دانلود کتاب استدلال اخلاقی در داده های بزرگ: یک تحلیل اکتشافی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Ethical Reasoning in Big Data: An Exploratory Analysis
ویرایش : 1
عنوان ترجمه شده به فارسی : استدلال اخلاقی در داده های بزرگ: یک تحلیل اکتشافی
سری : Computational Social Sciences
نویسندگان : Jeff Collmann, Sorin Adam Matei (eds.)
ناشر : Springer International Publishing
سال نشر : 2016
تعداد صفحات : 194
ISBN (شابک) : 9783319284200 , 9783319284224
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب از گفتگوی چند رشته ای ، چند سازمانی و چند بخشی در مورد حریم خصوصی و پیامدهای اخلاقی تحقیق در امور انسانی با استفاده از داده های بزرگ سرچشمه می گیرد. نیاز به پرورش و ثبت نام اعتماد عمومی به توانایی های دانشمندان خاص و نهادهای علمی یکی از مضامین اصلی این کتاب است. ظهور اینترنت ، دیجیتالی شدن گسترده اطلاعات تحقیق و رسانه های اجتماعی ، از جمله بسیاری از موارد دیگر ، توانایی برداشت - که گاه به طور ضمنی - ثروت از داده های ژنومی ، بیولوژیکی ، رفتاری ، اقتصادی ، سیاسی ، سیاسی و اجتماعی برای اهداف تحقیقات علمی و همچنین تجارت ، امور دولتی و تعامل اجتماعی به وجود آورد. چه نوع معضلات اخلاقی چنین تغییراتی ایجاد کرده است؟ چگونه دانشمندان باید این اطلاعات را جمع آوری ، دستکاری و انتشار کنند؟ تأثیرات این انقلاب و پیامدهای اخلاقی آن گسترده است. این کتاب شامل نظرات محققان بی شمار ، پزشکان و ذینفعان در داده های بزرگ در مورد انسانها است که به طور معمول در مورد حریم خصوصی و موضوعات اخلاقی این پدیده تأمل می کنند. این کتاب که به عمل استدلال اخلاقی و تأمل در عمل اختصاص داده شده است ، طیف وسیعی از مشاهدات ، درس های آموخته شده ، ابزارهای استدلال و پیشنهادات مربوط به عمل نهادی را برای ارتقاء تحقیقات بزرگ داده های بزرگ در امور انسانی ارائه می دهد. این مخاطب گسترده ای از مربیان ، محققان و پزشکان را جلب می کند. مربیان می توانند از حجم دوره های مربوط به کار و پردازش داده های بزرگ استفاده کنند. محققان می توانند از آن برای طراحی روشهای جدید جمع آوری ، پردازش و انتشار داده های بزرگ ، چه به صورت خام و چه به عنوان به عنوان نتیجه ، استفاده کنند. سرانجام ، پزشکان می توانند از آن برای هدایت ابزارها یا رویه های آینده برای دستیابی به داده های بزرگ استفاده کنند. از آنجا که این موضوع منطقه مورد علاقه زیادی را نشان می دهد که هنوز هم تا حد زیادی توسعه نیافته است ، این کتاب مطمئناً با پر کردن شکاف آشکار در ادبیات موجود ، علاقه قابل توجهی را به خود جلب می کند.
This book springs from a multidisciplinary, multi-organizational, and multi-sector conversation about the privacy and ethical implications of research in human affairs using big data. The need to cultivate and enlist the public’s trust in the abilities of particular scientists and scientific institutions constitutes one of this book’s major themes. The advent of the Internet, the mass digitization of research information, and social media brought about, among many other things, the ability to harvest – sometimes implicitly – a wealth of human genomic, biological, behavioral, economic, political, and social data for the purposes of scientific research as well as commerce, government affairs, and social interaction. What type of ethical dilemmas did such changes generate? How should scientists collect, manipulate, and disseminate this information? The effects of this revolution and its ethical implications are wide-ranging. This book includes the opinions of myriad investigators, practitioners, and stakeholders in big data on human beings who also routinely reflect on the privacy and ethical issues of this phenomenon. Dedicated to the practice of ethical reasoning and reflection in action, the book offers a range of observations, lessons learned, reasoning tools, and suggestions for institutional practice to promote responsible big data research on human affairs. It caters to a broad audience of educators, researchers, and practitioners. Educators can use the volume in courses related to big data handling and processing. Researchers can use it for designing new methods of collecting, processing, and disseminating big data, whether in raw form or as analysis results. Lastly, practitioners can use it to steer future tools or procedures for handling big data. As this topic represents an area of great interest that still remains largely undeveloped, this book is sure to attract significant interest by filling an obvious gap in currently available literature.