จริยธรรมข้อมูลขนาดใหญ่หรือเรียกง่ายๆ ว่าจริยธรรมข้อมูลหมายถึง การจัดระบบ การปกป้อง และการแนะนำแนวคิดเกี่ยวกับพฤติกรรมที่ถูกต้องและไม่ถูกต้องที่เกี่ยวข้องกับข้อมูลโดยเฉพาะข้อมูลส่วนบุคคล [ ^{1 ] นับ}ตั้งแต่ยุคเริ่มต้นของอินเทอร์เน็ตปริมาณและคุณภาพของข้อมูลได้เพิ่มขึ้นอย่างมากและยังคงเพิ่มขึ้นอย่างรวดเร็วข้อมูลขนาดใหญ่หมายถึงข้อมูลจำนวนมหาศาลและซับซ้อนมากจนซอฟต์แวร์ประมวลผลข้อมูลแบบดั้งเดิมไม่สามารถรับมือได้ นวัตกรรมล่าสุดในการวิจัยทางการแพทย์และการดูแลสุขภาพ เช่น การจัดลำดับจีโนมความเร็วสูง การถ่ายภาพความละเอียดสูง บันทึกทางการแพทย์อิเล็กทรอนิกส์ของผู้ป่วย และอุปกรณ์สุขภาพที่เชื่อมต่อกับอินเทอร์เน็ตจำนวนมาก ได้ก่อให้เกิดข้อมูลจำนวนมหาศาลที่จะถึงระดับเอ็กซาไบต์ในอนาคตอันใกล้ จริยธรรมข้อมูลจึงมีความเกี่ยวข้องมากขึ้นเมื่อปริมาณข้อมูลเพิ่มขึ้นเนื่องจากขนาดของผลกระทบ

จริยธรรมข้อมูลขนาดใหญ่แตกต่างจากจริยธรรมข้อมูลเนื่องจากจริยธรรมข้อมูลมุ่งเน้นไปที่ประเด็นเกี่ยวกับทรัพย์สินทางปัญญาและข้อกังวลที่เกี่ยวข้องกับบรรณารักษ์ นักจดหมายเหตุ และผู้เชี่ยวชาญด้านข้อมูล ในขณะที่จริยธรรมข้อมูลขนาดใหญ่มุ่งเน้นไปที่ผู้รวบรวมและผู้เผยแพร่ข้อมูลที่มีโครงสร้างหรือ ไม่มีโครงสร้าง เช่นตัวกลางข้อมูลรัฐบาล และบริษัทขนาดใหญ่ อย่างไรก็ตาม เนื่องจากปัญญาประดิษฐ์หรือระบบการเรียนรู้ของเครื่องมักถูกสร้างขึ้นโดยใช้ชุดข้อมูลขนาดใหญ่ การอภิปรายเกี่ยวกับจริยธรรมข้อมูลจึงมักเกี่ยวพันกับการอภิปรายในจริยธรรมของปัญญาประดิษฐ์ [ ^{2 ] เมื่อ}ไม่นานมานี้ ประเด็นของจริยธรรมข้อมูลขนาดใหญ่ยังได้รับการวิจัยที่เกี่ยวข้องกับด้านอื่นๆ ของจริยธรรมเทคโนโลยีและวิทยาศาสตร์ รวมถึงจริยธรรมในคณิตศาสตร์และจริยธรรมทางวิศวกรรมเนื่องจากหลายสาขาของคณิตศาสตร์ประยุกต์และวิศวกรรมใช้ชุดข้อมูลขนาดใหญ่มากขึ้นเรื่อยๆ

