research Confidentiality : Towards a Research-Participant Shield Law
Bibliographic record
Abstract
Résumé La protection de la confidentialité des recherches est un principe intégral de toutes les sciences sociales, ainsi que des codes d'éthique de l'humanité. Mais que se passerait-il si une juridiction exigerait l'accès à des informations confidentielles sur des recherches, tant dans le cas de litiges au civil, que pour des affaires criminelles? Au Canada, seules les informations provenant des recherches de Statistiques Canada jouissent de ce privilège relatif à la preuve—une juridiction ne peut exiger une divulgation. Tous les autres chercheurs devront faire appel à la common law afin de protéger des recherches confidentielles. Il leur appartiendrait, pour chaque cas, d'apporter la preuve de la nécessité de garder confidentielle toute information sur ces recherches, avec le risque malheureux qu'une juridiction ordonne leur divulgation. Cet article décrit cinq problèmes découlant de l'état du droit. Les protections juridiques de la confidentialité de la recherche ont encore beaucoup de chemin à parcourir avant de résoudre ces problèmes. Mais comment se présenteront ces protections? Qui aura à les gérer? La deuxième partie de cet article examine les protections législatives des privilèges relatifs à la preuve, y compris la Loi sur les statistiques , et la Loi canadienne sur la preuve , ainsi que les «certificats de confidentialité» (pour certains types de recherches en santé) et les «certificats de vie privée» (pour certaines enquêtes criminelles) des États-Unis, en vue d'établir des critères permettant l'établissement d'une loi protégeant la recherche canadienne.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.295 | 0.314 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.051 |
| Scholarly communication | 0.023 | 0.029 |
| Open science | 0.007 | 0.019 |
| Research integrity | 0.038 | 0.029 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".