## データ倫理のケーススタディを書く
## 指示
これまでに、さまざまな[データ倫理の課題](README.md#2-ethics-challenges)について学び、現実世界の文脈でデータ倫理の課題を反映した[ケーススタディ](README.md#3-case-studies)の例を見てきました。
この課題では、自分の経験や知っている関連する現実世界の文脈からデータ倫理の課題を反映したケーススタディを作成します。以下の手順に従ってください:
1. `データ倫理の課題を選ぶ`。[レッスンの例](README.md#2-ethics-challenges)を見たり、[Deon Checklist](https://deon.drivendata.org/examples/)のようなオンラインの例を探してインスピレーションを得てください。
2. `現実世界の例を説明する`。特定の課題が発生した状況について考えてみてください(ニュース記事、研究論文などで聞いたことがあるもの、または地域社会で経験したもの)。その課題に関連するデータ倫理の問題について考え、その問題が引き起こす可能性のある害や意図しない結果について議論してください。ボーナスポイント:この課題の悪影響を排除または軽減するために適用できる可能性のある解決策やプロセスについて考えてみてください。
3. `関連するリソースのリストを提供する`。この記事、個人のブログ投稿や画像、オンラインの研究論文など、これが現実世界で発生したことを証明するためのリソースを1つ以上共有してください。ボーナスポイント:その事件から生じる可能性のある害や結果を示すリソース、またはその再発を防ぐために取られた前向きな措置を強調するリソースを共有してください。
## 採点基準
優秀 | 適切 | 改善が必要
--- | --- | -- |
1つ以上のデータ倫理の課題が特定されている。
ケーススタディはその課題を反映した現実世界の事件を明確に説明し、その課題が引き起こした望ましくない結果や害を強調している。
これが発生したことを証明するためのリンクされたリソースが少なくとも1つある。 | 1つのデータ倫理の課題が特定されている。
少なくとも1つの関連する害や結果が簡単に議論されている。
ただし、議論が限定的であるか、現実世界での発生を証明するものが欠けている。 | データ倫理の課題が特定されている。
ただし、説明やリソースが課題を十分に反映していない、または現実世界での発生を証明していない。 |
**免責事項**:
この文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/co-op-translator) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知おきください。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当方は責任を負いません。