จริยธรรมข้อมูลเกี่ยวข้องกับหลักการดังต่อไปนี้: ^{[ 3 ]}

• ความเป็นเจ้าของ  – บุคคลแต่ละคนเป็นเจ้าของข้อมูลส่วนบุคคลของตนเอง
• ความโปร่งใสในการทำธุรกรรม  – หากมีการใช้ข้อมูลส่วนบุคคลของบุคคลใดบุคคลหนึ่ง บุคคลนั้นควรสามารถเข้าถึงการออกแบบอัลกอริธึมที่ใช้ในการสร้างชุดข้อมูลรวมได้อย่างโปร่งใส
• ความยินยอม  – หากบุคคลหรือนิติบุคคลใดต้องการใช้ข้อมูลส่วนบุคคล จะต้องได้รับความยินยอมโดยแจ้งให้ทราบและแสดงออกอย่างชัดเจนจากเจ้าของข้อมูลส่วนบุคคลว่าข้อมูลใดจะถูกส่งต่อให้ใคร เมื่อใด และเพื่อวัตถุประสงค์ใด
• ความเป็นส่วนตัว  – หากมีการทำธุรกรรมข้อมูล จะต้องใช้ความพยายามอย่างเต็มที่เพื่อรักษาความเป็นส่วนตัว
• สกุลเงิน  – บุคคลควรตระหนักถึงธุรกรรมทางการเงินที่เกิดจากการใช้ข้อมูลส่วนบุคคลของตน และขนาดของธุรกรรมเหล่านั้น
• ความเปิดเผย  – ชุดข้อมูลโดยรวมควรเปิดให้เข้าถึงได้โดยเสรี

การเป็นเจ้าของข้อมูลเกี่ยวข้องกับการกำหนดสิทธิและหน้าที่เหนือทรัพย์สิน เช่น ความสามารถในการควบคุมข้อมูลส่วนบุคคล (รวมถึงการจำกัดการแบ่งปัน) ที่ประกอบเป็นตัวตนดิจิทัล ของบุคคลนั้น คำถามเกี่ยวกับการเป็นเจ้าของข้อมูลเกิดขึ้นเมื่อมีคนบันทึกการสังเกตบุคคลใดบุคคลหนึ่ง ทั้งผู้สังเกตและผู้ถูกสังเกตต่างก็อ้างสิทธิ์ในข้อมูลนั้น คำถามเกี่ยวกับความรับผิดชอบที่ผู้สังเกตและผู้ถูกสังเกตมีต่อกันก็เกิดขึ้นเช่นกัน คำถามเหล่านี้มีความเกี่ยวข้องมากขึ้นเรื่อยๆ เนื่องจากอินเทอร์เน็ตทำให้การสังเกตผู้คนและความคิดของพวกเขามีขนาดใหญ่ขึ้นและเป็นระบบมากขึ้น คำถามเกี่ยวกับการเป็นเจ้าของข้อมูลส่วนบุคคลเกี่ยวข้องกับคำถามเกี่ยวกับการเป็นเจ้าของของบริษัทและทรัพย์สินทางปัญญา^{[ 4 ]}

ในสหภาพยุโรป บางคนโต้แย้งว่าระเบียบการคุ้มครองข้อมูลทั่วไปบ่งชี้ว่าบุคคลเป็นเจ้าของข้อมูลส่วนบุคคลของตนเอง แม้ว่าจะมีการโต้แย้งในเรื่องนี้ก็ตาม^{[ 5 ]}

