[논문 리뷰] Contextual Consent: Ethical Mining of Social Media for Health Research

Christopher Norval, Tristan Henderson|arXiv (Cornell University)|2017. 01. 26.

Focus Groups and Qualitative Methods참고 문헌 30인용 수 14

한 줄 요약

이 논문은 건강 연구에서 소셜 미디어 데이터를 채굴하는 데 있어 기존의 동의 방식이 부족하다고 주장하며, '맥락 기반 동의(contextual consent)'를 새로운 윤리적 프레임워크로 제안한다. 사용자가 공개적으로 데이터를 공유하더라도 연구 목적이 아니라고 할지라도, 기존의 동의 방식은 부적절하다는 점을 강조한다. 연구자는 사용자의 사생활 기대와 인식된 청중을 고려한 동적으로 변화하는, 맥락 인식형 동의 메커니즘을 권장하며, 민감한 건강 연구 환경에서도 자율성과 투명성을 유지하면서 윤리적인 데이터 사용을 가능하게 한다.

ABSTRACT

Social media are a rich source of insight for data mining and user-centred research, but the question of consent arises when studying such data without the express knowledge of the creator. Case studies that mine social data from users of online services such as Facebook and Twitter are becoming increasingly common. This has led to calls for an open discussion into how researchers can best use these vast resources to make innovative findings while still respecting fundamental ethical principles. In this position paper we highlight some key considerations for this topic and argue that the conditions of informed consent are often not being met, and that using social media data that some deem free to access and analyse may result in undesirable consequences, particularly within the domain of health research and other sensitive topics. We posit that successful exploitation of online personal data, particularly for health and other sensitive research, requires new and usable methods of obtaining consent from the user.

연구 동기 및 목표

• 공개적으로 공유된 소셜 미디어 데이터를 사용하여 건강 연구를 수행할 때 사용자의 명시적 동의 없이도 윤리적으로 문제가 되는 지점을 해결하기 위해.
• 사용자가 인식하는 사생활과 연구에서의 데이터 사용 범위 사이의 괴리를 드러내기 위해.
• 특히 민감한 건강 주제에 대해선 현재의 동의 절차가 윤리 기준을 충족하지 못하므로, 이를 입증하기 위해.
• 사용자의 청중 인식과 맥락에 부합하는 데이터 사용을 가능하게 하는 새로운 모델인 '맥락 기반 동의'를 제안하기 위해.
• 온라인 건강 연구를 위한 사용자 친화적이고 투명하며 동적으로 작동하는 동의 메커니즘을 설계하기 위해 다학제적 협력을 촉구하기 위해.

제안 방법

• 사용자가 인식하는 청중과 데이터 민감도에 맞춰 조정되는 동적으로 변화하는, 맥락 인식형 동의 모델로 정적이고 한 번만 이루어지는 동의 방식에서의 전환을 제안한다.
• 데이터 사용이 윤리적 경계를 넘는지 평가하기 위해 맥락 정합성 같은 사생활 프레임워크를 활용한다.
• Samaritans Radar와 같은 사례 연구를 분석하여, 의도하지 않은 데이터 처리가 사용자 기대를 어길 수 있음을 설명한다.
• 연구자가 사용자가 청중을 어떻게 인식하는지 고려해야 하며, 이는 자가 검열을 유도하고 데이터의 대표성에 영향을 준다는 점을 강조한다.
• 투명성과 사용자 통제를 확보하기 위해, 동의 메커니즘을 소셜 미디어 플랫폼이나 연구 워크플로우에 직접 통합할 것을 권장한다.
• 특히 정신건강 및 민감한 건강 연구 분야에서, 데이터 공유 맥락에 맞게 적응 가능한 자동화되고 확장 가능한 동의 시스템을 구축할 것을 촉구한다.

실험 결과

연구 질문

• RQ1 사용자가 소셜 미디어에서 다른 인식된 청중에게 콘텐츠를 공유할 때, 사생활 기대가 어떻게 달라지는가?
• RQ2 공개적으로 접근 가능한 데이터이지만, 현재의 소셜 미디어 데이터 채굴 연구 관행이 사용자의 자율성과 사생활을 얼마나 침해하는가?
• RQ3 명시적 동의 없이 소셜 미디어를 채굴하여 건강 연구를 수행할 때, 책임감 있는 데이터 사용을 이끌 수 있는 윤리적 프레임워크는 무엇인가?
• RQ4 대규모 건강 연구에서 사용자 친화적이고 맥락에 적합한 동의 메커니즘은 어떻게 설계할 수 있는가?
• RQ5 명시적 동의 없이 정신건강 상태, 예를 들어 우울증이나 자살 위험 예측을 위해 소셜 미디어 데이터를 사용할 경우의 영향은 무엇인가?

주요 결과

• 공개 데이터를 사용하는 소셜 미디어 연구 중 약 5%만이 공식적인 동의 절차를 보고하여, 광범위한 윤리적 소홀이 존재함을 시사한다.
• 사용자들은 종종 소셜 미디어에서 과도하게 공유하며, 자신의 청중이 얼마나 넓은지 인지하지 못해 뜻하지 않은 데이터 노출이 발생한다.
• 연구 결과에 따르면, 사용자가 더 넓거나 통제되지 않은 청중을 인식할수록 자가 검열을 더 많이 하며, 이는 데이터 품질과 대표성에 영향을 준다.
• Samaritans Radar 앱은 사생활 우려로 인해 폐기되었으며, 이는 조건부로 설계된 도구라도 동의가 적절히 관리되지 않으면 침해감으로 여겨질 수 있음을 보여준다.
• 특히 정신건강과 같은 민감한 분야에서 사용자의 사생활 기대와 실제 데이터 사용 간 격차가 크며, 이는 윤리적 문제를 야기한다.
• 현재의 동의 모델은 맥락을 고려하지 않아 자율성과 신뢰를 침해할 수 있으며, 특히 데이터가 원래 의도를 초월해 처리되고 배포될 경우 더욱 심각한 문제가 된다.