01
測定の信頼性
同じ概念を一貫して捉えられているか、質問やスコアの安定性と限界を検証します。
読み込み中です
本人の選択
研究利用は通常利用と分離し、同意しないことによる不利益を設けません。
必要最小限
目的に必要な項目へ絞り、研究用データでは直接識別子を切り離します。
仮説として扱う
相関、スコア、推定結果を人物評価や確定的な因果説明へ変換しません。
研究すること
アセスメントやAI出力を正しいものとして固定せず、何を測れていて、何を測れていないかを確かめます。
同じ概念を一貫して捉えられているか、質問やスコアの安定性と限界を検証します。
特定の属性や回答スタイルによって、不合理な差が生じていないかを継続的に確認します。
個人を固定的に分類せず、役割、関係性、支援条件との組み合わせとして理解します。
結果が選別ではなく、自己理解、対話、環境調整、関係修復に役立つかを確かめます。
同意と本人統制
研究利用への同意は、Yulmoreの通常機能を使うための条件ではありません。同意は研究データ、自由記述、将来の外部共有に分け、本人が選択できる形で扱います。
データ範囲
研究同意の範囲
アセスメント回答、採点結果、レポート生成結果、品質・公平性・信頼性の検証に必要な利用記録。
追加の選択
自由記述の利用と、将来外部研究者へ共有する場合の許可は、研究同意とは分けて扱います。
研究用に分離
氏名、メールアドレスなどの直接識別子を切り離し、研究用の疑似匿名IDで管理します。
既定で除外
同意のないデータ、目的に不要なセンシティブ情報、本人や小集団を推測しやすい情報。
「疑似匿名化」は匿名化と同じではありません。再識別リスクが残り得る前提で、アクセス制御と監査を継続します。
研究ガバナンス
研究課題、必要なデータ、利用期間、成果の扱いを研究利用の前に整理します。
通常利用と研究利用を分離し、自由記述と将来の外部共有は追加の選択として扱います。
研究目的に必要な項目だけを用い、直接識別子を研究用データから切り離します。
研究用エクスポートと重要操作を記録し、権限、範囲、再識別リスクを確認します。
小集団の推測、不利益なラベル、過剰な因果主張がないかを確認してから公表します。
研究で行わないこと
研究目的であっても、本人の尊厳と選択を弱める利用は認めません。
研究目的、対象、方法、限界、利益相反、仮説と事実の区別を示します。個人や顧客企業が特定されないこと、小規模集団から推測されないこと、不利益なラベルにつながらないことを公表前に確認します。
入力、集計、スコア、説明に誤りがあれば、影響範囲を確認し、訂正、再分析、利用停止、関係者への通知を検討します。研究結果を守ることより、本人の権利利益と検証可能性を優先します。
関連情報
研究同意、データ範囲、撤回、共同研究の相談はお問い合わせ窓口で受け付けます。