มีข้อกังวลเกิดขึ้นเกี่ยวกับวิธีที่อคติสามารถถูกรวมเข้ากับการออกแบบอัลกอริทึม ส่งผลให้เกิดการกดขี่อย่างเป็นระบบ^{[ 6 ]}ไม่ว่าจะโดยรู้ตัวหรือไม่รู้ตัวก็ตาม การบิดเบือนเหล่านี้มักเกิดจากอคติในข้อมูล การออกแบบอัลกอริทึม หรือเป้าหมายพื้นฐานขององค์กรที่นำไปใช้ สาเหตุสำคัญประการหนึ่งของอคติในอัลกอริทึมคือ อัลกอริทึมเรียนรู้จากข้อมูลในอดีต ซึ่งอาจทำให้ความไม่เท่าเทียมกันที่มีอยู่คงอยู่ต่อไป ในหลายกรณี อัลกอริทึมแสดงความแม่นยำที่ลดลงเมื่อนำไปใช้กับบุคคลจากชุมชนชายขอบหรือชุมชนที่ด้อยโอกาส ตัวอย่างที่เห็นได้ชัดคือ การวัดค่าออกซิเจนในเลือด ซึ่งแสดงให้เห็นถึงความน่าเชื่อถือที่ลดลงสำหรับกลุ่มประชากรบางกลุ่มเนื่องจากขาดการทดสอบหรือข้อมูลที่เพียงพอเกี่ยวกับประชากรเหล่านี้^{[ 7 ]}นอกจากนี้ อัลกอริทึมจำนวนมากได้รับการออกแบบมาเพื่อเพิ่มตัวชี้วัดเฉพาะ เช่น การมีส่วนร่วมหรือผลกำไร โดยไม่พิจารณาถึงผลกระทบทางจริยธรรมอย่างเพียงพอ ตัวอย่างเช่น บริษัทอย่าง Facebook และ Twitter ถูกวิพากษ์วิจารณ์ว่าให้ความเป็นส่วนตัวแก่ผู้ก่อกวนและอนุญาตให้เนื้อหาเหยียดเชื้อชาติที่ปลอมตัวเป็นอารมณ์ขันแพร่กระจาย เนื่องจากเนื้อหาดังกล่าวมักจะเพิ่มการมีส่วนร่วม^{[ 8 ]}ความท้าทายเหล่านี้ยิ่งทวีความรุนแรงขึ้นเนื่องจากอัลกอริทึมจำนวนมากทำงานเป็น "กล่องดำ" ด้วยเหตุผลที่เป็นกรรมสิทธิ์ ซึ่งหมายความว่าเหตุผลเบื้องหลังผลลัพธ์ของอัลกอริทึมนั้นผู้ใช้ไม่เข้าใจอย่างถ่องแท้ ความไม่โปร่งใสนี้ทำให้การระบุและแก้ไขอคติของอัลกอริทึมทำได้ยากขึ้น

ในแง่ของการกำกับดูแล จริยธรรมข้อมูลขนาดใหญ่เกี่ยวข้องกับประเภทของการอนุมานและการคาดการณ์ที่ควรดำเนินการโดยใช้เทคโนโลยีข้อมูลขนาดใหญ่ เช่น อัลกอริทึม^{[ 9 ]}

การกำกับดูแลเชิงคาดการณ์คือการใช้การวิเคราะห์เชิงคาดการณ์เพื่อประเมินพฤติกรรมในอนาคตที่เป็นไปได้^{[ 10 ]}ซึ่งมีนัยสำคัญทางจริยธรรมเพราะทำให้สามารถกำหนดเป้าหมายกลุ่มและสถานที่เฉพาะ ซึ่งอาจส่งเสริมอคติและการเลือกปฏิบัติได้^{[ 10 ]}ตัวอย่างเช่นการบังคับใช้กฎหมายเชิงคาดการณ์จะเน้นกลุ่มหรือย่านบางแห่งที่ควรได้รับการเฝ้าระวังอย่างใกล้ชิดมากกว่ากลุ่มอื่น ซึ่งนำไปสู่การลงโทษที่มากขึ้นในพื้นที่เหล่านี้ และการเฝ้าระวังอย่างใกล้ชิดสำหรับผู้ที่มีลักษณะเดียวกันกับผู้ที่ถูกลงโทษ^{[ 11 ]}

คำว่า "การควบคุมที่ค่อยๆ ขยายขอบเขต" หมายถึงข้อมูลที่ถูกสร้างขึ้นโดยมีวัตถุประสงค์เฉพาะ แต่ถูกนำไปใช้ในวัตถุประสงค์อื่น^{[ 10 ]}การปฏิบัติเช่นนี้พบเห็นได้ในข้อมูลอุตสาหกรรมการบินซึ่งถูกนำไปใช้ในวัตถุประสงค์อื่นเพื่อการสร้างโปรไฟล์และการจัดการความเสี่ยงด้านความปลอดภัยที่สนามบิน^{[ 10 ]}

