Ethics in medical education digital scholarship: AMEE Guide No. 134
Ken MastersORCID Icon
Published online: 13 Dec 2019
Download citation https://doi.org/10.1080/0142159X.2019.1695043
https://www.tandfonline.com/doi/full/10.1080/0142159X.2019.1695043?af=R
倫理は、医学、教育、および学問において長い間懸念されてきました。デジタル時代では、新しい複雑さが生じ、多くの医学教育研究者は、先の落とし穴に備えて準備ができておらず、多くの場合、ガイドラインがない場合にこれらを交渉し、それらを支援するために使用できる多くのツールを認識していません。
このガイドでは、医学教育専門家を、研究の準備、研究対象の監視とデータ収集、データを保護する(セキュリティとアクセシビリティをバランスさせる)、
匿名のテキストデータと非テキストデータ、デジタルデータでの第三者の識別可能性、 論文を書く(盗作や抜き出しを含む)、著作権(クリエイティブコモンズおよびロイヤリティフリーの問題を含む)、アクセスできない参照資料へのアクセス、倫理的に電子資料を引用、原稿の提出(ジャーナルの選択、オープンアクセス、データ共有の問題を含む)について述べます。
このガイドは、未来を簡単に見て終わります。このガイドは、医学教育のデジタル学問に従事する際に、考慮する必要がある最も重要な倫理的問題のいくつか、および直面する倫理的問題のいくつかの実用的な解決策を読者に警告する有用なツールを目指しています。
研究準備
倫理の承認:人間を含むすべての研究と同様に、公認の倫理審査委員会または機関審査委員会(IRB)を通じた倫理審査が必要であり、この審査には通常参照番号があります。ほとんどのジャーナルでは、この参照番号を原稿に引用する必要があります。
インフォームドコンセント:倫理申請の一部には、インフォームドコンセントフォームおよび/または調査フォームが必要な場合があります。
IRBの承認なし:研究者の機関が研究を倫理上の承認が必要とみなさない場合、参加者のインフォームドコンセントが得られ、研究がヘルシンキ宣言の要件に準拠していることを確認することが特に重要です。
デジタル調査
外部調査サイトでの調査:紙の調査を実施する場合、研究者は調査対象者を管理し、参加する必要がある人のみが調査を完了するようにします。電子調査はいくつかの新しい可能性をもたらしますが、問題ももたらします。対象となる研究集団の一部ではない人が調査を複数回完了することがあります。
学習管理システム(LMS)では、学生が所属機関のユーザー名とパスワードを使用してログインする必要があるため、研究者はLMSの電子調査に研究対象外のユーザーがアクセスできないと合理的に想定できます。
調査が特定のグループ(たとえば、コースに参加した患者または医療専門家のグループ)を対象とする場合、研究者は、他の人が偶然または一般的な検索を通じてそのサイトを見つけるリスクを減らすための措置を講じる必要があります。
データ収集
測定対象の把握:研究者は、測定対象と思われるものを確実に測定し、それらの測定値のみを報告する必要があります。
ユーザー数、アクセス数、ダウンロード数などの生データは、発生する可能性のある教育または学習についてほとんど何も教えてくれません。問題は、これらのデータが「学習分析」と呼ばれることが多いという事実によってさらに悪化し、初心者が学習の指標を与えると信じるようになる可能性があります。
技術情報やその他の情報を収集しますが、購入した場合は、パッケージのフルネームとバージョンを指定する必要があります。自社開発の場合、開発環境、コーディング言語、開発者数、コスト(時間、お金、およびその他のリソース)、可用性、技術、アルファおよびベータテスト、パイロット、プラットフォームに関する情報を提供する必要があります。
データを必要なものに制限する:研究者は、研究に必要な情報のみを収集し、収集したすべての情報を使用し、同意フォームに記載されている理由にのみ使用する必要があります。
意味のある統計:統計テストは、研究の設計と目的に適している必要があります。テストに加えて、研究者はp値などの項目を適切に使用する必要があります。
データの匿名性:外部のフォーラムやLMSを使用して、電子調査から情報を収集する場合、データを適切に匿名化することが重要です。これは、フォーラムや掲示板などのソースから定性的なデータを収集するときに特に重要です。データの匿名化は、調査が匿名であること、学生番号またはその他の識別コードが記録されていないこと、およびデータセットから削除されていることを確認することから始まります。
電子調査サイトからのデータの削除:電子調査を調査に使用している場合、データを収集してダウンロードした後、データが保存されているサイトからデータを削除する必要があります。
法的問題:学校のポリシーに加えて、さまざまな国や地域にはデータに関する適用法があり、研究者はそれらの法の範囲内で作業できる必要があります。
教室外での監視:教室および公式フォーラムまたは掲示板(LMSなど)で学生を監視することに加えて、外部サイトでの生徒の活動を監視するという問題があります。
セキュリティ
データを収集した後、それらを安全に保つと同時に、簡単にアクセスできるようにするための倫理的な義務があります。
ノートパソコンは紛失したり盗まれたりする可能性
ハードドライブとUSBスティックが紛失または破損し可能性
クラウドサーバー上のストレージは魅力的ですが、企業がユーザーのデータにアクセスする可能性、
解決策は、暗号化とパスワードを使用してデータを保護することです。
