Frühe Experimente an menschlichen Versuchspersonen wurden von Wissenschaftlern durchgeführt, die die Medizin zum Nutzen der gesamten Menschheit voranbringen wollten, ohne Rücksicht auf das Wohlergehen der einzelnen Versuchspersonen. Oft wurden sie von weißen Wissenschaftlern an schwarzen Probanden durchgeführt. In diesem Modul werden wir über die Gesetze sprechen, die das Prinzip der informierten Zustimmung regeln. Wir werden auch erörtern, warum die informierte Einwilligung bei retrospektiven Studien oder für die Kunden elektronischer Unternehmen nicht gut funktioniert.

Wem gehören die Daten über Sie? Dieser Frage werden wir in diesem Modul nachgehen. Einige Beispiele für persönliche Daten sind das Urheberrecht für Biografien, das Eigentum an online veröffentlichten Fotos, Yelp, Trip Advisor, öffentliche Datenerfassung und Datenverkauf. Wir werden auch die Grenzen der Aufzeichnung und Nutzung von Daten untersuchen.

Privatsphäre ist ein menschliches Grundbedürfnis. Privatsphäre bedeutet die Fähigkeit, Informationen über sich selbst zu kontrollieren, nicht unbedingt die Fähigkeit, Dinge zu verbergen. Wir haben gesehen, wie unterschiedliche Wertesysteme in Bezug auf die Privatsphäre entstanden sind. Die Kinder von heute geben zum Beispiel eher persönliche Informationen in den sozialen Medien weiter. Die Werte ändern sich zwar, aber das ändert nichts an der grundsätzlichen Notwendigkeit, persönliche Informationen kontrollieren zu können. In diesem Modul werden wir die Beziehung zwischen den Diensten, die uns zur Verfügung gestellt werden, und den Daten, die wir im Gegenzug zur Verfügung stellen, untersuchen: zum Beispiel den Standort eines Mobiltelefons. Wir werden auch "Daten" mit "Metadaten" vergleichen und gegenüberstellen.

Bestimmte Transaktionen können anonym durchgeführt werden. Aber viele können nicht anonym abgewickelt werden, auch nicht, wenn es um die physische Lieferung von Produkten geht. Zwei Beispiele für anonyme Transaktionen, die wir uns ansehen werden, sind "Blockchain" und "Bitcoin". Wir werden uns auch mit den Nachteilen der Anonymität befassen.

Die Validität von Daten ist kein neues Problem. Allzu oft sehen wir, dass die unsachgemäße Anwendung von Data Science-Methoden zu falschen Schlussfolgerungen führt. In diesem Modul werden häufige Fehler aufgezeigt, und zwar in einer Sprache, die für Studenten geeignet ist, die nur wenig Erfahrung mit Statistik haben. Wir werden uns auf den Begriff der repräsentativen Stichprobe konzentrieren: Meinungsstarke Kunden sind zum Beispiel nicht unbedingt repräsentativ für alle Kunden.

Was könnte fairer sein als eine datengesteuerte Analyse? Sicherlich kann der stumme Computer keine Vorurteile oder Stereotypen hegen. Zwar kann die Analysetechnik angesichts der Annahmen, des Modells, der Trainingsdaten usw. tatsächlich völlig neutral sein, aber all diese Randbedingungen werden von Menschen festgelegt, die ihre Voreingenommenheit im Analyseergebnis widerspiegeln können, möglicherweise sogar ohne dies zu beabsichtigen. Erst in jüngster Zeit hat man begonnen, darüber nachzudenken, wie ungerecht algorithmische Entscheidungen sein können. Lesen Sie dazu diesen Artikel, der in der New York Times veröffentlicht wurde. Dieses Modul behandelt dieses brandaktuelle Thema.

In Modul 8 befassen wir uns mit den gesellschaftlichen Folgen der Datenwissenschaft, die uns auch dann Sorgen bereiten sollten, wenn es keine Probleme mit Fairness, Validität, Anonymität, Privatsphäre, Eigentum oder Forschung an menschlichen Subjekten gibt. Diese "systemischen" Probleme sind oft am schwierigsten zu lösen, aber genauso wichtig wie die anderen zuvor besprochenen Themen. Wir betrachten zum Beispiel die Verknöcherung oder die Tendenz algorithmischer Methoden, den aktuellen Zustand der Welt zu erlernen und zu kodifizieren und es dadurch schwerer zu machen, ihn zu ändern. Die Informationsasymmetrie wird seit langem zum Vorteil der einen und zum Nachteil der anderen ausgenutzt. Die Informationstechnologie erleichtert die Verbreitung von Informationen und verringert damit im Allgemeinen die Asymmetrie. Big Data-Sets und ausgefeilte Analysen verstärken jedoch die Asymmetrie zugunsten derjenigen, die die Möglichkeit haben, sich Informationen zu beschaffen bzw. darauf zuzugreifen.

In Modul 9 schließlich fassen wir alle behandelten Themen in einem einfachen, aus zwei Punkten bestehenden Ethikkodex für den Praktiker zusammen.

Dieses Modul enthält Listen mit Quellenangaben für die im Kurs verwendeten externen audiovisuellen Ressourcen.