data divide(데이터 분할)

Data divide

데이터 격차는 방대한 양의 데이터를 수집, 저장, 마이닝 및 일반 관리할 수 있는 사용자와 데이터가 [1]수집되는 사용자 간의 불평등한 관계입니다.정보격차의 프레임워크를 사용하여 데이터 분할은 데이터와 빅데이터의 진화하는 특성으로 인해 데이터 소유권, 액세스, 분석, 수집 및 정보통신기술(ICT)[1]에 의해 생성된 개인 데이터의 조작에 분열과 불평등이 발생했다고 가정합니다.

이론상의 틀

정보격차에 대한 초기 연구는 정보와 디지털 테크놀로지에 대한 접근의 구분에 초점을 맞추어 디지털 테크놀로지에 접근하고 사용할 수 있는 사람과 그렇지 않은 [2]사람 사이의 분열을 증명했습니다.교육, 경제적 수입, 인종, [2]성별을 포함한 여러 불평등 노선을 따라 분열이 발생하는 것으로 밝혀졌다.정보격차에는 기기 또는 하드웨어에 대한 액세스, 소유권, 지원 네트워크, 디지털 사용능력, 사용자 인터페이스 사용/내비게이션을 위한 기술 [2]등 여러 차원의 액세스가 있습니다.Ada Lovelace Institute는 정보격차가 데이터격차를 [3]심화시켰다고 지적합니다.그 결과, 정보격차 내에 존재하는 액세스 치수는 여전히 존재합니다.데이터 분할은 또한 대규모 데이터셋에 액세스할 수 있는 "가진 사람"과 대규모 데이터셋에 액세스할 수 없는 "가진 사람"과 이러한 [4]데이터셋을 탐색할 수 없는 "가진 사람"을 대비시킵니다.예를 들어, 개인 기업, 즉 소셜 미디어 회사만이 광범위한 소셜 데이터에 액세스할 수 있습니다.Boyd와 Crowford는 연구 및 대학을 통해 부문도 강조할 것을 제안하고 있습니다.자금이 풍부한 대학은 데이터셋에 대한 접근을 구입할 수 있고, 수강하는 학생은 같은 소셜 미디어 회사 내에서 업무에 종사할 가능성이 높아집니다.반면, 덜 명성 있는 학교들은 학생들에게 같은 기회를 [4]줄 가능성이 적습니다.

COVID-19 대유행

COVID-19 대유행은 전세계 정부가 전 세계 거주 명령, 폐쇄, 격리, 제한 및 폐쇄를 발령하는 결과를 초래했다.학교, 직장, 비즈니스 및 기타 공공 서비스 운영이 중단됨에 따라 온라인에서의 직접 활동으로의 이동이 크게 증가했습니다.진료, 온라인 교육, 배송, 원격 작업 등의 작업을 수행하려면 고속 또는 광대역 인터넷 액세스와 디지털 [5]기술에 액세스해야 합니다.이러한 데이터 기반 디지털 기술의 대량 채택은 Ada Lovelace Institute에서 디지털 급증이라고 [3]부르는 것입니다.Ada Lovelace Institute는 Health Foundation의 보고서에서 공공 태도 조사를 통해 밝혀진 4가지 주요 요소를 발견했습니다. 데이터 기반 기술에 대한 접근에 기초한 데이터 분할, 인식과 기술에 기초한 데이터 분할, 건강 관련 추적 앱 사용에 대한 쾌적함에 기초한 데이터 분할,그리고 건강 [3]증진 앱을 사용하지 않는 선택에 따른 데이터 분할도 있습니다.이 점에서, 에이다 러브레이스 연구소는 사용자에게 이익이 될 수 있는 데이터에 접근할 수 없는 데이터 격차와 건강 [3]불평등을 해결하기 위해 대표되지 않는 것의 위험을 강조했다.

양상

사회 기반 시설

기술, 컴퓨팅 능력, 스토리지 및 정보 관리 관행의 일반적인 발전으로 인해 대량의 데이터를 생성 및 [6]분석할 수 있게 되었습니다.

