经验研究| 大数据时代，互联网研究有哪些无法回避的学术伦理问题？

原创高行云社会学理论大缸

撰文/高行云

编辑/蒜蓉

首发时间：2022年8月19日

如果把中国所有的微博用户数据都抓取去做研究，会怎么样？

有人真这么干了！

2022年8月1日，顶尖期刊Nature上线了一篇惊人的论文：纽约大学、哈佛大学等高校经济学家合作，把Facebook上近8成的美国用户（22-44岁）共7200万人的数据扒下来了。这个经济学团队还通过机器学习的方式预测了这7200万人的收入情况，并和美国的税务资料做了对比，只是为了搞清楚：是不是穷人只和穷人做朋友，并且没法和富人做朋友？

这篇研究扒了这么多数据，涉及私人信息、社交网络、收入情况等各种信息，显然严重涉及到隐私权问题。

也就是在2016 年，丹麦有研究人员抓取并分析了 OkCupid 在线约会网站近 7万名用户的数据。这一研究顿时成了头版头条新闻。因为该数据集具有高度可识别性，甚至包含敏感信息，比如用户名、年龄、性别、地理位置、性向、人格特征以及对网站使用的数千个分析问题的回答。

由此，一旦你访问了该数据库，很可能就可以判断出你身边的一些人有没有用过这个约会网站，到底他/她有什么样的约会史和隐私。

这个研究激起了大量的批评与反思，因为直接抓取在线数据，并没有任何形式的知情同意。

随着互联网研究成为主流，现在不管你做什么研究，都要考虑这些问题：

第一，研究微博、微信等互联网内容已经成为社会学、传播学、法学等各领域的热潮。
第二，使用爬虫抓数据、引用别人的微博发言，也成为我们研究中的新材料。
第三，你抓取、引用和研究的网络内容，往往没有经过人家的同意。

最后一点，尤其突出。

侵犯隐私？

涉及版权？

究竟我们要如何考虑互联网研究的学术伦理问题呢？

实际上，研究互联网遇到的伦理问题，也是近些年才受到关注。举一个例子来说，在国外高校做学术研究，一般只要涉及到“人”，都会成立专门的学术伦理审查委员会。这个委员会可能是系级，也可能在学会层面。甚至，你的开题报告，都要提交学术伦理审查委员会审核通过后，才能去做田野。

但是，2008 年美国的一项调查显示：只有 6% 的伦理审查委员会制定了基于互联网研究的指南或清单，剩余的都不太关注这方面的伦理风险。不过，就在短短七年后，已经有93% 的学术伦理委员会承认，使用在线数据进行研究会有特别的伦理问题。但令人遗憾的是，在这些调查里也显示，只有 50%左右的人表示他们认为自己跟得上现在的在线数据收集技术。而即使到2019年，这项对各大伦理审查委员会的调查也显示，只有 25% 的人认为准备好了如何评估依赖大数据的伦理问题。

一方面是互联网研究越来越多，一方面是学术伦理审查准备不足。究竟我们为什么要重视学术伦理审查呢？

– 1 –研究伦理为何重要：当我们的研究要以人类为对象

人类受试者保护的历史源于二战期间纳粹关于人体的实验暴行。二战后出台的纽伦堡法典以及世界医学协会在赫尔辛基的伦理宣言，都是对这些暴行实验的响应。

（纽伦堡法案）

不光是纳粹，美国公共卫生服务局也在 1932 年至 1972 年这数十年间，进行了一项臭名昭著的临床研究：打着接受政府免费医疗的幌子，研究阿拉巴马州农村非裔男性的梅毒症状在未经治疗情况下的自然进展。为解决这个问题，美国的卫生部门提出了一套管理以人类为受试者的保护法法规。接着，美国的生物、医学等研究领域也发布了相关指南，确定了所有关于人类受试者研究的三个基本伦理原则：尊重个人、仁慈和正义。

随着互联网的发展，1990年代开始，有学者关注到了互联网研究伦理问题。

1996年，学者Storm King通过研究电子邮件、聊天室等新兴形式，尝试制定美国心理学会关于人类受试者研究的指导方针，并批评先前一些关于互联网研究没有注意到的伦理问题。2001年，美国心理学会的下属相关委员会成立了一个关于在互联网上进行研究的咨询小组。

早期的争论，涉及到引用博客文章之类的问题。比如，博客是已经发布的、公开的，如果引用到底涉不涉及隐私呢？有学者认为这是个人所有，但也有学者指出这就像“公园”里的东西一样，又怎么会有隐私问题呢。

发展至今，根据学者Buchanan 和 Ess 的调查，现在美国700 多个伦理审查委员会里，主要将互联网研究的伦理审核重点，放在隐私、数据安全、保密、知情同意和招募程序上。

– 2 –哪些互联网研究，要被学术伦理审查？

美国联邦机构成立的人类研究保护咨询委员会，曾在2013年提出过互联网研究的范围，包括以下方面：

*虽然无需与人类受试者直接互动，但是却收集网上信息，例如挖掘、抓取、观察或记录原本存在的数据集、聊天互动、博客、社交媒体帖子等。

* 使用互联网作为直接或间接招募和测试工具，比如自我测试网站、网络问卷调查。

*关于互联网本身及其影响的研究，比如社交媒体、搜索引擎等使用模式或影响。

*关于互联网用户的研究，想了解互联网如何影响个人及其行为，或者将互联网用作干预工具。

* 新兴和跨平台类型的研究方法，包括移动设备研究。

– 3 –互联网研究，要注意四类学术伦理要点

下面分享四点，都和大数据、互联网研究密切相关：一是云计算；二是隐私保护；三是招募流程；四是知情同意。

第一，云计算与研究伦理

最典型的就是亚马逊的 Mechanical Turk 众包平台。数百万人在这个平台上，完成电脑无法完成的任务，比如分辨图像是否适合未成年人浏览，甚至帮助美国的NASA来标注与绘制火星照片。人多力量大，以致于众包平台成为“全民协助科研平台。”

