Professional Documents
Culture Documents
Data - Ethics - Framework Translate
Data - Ethics - Framework Translate
Pemerintah
Layanan Digital
2
Machine Translated by Google
Perkenalan
Kerangka Kerja Etika Data memandu Tim harus bekerja melalui kerangka Kerangka ini dibagi menjadi prinsip menyeluruh
penggunaan data yang tepat dan bertanggung bersama selama proses perencanaan, dan tindakan spesifik.
jawab di pemerintahan dan sektor publik yang lebih luas. pelaksanaan, dan evaluasi proyek baru. Prinsip menyeluruh berlaku di seluruh proses
Ini membantu pegawai negeri memahami Setiap bagian dari kerangka kerja dirancang dan mendukung semua tindakan dan semua
pertimbangan etis, mengatasinya dalam proyek untuk ditinjau kembali secara teratur di seluruh aspek proyek. Tindakan khusus akan memandu
mereka, dan mendorong inovasi yang proyek Anda, terutama ketika ada perubahan Anda melalui berbagai tahapan proyek dan
bertanggung jawab. yang dilakukan pada proses pengumpulan, memberikan pertimbangan praktis.
penyimpanan, analisis, atau pembagian data
Anda.
Pertanyaan di setiap bagian akan memandu Anda Selain itu, kerangka tersebut memberikan
Untuk siapa ini? melalui berbagai pertimbangan etis dalam proyek tindakan spesifik yang dapat Anda ambil di
Anda. Rekam jawaban Anda untuk membuat setiap tahap proyek untuk meningkatkan
penilaian etika data. transparansi, akuntabilitas, dan keadilan. Ini
Skala penilaian penilaian mandiri dirancang ditandai dalam setiap bagian.
Panduan ini ditujukan untuk siapa saja yang untuk membantu Anda mengidentifikasi aspek
bekerja secara langsung atau tidak langsung mana dari proyek Anda yang perlu dikerjakan
dengan data di sektor publik, termasuk praktisi lebih lanjut.
data (ahli statistik, analis, dan ilmuwan data),
pembuat kebijakan, staf operasional, dan mereka
yang membantu menghasilkan wawasan
berdasarkan informasi data.
Perkenalan
Mengevaluasi dan
Akuntabilitas 2 Libatkan
beragam keahlian 5 mempertimbangkan
Keadilan
3 Patuhi hukum
Perkenalan
Prinsip menyeluruh
Transparansi
Transparansi Skor
0 1234 5
Transparansi berarti bahwa tindakan, proses, dan
data Anda dibuat terbuka untuk diperiksa dengan
menerbitkan informasi tentang proyek dalam format
yang lengkap, terbuka, dapat dipahami, mudah Informasi tentang proyek, Informasi tentang proyek,
diakses, dan gratis. Dalam pekerjaan Anda dengan metodenya, dan hasilnya tidak metodenya, dan hasilnya tersedia
tersedia untuk umum secara luas untuk umum
dan pada data dan AI, gunakan panduan yang
tersedia, misalnya Buku Panduan Pemerintah
Terbuka, untuk memastikan transparansi di seluruh
proses Anda.
Kunci:
Perkenalan
Akuntabilitas
Akuntabilitas Skor
0 1234 5
Akuntabilitas berarti bahwa ada mekanisme
tata kelola dan pengawasan yang efektif untuk
setiap proyek. Akuntabilitas publik berarti
bahwa publik atau perwakilannya dapat melakukan Mekanisme pengawasan, tata
Pengawasan jangka panjang dan
pengawasan dan kontrol yang efektif atas keputusan kelola, atau tinjauan sejawat untuk
mekanisme pengawasan publik
proyek belum ditetapkan
dan tindakan yang diambil oleh pemerintah dan dibangun ke dalam siklus proyek
pejabatnya, untuk menjamin bahwa inisiatif
pemerintah memenuhi tujuan yang dinyatakan dan
menanggapi kebutuhan masyarakat yang mereka
Kunci:
dirancang untuk menguntungkan.
Perkenalan
Keadilan
Keadilan
Keadilan — Sangat penting untuk menghilangkan Skor
potensi proyek Anda untuk memiliki efek diskriminatif
yang tidak diinginkan pada individu dan kelompok
sosial. Anda harus bertujuan untuk mengurangi bias
0 1234 5
yang dapat memengaruhi hasil model Anda dan
memastikan bahwa proyek dan hasilnya menghormati
martabat individu, adil, tidak diskriminatif, dan
konsisten dengan kepentingan publik, termasuk hak
asasi manusia dan nilai-nilai demokrasi. Ada risiko yang signifikan bahwa Proyek ini mempromosikan hasil
proyek tersebut akan mengakibatkan yang adil dan setara, memiliki efek
kerugian atau dampak yang merugikan yang dapat diabaikan,
merugikan dan diskriminatif bagi dan selaras dengan pertimbangan
publik atau kelompok tertentu hak asasi manusia
Anda dapat membaca lebih lanjut tentang keadilan
dan berbagai jenisnya di bagian Memahami etika
dan keamanan kecerdasan buatan panduan yang Kunci:
dikembangkan oleh Government Digital Service
dan Office for Artificial Intelligence.
