yonglun/dama-skill / skills/handling-data-ethically
handling-data-ethically
VerifiedUse when proposed data collection, sharing, analysis, profiling, AI, or secondary use could affect people, autonomy, fairness, dignity, trust, or public interest, including cases that appear legally permitted but may still cause harm.
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 2.9 KB |
| agents/openai.yaml | config | 296 B |
| references/playbook.md | markdown | 10.4 KB |
| templates/delivery-pack.en.md | markdown | 3.0 KB |
| templates/delivery-pack.zh.md | markdown | 2.8 KB |
| templates/register.en.xlsx | binary | 8.5 KB |
| templates/register.zh.xlsx | binary | 9.0 KB |
| templates/report.en.docx | binary | 37.5 KB |
| templates/report.zh.docx | binary | 38.0 KB |
references/playbook.md
View on GitHub# 数据处理伦理项目手册
## 1. 业务驱动与目标
伦理数据处理的目标不是阻止数据创造价值,而是确保价值的取得不以不透明、操纵、歧视、失真或不成比例的伤害为代价。主要驱动包括:
- 维护客户、员工、合作方和公众的信任;
- 避免数据误用、误解、虚假呈现和不可逆伤害;
- 在法律未覆盖或落后于技术时维持负责任判断;
- 确保数据与分析结果足够准确、完整、及时且可解释,能够支持其用途;
- 明确谁可从数据经济价值中受益、谁承担风险、谁有权质疑。
成功状态是:每个高影响用途有明确目的、受影响方、可替代方案、批准边界、可验证控制、申诉/纠正路径和持续复核,而不是只有一份原则声明。
## 2. 原则与关键概念
| 原则 | 项目判断问题 |
|---|---|
| 尊重个人(Respect for Persons) | 人是否被当作有自主权的主体?目的和后果是否可理解?能否选择、访问、更正、反对或申诉?弱势或低自主群体是否得到额外保护? |
| 利益与不伤害(Beneficence / Non-maleficence) | 收益是否真实且可验证?是否存在侵入更小、数据更少或影响更轻的替代方案?谁可能受物质、机会、声誉、心理或群体伤害? |
| 公平正义(Justice) | 相似情形是否受到相似待遇?收益、错误、监控和举证负担是否不成比例地落在某些群体?训练、抽样或规则是否复制历史偏见? |
| 法律与公共利益(Respect for Law and Public Interest) | 是否符合适用法律、专业规范和社会期望?即使合法,是否破坏公共信任或造成难以纠正的权力不对称? |
| 可信与透明 | 数据来源、质量、转换、限制和利益冲突是否可追溯?呈现是否选择性省略、操纵尺度、夸大因果或隐藏不确定性? |
隐私相关原则包括目的明确、收集限制、数据最小化、质量/准确性、使用限制、安全保障、开放透明、个人参与、问责和适当保留。具体法律义务随地区变化,必须另行核对。
关键区别:
- **安全** 防止未授权访问或破坏;**伦理** 还判断已授权行为是否应当发生。
- **匿名化/掩码** 是控制,不是伦理许可;多源拼接仍可能重识别。
- **同意** 是一种依据,不自动消除操纵、歧视、质量或权力不对称问题。
- **高准确率** 不证明公平、合宜或无伤害。
## 3. Plan / Control / Develop / Operate
### Plan
1. 写出单一、具体、可验证的用途声明和不允许用途。
2. 记录必要性:若不处理这些数据会怎样;比较数据更少、侵入更低、人工或聚合替代方案。
3. 绘制数据旅程:来源、采集情境、派生/推断、组合、使用决策、共享、保留和处置。
4. 识别直接、间接、未参与但受影响的群体;分析权力、可选择性和申诉能力。
5. 建立收益/伤害假设、不确定性和证据计划。
### Control
1. 指定业务用途批准者、数据所有者、伦理/隐私/法律审查者和独立升级路径。
2. 将允许用途、禁止用途、访问、共享、保留、质量和透明要求写成可执行政策/数据契约。
3. 对高影响决定设置人工复核、可解释理由、申诉、更正和事件处置。
4. 每项例外记录范围、风险、批准人、到期日、补救和撤销条件。
### Develop
1. 在设计中落实最小化、分离、聚合、隐私保护、质量校验、血缘和审计。
2. 用代表性数据测试错误、缺失、重识别、代理变量、群体差异、最坏用途和恶意内部使用。
3. 验证通知/解释能被目标人群理解,且拒绝或申诉不会产生不合理惩罚。
4. 通过“影子/只观察”或小范围试点比较预期与真实影响;高风险用途不得只做技术 UAT。
### Operate
1. 监控实际用途、结果、群体差异、投诉、纠正、访问、下游共享和用途漂移。
2. 定期确认数据仍准确、必要、最新,原批准目的和责任人仍有效。
3. 发现用途外使用、严重伤害、不可解释差异或失去合法/伦理依据时暂停处理并保全证据。
4. 按到期日重新批准、缩小用途、删除数据或退役处理流程;将事件纳入文化和培训改进。