但是，这里涉及到几个伦理问题：

一方面，如何确保众包劳动力无法访问包含个人或敏感信息的研究数据呢？当你在平台上众包出去，你的研究数据也就众包出去，你的研究对象的隐私也就分散出去了。而在实际研究中，研究团队很少也很难对众包劳动力进行专门的培训。

另一方面，你的论文到底要不要把众包劳动力作为作者呢？你感觉是发包出去就完了，他们只是劳动力。但是他们在法律上相当于受雇于你，那他们为什么不是你研究团队的一部分呢？在研究论文中，你要如何公正准确描述团队成员贡献呢？

第二，隐私保护及其伦理挑战

最需要严格保护的是个人身份信息，包括但不限于教育、金融、病史、犯罪或就业，以及可以追踪个人身份的信息，例如姓名、出生日期和地点、生物特征记录等

之所以要审查这些方面，是因为互联网研究越来越能够从 Facebook、Twitter、博客等来源收集有关个人的详细数据。而这些数据很容易与其他数据比较与组合，形成关于个人身份的更完整的画像。

怎么办？

在实际案例中，你可以用匿名的方式处理，但是很多案例也表明，仅仅剥离传统的可识别信息（如姓名、地址），已经不足以确保数据保持真正匿名了。拿你自己举例就知道，如果你的朋友圈信息被用于研究，就算匿名，你身边的人也知道这是你。毕竟，现在互联网时代，想要识别出一个人身份，太容易。

第三，招募流程及其伦理挑战

很多研究是直接从网上招募受试者，比如对研究王者荣耀的玩家的民族志研究，再比如从亚马逊的Mechanical Turk等众包平台上招募受试者（这在商学院、心理学上很普遍）。

当然，在美国的学术审查中，互联网上的招募计划要被视为知情同意过程的一部分，经过相关委员会的审查。

在这方面，会遇到哪些伦理挑战？

首先是匿名性。由于你研究的上某个社群，所以匿名性仍然是挑战。一旦加入研究，并在学术中曝光，容易让该社群其它成员（如网游）知道参加者到底是谁。

其次是垃圾邮件的骚扰问题。为了招募受试者，你可以会频繁发邮件给某些群体，结果造成骚扰。

再者是现实干预介入。在关于网游的互联网研究中就特别发现，研究项目往往和游戏玩法有关，所以当你让玩家从事某种特别玩法时，会对该游戏社群的其它成员及团体发展（比如工会）产生直接干预与影响。这意味着你不仅在做“实验室”一样的研究，也在介入社会了。

第四，知情同意及其伦理挑战

最直接的挑战是场景不同，方式也不变。在传统研究中，获得同意通常是以口头或书面形式进行的。但是在网络上做研究的知情同意有点麻烦。

首先，如果你真的要做知情同意，可能容易被拒绝，于是很多研究就直接绕过知情同意这一关，例如关于微信群的研究。

其次，一些研究人员使用了电子签名作为征求知情同意的替代方法，但是电子签名究竟有没有法律效力呢？这一点很多国家规定都不一样。一旦发生争议，到底算不算有过知情同意呢？

再者，传统研究中的知情同意后，你就靠笔记或实验室存储数据，相对容易管理。但是在互联网里，你如何能保证自己的数据是安全的呢？你的知情同意往往会向对方强调这一点，但却很难做到。因为我们收集来的数据，并没有物理隔离保护，也没有采用高级的加密标准进行保护。

最后，有哪些可以参考的互联网研究伦理指南呢？

美国巴德学院（纽约）互联网研究指南

Bard College (New York) Guidelines for Internet Research

芝加哥洛约拉大学关于人类参与在线调查研究的政策

Loyola University Chicago Policy for Online Survey Research Involving Human Participants

宾夕法尼亚州立大学关于涉及人类参与以计算机和互联网为基础研究的指南

Penn State Guidelines for Computer- and Internet-Based Research Involving Human Participants

加州大学伯克利分校关于数据安全和人类研究数据风险评估矩阵

University of California-Berkeley Data Security and Human Research Data Risk Assessment Matrix

文献来源：

Buchanan, Elizabeth A. and Michael Zimmer, "Internet Research Ethics", The Stanford Encyclopedia of Philosophy (Summer 2021 Edition), Edward N. Zalta (ed.), URL = <https://plato.stanford.edu/archives/sum2021/entries/ethics-internet-research/>.

* 这是社会学理论大缸的第686期推送 *

往期相关推送

让民族志/质性研究也“复制开源”，分几步？美国社会学界的最近辩论

为什么前沿理论会成为永恒经典？93648篇社会学论文的大数据研究

用计算社会科学做“扎根理论”！只需三步法，有实例

周日讲座|为什么申请博士要用找工作的思维方式？（附研究计划官方范本）