Perkenalan
Kunci:
Skor
Prinsip 0 1 2 3 4 5
Transparansi
Akuntabilitas
Keadilan
Perkenalan
Harap gunakan penilaian mandiri berikut untuk menandai, melacak, dan Awal Selama Setelah
Skor
Tindakan spesifik 0 1 2 3 4 5
kebutuhankepentingan
1 Mempertahankan pengguna publik dan 2
keterbatasan model
implikasi
5 Mengevaluasi kebijakan lebih luas
dan mempertimbangkan
Perkenalan
Kunci:
Skor
Prinsip 0 1 2 3 4 5
Transparansi
Akuntabilitas
Keadilan
Perkenalan
Harap gunakan penilaian mandiri berikut untuk menandai, melacak, dan Awal Selama Setelah
Skor
Tindakan spesifik 0 1 2 3 4 5
kebutuhankepentingan
1 Mempertahankan pengguna publik dan 2
keterbatasan model
implikasi
5 Mengevaluasi kebijakan lebih luas
dan mempertimbangkan
Tindakan 1
Tindakan 1
0 1234 5
Menggunakan lingkaran, pindahkan mereka ke
tempat proyek Anda berada di spektrum. Lakukan
ini di awal proyek, selama proyek dan setelah proyek
selesai. Ini akan membantu Anda melacak,
Manfaat publik dan kebutuhan
berkomunikasi, dan membagikan kemajuan Anda. Manfaat publik dan kebutuhan pengguna
pengguna didefinisikan dengan baik
tidak didefinisikan atau dipahami dengan
dan dipahami oleh semua anggota
jelas
tim
Kunci:
Tindakan 1
1.1 1.2
• Apa manfaat langsung bagi • Apa salahnya jika tidak menggunakan data? Sosial apa
individu dalam proyek ini? (misalnya hasil mungkin tidak terpenuhi?
menghemat waktu saat melamar layanan
pemerintah) • Apa potensi risiko atau konsekuensi negatif dari proyek versus risiko
tidak melanjutkan proyek?
• Bagaimana proyek memberikan hasil sosial
yang positif bagi masyarakat luas? • Bisakah penyalahgunaan data/algoritma atau desain proyek yang
buruk berkontribusi pada penguatan masalah dan ketidaksetaraan
• Bagaimana Anda mengukur dan sosial dan etika?
mengkomunikasikan manfaat proyek
ini kepada publik? • Mekanisme seperti apa yang dapat Anda terapkan untuk mencegah hal
ini terjadi?
• Kelompok apa saja yang akan dirugikan
oleh proyek/yang tidak akan • Kelompok tertentu apa yang mendapat manfaat dari proyek ini?
diuntungkan dari proyek? Kelompok apa yang tidak diberi kesempatan/menghadapi
Apa yang dapat Anda lakukan tentang ini? konsekuensi negatif karena proyek?
Tindakan 1
1.3
Pertimbangan
hak asasi manusia
1.4
• Bagaimana desain dan implementasi dari
Jelaskan manfaat bagi pembayar proyek/algoritma menghormati hak asasi manusia dan
nilai-nilai demokrasi?
pajak dan penggunaan sumber daya
publik yang tepat dalam proyek Anda • Bagaimana proyek/algoritma bekerja untuk memajukan
kemampuan manusia, memajukan inklusi populasi
yang kurang terwakili, mengurangi ketidaksetaraan
ekonomi, sosial, gender, ras, dan lainnya?
• Bagaimana Anda dapat menunjukkan nilai uang
dari proyek Anda?
• Apa implikasi lingkungan dari proyek ini? Bagaimana
• Apakah ada tata kelola yang efektif dan mereka bisa dikurangi?
pengawasan pengambilan keputusan untuk
memastikan keberhasilan proyek?
1.5
• Di mana Anda dapat mempublikasikan informasi tentang caranya
proyek memberikan hasil sosial yang positif bagi
Jadikan kebutuhan pengguna publik?
dan manfaat publik Anda transparan
• Bagaimana Anda berbagi pemahaman tentang
kebutuhan pengguna dengan pengguna?
