[논문 리뷰] Actually, It's About Ethics in Computational Social Science: A Multi-party Risk-Benefit Framework for Online Community Research

Brian Keegan, J. Nathan Matias|arXiv (Cornell University)|2015. 11. 20.

Mobile Crowdsensing and Crowdsourcing참고 문헌 12인용 수 4

한 줄 요약

이 논문은 온라인 커뮤니티를 포함한 계산사회과학 연구에서 윤리적 트레이드오프를 평가하기 위해 다자간 위험-이점 프레임워크를 제안한다. 연구자, 소외된 집단(A), 문제적 행위자(B) 간의 위험과 이점의 흐름을 모델링함으로써 관찰적, 실험적, 공학적 연구 방법 간의 체계적 비교를 가능하게 하며, 보복적이지 않은 간섭 목표를 부각시킨다.

ABSTRACT

Managers regularly face a complex ethical dilemma over how to best govern online communities by evaluating the effectiveness of different social or technical strategies. What ethical considerations should guide researchers and managers when they employ causal research methods that make different community members bear different risks and benefits, under different levels of consent? We introduce a structural framework for evaluating the flows of risks and benefits in social systems with multiple interacting parties. This framework has implications for understanding the governmentality of managing socio-technical systems, for making research ethics discussions more commensurable, and for enumerating alternative goals researchers might pursue with interventions.

연구 동기 및 목표

• 연구에 참여하는 일부 집단이 위험을 지닌 반면 다른 집단은 이익을 얻는 온라인 커뮤니티 연구의 윤리적 복잡성을 다루기 위해.
• 관찰적 연구와 실험적 연구 간의 단순한 윤리적 비교를 넘어서, 상호작용하는 다수의 당사자를 고려한 연구 방법론을 개발하기 위해.
• 다양한 연구 설계가 집단 간 위험과 이점을 어떻게 분배하는지 평가하기 위한 체계적 문법을 제공하기 위해.
• 순수한 피해 최소화를 넘어서, 조정 또는 개혁과 같은 다양한 비보복적 결과를 고려하도록 연구자들을 유도하기 위해.
• 연구자가 사회기술적 시스템 내에서 어떻게 임베디드되어 있고 책임을 지고 있는지, 위험-이점 동적 구조 속에서의 역할을 명확히 하기 위해.

제안 방법

• 세 핵심 참여자를 모델링: 집단 A(소외된 집단), 집단 B(문제적 행위자), 연구자 R(중개자)로, 이들을 방향성 있는 그래프의 노드로 표현한다.
• 위험(빨간색)과 이점(초록색)의 흐름을 나타내는 방향성 있고, 정서적 성향이 있는 간선을 사용하여 영향의 비대칭성을 캡처한다.
• 다섯 가지의 독특한 연구 역할 유형(판사, 관찰자, 공학자, 과학자, 활동가)을 도입하며, 각 유형은 고유한 위험-이점 패턴을 가진다.
• 온라인 괴롭힘과 관련된 실제 사례에 프레임워크를 적용하여, 간섭이 집단 B를 억제하거나 집단 A를 보호하거나 둘 다로부터 데이터를 추출할 수 있음을 분석한다.
• 특히 동의, 가시성, 보복 또는 악화 가능성에 대한 반성적 고려를 연구 설계에 통합한다.
• 윤리적 사고를 인과적 연구 설계와 융합하며, 연구자를 중립적 관찰자가 아니라 사회적 결과를 형성하는 능동적 주체로 간주한다.

실험 결과

연구 질문

• RQ1 온라인 커뮤니티 연구에서 다양한 연구 방법이 연구자 포함 다자간 집단 간에 위험과 이점을 어떻게 분배하는가?
• RQ2 연구 방법이 한 집단에 위험을 지울 때 다른 집단에 이익을 주는 경우 연구자가 지닌 윤리적 책임은 무엇인가?
• RQ3 커뮤니티 거버넌스에서 보복 모델(예: 금지, 레이블링)을 넘어서 복원적 또는 개혁적 결과를 추구하기 위해 연구자는 어떻게 해야 하는가?
• RQ4 연구자가 임베디드된 당사자로서의 역할이 위험-이점 분배의 정당성과 공정성에 어떻게 영향을 미치는가?
• RQ5 피해 최소화를 넘어서, 공동체 연구에서 의미 있게 추구할 수 있는 대체 간섭 목표는 무엇이며, 어떻게 윤리적으로 평가할 수 있는가?

주요 결과

• 다자간 위험-이점 프레임워크는 연구 설계 간 윤리적 트레이드오프를 체계적으로 비교할 수 있도록 하며, 집단 A, 집단 B, 연구자 간의 방향성 있는 위험 및 이점 흐름을 모델링한다.
• 관찰적 방법(예: 민족지학적 연구, 데이터 마이닝)은 종종 소외된 집단(A)으로부터 이점을 추출하지만 상대적 보상은 거의 없어, 권력의 비대칭성에 대한 윤리적 우려를 제기한다.
• 공학적 간섭은 집단 A에 유익을 줄 수 있지만 집단 B를 배제함으로써, 집단 B가 대응할 수 있는 길이 없이 대상으로 여겨질 경우 분노나 악화를 유발할 수 있다.
• 실험 설계(예: 랜덤화 시험)는 집단 B에 위험을 지울 뿐 아니라 연구자에게 데이터 수집을 통해 이익을 줄 수는 있지만 여전히 상호보상이나 책임감이 부족할 수 있다.
• '활동가' 역할 유형은 가장 복잡한 역학을 유도하며, 연구자가 집단 A와의 관여에서 이익을 얻는 반면 집단 B에 위험을 지울 수 있어, 보복에 대한 취약성이 증가한다.
• 이 프레임워크는 어떤 방법도 본질적으로 더 윤리적이지 않음을 드러내며, 윤리적 평가가 연구자 포함 모든 당사자 간의 위험 및 이점 전체 분포를 고려해야 한다는 점을 명확히 한다.