ความเป็นส่วนตัวถูกนำเสนอว่าเป็นข้อจำกัดในการใช้ข้อมูลซึ่งอาจถือว่าไม่เป็นไปตามหลักจริยธรรม^{[ 12 ]}ตัวอย่างเช่น การแบ่งปันข้อมูลด้านการดูแลสุขภาพสามารถช่วยให้เข้าใจสาเหตุของโรค ผลกระทบของการรักษา และช่วยให้สามารถวิเคราะห์ตามความต้องการของแต่ละบุคคลได้^{[ 12 ]}นี่มีความสำคัญทางจริยธรรมในด้านจริยธรรมของข้อมูลขนาดใหญ่ เพราะในขณะที่หลายคนให้ความสำคัญกับความเป็นส่วนตัว การแบ่งปันข้อมูลก็มีคุณค่ามากเช่นกัน แม้ว่าอาจขัดแย้งกับแนวคิดเรื่องความเป็นส่วนตัวของแต่ละคนก็ตาม ทัศนคติที่ต่อต้านการแบ่งปันข้อมูลอาจเกิดจากการรับรู้ถึงการสูญเสียการควบคุมข้อมูลและความกลัวการแสวงหาประโยชน์จากข้อมูลส่วนบุคคล^{[ 12 ]}อย่างไรก็ตาม เป็นไปได้ที่จะดึงคุณค่าของข้อมูลออกมาโดยไม่กระทบต่อความเป็นส่วนตัว

การเฝ้าระวังข้อมูลขนาดใหญ่ของรัฐบาลมีศักยภาพที่จะบั่นทอนความเป็นส่วนตัวของแต่ละบุคคลโดยการรวบรวมและจัดเก็บข้อมูลเกี่ยวกับการโทรศัพท์ กิจกรรมทางอินเทอร์เน็ต และตำแหน่งทางภูมิศาสตร์ เป็นต้น ตัวอย่างเช่น การรวบรวมข้อมูลเมตาของ NSA ที่เปิดเผยในการเปิดเผยการเฝ้าระวังทั่วโลกทำให้เกิดความกังวลว่าความเป็นส่วนตัวได้รับการคุ้มครองอย่างเพียงพอหรือไม่ แม้ว่าเนื้อหาของการสื่อสารจะไม่ได้ถูกวิเคราะห์ก็ตาม สิทธิในความเป็นส่วนตัวมักมีความซับซ้อนเนื่องจากกรอบกฎหมายที่ให้อำนาจรัฐบาลอย่างกว้างขวางในการรวบรวมข้อมูลเพื่อวัตถุประสงค์ด้าน "ความมั่นคงแห่งชาติ" ในสหรัฐอเมริกา ศาลฎีกาไม่ได้ยอมรับสิทธิทั่วไปใน "ความเป็นส่วนตัวของข้อมูล" หรือการควบคุมข้อมูลส่วนบุคคล แม้ว่าฝ่ายนิติบัญญัติจะกล่าวถึงประเด็นนี้อย่างเลือกสรรผ่านกฎหมายเฉพาะ^{[ 13 ]}จากมุมมองด้านความเสมอภาค การเฝ้าระวังของรัฐบาลและการละเมิดความเป็นส่วนตัวมักสร้างความเสียหายแก่ชุมชนชายขอบอย่างไม่สมส่วน ในอดีต นักเคลื่อนไหวที่เกี่ยวข้องกับการเคลื่อนไหวเพื่อสิทธิพลเมืองมักตกเป็นเป้าหมายของการเฝ้าระวังของรัฐบาล เนื่องจากพวกเขาถูกมองว่าเป็นองค์ประกอบที่บ่อนทำลาย โครงการต่างๆ เช่นCOINTELPROเป็นตัวอย่างของรูปแบบนี้ ซึ่งเกี่ยวข้องกับการจารกรรมต่อผู้นำด้านสิทธิพลเมือง รูปแบบนี้ยังคงมีอยู่จนถึงปัจจุบัน โดยมีหลักฐานการเฝ้าระวังนักกิจกรรมและองค์กรอย่างต่อเนื่อง^{[ 14 ]}

