Automated profiling of groups and i

Automated profiling of groups and individuals is a common practice in our information society. The increasing possibilities of data mining significantly enhance the abilities to carry out such profiling. Depending on its application, profiling and data mining may cause particular risks such as discrimination, de-individualisation and information asymmetries. In this article we provide an overview of the risks associated with data mining and the strategies that have been proposed over the years to mitigate these risks. From there we shall examine whether current safeguards that are mainly based on privacy and data protection law (such as data minimisation and data exclusion) are sufficient. Based on these findings we shall suggest alternative policy options and regulatory instruments for dealing with the risks of data mining, integrating ideas from the field of computer science and that of law and ethics.

ผลลัพธ์ (ไทย) 1:

โปรไฟล์อัตโนมัติของกลุ่มและบุคคลที่เป็นหลักปฏิบัติทั่วไปในสังคมข้อมูลของเรา ความเป็นไปได้ที่เพิ่มขึ้นของการทำเหมืองข้อมูลอย่างมีนัยสำคัญเพิ่มความสามารถในการดำเนินการดังกล่าวโปรไฟล์ ขึ้นอยู่กับการประยุกต์ใช้โปรไฟล์และการทำเหมืองข้อมูลที่อาจก่อให้เกิดความเสี่ยงโดยเฉพาะอย่างยิ่งเช่นเลือกปฏิบัติ de-individualisation และข้อมูลไม่เท่าเทียมในบทความนี้เราจะให้ภาพรวมของความเสี่ยงที่เกี่ยวข้องกับการทำเหมืองข้อมูลและกลยุทธ์ที่ได้รับการเสนอในช่วงหลายปีที่จะลดความเสี่ยงเหล่านี้ จากนั้นเราจะตรวจสอบว่าการป้องกันในปัจจุบันที่มีการตามหลักกฎหมายความเป็นส่วนตัวและการป้องกันข้อมูล (เช่นการลดข้อมูลและการยกเว้นข้อมูล) มีเพียงพอขึ้นอยู่กับผลการวิจัยเหล่านี้เราจะขอแนะนำตัวเลือกทางเลือกนโยบายการกำกับดูแลและเครื่องมือในการจัดการกับความเสี่ยงของการทำเหมืองข้อมูลที่บูรณาการความคิดจากสาขาวิทยาศาสตร์คอมพิวเตอร์และของกฎหมายและจริยธรรม

ผลลัพธ์ (ไทย) 2:

สร้างโพรไฟล์โดยอัตโนมัติของกลุ่มและบุคคลเป็นจารีตในสังคมข้อมูล จบการทำเหมืองข้อมูลเพิ่มขึ้นอย่างมีนัยสำคัญเพิ่มความสามารถในการดำเนินการเช่นการสร้างโพรไฟล์ ขึ้นอยู่กับโปรแกรมประยุกต์ของ สร้างโพรไฟล์และการทำเหมืองข้อมูลอาจทำให้ความเสี่ยงเฉพาะเช่น asymmetries แบ่งแยก individualisation ลูกค้า และข้อมูล ในบทความนี้ เราให้ภาพรวมของความเสี่ยงที่เกี่ยวข้องกับการทำเหมืองข้อมูลและกลยุทธ์ที่ได้รับการเสนอชื่อปีเพื่อลดความเสี่ยงเหล่านี้ จาก เราจะตรวจสอบว่าป้องกันปัจจุบันที่ส่วนใหญ่ขึ้นอยู่กับกฎหมายคุ้มครองข้อมูลส่วนบุคคลและข้อมูล (เช่น minimisation ข้อมูลและดำเนินการข้อมูล) เพียงพอ ตามผลการวิจัยเหล่านี้เราจะเลือกทางเลือกนโยบายและกำกับดูแลเครื่องมือในการจัดการกับความเสี่ยงของการทำเหมืองข้อมูล รวมความคิดด้านวิทยาศาสตร์คอมพิวเตอร์และของกฎหมายและจริยธรรมด้วยการแนะนำ

ผลลัพธ์ (ไทย) 3:

โปรไฟล์โดยอัตโนมัติของบุคคลและกลุ่มมีการปฏิบัติทั่วไปในสังคมข้อมูลของเรา ความเป็นไปได้ที่เพิ่มมากขึ้นอย่างมีนัยสำคัญของการทำเหมืองแร่ข้อมูลเพิ่มความสามารถในการพกพาออกจากโปรไฟล์ดังกล่าว ทั้งนี้ขึ้นอยู่กับแอปพลิเคชันของการทำเหมืองแร่และข้อมูลโปรไฟล์อาจทำให้เกิดความเสี่ยงอย่างใดอย่างหนึ่งเช่นการเลือกปฏิบัติก่อตั้ง de - ปัจเจกและข้อมูลในข้อนี้เรามีบทสรุปของความเสี่ยงที่เกี่ยวข้องกับข้อมูล( data mining )และกลยุทธ์ที่ได้รับการเสนอในช่วงหลายปีที่จะลดความเสี่ยงเหล่านี้ จากที่นั่นเราจะต้องตรวจสอบว่าดูแลในปัจจุบันที่อยู่บนพื้นฐานความเป็นส่วนตัวเป็นหลักและการปกป้องข้อมูลกฎหมาย(เช่น minimisation ข้อมูลและการแยกข้อมูล)จะไม่เพียงพอตามจากการสำรวจนี้เราจะแนะนำตัวเลือกนโยบายทางเลือกและกฎระเบียบในการจัดการกับความเสี่ยงของการทำเหมืองแร่การประกอบข้อมูลความคิดจากฟิลด์ของคอมพิวเตอร์และวิทยาศาสตร์ที่มีจริยธรรมและกฎหมายว่าด้วย