本ページは データ倫理（Data Ethics）を多角的に解説します。 上のチップは、 検索・関連語の手がかりです。
データ倫理（Data Ethics）は、 ビッグデータと AI の時代に 法律だけでは追いつかない領域を扱う学問・実務です。 アルゴリズムバイアス、 監視資本主義、 同意なきデータ売買など、 社会全体の議論が必要なテーマが山積み。 データを扱う以上、 すべてのデータサイエンティストが理解すべき基礎。
有名な倫理的問題ケース：
| 事例 | 問題 |
|---|---|
| Cambridge Analytica（2018） | Facebook の 8700 万人データを政治広告に流用 |
| Target 妊婦予測（2012） | 購買履歴から父親より先に娘の妊娠を察知 |
| Apple Card ジェンダー差別（2019） | 同等条件でも女性の与信枠が低かった |
| COMPAS（米犯罪予測） | 黒人を白人より高リスクと判定する傾向 |
| Clearview AI | SNS から無断で顔写真 30 億枚を収集 |
これらは 合法かもしれないが、 倫理的には大きな問題。 「できる」と「すべき」を区別する力が必要です。
データの収集・利用に関する倫理的指針
英語名 Data Ethics、 カテゴリ：倫理。
データ倫理の判断フレームワーク（FAT 原則 + α）：
| 原則 | 問い |
|---|---|
| Fairness | すべての集団に公平か？ |
| Accountability | 誰が責任を取るか？ |
| Transparency | 仕組みを説明できるか？ |
| Privacy | 個人情報を最小限に？ |
| Beneficence | 本当に社会に利益があるか？ |
| Non-maleficence | 害を生まないか？ |
最小コードで動かしてみる例：
1 2 3 4 5 6 7 8 9 10 11 12 13 | # データセットの倫理的チェック例 import pandas as pd df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1) # 1. 個人特定可能な列があるか sensitive_cols = ['氏名', 'メール', '電話', 'マイナンバー'] risky = [c for c in sensitive_cols if c in df.columns] print(f'要マスキング列: {risky}') # 2. 保護属性の分布 if '性別' in df.columns: print(df['性別'].value_counts(normalize=True)) |