นอกจากนี้ การใช้อัลกอริทึมของรัฐบาลในการดำเนินการกับข้อมูลที่ได้มาโดยไม่ได้รับความยินยอม ก่อให้เกิดความกังวลอย่างมากเกี่ยวกับอคติของอัลกอริทึม ตัวอย่างเช่น เครื่องมือการทำนายการก่ออาชญากรรม ใช้ข้อมูลอาชญากรรมในอดีตเพื่อทำนายพื้นที่หรือบุคคลที่มีความเสี่ยง แต่เครื่องมือเหล่านี้แสดงให้เห็นว่ามุ่งเป้าไปที่ชุมชนชนกลุ่มน้อยอย่างไม่สมส่วน^{[ 15 ]} ระบบ COMPAS เป็นตัวอย่างที่โดดเด่น ของเครื่องมือดังกล่าว จำเลยผิวดำมีโอกาสถูกจัดประเภทผิดว่าเป็นผู้ที่มีความเสี่ยงสูงมากกว่าจำเลยผิวขาวถึงสองเท่า และจำเลยเชื้อสายฮิสแปนิกก็มีโอกาสถูกจัดประเภทว่าเป็นผู้ที่มีความเสี่ยงสูงมากกว่าจำเลยผิวขาวเช่นกัน^{[ 16 ]}ชุมชนชายขอบมักขาดทรัพยากรหรือการศึกษาที่จำเป็นในการท้าทายการละเมิดความเป็นส่วนตัวเหล่านี้หรือปกป้องข้อมูลของตนจากการใช้งานโดยไม่ได้รับความยินยอม ยิ่งไปกว่านั้น ยังมีผลกระทบทางจิตวิทยาที่เรียกว่า "ผลกระทบที่ทำให้หวาดกลัว" ซึ่งการรับรู้ถึงการถูกเฝ้าระวังอย่างต่อเนื่องส่งผลกระทบต่อชุมชนที่เผชิญกับการเลือกปฏิบัติทางสังคมอยู่แล้วอย่างไม่สมส่วน ผลกระทบนี้อาจทำให้บุคคลไม่กล้ามีส่วนร่วมในกิจกรรมที่ถูกกฎหมายแต่มีความเสี่ยง เช่น การประท้วงหรือการขอความช่วยเหลือทางกฎหมาย ซึ่งจะยิ่งจำกัดเสรีภาพของพวกเขาและทำให้ความไม่เท่าเทียมที่มีอยู่แล้วเลวร้ายลงไปอีก

นักวิชาการบางคน เช่น Jonathan H. King และ Neil M. Richards กำลังกำหนดความหมายดั้งเดิมของความเป็นส่วนตัวขึ้นใหม่ ในขณะที่คนอื่นๆ ตั้งคำถามว่าความเป็นส่วนตัวยังคงมีอยู่หรือไม่^{[ 9 ]}ในบทความปี 2014 สำหรับWake Forest Law Review King และ Richard โต้แย้งว่าความเป็นส่วนตัวในยุคดิจิทัลนั้นไม่สามารถเข้าใจได้ในแง่ของความลับ แต่ในแง่ของกฎระเบียบที่ควบคุมและกำกับดูแลการใช้ข้อมูลส่วนบุคคล^{[ 9 ]}ในสหภาพยุโรปสิทธิที่จะถูกลืมทำให้ประเทศสมาชิกสหภาพยุโรปมีสิทธิบังคับให้ลบหรือแยกข้อมูลส่วนบุคคลออกจากฐานข้อมูลตามคำขอของบุคคล หากข้อมูลนั้นถือว่าไม่เกี่ยวข้องหรือล้าสมัย^{[ 17 ]}ตามที่ Andrew Hoskins กล่าว กฎหมายนี้แสดงให้เห็นถึงความตื่นตระหนกทางศีลธรรมของสมาชิกสหภาพยุโรปเกี่ยวกับการรับรู้ถึงการสูญเสียความเป็นส่วนตัวและความสามารถในการควบคุมข้อมูลส่วนบุคคลในยุคดิจิทัล^{[ 18 ]}ในสหรัฐอเมริกา พลเมืองมีสิทธิที่จะลบข้อมูลที่ส่งมาโดยสมัครใจ^{[ 17 ]}สิ่งนี้แตกต่างอย่างมากจากสิทธิที่จะถูกลืม เนื่องจากข้อมูลจำนวนมากที่สร้างขึ้นโดยใช้เทคโนโลยีและแพลตฟอร์มบิ๊กดาต้าไม่ได้ถูกส่งมาโดยสมัครใจ^{[ 17 ]}ในขณะที่แนวคิดดั้งเดิมเกี่ยวกับความเป็นส่วนตัวกำลังถูกตรวจสอบ กรอบกฎหมายที่แตกต่างกันที่เกี่ยวข้องกับความเป็นส่วนตัวในสหภาพยุโรปและสหรัฐอเมริกาแสดงให้เห็นว่าประเทศต่างๆ กำลังจัดการกับข้อกังวลเหล่านี้ในบริบทของบิ๊กดาต้าอย่างไร ตัวอย่างเช่น "สิทธิที่จะถูกลืม" ในสหภาพยุโรปและสิทธิในการลบข้อมูลที่ส่งมาโดยสมัครใจในสหรัฐอเมริกาแสดงให้เห็นถึงแนวทางที่แตกต่างกันในการกำกับดูแลความเป็นส่วนตัวในยุคดิจิทัล^{[ 19 ]}