Tim Berners-Lee는 사람과 자신의 개인 데이터 간의 괴리가 증가하고 있으며, 디지털 기기 또는 기타 서비스의 일반 사용자는 ICT나 데이터 중개 회사와 [7]같은 수준의 데이터 활용 능력을 가지고 있지 않다고 지적합니다.Berners-Lee는 개인 데이터가 사용자에게 이익이 될 가능성이 있다면, 사용자들은 개인 데이터에 접근하고 이용할 수 있어야 한다고 주장한다.그러나 Mark Andrejevic은 사용자에게 자신의 데이터에 대한 액세스 권한이 주어지더라도 사용자 데이터는 [7]격리되어 수집되지 않기 때문에 데이터 수집가만큼 효율적으로 사용할 수 없다고 말합니다.대신 데이터 수집기는 더 넓은 환경에서 데이터를 축적합니다.수집가는 및 개인의 관심사를 다른 사용자의 프로파일에 연결함으로써 콘텐츠 및 관심사 패턴을 필터링하여 개인과 관련이 있다고 생각되는 콘텐츠를 추천할 수 있습니다.데이터 저장, 수집 및 분석에는 필요한 기술 인프라, 데이터 세트, 소프트웨어 및 처리 [7]능력이 필요합니다.대규모 데이터셋에서 정보를 추출하려면 시스템, 데이터베이스 및 고급 [7]알고리즘에 액세스해야 합니다.

스마트 시티 인프라는 빅데이터 기술로 촉진된 센서가 도심 문제를 관리하기 위해 정보를 포착하는 방식을 상징합니다.처리 기술은 금융, 무역, 사회복지 [6]등과 관련된 문제와 관련될 수 있습니다.예를 들어, 시정촌은 시민, 기업, 조직을 식별 및 감시하고, 기록을 갱신하고, 지도 프로파일을 작성하며, 동향이나 문제를 파악하기 위한 데이터 분석을 수행하고, 서비스를 추적할 수 있습니다.[6]많은 스마트 시티 시스템이 세분화된 수준에서 데이터를 추적하고 있으며, 일부 정부는 대시보드와 KPI를[clarification needed] 표시하는 개방형 데이터 접근 방식을 선택했지만, 일부 정부는 완전히 투명하지 않고 프로세스를 [6]일반과 공유하지 않습니다.이러한 의미에서 데이터 격차는 정부가 시민에 대한 실시간 데이터를 캡처하는 것으로 나타나며, 시민 데이터는 [6]도심을 더욱 관리하고 통치하는 데 사용됩니다.

디지털 리터러시

대규모 데이터셋을 사용할 수 있고 데이터셋을 탐색할 수 있는 기술을 갖추려면 고급 시스템, 데이터베이스 및 [7]알고리즘에 액세스할 수 있는 사용자만 사용할 수 있는 유형의 지식이 필요합니다.빅데이터에 의해 구현되는 대규모 데이터베이스는 어떤 사람이나 어떤 그룹도 자체적으로 이해하기에는 너무 크기 때문에 기업들은 인공지능, 알고리즘 [6]등의 지원을 받는 도구와 기술을 사용합니다.이 차이는 가진 자와 그렇지 [7]않은 자의 의미에만 있는 것이 아니다.이러한 격차는 범주화 과정, 데이터의 존재론적 사고 방식 및 데이터의 [7]적용에도 존재한다.데이터에 액세스 할 수 있는 기업은 견고하고 복잡한 분류 수단을 이용할 수 있습니다.수집된 데이터를 개별적으로 사용하는 것은 특히 새로운 작업 환경이나 커뮤니티 내에서 적절한 [7]지식 공유나 훈련을 받지 않고 활성화될 경우 이를 충족할 수 없습니다.예를 들어, 농업과 같은 핵심 산업에 새로운 기술을 채택하지 못한 것은 디지털과 데이터 [8]격차 양면의 측면을 나타냅니다.데이터 사용 능력이 부족하면 데이터 [9]범람이 발생할 수 있습니다. 즉, 데이터 집합에서 의미 있는 정보를 추출할 수 없는 데이터 보유 및 방대한 양의 데이터를 보유해야 하는 부담입니다.