Tindakan 1
Kebutuhan pengguna
1.7 1.6
Tindakan 1
1.8
1.9
Tindakan 2
Tindakan 2
Kunci:
Libatkan beragam keahlian
Skor
Awal Selama Setelah
0 1234 5
Tindakan 2
2.1 2.2
• Selain ilmuwan data, siapa pakar dan praktisi kebijakan • Bagaimana Anda memastikan keragaman dalam tim Anda?
yang relevan di tim Anda? Memiliki tim yang beragam membantu mencegah bias dan
mendorong lebih banyak kreativitas dan keragaman pemikiran.
• Apa disiplin dan materi pelajaran lainnya
pakar perlu dilibatkan? Langkah apa yang telah diambil • Hindari membentuk tim yang homogen, rangkul
untuk melibatkan mereka? keragaman pengalaman hidup orang-orang dari latar
belakang yang berbeda. Jika Anda menemukan diri
• Apa peran mereka? Sudahkah Anda mendefinisikan siapa Anda dalam tim yang homogen, tantanglah.
melakukan apa dalam proyek?
• Tanyakan kepada tim dan pakar Anda apakah Anda memiliki data
yang tepat untuk pertanyaan riset Anda. Dapatkan bantuan mereka
untuk mencocokkan kumpulan data dengan masalahnya.
Tindakan 2
2.3
2.5
• Jika perlu, publikasikan informasi tentang konsultasi
Transparansi ahli dan struktur tim proyek
Tindakan 3
Patuhi hukum
Anda harus memiliki pemahaman tentang
undang-undang dan kode praktik terkait yang terkait
dengan penggunaan data. Jika ragu, Anda harus
berkonsultasi dengan pakar yang relevan.
Tindakan 3
Patuhi hukum
Kunci:
Patuhi hukum
Skor
Awal Selama Setelah
0 1234 5
Tindakan 3
3 Patuhi hukum
3.1 3.2
Dapatkan nasihat hukum Adalah tugas dan kewajiban Anda untuk mematuhi
hukum dalam setiap proyek data. Anda harus memastikan
kepatuhan proyek terhadap GDPR dan DPA 2018
• Sudahkah Anda berbicara dengan penasihat
hukum dalam organisasi Anda?
Tindakan 3
3.3
Perlindungan data
dengan desain dan DPIA
3.4
Tindakan 3
3.6
Analisis data atau pengambilan keputusan otomatis tidak boleh Pastikan tata kelola data Anda
menghasilkan hasil yang mengarah pada diskriminasi sebagaimana
yang efektif
didefinisikan dalam Undang-Undang Kesetaraan 2010.
3.8
Pastikan kepatuhan
Pertimbangkan undang-undang dan kode praktik proyek Anda dengan
tambahan yang relevan .
peraturan tambahan
Tindakan 4
Tindakan 4
Skor
Awal Selama Setelah
0 1234 5
Tindakan 4
4.1
• Apakah individu dan/atau organisasi yang menyediakan data mengetahui bagaimana data tersebut akan digunakan?
Jika pengguna mengubah tujuan data untuk analisis tanpa persetujuan individu, bagaimana Anda memastikan
bahwa tujuan baru tersebut kompatibel dengan alasan awal pengumpulan (Pasal 6 (4)
GDPR)?
• Apakah Anda memahami bagaimana data untuk proyek dihasilkan? Ingat itu
tergantung dari mana data berasal, feld mungkin tidak mewakili apa yang ditunjukkan oleh nama feld/
metadata.
• Proses apa yang Anda miliki untuk memastikan dan menjaga integritas data?
• Apa peringatannya? Bagaimana peringatan akan diperhitungkan untuk kebijakan masa depan atau
layanan yang menggunakan pekerjaan ini sebagai basis bukti?
• Apakah menggunakan data sintetik sesuai untuk proyek? Data sintetis sepenuhnya
dibuat atau disarikan dari data nyata melalui berbagai proses, misalnya anonimisasi atau pengalihan catatan. Itu
sering dibuat dengan fitur khusus untuk menguji atau melatih suatu algoritma.
Tindakan 4
4.3 4.2
• Bagaimana data yang digunakan untuk melatih model dinilai Anda harus menggunakan data • Apakah yang diusulkan
untuk potensi bias? Anda harus mempertimbangkan: minimum yang diperlukan untuk penggunaan data dianggap
mencapai hasil yang Anda inginkan tidak tepat oleh mereka yang
(Pasal 5(1) (c) dari GDPR). Data pribadi menyediakan data (individu
• Apakah data mungkin (secara akurat) mencerminkan harus memadai, relevan, dan terbatas dan/atau organisasi)?
praktik historis yang bias yang tidak ingin Anda tiru pada apa yang diperlukan sehubungan
dalam model (bias historis) • Data mungkin merupakan dengan tujuan pemrosesannya.
representasi keliru yang bias dari praktik historis, misalnya • Apakah usulan penggunaan data
karena hanya kategori data tertentu yang dicatat dengan untuk tujuan sekunder
benar dalam format yang dapat diakses oleh proyek (bias • Bagaimana Anda dapat memperkecil kemungkinan orang
seleksi) memenuhi tujuan proyek ingin memberikan data itu lagi untuk
menggunakan data pribadi tujuan utama pengumpulannya?
seminimal mungkin?