ความแตกต่างของมูลค่าระหว่างบริการที่อำนวยความสะดวกโดยบริษัทเทคโนโลยีและมูลค่าหุ้นของบริษัทเทคโนโลยีเหล่านี้คือความแตกต่างของอัตราแลกเปลี่ยนที่เสนอให้กับประชาชนและ "อัตราตลาด" ของมูลค่าข้อมูลของพวกเขา ในทางวิทยาศาสตร์ การคำนวณแบบพื้นฐานนี้มีข้อบกพร่องมากมาย: ตัวเลขทางการเงินของบริษัทที่หลีกเลี่ยงภาษีนั้นไม่น่าเชื่อถือ รายได้หรือกำไรอาจเหมาะสมกว่า วิธีการกำหนดผู้ใช้ จำนวนบุคคลจำนวนมากจำเป็นเพื่อให้ข้อมูลมีมูลค่า ราคาที่แตกต่างกันสำหรับบุคคลต่างๆ ในประเทศต่างๆ เป็นต้น แม้ว่าการคำนวณเหล่านี้จะหยาบ แต่ก็ช่วยให้เห็นมูลค่าทางการเงินของข้อมูลได้ชัดเจนยิ่งขึ้น อีกแนวทางหนึ่งคือการค้นหาอัตราการซื้อขายข้อมูลในตลาดมืด RSA เผยแพร่รายการซื้อของด้านความปลอดภัยทางไซเบอร์ประจำปีที่ใช้แนวทางนี้^{[ 20 ]}

สิ่งนี้ทำให้เกิดคำถามทางเศรษฐกิจว่าการให้บริการเทคโนโลยีฟรีเพื่อแลกกับข้อมูลส่วนบุคคลเป็นการแลกเปลี่ยนโดยนัยที่คุ้มค่าสำหรับผู้บริโภคหรือไม่ ในรูปแบบการซื้อขายข้อมูลส่วนบุคคล แทนที่จะเป็นบริษัทที่ขายข้อมูล เจ้าของสามารถขายข้อมูลส่วนบุคคลของตนเองและเก็บกำไรไว้ได้^{[ 21 ]}

