論文の概要: From Vulnerable Data Subjects to Vulnerabilizing Data Practices: Navigating the Protection Paradox in AI-Based Analyses of Platformized Lives

• arxiv url: http://arxiv.org/abs/2604.15990v1
• Date: Fri, 17 Apr 2026 12:12:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.904927
• Title: From Vulnerable Data Subjects to Vulnerabilizing Data Practices: Navigating the Protection Paradox in AI-Based Analyses of Platformized Lives
• Title（参考訳）: 脆弱性のあるデータ課題から脆弱性のあるデータプラクティスへ: プラットフォーム化されたライブのAIベースの分析で保護パラドックスをナビゲートする
• Authors: Delfina S. Martinez Pandiani, Ella Streefkerk, Laurens Naudts, Paula Helm,
• Abstract要約: 本稿では,データ対象の静的かつ本質的な特性としての脆弱性の理解から,データ実践を通じて積極的に実施されるか,という概念的変化を追究する。 データサイエンスの倫理的整合性は、誰が研究されているかだけでなく、技術的なパイプラインが、脆弱性がより先入観化される可能性のあるデータ対象に「過酷な」個人をどのように変換するかにも依存する、と我々は主張する。
• 参考スコア（独自算出の注目度）: 0.5437050212139087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper traces a conceptual shift from understanding vulnerability as a static, essentialized property of data subjects to examining how it is actively enacted through data practices. Unlike reflexive ethical frameworks focused on missing or counter-data, we address the condition of abundance inherent to platformized life-a context where a near inexhaustible mass of data points already exists, shifting the ethical challenge to the researcher's choices in operating upon this existing mass. We argue that the ethical integrity of data science depends not just on who is studied, but on how technical pipelines transform "vulnerable" individuals into data subjects whose vulnerability can be further precarized. We develop this argument through an AI for Social Good (AI4SG) case: a journalist's request to use computer vision to quantify child presence in monetized YouTube 'family vlogs' for regulatory advocacy. This case reveals a "protection paradox": how data-driven efforts to protect vulnerable subjects can inadvertently impose new forms of computational exposure, reductionism, and extraction. Using this request as a point of departure, we perform a methodological deconstruction of the AI pipeline to show how granular technical decisions are ethically constitutive. We contribute a reflexive ethics protocol that translates these insights into a reflexive roadmap for research ethics surrounding platformized data subjects. Organized around four critical junctures-dataset design, operationalization, inference, and dissemination-the protocol identifies technical questions and ethical tensions where well-intentioned work can slide into renewed extraction or exposure. For every decision point, the protocol offers specific prompts to navigate four cross-cutting vulnerabilizing factors: exposure, monetization, narrative fixing, and algorithmic optimization. Rather than uncritically...
• Abstract（参考訳）: 本稿では,データ対象の静的かつ本質的な特性としての脆弱性の理解から,データ実践を通じて積極的に実施されるか,という概念的変化を追究する。 欠落や逆データに焦点をあてた反射的倫理的枠組みとは違って、我々は、この既存質量を運用する研究者の選択に倫理的課題をシフトさせ、ほぼ不確実なデータポイントがすでに存在しているような、プラットフォーム化生活に固有の多元性(abundance)の状況に対処する。 データサイエンスの倫理的整合性は、誰が研究されているかだけでなく、技術的パイプラインが、脆弱性がより先入観化される可能性のあるデータ対象にどのように"過酷な"個人を変換するかにも依存する、と我々は主張する。 我々は、この議論を、AI4SG(AI for Social Good)のケースを通じて展開する: ジャーナリストがコンピュータビジョンを使って、規制擁護のために収益化されたYouTubeの「ファミリーvlogs」における子供の存在を定量化する、という要求である。 このケースでは「保護パラドックス」が明らかにされている: 脆弱な被験者を保護するデータ駆動の取り組みが、必然的に新しい種類の計算露出、還元主義、抽出を課す可能性がある。 この要求を出発点として、AIパイプラインの方法論的デコンストラクションを行い、倫理的な技術的決定がいかにきめ細やかな構成であるかを示す。 我々は、これらの知見を、プラットフォーム化されたデータ主題を取り巻く研究倫理のための反射的ロードマップに変換する反射的倫理プロトコルに貢献する。 設計、運用、推論、普及の4つの重要な領域を中心に編成されたこのプロトコルは、意図された作業が新たな抽出や露出にスライドできる技術的問題と倫理的緊張を識別する。 すべての決定ポイントに対して、このプロトコルは、露光、収益化、物語の修正、アルゴリズム最適化の4つの横断的な階層化要因をナビゲートする特定のプロンプトを提供する。 非批判的というよりは......。

関連論文リスト

• Sell Data to AI Algorithms Without Revealing It: Secure Data Valuation and Sharing via Homomorphic Encryption [10.12846924939717]
  原資産を復号することなく外部データの有用性を定量化するための,プライバシ保護フレームワークであるTrustworthy Influence Protocol(TIP)を導入する。 均質暗号化と勾配に基づく影響関数を統合することで、当社のアプローチは、購入者の特定のAIモデルに対して、正確で盲目なデータポイントのスコア付けを可能にします。 医療と生成AIドメインにおける実証シミュレーションは、フレームワークの経済的ポテンシャルを検証する。
  論文  参考訳（メタデータ） (2025-12-04T16:35:09Z)
• Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
  現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。 当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
  論文  参考訳（メタデータ） (2025-07-03T02:45:51Z)
• Ensuring Medical AI Safety: Interpretability-Driven Detection and Mitigation of Spurious Model Behavior and Associated Data [14.991686165405959]
  2つのモダリティにまたがる4つの医療データセットを用いて,フレームワークの適用性を示す。 VGG16, ResNet50, および同時代のVision Transformerモデルにおいて, これらのバイアスを特定し, 解放することに成功した。
  論文  参考訳（メタデータ） (2025-01-23T16:39:09Z)
• Addressing contingency in algorithmic (mis)information classification: Toward a responsible machine learning agenda [0.9659642285903421]
  データサイエンティストは、モデルトレーニングとテストに使用される「真実の情報源の客観性、信頼性、正当性」にスタンスを取る必要がある。 彼らの報告された高い正確さと性能にもかかわらず、ML駆動のモデレーションシステムは、オンラインの公開討論を形作り、不正な検閲や偽の信念の強化のような下流のネガティブな影響を生み出す可能性がある。
  論文  参考訳（メタデータ） (2022-10-05T17:34:51Z)
• AI-based Re-identification of Behavioral Clickstream Data [0.0]
  本論文は, 行動パターンに基づいて, 個人を純粋に同定する上で, 同様の手法が適用可能であることを実証する。 レコード間の振舞いパターンの単なる類似性は、識別された個人に振舞いデータを正しく属性付けるのに十分である。 また、私たちが導入したAIベースの再識別攻撃に対して回復力があることが示されています。
  論文  参考訳（メタデータ） (2022-01-21T16:49:00Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。