• Jika menggunakan data tentang orang, apakah mungkin
model atau analisis Anda mungkin mengidentifikasi variabel • Apakah ada cara untuk mencapai tujuan
proksi untuk karakteristik yang dilindungi yang dapat menyebabkan yang sama dengan data yang kurang • Bagaimana Anda bisa menjelaskan alasannya
hasil yang diskriminatif? Variabel proksi tersebut berpotensi dapat diidentifikasi, misalnya data Anda perlu menggunakan data ini
menjadi penyebab diskriminasi tidak langsung; Anda harus dengan nama samaran? untuk anggota masyarakat?
mempertimbangkan apakah penggunaan variabel-variabel ini
sesuai dalam konteks layanan Anda (yaitu apakah ada hubungan • Jika menggunakan data pribadi • Apakah ini menggunakan data
kausal yang masuk akal antara variabel proksi dan hasil yang untuk mengidentifikasi individu, mengganggu hak individu? Jika
Anda coba ukur?; apakah Anda menilai ini sebagai cara yang tindakan apa yang dilakukan untuk ya, apakah ada cara yang tidak
proporsional untuk mencapai tujuan yang sah sesuai dengan mengontrol akses? terlalu mengganggu untuk
Equality Act 2010?) mencapai tujuan?
• Apakah input data sesuai dan
diperlukan untuk mencapai
• Tindakan apa yang telah Anda ambil untuk mengurangi bias? tujuan?
Tindakan 4
4.4
Anonimisasi data
4.5
• Seberapa yakin Anda bahwa algoritme ini tangguh, dan asumsi apa pun terpenuhi?
Tindakan 4
4.6
Yang pertama adalah metodologi algoritmik yang digunakan untuk melatih model.
Seringkali lebih berguna dan jelas untuk membagikan dokumen yang menjelaskan
proses analitis daripada kodenya.
Yang kedua adalah model yang dilatih itu sendiri (hasil penerapan metodologi
ke kumpulan data). Merilis model ini memungkinkan orang lain untuk memeriksa
dan mengujinya, dan mungkin menyoroti masalah yang dapat Anda perbaiki
sebagai bagian dari peningkatan berkelanjutan.
Tindakan 4
4.8
Bagaimana memastikan
transparansi model sensitif
4.9
• Bagaimana Anda berencana untuk memberi tahu
publik tentang model tersebut?
Dapat dijelaskan
• Meskipun model tidak dapat dirilis secara publik,
Anda mungkin dapat merilis metadata tentang
model tersebut secara berkelanjutan, seperti
kinerjanya pada set data tertentu.
Explainability adalah sejauh mana cara kerja dalam algoritma pembelajaran
mesin dapat dijelaskan dalam istilah manusia. Ini berarti memperluas transparansi
variabel apa yang digunakan untuk memberikan informasi tentang bagaimana
• Jika aplikasi ilmu data Anda
algoritme menghasilkan output, dan bagaimana mengubah input dapat mengubah
sangat sensitif, Anda dapat mengatur badan
output.
eksternal terpilih, yang disetujui oleh organisasi
Anda, untuk memeriksa model itu sendiri dalam
• Jelaskan apa yang dilakukan proyek Anda dan bagaimana proyek itu dirancang
konteks yang terkendali untuk memberikan
dalam bahasa yang sederhana kepada audiens non-ahli.
umpan balik. Ini bisa berupa keahlian dari
departemen pemerintah lain, akademisi atau
• Jelaskan proses dan tujuan algoritme Anda, seperti
badan publik. serta variabel apa yang digunakan untuk hasil apa tanpa menggunakan
istilah teknis.
• Jadikan penjelasan ini tersedia untuk umum (misalnya di GitHub, blog, atau
gov.uk).
Tindakan 5
Tindakan 5
Mengevaluasi dan
Kunci:
Mengevaluasi dan mempertimbangkan implikasi kebijakan yang lebih luas
Skor
Awal Selama Setelah
0 1234 5
Tindakan 5
5.1
Tindakan 5
5.3
Tindakan 5
5.6
Pengawasan publik
5.7
• Apakah anggota masyarakat/pengguna akhir proyek
Bagikan pembelajaran Anda memiliki kemampuan untuk menyampaikan kekhawatiran
dan mengajukan keluhan tentang proyek? Jika ya,
bagaimana? Jika tidak, mengapa?