แนวคิดเรื่องข้อมูลเปิดนั้นมีศูนย์กลางอยู่ที่ข้อโต้แย้งที่ว่าข้อมูลควรเปิดให้เข้าถึงได้โดยเสรีและไม่ควรมีข้อจำกัดใดๆ ที่จะห้ามการใช้งาน เช่น กฎหมายลิขสิทธิ์ นับตั้งแต่ปี 2014 รัฐบาลหลายแห่งได้เริ่มดำเนินการเผยแพร่ชุดข้อมูลแบบเปิดเพื่อวัตถุประสงค์ด้านความโปร่งใสและความรับผิดชอบ^{[ 22 ]}การเคลื่อนไหวนี้ได้รับแรงผลักดันจาก "นักเคลื่อนไหวข้อมูลเปิด" ที่เรียกร้องให้รัฐบาลเปิดเผยชุดข้อมูลเพื่อให้ประชาชนสามารถดึงความหมายจากข้อมูลและทำการตรวจสอบและถ่วงดุลด้วยตนเองได้^{[ 22 ] [ 9 ]}คิงและริชาร์ดส์ได้โต้แย้งว่าการเรียกร้องความโปร่งใสนี้รวมถึงความตึงเครียดระหว่างการเปิดเผยและความลับ^{[ 9 ]}

นักเคลื่อนไหวและนักวิชาการยังได้โต้แย้งว่า เนื่องจากรูปแบบการประเมินข้อมูลแบบเปิดแหล่งที่มานี้ขึ้นอยู่กับการมีส่วนร่วมโดยสมัครใจ การมีชุดข้อมูลแบบเปิดจึงมีผลในการส่งเสริมประชาธิปไตยในสังคม ทำให้พลเมืองทุกคนสามารถมีส่วนร่วมได้^{[ 23 ]}สำหรับบางคน การมีข้อมูลบางประเภทถือเป็นสิทธิและเป็นส่วนสำคัญของอำนาจของพลเมือง^{[ 23 ]}

มูลนิธิความรู้แบบเปิด (OKF) ระบุประเภทชุดข้อมูลหลายประเภทที่ OKF อ้างว่ารัฐบาลควรจัดหาให้เพื่อให้รัฐบาลมีความเปิดกว้างอย่างแท้จริง^{[ 24 ]} OKF มีเครื่องมือที่เรียกว่าดัชนีข้อมูลเปิดระดับโลก (GODI) ซึ่งเป็นแบบสำรวจที่รวบรวมข้อมูลจากผู้คนจำนวนมากเพื่อวัดความเปิดกว้างของรัฐบาล^{[ 24 ]}โดยอิงตามคำจำกัดความแบบเปิด GODI มีจุดมุ่งหมายเพื่อเป็นเครื่องมือในการให้ข้อเสนอแนะแก่รัฐบาลเกี่ยวกับคุณภาพของชุดข้อมูลแบบเปิดของพวกเขา^{[ 25 ]}

ความเต็มใจที่จะแบ่งปันข้อมูลแตกต่างกันไปในแต่ละบุคคล มีการศึกษาเบื้องต้นเกี่ยวกับปัจจัยกำหนดความเต็มใจที่จะแบ่งปันข้อมูล ตัวอย่างเช่น บางคนแนะนำว่ากลุ่มเบบี้บูมเมอร์มีความเต็มใจที่จะแบ่งปันข้อมูลน้อยกว่ากลุ่มมิลเลนเนียล^{[ 26 ]}

