두 번째는 데이터 중립입니다. 데이터는 수동 또는 자동 수단으로 처리할 수 있는 사실, 개념 및 지침의 표현으로 숫자, 문자, 기호, 차트 등 다양한 계산, 연구 또는 설계의 기반이 되는 숫자 값입니다. 빅 데이터 자체는 객관적으로 중립적이지만, 데이터 처리 및 사용에서도 중립적이지 않은 결과가 발생할 수 있습니다. 주로 이 과정에서 다양한 사람과 주관적인 요소가 존재하기 때문입니다. 글로벌 데이터가 폭발적으로 증가하는 오늘날, 기술 사용 과정에서 사람들의 편차, 알고리즘 차별 등 윤리적 문제가 끊이지 않고 있기 때문이다. 예를 들어, 알고리즘 추천은 빅데이터와 인공지능의 급속한 발전에 따라 성숙해지고 있지만 편견과 차별의 윤리적 문제도 불가피하다. 실생활에서' 추천' 페이지나' 빨간 봉투',' 쿠폰' 과 같은 일부 인터넷 쇼핑 플랫폼은 보통 개인화된 추천 알고리즘을 통해 얻는다. 본질적으로 알고리즘 설계는 목적과 가치가 있으며 설계 주체의 의도와 선택을 반영합니다. 따라서 알고리즘은 개인의 빈부 격차, 성별 차이, 건강 상태 등에 대한 종합적인 파악을 바탕으로 관련 제품이나 서비스를 개인화하고 차별화하여 추천할 수 있지만, 서로 다른 그룹간 정보 파악의 불공정으로 이어질 수 있으며, 심지어' 대데이터 살생' 과 같은 알고리즘 차별 현상까지 나타날 수 있다.
세 번째는 디지털 격차입니다. 디지털 격차는 디지털 시대의 새로운 사회 정의 문제이다. 전통적인 디지털 격차는 주로 데이터 가용성, 데이터 응용 프로그램 및 데이터 분석에 큰 차이를 말합니다. 일부 그룹은 디지털 기술을 더 잘 얻고 사용할 수 있지만 다른 그룹은 디지털 기술을 얻고 사용하기가 어렵습니다. 디지털 격차로 인한 디지털 기술 자원의 불균형은 점차 집단 갈등과 사회적 불공정을 초래할 수 있다. 빅 데이터 배경에서 모바일 인터넷의 보급과 함께 디지털 격차와 그로 인한 사회적 공평성 문제는 더 이상 디지털 기술의 접근성과 응용에 주로 나타나지 않고 디지털 격차로 발전하여 지식, 기술, 경제 등의 요인으로 인한 기술 격차와 가치 격차에 초점을 맞추고 있습니다. 일부 정부 부처, 기업, 과학 연구 기관 등. , 쉽게 데이터를 수집하고 사용할 수 있으며, 데이터 마이닝, 계산, 저장 및 전송을 통해 사회의 개인 행동을 파악할 수 있으며, 일반인은 방대한 고품질 데이터를 얻기가 어렵습니다. 더욱이, 사람들이 대량의 고품질 데이터를 성공적으로 입수하더라도, 많은 사람들은 다양한 복잡한 데이터를 분석할 수 있는 기술을 갖추지 못하고 있습니다. 그 결과, 디지털 격차는 점점 더 커지고 있으며, 데이터 수집, 기술 적용, 가치 구분 등에 불공정한 윤리적 문제가 발생할 수 있습니다.