評估AI相關研究的倫理透明度

1.資料的來源與描述

• 研究者是否詳細說明AI所使用的資料來源，包括參與者的背景（如年齡、性別、種族、文化）和技術特徵（如資料格式或結構）？

• 研究者是否解釋資料的選擇標準，並說明這些標準是否可能導致某些群體被排除或邊緣化？

2.資料的偏誤與影響：

• 研究者是否揭示資料中可能存在的偏誤（如樣本偏差或歷史偏見），並討論這些偏誤可能對AI系統的結果產生哪些倫理或社會影響？

• 是否考慮並採取措施緩解資料中的潛在偏見，特別是針對多元文化或弱勢群體的代表性？

3.資料處理的透明性：

• 研究者是否清楚描述資料處理過程（如清理、篩選、標註）以及這些過程可能引入的偏誤或限制？

• 是否提供AI算法的詳細描述（如模型類型、訓練過程），並闡明其表現的限制與適用場景（如與性別、種族或社會不平等相關的研究）？

• 是否說明模型的可解釋性和透明性，以及這如何影響對結果的解釋與應用（特別是在敏感情境中）？

1.知情同意與AI透明性：

• 研究者是否向參與者充分說明AI在研究中的具體應用方式（如資料分析、預測）以及可能的影響？

• 是否獲得參與者的知情同意，並特別針對資料的蒐集、處理及可能的後續使用進行說明？

2.隱私保護：

• 研究者是否採取保護參與者隱私（如資料匿名化或假名化）的措施，並防止潛在的再識別風險？

• 研究者是否明確說明參與者可以選擇撤回其資料，以及如果不可能撤回的原因？

• 研究者是否在報告中說明資料的蒐集程序與分析方法，以提高研究的透明性和可複現性？

• 若研究者願意共享資料或工具，是否明確說明其隱私保護機制及數位安全措施，並提供具體的存取方式（如下載網址或平台指引）？