시사점

수집된 정보의 부족은 결국 정보 [9]빈곤으로 이어질 수 있는 불균형을 초래할 수 있습니다.정보 빈곤은 데이터 빈곤이 누적 효과를 가져올 수 있는 특정 개념에 대한 데이터 부족에서 비롯됩니다.이것은 국가적인 규모로 개인에서 정부로 [9]눈덩이처럼 불어날 수 있다.이는 특히 정보에 접근할 수 있는 사람이 데이터에 따라 행동할 수 있고, 그로 인해 사람들이 구체적으로 [7]볼 수 없는 방식으로 타인의 삶에 영향을 미칠 수 있다는 점을 고려할 때 문제가 될 수 있다.예를 들어 세계보건기구(WHO)의 2007년 보고서에 따르면 건강정보는 잘 작동하는 건강시스템의 [10]6가지 기본 구성 요소 중 하나입니다.질 높은 건강 데이터에 대한 접근은 발병, 질병 또는 기타 건강 불균형을 해결하기 위해 필수적이다. 그러나 많은 국가, 특히 글로벌 남부에서는 건강 [9]불평등을 해결할 수 있는 관련 데이터 소스에 접근하지 못하고 있다.

솔루션

정보격차 자체를 극복하는 것은 정보를 접근하고 디지털 불평등을 해결하기 위한 수단을 인구에게 제공할 수 있지만, 이는 데이터격차를 [7]더욱 악화시키는 것을 의미하기도 한다.

데이터 활동가 및 정보 전문가는 클라우드 소싱, 시민 과학, 데이터 협동조합, 해킹 및 시민 해킹 등의 사회적 조치를 통해 데이터 격차를 해소할 수 있습니다.이러한 이벤트는 시민과 협력하여 접근의 질을 더 잘 이해하고, 인지도를 높이고, 시민들이 자신의 [6]용도에 맞는 데이터를 생성할 수 있도록 함으로써 현상을 파괴하고 도전하고자 합니다.

레퍼런스

  1. ^ a b McCarthy, Matthew T. (2016-12-06). "The big data divide and its consequences: The big data divide and its consequences". Sociology Compass. 10 (12): 1131–1140. doi:10.1111/soc4.12436.
  2. ^ a b c Attewell, Paul (2001). "Comment: The First and Second Digital Divides". Sociology of Education. 74 (3): 252–259. doi:10.2307/2673277. ISSN 0038-0407. JSTOR 2673277.
  3. ^ a b c d "The data divide". www.adalovelaceinstitute.org. Retrieved 2022-11-22.
  4. ^ a b Boyd, Danah; Crawford, Kate (2012-06-01). "Critical Questions for Big Data". Information, Communication & Society. 15 (5): 662–679. doi:10.1080/1369118X.2012.678878. ISSN 1369-118X. S2CID 51843165.
  5. ^ McClain, Colleen; Vogels, Emily A.; Perrin, Andrew; Sechopoulos, Stella; Rainie, Lee (2021-09-01). "The Internet and the Pandemic". Retrieved 2022-11-22.
  6. ^ a b c d e f g Kitchin, Rob (2022). The data revolution : a critical analysis of big data, open data & data infrastructures (2nd ed.). Los Angeles, CA: SAGE Publications. ISBN 978-1-5297-3375-4. OCLC 1285687714.{{cite book}}: CS1 유지보수: 날짜 및 연도(링크)
  7. ^ a b c d e f g h i j Andrejevic, Mark (2014). "The Big Data Divide". International Journal of Communication. 8 (1): 1673–1689. ISSN 1932-8036.
  8. ^ Marshall, Amber; Turner, Krystle; Richards, Carol; Foth, Marcus; Dezuanni, Michael (2022-04-26). "Critical factors of digital AgTech adoption on Australian farms: from digital to data divide". Information, Communication & Society. 25 (6): 868–886. doi:10.1080/1369118X.2022.2056712. ISSN 1369-118X. S2CID 248546034.
  9. ^ a b c d Naudé, Wim; Vinuesa, Ricardo (2021-08-19). "Data deprivations, data gaps and digital divides: Lessons from the COVID-19 pandemic". Big Data & Society. 8 (2): 205395172110255. doi:10.1177/20539517211025545. ISSN 2053-9517. S2CID 238685901.
  10. ^ Everybody's business : strengthening health systems to improve health outcomes : WHO's frmaework for action. World Health Organization. Geneva: World Health Organization. 2007. ISBN 978-92-4-159607-7. OCLC 235025778.{{cite book}}: CS1 유지보수: 기타 (링크)