MS-Excelを含むMS-Office製品は、個々のファイルを暗号化できます。 (Excel 2016および2019では、[ファイル]、[情報]、[ワークブックの保護]を選択します。パスワードの入力を求められます
コンピュータを一般的に保護するには、信頼性の高いウイルス対策ソフトウェアとスパイウェア対策ソフトウェアをインストールし、最新の状態に保つ必要があります。
匿名化・サードパーティの識別可能性、
テキストを匿名化する必要があるのと同様に、画像、ビデオ、オーディオなど、他のファイルタイプも匿名化する必要があります。学者は元のファイルをすべて保持する必要があります
ほとんどのデジタルカメラ(モバイルデバイスのデジタルカメラを含む)は、メタデータ(Exchangeableイメージファイル形式、またはExifデータ)を写真に自動的に挿入します。
研究を行う前に、研究者はデータの所有権を明確にする必要があります。
盗作など、
「契約不正」のために「Paper Mills」に簡単にアクセスできます。Paper Millsは、有料で研究論文を作成するウェブサイトです。これらは主に学生を対象としていますが、博士号や雑誌の記事を書くのにも使用されています。言うまでもなく、製紙工場の使用は非常に非倫理的であり、完全に避けるべきです。
盗作の多くの例では、それが偶然または意図的な不正行為であるかどうかについて議論があり、盗作の倫理的問題をさらに複雑にしているのは、盗作の一般的な見方が普遍的に定石ではないという事実です。
医学教育では、オリジナルの作品のみが自分のものと見なされ、以前に作成された資料を適切に引用および参照する必要があります。盗作は長い間問題でしたが、情報化時代はコピーアンドペーストの能力をもたらし、この容易さは(偶発的または意図的な)盗作の可能性を高めました。
TurnitinやBlackboardのSafeAssignなどの電子的な「盗作防止」チェッカー。
盗作と密接に関係しているのが著作権の問題です。著作権は主に法的問題ですが、倫理と結びついているため、慎重に検討することが重要です。
アクセスのしやすさは単に物理的なものではなく、合法でもあります。掲示板の最初の日から、そしてGeocities.comのようなウェブサイト以来、人々は明示的に著作権を述べることなく情報を書いてきました。学生と研究者は、著作権表示がない場合、著作権はないと信じる場合がありますが、誤りです。
現在、著作権にはさまざまな種類があります。従来の著作権に加えて、素材はクリエイティブコモンズ(CC)の下でライセンスされており、無料で使用できます。CCは、あらゆる状況下で資料を使用できるという意味ではありません。現在、6種類のCCライセンスがあり、それぞれに独自の使用制限があります。
アクセスできない参照資料へのアクセス
研究者が法的かつ合法的なアクセス権を持たない記事にアクセスしたい場合、困難な倫理的ジレンマが発生します。ほとんどのジャーナルは「有料」です。つまり、ジャーナルの記事にアクセスするには料金を支払う必要があります。機関の図書館はこれらの料金を支払います。しかし、そうでない場合、個々の研究者は料金を支払う必要があり、料金は記事ごとに30ドルから200ドルの範囲です。
デジタル資料の引用
Webページから引用する場合、参照のリストにはアクセス日を含める必要があるという一般的な知識です。研究者は出版の圧力にさらされていることを考えると、研究者が文献をすばやく調べる傾向があります。さらに悪いことに、多くの研究者は引用している文献を読んでいないようです。
原稿の提出
原稿のドラフトをオンラインの「印刷前サーバー」に提出することです。アイデアは、学術雑誌に提出する前にピアコメントの作品を提出することです。これには、公式のピアレビューの長いプロセスを経る前に、アイデアの発信者としての地位を確立するという追加の役割があります。
共有
研究者は、生データ(定量的および定性的)を二次分析に公開するよう求められてきました。現在人気のあるモデルは、FAIR(検索可能、アクセス可能、相互運用可能、再利用可能)の一連の原則です
将来を予測することは困難ですが、兆候を読むと、洞察を得ることができます。
医学教育研究の事前登録:主に法律の順守に動機付けられ、臨床研究は、その研究に基づく原稿をジャーナルに提出する前に、公開サイトに登録する必要があります。これは、さまざまな理由で優れています。特に、肯定的な結果を伴う研究の出版や「結果の切り替え」へのバイアスを克服するためです。
研究後のIRBレビュー。 IRBはすでに過負荷になっていますが、最初の倫理的ビジョンが正しく実行されたことを確認するために、実施後に研究を再確認する必要があるかもしれません。
ビッグデータと人工知能(AI):データ収集のセクションでは、AIを使用して1つのプロジェクトに大まかな参照を行いました。現時点では、ほとんどのデータ収集と分析は手動または半自動で実行されます。教育システムがより高度になるにつれて、AIの要素がますます使用されます。
ブロックチェーン:ブロックチェーンの概念は30年近く存在していますが、現在の作業は有望な可能性を示しています今後数年間にわたって、医学教育でのブロックチェーンの倫理的な使用がテストされます。
オープンピアレビュー:オープンアクセスの公開に加え査読者が公に特定されているオープンな査読に向かいます。
公開後のレビュー:出版プロセスの不可欠な部分としての出版後のピアレビューの概念は数年間議論されてきましたが、それを実装する医学教育雑誌はほとんどありませんこれが将来どのように機能し、インデックスシステムがどのように対処するかは、不確実性のある領域です。
機関のポリシー:現在、このガイドで取り上げた側面をカバーするデジタルに関するポリシーを持っている学術機関はほとんどありません。その結果、倫理的なデジタル学者は主に独自に判断します