ผลกระทบจากการเปิดเผยข้อมูลของเอ็ดเวิร์ด สโนว์เดนในปี 2013 ได้เปลี่ยนแปลงวาทกรรมสาธารณะเกี่ยวกับการรวบรวมข้อมูลและหลักการความเป็นส่วนตัวของจริยธรรมข้อมูลขนาดใหญ่อย่างมีนัยสำคัญ กรณีนี้เปิดเผยว่ารัฐบาลควบคุมและครอบครองข้อมูลเกี่ยวกับพลเรือนมากกว่าที่เคยเข้าใจมาก่อน ซึ่งเป็นการละเมิดหลักการความเป็นเจ้าของ โดยเฉพาะอย่างยิ่งในลักษณะที่ส่งผลกระทบต่อชุมชนที่ด้อยโอกาสอย่างไม่สมส่วน ตัวอย่างเช่น นักเคลื่อนไหวมักตกเป็นเป้าหมาย รวมถึงสมาชิกของขบวนการต่างๆ เช่น Occupy Wall Street และ Black Lives Matter ^{[ 14 ]}การเปิดเผยนี้กระตุ้นให้รัฐบาลและองค์กรต่างๆ ทบทวนแนวทางการรวบรวมและจัดเก็บข้อมูลเพื่อปกป้องความเป็นส่วนตัวของแต่ละบุคคลได้ดียิ่งขึ้น ในขณะเดียวกันก็จัดการกับข้อกังวลด้านความมั่นคงของชาติด้วย กรณีนี้ยังเปิดเผยการสอดแนมออนไลน์อย่างกว้างขวางของประเทศอื่นๆ และพลเมืองของประเทศเหล่านั้น ซึ่งก่อให้เกิดคำถามสำคัญเกี่ยวกับอธิปไตยและความเป็นเจ้าของข้อมูล ในการตอบสนอง บางประเทศ เช่น บราซิลและเยอรมนี ได้ดำเนินการเพื่อต่อต้านแนวปฏิบัติดังกล่าว^{[ 14 ]}อย่างไรก็ตาม ประเทศกำลังพัฒนาหลายประเทศขาดความเป็นอิสระทางเทคโนโลยีที่จำเป็น หรือโดยทั่วไปแล้วพึ่งพาประเทศที่เฝ้าระวังพวกเขามากเกินไปจนไม่สามารถต่อต้านการเฝ้าระวังดังกล่าวได้ ทำให้พวกเขาเสียเปรียบในการแก้ไขปัญหาเหล่านี้

เรื่องอื้อฉาวของ เคมบริดจ์ อนาลิติกา เน้นย้ำถึงข้อกังวลด้านจริยธรรมที่สำคัญในการใช้ข้อมูลขนาดใหญ่ ข้อมูลถูกรวบรวมจากผู้ใช้ Facebook ประมาณ 87 ล้านคนโดยไม่ได้รับความยินยอมอย่างชัดเจน และนำไปใช้แสดงโฆษณาทางการเมืองแบบกำหนดเป้าหมาย ซึ่งเป็นการละเมิดหลักการความทันสมัยของจริยธรรมข้อมูลขนาดใหญ่ เนื่องจากในตอนแรกบุคคลไม่ทราบว่าข้อมูลของตนถูกนำไปใช้ในทางที่ผิด เรื่องอื้อฉาวนี้เปิดเผยว่าข้อมูลที่รวบรวมไว้เพื่อวัตถุประสงค์หนึ่งสามารถนำไปใช้ใหม่เพื่อวัตถุประสงค์ที่แตกต่างกันโดยสิ้นเชิง โดยไม่ต้องขอความยินยอมจากผู้ใช้ และเน้นย้ำถึงความจำเป็นในการขอความยินยอมอย่างชัดเจนและมีข้อมูลครบถ้วนในการใช้ข้อมูล^{[ 27 ]}นอกจากนี้ อัลกอริทึมที่ใช้ในการส่งโฆษณายังมีความไม่โปร่งใส ซึ่งท้าทายหลักการของความโปร่งใสและความเปิดเผยในการทำธุรกรรม ในบางกรณี โฆษณาทางการเมืองเผยแพร่ข้อมูลที่ผิด^{[ 27 ]}ซึ่งมักจะกำหนดเป้าหมายไปยังกลุ่มผู้ด้อยโอกาสอย่างไม่สมส่วน และก่อให้เกิดช่องว่างความรู้ ชุมชนชายขอบและบุคคลที่มีความรู้ด้านดิจิทัลต่ำกว่าได้รับผลกระทบอย่างไม่สมส่วน เนื่องจากพวกเขามีแนวโน้มที่จะไม่รับรู้หรือดำเนินการต่อต้านการเอารัดเอาเปรียบ ในทางตรงกันข้าม ผู้ใช้ที่มีทรัพยากรมากกว่าหรือมีความรู้ด้านดิจิทัลมากกว่า อาจสามารถปกป้องข้อมูลของตนได้ดีกว่า ซึ่งยิ่งทำให้ความไม่สมดุลทางอำนาจที่มีอยู่แล้วรุนแรงขึ้น