ビッグデータ

2020年4月に刊行された、米国の大学・研究図書館協会（ACRL）の“College and Research Libraries (C&RL)”のVol.81, no.3に、米国インディアナ大学－パデュー大学インディアナポリス校（IUPUI）のKyle M.L. Jones准教授を筆頭著者とする論文“A Comprehensive Primer to Library Learning Analytics Practices, Initiatives, and Privacy Issues”が掲載されています。

米国の学術図書館では、予算に見合った成果を執行部へ示す必要性と、図書館のどの取り組みやリソースが機関の使命や学生の成長に有益かを把握しようとする意図から、学生のデータを用いたラーニングアナリティクスが近年盛んに取り組まれています。ACRL等でもラーニングアナリティクスに関するイニシアチブが実施され、図書館内でのデータ収集拡大だけでなく、人口統計学的データなど他の大学内のデータと組み合わせることが奨励されています。しかし、こうした奨励は米国図書館協会（ALA）のような専門職としての倫理規定に完全に沿ったものではないことも指摘されています。

2019年12月25日、国立情報学研究所（NII）は、同研究所が運用する学術情報ネットワーク「SINET5」を介して広域に分散するデータを収集・解析する研究を支援する目的で、オープンソースのソフトウェア「SINETStream」を開発し公開したことを発表しました。

「SINETStream」は、環境測定、生体観測、IoTなど、広域に分散したデータの収集や解析を行う研究者にとって、収集・解析プログラムの作成には、ネットワークに関する高度な知識やプログラミングスキルが必要とされ、容易ではないことを背景に開発されました。センサー等から収集されるデータをクラウドや大学などに設置されたサーバへ書き込む、サーバに収集されたデータを解析プログラムに読み込むといった機能があり、APIを利用することでデータの収集・解析を行うためのプログラムを容易に開発することも可能です。また、通信やデータの暗号化、センサー等のデバイスの認証を行う機能も含んでいるため、機微情報を含む場合でも安全にデータ収集を行うことができる、としています。

米・SPARCは2019年12月10日付で、“Leaked Dutch Contract with Elsevier Raises Significant Alarm Bells”と題した記事を投稿しました。

同記事は、Elsevier社とオランダ大学協会（VSNU）との契約交渉漏洩の報道により明らかとされた、同社が学術雑誌契約におけるオープンアクセス（OA）要項を受諾することの見返りに、同社のデータ分析製品購入をVSNUへ要求している問題について、重大な警鐘を鳴らす目的で発されたものです。契約内容の正確な詳細は不明でありElsevier社は報道には誤りがいくつか含まれていると主張しているものの、SPARCは大筋では信頼できるものであるとして、このような契約に署名することは非常に問題があり、研究機関やコンソーシアムは短期的な利益を追求する前にその影響をよく検討すべきであると警告しています。

SPARCはこうした契約の問題点として以下の5点を挙げています。

1. 出版に関する契約とデータに関する契約が結び付けられることは、一方のみの解約などの柔軟性が制限される可能性があり問題である。

2. データ分析事業において出版コンテンツを持つ事業者への独占・寡占を促す可能性がある。

2019年8月12日、米国の非営利団体Center for Democracy＆Technology（CDT）は、K-12（幼稚園から高校まで）の教育におけるアルゴリズムシステムの利用に関する手引き“Algorithmic Systems in Education: Incorporating Equity and Fairness When Using Student Data”を公開しました。K-12教育において、生徒のデータを分析するアルゴリズムシステムを意思決定支援に利用する学校が出現していることを背景として作成されたものです。

アルゴリズムシステムの利用ケースとして、生徒が通学する学校の割り当て、中退する可能性がある生徒の特定、（生徒のSNS投稿を分析しテロリズムの兆候を事前把握する等の手段による）学校の安全確保を紹介するとともに、利用に際し考慮すべき事項として、アルゴリズムや入力データに含まれるバイアスの可能性や、プライバシーをはじめとした生徒の権利侵害につながりうること等を挙げています。

その上で、学校・学区がアルゴリズムシステムの実装・調達を行う際の推奨事項として、入力データに含まれるバイアスの検証等4点を、システム実装後の推奨事項として、意思決定プロセスにおいて人間を関与させ続けること等7点を挙げています。