## 4. 上下文与角色
| 角色 | 责任与决策权 |
|---|---|
| 业务用途负责人 | 证明业务需要、替代方案和价值;对用途边界与实际结果负责,不能把责任转给技术团队 |
| 数据所有者/数据管家 | 说明来源、含义、质量、允许使用、共享和保留;可暂停不可信或越界数据 |
| 数据治理机构 | 批准原则、政策、例外、升级和跨域争议;确保决定可审计 |
| 隐私/法律/合规 | 判断适用义务和权利;对未解决法律风险给出阻止或附条件意见 |
| 伦理或独立风险审查 | 代表受影响方、检验利益冲突与公共利益;可要求重设或停止高影响用途 |
| 安全、架构、工程、分析/数据科学 | 将用途和伦理条件实现为控制、数据质量、血缘、测试、解释和监控 |
| 变更与培训负责人 | 建立安全发声、无报复升级、培训和持续文化机制 |
| 受影响方或代表 | 提供体验、可理解性、伤害、选择和申诉证据;不应只在上线后被动接收通知 |
重大用途的 Go/No-go 不能由从上线直接获益的单一团队独自批准。冲突升级路径必须允许员工停止或报告潜在不道德做法而不受报复。
## 5. 交付物与验收证据
### 伦理影响评估
```markdown
# 数据伦理影响评估
- 具体目的与预期决策:
- 数据来源、收集情境、派生和组合:
- 允许用途 / 禁止用途:
- 必要性及更低侵入替代方案:
- 受影响方、弱势群体和代表参与:
- 尊重个人:选择、理解、更正、反对、申诉:
- 收益与伤害:严重性、概率、可逆性、承担者:
- 公平:群体收益/错误/负担及阈值:
- 可信:质量、血缘、限制、透明和呈现:
- 控制、测试、证据位置与责任人:
- 未确定事项、例外与到期日:
- 决定:推进 / 附条件推进 / 暂停重设 / 停止:
- 监控、复核和停止触发器:
```
| 交付物 | 最低验收证据 |
|---|---|
| 用途与数据旅程 | 每个输入和派生数据可关联具体用途、来源、共享方、保留和处置;用途外行为能被检测 |
| 受影响方与参与记录 | 不只列客户;包含员工、非用户、下游群体和弱势方,并记录其意见如何改变设计 |
| 收益/伤害与替代方案 | 对严重性、概率、分配和可逆性有证据;至少比较一个更少数据或更低影响方案 |
| 公平与质量测试 | 规则、样本、分群、阈值和限制已批准;结果可重复,失败有明确动作 |
| 透明、选择与申诉 | 目标人群理解测试、可执行选择/更正/申诉流程和处理 SLA 通过演练 |
| 决策与例外记录 | 批准人具备权限且不存在未披露利益冲突;条件、到期日和停止触发器完整 |
| 运营监控 | 仪表板、投诉/事件、用途漂移、下游共享和复核日历有责任人与运行记录 |
## 6. 工具与技术
- **数据旅程与血缘图:** 发现来源、推断、共享、跨境、重识别和处置风险。
- **利益相关者/权力图:** 不只按“受益者”分类,还识别无法退出、难以申诉和承担外部性的人。
- **误用与伤害案例:** 同时测试预期用户犯错、内部滥用、下游再利用和对抗者拼接。
- **比例性/必要性测试:** 对每类数据问“没有它能否达成目的”“是否能聚合、缩短保留或延后采集”。
- **分群和反事实测试:** 比较不同群体的覆盖、错误、成本、机会和人工推翻;检查代理变量。
- **可理解性测试:** 让目标人群用自己的话解释目的、数据、决定和申诉,不以发布隐私条款代替理解。
- **红队与预演失败(pre-mortem):** 假设一年后造成伤害或丑闻,反推早期信号和停止条件。
- **数据呈现审查:** 检查选择性时间窗、缺失点、尺度、因果暗示、样本偏差和不确定性披露。
工具选择服从问题和证据,不以购买“AI 伦理平台”代替所有权、参与和决策。
## 7. 指标、风险与实施
指标至少覆盖:
- **过程:** 高影响用途评估覆盖率、附条件项按期关闭率、例外逾期数、受影响方参与率;
- **数据/模型:** 质量阈值、重识别测试、群体错误/收益/负担差异、解释缺失率、人工推翻率;
- **权利与信任:** 选择/退出、访问更正、申诉量与处理时长、投诉主题、满意/理解度;
- **运营:** 用途外访问/共享、保留超期、未批准数据源、伦理事件、暂停/退役执行时间;
- **结果:** 预期收益是否实现、伤害是否出现、收益和负担如何分布。
指标不应鼓励压低投诉或退出。投诉增加可能表示渠道更可达;结合严重性、重复性和解决质量解释。
常见实施风险:只做合规勾选;审查过晚;原则无阈值;由项目团队自批;把匿名化当终局;忽略数据质量和误导性呈现;只测试平均值;审批后用途悄然扩张。以阶段门、独立审查、可执行控制和运营复核应对。
停止或立即升级的典型条件:发现未批准用途/数据;无法说明高影响决定;可信的严重不公平或伤害证据;重识别或泄露;受影响方无法行使必要权利;关键质量/血缘丢失;例外到期仍未补救。
## 8. 依赖与协同
- `establishing-data-governance`:把伦理原则转成决策权、政策、例外和监督。
- `securing-data`:实现分类、访问、加密、审计、事件和第三方控制。
- `managing-metadata`:记录用途、来源、血缘、敏感性、所有者、保留与限制标签。
- `improving-data-quality`:验证数据是否足以支持用途,避免失真和误导。
- `delivering-data-science`:将伦理/公平条件嵌入假设、实验、模型、部署、监控和退役。
- `leading-data-change`:建立培训、安全发声、无报复升级和伦理文化。
- `managing-documents-and-content`:当隐私通知、同意、政策或内容保留本身是治理对象时协同。
法律义务或行业标准存在时,以当前权威来源为准;伦理评估解释法律未穷尽的判断,不修改法律结论。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |