برنامه های کاربردی مختلفی در سرتاسر جهان برای مهار و مبارزه با همه گیری بیماری کروناویروس 19 (COVID-19) توسعه یافته است. در این زمینه، اطلاعات مکانی همیشه از اهمیت بالایی برخوردار است. هدف این مطالعه توصیف توسعه یک وب GIS مبتنی بر محصولات منبع باز برای جمع‌آوری و تجزیه و تحلیل موارد COVID-19 و امکان‌سنجی آن از نظر پیاده‌سازی فنی و حفاظت از داده‌ها است.

مواد و روش ها

با کمک این وب GIS، داده های مربوط به این موضوع به طور داوطلبانه از منطقه کلن جمع آوری شد. با استفاده از محیط خانه به عنوان مبنای داده، می‌توان در ارتباط با کاتالوگ نوع شیء سیستم اطلاعات نقشه‌برداری رسمی توپوگرافی، بررسی کرد که آیا ساختمان‌هایی با عملکردهای خاص، برای مثال ساختمان‌های مسکونی با تجارت و خدمات، بیشتر توسط افراد آلوده بازدید شده‌اند یا خیر. نسبت به انواع دیگر ساختمان ها در این زمینه، حفاظت از داده ها و مسائل اخلاقی و قانونی مورد توجه قرار گرفت.

نتایج

نتایج این مطالعه نشان می دهد که توسعه یک وب GIS برای تولید و ارزیابی اطلاعات جغرافیایی داوطلبانه (VGI) با کمک نرم افزار منبع باز امکان پذیر است. علاوه بر این، حفاظت از داده ها و جنبه های اخلاقی و قانونی متعددی وجود دارد که باید در نظر گرفته شود، که نه تنها بر VGI به خودی خود تأثیر می گذارد، بلکه بر امنیت فناوری اطلاعات نیز تأثیر می گذارد.

نتیجه گیری

از منظر حفاظت از داده ها، توجه بیشتری باید به مداخله و پس پردازش داده ها معطوف شود. علاوه بر این، داده های رسمی باید همیشه به عنوان مرجعی برای در نظر گرفتن فضایی واقعی تعداد عفونت ها استفاده شوند. با این حال، VGI ارزش افزوده را در سطح کوچک ارائه می دهد، به طوری که می توان اطلاعات معتبر را نیز به طور قابل اعتماد در زمینه مسائل بهداشتی به دست آورد. ایجاد دستورالعمل هایی برای در نظر گرفتن حفاظت از داده ها، جنبه های اخلاقی، و الزامات قانونی در زمینه برنامه های کاربردی مبتنی بر VGI نیز باید در نظر گرفته شود.

ثبت کارآزمایی مقاله نتایج یک مداخله مراقبت های بهداشتی را برای شرکت کنندگان انسانی گزارش نمی کند

ارتباط

دانش COVID-19 و توزیع فضایی آن به دلیل مسائل متعدد مهم است. موارد عفونت تقریباً در همه کشورهای جهان تأیید شده است [ 1 ، 2 ]. این نه تنها پیامدهای سلامتی برای افراد دارد، بلکه برای جامعه، زندگی اجتماعی، اقتصاد و محیط زیست که به طور مستقیم یا غیرمستقیم تحت تأثیر این بیماری همه‌گیر هستند، نیز به دنبال دارد. نیکولا و همکاران [ 3] به انواع پیامدهای اجتماعی-اقتصادی این بیماری همه گیر اشاره کرد که بر تمام بخش های اقتصاد تأثیر می گذارد. علاوه بر تهدید رکود اقتصادی، فاصله گذاری اجتماعی و انزوای افراد از طریق تعطیلی مدارس و محدودیت های سفر، به عنوان مثال، منجر به کاهش بهره وری شده است که به نوبه خود با از دست دادن احتمالی شغل مرتبط است. در حالی که تقاضا برای برخی کالاها مانند نفت کاهش یافته است، بازار شاهد افزایش تقاضا برای محصولات پزشکی بوده است. خرید وحشتناک و ذخیره سازی نیز تقاضا برای مواد غذایی را افزایش می دهد. دولت‌ها در برخی کشورها محدودیت‌هایی وضع کرده‌اند یا در حال آغاز بستن مرزها هستند [ 3 ]. علاوه بر این، فرکانس حمل و نقل عمومی در بسیاری از مکان ها کمتر است [ 4 ] یا از خدمات حمل و نقل عمومی کمتر استفاده می شود [ 5 ]] و ترافیک هوایی به حداقل کاهش یافته است [ 6 ]. صنایع کامل مانند صنعت هتلداری/میهمان‌داری باید به طور موقت کار را متوقف کنند [ 7 ] و شرکت‌ها می‌توانند آسان‌تر کارکنان خود را از طریق تصمیم‌گیری‌های سیاسی برای کاهش هزینه‌ها در کار کوتاه مدت قرار دهند [ 8 ]، در حالی که دانشگاه‌ها و مدارس به آموزش مجازی روی آورده‌اند. [ 9 ] و مهدکودک ها به طور کلی بسته مانده اند. این با استرس ها و مشکلات اضافی دیگری همراه است، مانند کار در دفتر خانه و همزمان مراقبت از کودکان [ 10 ] یا افزایش تعداد موارد خشونت خانگی [ 3 ]. رویدادهای ورزشی مهم مانند المپیک توکیو [ 11] یا مسابقات قهرمانی اروپا یوفا نیز یک سال به تعویق افتاده است [ 12 ]. ایالت ها در حال توسعه بسته های نجات برای کاهش بار شرکت ها و در نتیجه ایمن سازی مشاغل در دراز مدت هستند. در آینده، این نه تنها در سطح ملی، بلکه در سطح اروپایی نیز باید انجام شود، مانند برنامه‌های محرک اقتصادی مشترک یا معرفی صندوق‌های همبستگی اتحادیه اروپا برای ویروس کرونا [ 13 ]. سیستم های مختلف بهداشتی، گزینه های درمانی، و مداخلات دولت های مختلف [ 14 ] با نرخ عفونت و مرگ و میر متفاوت در کشورهای مختلف مرتبط هستند [ 1 ].

مسئله و نیازهای پژوهشی

مهار و کنترل COVID-19 یک چالش بزرگ است [ 15 ]. قطع و ردیابی زنجیره عفونت ضروری است. راه حل های مختلفی برای این منظور وجود دارد و می تواند مفید باشد، اما برخی از آنها به دلیل جنبه های حفاظت از داده ها مشکوک یا بحث برانگیز هستند. در آغاز همه‌گیری، به اصطلاح پروفایل‌های حرکتی، بر اساس داده‌های مکان، به‌طور ناشناس توسط ارائه‌دهندگان تلفن همراه ارسال می‌شد و برای اندازه‌گیری فعالیت جمعیت و حرکت آنها در فضا، به عنوان مثال، توسط شرکت مخابراتی A1 Telekom اتریش استفاده می‌شد. . این رویکرد مزایای خود را دارد اما مورد انتقاد قرار می گیرد زیرا ردیابی را بدون رضایت کاربر انجام می دهد و از روشی پیروی می کند که خیلی شفاف نیست [ 16 ]. برنامه اهدای داده کرونا ( https://corona-datenspende.de/) به طور انتقادی مشاهده می شود زیرا پردازش/نگهداری داده واقعی با مفاد تعیین شده در خط مشی رازداری مطابقت ندارد. به عنوان مثال، بیان می کند که داده ها منحصراً در سرورهای مستقر در آلمان نگهداری یا پردازش می شوند و نه نام و نه آدرس کاربران قابل شناسایی نیست. با این حال، داده ها مستقیماً از مچ بند تناسب اندام به سرور مؤسسه رابرت کخ (RKI) (بدون انحراف از طریق تلفن هوشمند کاربر) منتقل می شوند. این امکان دسترسی مستقیم به سرور سازنده مچ بند تناسب اندام را فراهم می کند، و بنابراین، امکان نظری برای RKI برای دسترسی به داده های سلامت برای دوره قبل از همه گیری و نام کامل کاربر [ 17 ] را فراهم می کند. Corona-Warn-App به سفارش دولت آلمان [ 18 ] مبتنی بر فناوری بلوتوث مدرن (D3PT) است.18 ]. از داده های مکان استفاده نمی کند، اما فاصله بین دستگاه های تلفن همراه را اندازه گیری می کند. کاربران نشان می‌دهند که آیا به SARS-CoV-2 آلوده هستند یا خیر. اگر سایر کاربران در مجاورت یک فرد آلوده باشند، پیامی را در دستگاه خود دریافت می کنند [ 18 ]. کد برنامه نویسی برنامه فاش شده است به طوری که یک برنامه منبع باز [ 18 ] است که باعث افزایش شفافیت ابزار می شود. یک ضعف این است که داده ها به طور مستقیم در یک سطح مکانی خاص برای کاربر نهایی ارزیابی نمی شوند. بنابراین، مشخص نیست که افراد آلوده چگونه از نظر مکانی توزیع شده اند. علاوه بر این، برنامه فقط می تواند با یک دستگاه نهایی که سیستم عامل iOS یا Android را می توان روی آن نصب کرد استفاده کرد [ 19 ]]. بنابراین، این مقاله یک برنامه کاربردی تحت وب را توصیف می کند که امکان به اشتراک گذاری اطلاعات مربوط به عفونت SARS-CoV-2 را در مقیاس کوچک، مستقل از دستگاه نهایی یا نسخه سیستم عامل، به طور خودکار داده های جمع آوری شده را ارزیابی می کند و آن را در دسترس قرار می دهد. کاربر. در این زمینه، حفاظت از داده ها و جنبه های اخلاقی و قانونی نیز در نظر گرفته شده است.

سوالات تحقیق

این پژوهش با هدف پاسخگویی به سوالات تحقیق زیر انجام می شود:

• تا چه حد می توان یک برنامه وب بر اساس محصولات منبع باز برای ثبت/ارزیابی فضایی موارد COVID-19 در منطقه شهری کلن توسعه داد؟
• هنگام استفاده از اطلاعات جغرافیایی داوطلبانه (VGI) در زمینه توسعه برنامه، کدام جنبه های حفاظت از داده، اخلاقی و قانونی باید در نظر گرفته شود؟
• انتظار می رود که توسعه چنین برنامه های کاربردی وب امکان پذیر باشد. با این حال، توسعه و جمع آوری داده ها با مسائل مختلف حفاظت از داده ها همراه است. علاوه بر این، تا چه حد این ابزار توسط افراد آزمایش کننده بالقوه پذیرفته و مورد استفاده قرار خواهد گرفت یا اینکه آیا می توان اطلاعات معتبری از آنها به دست آورد و چگونه می توان اظهاراتی در مورد توزیع موارد COVID-19 در محدوده شهر ارائه کرد، هنوز مشخص نیست.

ساختار کار

ابتدا، این مطالعه وضعیت فعلی تحقیق و همچنین پیشینه نظری جنبه های مربوطه را توضیح می دهد. این شامل ایده های اساسی در مورد VGI و زمینه های کاربردی مناسب است. علاوه بر این، جنبه‌های حفاظت از داده‌ها که باید در این زمینه در نظر گرفته شوند، توضیح داده می‌شوند و با نگرانی‌های قانونی و اخلاقی مرتبط تکمیل می‌شوند. این فصل همچنین شامل مبانی SARS-CoV-2 و COVID-19 است. در نهایت، نمونه هایی از برنامه هایی که از اطلاعات مکانی در زمینه بیماری استفاده می کنند یا در زمینه بیماری همه گیر توسعه یافته اند ارائه شده است. فصل سوم، روش‌شناسی، به معماری پایه برنامه‌های کاربردی وب توسعه‌یافته در اینجا و داده‌های منبع مورد استفاده برای جمع‌آوری اطلاعات می‌پردازد. فصل 4 بر داده های جمع آوری شده با کمک برنامه های کاربردی توسعه یافته و ارزیابی شده تمرکز دارد و حفاظت از داده ها، اخلاقی، و جنبه های قانونی مرتبط با آنها در طول توسعه و ارزیابی در نظر گرفته می شود. در مرحله بعد، نتایج کار به طور انتقادی بررسی می شود، پتانسیل بهبود برجسته می شود و محدودیت ها بیان می شود. در نهایت، در نتیجه گیری، نتایج در چارچوب سؤالات تحقیق که در ابتدا تدوین شده اند، خلاصه می شود.

اطلاعات جغرافیایی داوطلبانه

تعریف و مبانی

Goodchild [ 20 ] اولین نویسنده ای بود که اصطلاح اطلاعات جغرافیایی داوطلبانه (VGI) را معرفی کرد، 2 سال پس از اینکه Boulos [ 21 ] اصطلاح-واژه Wikification of GIS توسط توده ها را معرفی کرد [ 21 ]. اولی به عنوان فرآیندی تعریف می شود که در آن افراد خصوصی متعددی اطلاعات جغرافیایی را ارائه و ایجاد می کنند. هیچ نهاد رسمی در فرآیند ایجاد داده ها دخیل نیست و هیچ مدرک رسمی مورد نیاز نیست. جمع آوری و ارائه داده ها داوطلبانه است و از نظر دقت و دقت متفاوت است. VGI هم بر رشته جغرافیا و هم بر سیستم های اطلاعات جغرافیایی تأثیر عمده ای دارد [ 22 , 23 , 24]. VGI یک مورد خاص از محتوای تولید شده توسط کاربر در وب است. نمونه های اصلی چنین داده های تولید شده عبارتند از: Wikimapia، Flickr، MissProuncher و OpenStreetMap [ 20 ]. ارتباط اطلاعات جغرافیایی به ویژه در مورد بلایا افزایش یافته است. جمعیت محلی ممکن است فوراً در حین یا پس از یک فاجعه تحت تأثیر قرار گیرند و در صورت وجود ابزارهای مناسب برای تولید و اعتبار سنجی داده ها، ممکن است بلافاصله در طول یا بعد از رویداد، داده ها را ارائه دهند. در نتیجه، VGI همچنین می تواند به چنین برنامه هایی کمک کند [ 25 ]. چن و همکاران [ 26] به مزایای VGI در شرایط فاجعه اشاره کرد. علاوه بر سطح بالایی از جزئیات و سرعت بالایی که می توان با آن داده ها را در دسترس قرار داد، هزینه های پایین برای این فرآیند به عنوان نقاط قوت خاص شناسایی می شود [ 26 ]]. نویسندگان مکانیسم های ممکن برای تضمین کیفیت VGI را ارائه می کنند. از یک طرف، آنها خاطرنشان می کنند که شرکت کنندگان در موقعیت های فاجعه باید از قبل طبقه بندی شوند. به عنوان مثال، این می تواند سازمان ها، مردم، کارشناسان یا تصمیم گیرندگان سیاسی باشد. این نقش ها به نوبه خود می توانند به وظایف خاصی مرتبط شوند. مردم شامل شهروندانی می شوند که داوطلبانه به داده ها کمک می کنند. کارشناسان می توانند کیفیت داده ها را تأیید، تصحیح و به طور کلی ارزیابی کنند یا تعیین کنند که کدام داده ها باید بیشتر مورد استفاده قرار گیرند. نگهداری فراداده نیز می تواند توسط آنها انجام شود. بر این اساس سازمان ها باید رویکردها و اقدامات خود را طراحی و برای استقرار پرسنل برنامه ریزی کنند. این می تواند شامل سیاست گذارانی شود که به نوبه خود با مردم ارتباط برقرار می کنند [ 26]. علاوه بر این، تضمین کیفیت را می توان با استفاده از چارچوب ارائه شده توسط دولت ارتقا داد. این چارچوب، برای مثال، با ایجاد استانداردهایی برای جمع آوری داده های VGI در مورد یک فاجعه بالقوه، از جمله حفظ حریم خصوصی داده ها و مقررات قانونی، مانند مسئولیت، ایجاد می شود. تدارک فنی یک برنامه یا پلت فرم برای جمع آوری اطلاعات توسط دولت ارائه می شود که همچنین داده های جغرافیایی رسمی را به عنوان پایه ارائه می دهد. در صورت وقوع فاجعه، سازمان ها و مردم می توانند از این چارچوب برای جمع آوری و تجزیه و تحلیل سریع داده ها استفاده کنند [ 26 ]. انگلر و همکاران [ 27 ] VGI و نقشه‌نگاری وب را مورد بحث قرار دادند و اینکه چگونه دومی ابزار مهمی برای مدیریت، انتشار و تجسم این داده‌ها است [ 27 ].]. نقشه‌برداری وب یا سایبری برای اولین بار در سال 1997 به عنوان یک پدیده اینترنتی درک شد. از آن زمان، نقشه‌ها ارزشی متفاوت از آنچه در ابتدا برای آن طراحی شده بودند، ایجاد کردند، یعنی برای محلی‌سازی مکان‌ها یا نمایش یک محیط فیزیکی. امروزه، آنها جنبه های فرهنگی یا اجتماعی-اقتصادی را نیز پوشش می دهند. نقشه های وب همچنین امکان پیوند رسانه های دیگر به محتوا (فیلم و صدا) را ارائه می دهند [ 28 ]. اکنون حرفه ای ها می توانند محتوای کارتوگرافی تولید کنند [ 27 ]. انگلر و همکاران [ 27] بیان می کند که کارتوگرافی سایبری ابزار قدرتمندی برای مدیریت، انتشار و تجسم VGI است. این از این واقعیت ناشی می شود که هر دو جزء دارای عناصر مشترک هستند. از جمله این فناوری های چندحسی است. VGI را می توان به صدا، تصاویر، متون و ویدئوها پیوند داد. نقشه کشی وب اجازه ویرایش و اصلاح VGI را می دهد و پروژه های جدید را می توان نسبتاً به راحتی برای یک منطقه مورد علاقه ایجاد کرد، بنابراین طیف گسترده ای از گروه های کاربر را مورد توجه قرار داد [ 27 ]. انگلر و همکاران [ 27] همچنین مسائل حقوقی را در زمینه کارتوگرافی سایبری و VGI شناسایی کرد. اگرچه مؤسسات سنتی و انتشارات آنها بر اساس قوانین ایالتی هستند، بسیاری از موضوعات مربوط به اطلاعات جغرافیایی ارائه شده داوطلبانه در زمینه نقشه برداری وب نیاز به بازنگری قانونی یا ارزیابی مجدد دارند. علاوه بر این، مسائل اخلاقی و حفاظت از داده ها نیز باید در نظر گرفته شود [ 27 ].

حفاظت از داده ها، جنبه های اخلاقی و قانونی

جمع آوری و تبادل داده های شخصی به طور مستقیم با مسائل حقوقی، حفاظت از داده ها و اخلاقی مرتبط است [ 29 ]. این مشکلات با اشتراک گذاری داده ها با اشخاص ثالث تشدید می شود. به‌طور فزاینده‌ای، سرویس‌ها و دستگاه‌هایی که می‌توانند موقعیت یا پست‌های افراد در شبکه‌های اجتماعی را در قالب تصاویر، ویدیوها یا متن‌هایی که مستقیماً به یک مکان مرتبط هستند ردیابی کنند، امکان ردیابی داده‌های حساس مانند وضعیت سلامت یا عادات سبک زندگی را فراهم می‌کنند [ 30 ، 31 ] . مونی و همکاران [ 30 ] تاکید کرد که مقررات حفاظت از داده ها در زمینه فناوری اطلاعات و ارتباطات تنها می تواند از طریق ترکیبی از پیاده سازی های فناورانه، مقررات قانونی و هنجارهای اجتماعی اعمال شود [ 30 ]]. سوال مهم این است که تا چه حد می‌توان سیستم‌های مبتنی بر VGI را گسترش داد تا داده‌های جمع‌آوری‌شده را نتوان به افراد منفرد یا به طور انحصاری به نام مستعار آنها که خودشان هنگام ثبت نام انتخاب می‌کنند، ردیابی کرد. همچنین مسائل کاملاً حل نشده ای وجود دارد، مانند نحوه محافظت از حریم خصوصی افرادی که در عکس ها با برچسب های جغرافیایی قابل شناسایی هستند. هم افرادی که داده ها را در پروژه VGI مشارکت می دهند و هم کاربران آن اطلاعات باید با ملاحظات اخلاقی دست و پنجه نرم کنند. یک مثال ارائه داده توسط داوطلبان در شرایط بحرانی است. ارقام نادرست خسارات یا قربانیان می تواند برای مثال منجر به کمک نامناسب مقامات شود. علاوه بر این، رابطه اعتماد بین طرف های درگیر می تواند برای همیشه مختل شود، بنابراین قابلیت استفاده و کیفیت VGI را زیر سوال می برد. از دیدگاه کاربر داده، باید اطمینان حاصل شود که داده های تولید شده داوطلبانه فقط برای اهداف مناسب مورد استفاده قرار می گیرند و متعاقباً به عنوان مثال به صورت تجاری فروخته نمی شوند. این نکته با قانون حفاظت از داده ها و جنبه های قانونی همراه است، به این معنی که مشکلات اخلاقی همیشه نمی توانند به وضوح از موارد [30 ]. سولا [ 32 ] اظهار داشت که اصول اخلاقی باید در طول فرآیند تحقیق در نظر گرفته شود. این را می توان با آگاه کردن همه طرف ها از مسئولیت های خود، اجرای گزینه هایی برای ویرایش و لغو داده ها، یا ارائه نتایج در قالب کانال های عمومی [ 32 ] انجام داد. یک نقش حیاتی از منظر قانونی در تولید و استفاده از VGI مسئولیت است [ 30 ]. چو [ 33 ] استدلال کرد که افرادی که به طور داوطلبانه داده ها را جمع آوری می کنند باید از نظر قانونی محافظت شوند و نباید مسئول شناخته شوند زیرا این خطر می تواند پتانسیل و مدل VGI را کاهش دهد یا از بین ببرد [ 33 ]. علاوه بر این، جنبه های مجوز باید در زمینه VGI در نظر گرفته شود [ 30 ]. اسکاسا [ 34] استدلال کرد که علاقه به جمع آوری VGI متفاوت است. نهادهای عمومی می خواهند شهروندان را برای ارائه VGI برای تولید داده هایی که در غیر این صورت جمع آوری یا تأیید آنها دشوار باشد، ترغیب کنند. شرکت های خصوصی بیشتر از VGI به عنوان ابزاری برای تکمیل و تصحیح داده های موجود استفاده می کنند [ 34 ]. هنگام در نظر گرفتن جنبه های قانونی، این دیدگاه های مختلف شرکت کنندگان باید در نظر گرفته شود، یعنی دیدگاه های اپراتور یک برنامه VGI، شخصی که داده ها را ارائه می دهد و کاربران وب سایت یا برنامه مربوطه. قابل ذکر است که جمع آوری و استفاده از داده ها نیز می تواند توسط همان شخص انجام شود [ 34]. هنگام توسعه برنامه خود، اپراتورها باید مراقب باشند که اطلاعات مربوط به مدل مجوز خود و سایر جنبه های قانونی را برای کاربر درج کنند. توجه ویژه باید به ارائه دهندگان شخص ثالث احتمالی که از خدمات آنها در برنامه استفاده می شود، پرداخت شود. از آنجا که داده های مختلف همیشه در یک برنامه VGI گرد هم می آیند، حقوق استفاده متفاوت نیز باید رعایت شود. اگر شخصی Google Maps API را برای استفاده از نقشه پایه خود پیاده سازی کند، اپراتور به طور خودکار به شرایط استفاده آن ملزم می شود [ 34 ]]. همچنین به وضوح مشخص نشده است که چه کسی حقوق مجموعه داده های تولید شده را دارد. دادگاه ها ممکن است برنامه یا یک وب سایت را به عنوان یک کل محتوایی در خور حمایت بدانند، اما به نوبه خود، استخراج داده ها از آن سایت را محدود نکنند. اگر اپراتور بخواهد از استفاده مجدد از داده ها جلوگیری کند، باید این موضوع را در شرایط استفاده خود مشخص کند یا اقدامات فنی را علیه آن انجام دهد. شرکت‌کنندگان همچنین باید مراقب باشند که چه کسی ممکن است به داده‌هایی که وارد کرده‌اند دسترسی داشته باشد [ 34]. لازم است تحلیل شود که کدام حقوق مالکیت معنوی به چه کسی منتسب است. در حالی که نویسنده حقوق خود نشریه را دارد، فردی که زیربنای مشارکت‌ها است، باید به نوبه خود با توجه به دارندگان حقوق متمایز شود. یکی از راه های مقابله با این موضوع این است که مشارکت کنندگان حقوق خود را نسبت به داده های ارائه شده به نویسنده واگذار کنند. این رویکرد می تواند دلهره آور باشد و برخلاف اصول جامعه است که پروژه های باز اغلب باید از آنها پیروی کنند. یک جایگزین، دریافت مجوز غیر انحصاری برای داده ها از مشارکت کنندگان برای توزیع داده ها است. این می تواند برای مدت زمان محدود یا دائمی باشد. محتوایی که کاربران آپلود می کنند، اما خودشان هیچ حقی برای آن ندارند، مشکل ساز است. نویسنده موظف است تأکید کند که چنین محتوایی ممکن است مشارکت نداشته باشد [ 27]. برای کاربران VGI، دانستن شرایط استفاده از اطلاعات مهم است. به عنوان مثال، برخی از مجوزهای Creative Commons استفاده تجاری از داده ها را ممنوع می کند، در حالی که برخی دیگر اجازه استفاده را می دهند مشروط بر اینکه منبع داده ها تایید شود. در نهایت، Scassa [ 34 ] خاطرنشان کرد که برنامه های کاربردی مبتنی بر VGI دارای مسائل حقوقی مختلفی هستند. هر دو نهاد دولتی و خصوصی می توانند اپراتور چنین برنامه ای باشند، اما می توانند افراد نیز باشند. اپراتورها، مشارکت کنندگان و کاربران باید همه از مسئولیت های خود آگاه باشند، با شرایط استفاده و مجوزها برخورد کنند، یا آنها را به راحتی در دسترس قرار دهند و اطمینان حاصل کنند که محتوای آنها انتظارات و تصورات آنها را برآورده می کند [ 34 ].]. هنگام استفاده از پیاده سازی های موجود در اسکریپت ها، جنبه های حفاظت از داده ها نیز مهم هستند. مشخصات API Geolocation شامل توصیه‌های غیر اجباری است که باید در حین اجرا در نظر گرفته شوند، مانند ارائه یک رابط برای لغو آسان رضایت برای ردیابی مکان [ 35 ]. طبق مطالعه ای که توسط پاتیل و لای [ 36 ] انجام شد، اشتراک گذاری مکان با دیگران به عنوان اطلاعاتی با بالاترین حساسیت [ 36 ] تلقی می شود. دوتی و همکاران [ 37 ] پارامترهای مختلفی را فهرست می کند که می توانند برای ارزیابی حریم خصوصی یک کاربر مرتبط با API مکان جغرافیایی W3C مورد استفاده قرار گیرند (جدول 1 ).

اگر کاربران API مفاد مشخصات را نقض کنند، ادغام آنها ناسازگار تلقی می شود، اما در عین حال با پیامدهای منفی همراه نیست. بنابراین، این مقررات هنجاری الزامات عملکردی نیستند [ 37 ]. به خصوص در اروپا، GDPR در زمینه تمام مسائل حفاظت از داده ها مهم است. DSK (گروه کاری در مورد فناوری کنفرانس مقامات مستقل حفاظت از داده های دولت فدرال آلمان و ایالات 2020) الزامات حفاظت از داده ها را در یک نشریه تعریف می کند و اهداف عملکرد مربوطه را به آنها اختصاص می دهد [ 38 ]. جدول 2 این الزامات را با توجه به مقررات و اهداف مقایسه می کند.

این نشریه همچنین شامل اقدامات عملی در مورد چگونگی اجرای جنبه‌های حفاظت از داده‌های توصیف شده، هم از نظر فنی و هم از لحاظ سازمانی است. قابل ذکر است، این اقدامات نباید یک بار انجام شوند، بلکه فرآیندهای چرخه ای هستند که باید برای عملکرد آنها آزمایش شوند و در صورت موفقیت به طور منظم تکرار شوند [ 38 ]. جدول 3 نمونه هایی از اقدامات عملی برای تحقق الزامات یا اهداف تضمین شده مندرج در GDPR را نشان می دهد.

مطالعات موردی برای برنامه های کاربردی VGI برای نقشه برداری مرتبط با سلامت

برنامه‌هایی که از داده‌های VGI استفاده می‌کنند، به دلیل افزایش دسترسی و استفاده از دستگاه‌های تلفن همراه و افزایش پوشش شبکه، برای بخش‌های مختلف توسعه یافته‌اند. نمونه هایی از استفاده از VGI در بخش بهداشت شامل HealthMap، Sickweather، و کاربرد بخش آتش نشانی Ramon Valley، کالیفرنیا [ 39 ]، ص. 2. برنامه آتش نشانی Ramon Valley برای بهینه سازی رسیدگی به موارد اضطراری قلبی طراحی شده است [ 40 ]]. Sickweather اپلیکیشنی است که به کاربران این امکان را می دهد تا علائم بیماری های مرتبط با مکان ها را به صورت ناشناس به اشتراک بگذارند. در همان زمان، شبکه های اجتماعی مانند فیس بوک و توییتر برای پست هایی که در آنها کلمات کلیدی خاصی مانند برونشیت وجود دارد، اسکن می شوند. اگر اطلاعات مکان به این عوامل مرتبط باشد، آن نیز در نظر گرفته می شود. داده ها را می توان توسط کاربران بر روی نقشه زنده مشاهده کرد. علاوه بر این، برنامه می‌تواند هشدارهایی را برای کاربران ارسال کند که در مناطقی هستند که تعداد زیادی از موارد بیماری گزارش شده است [ 41 ]. وب سایت healthmap.org و اپلیکیشن Outbreaks Near Me توسط محققان، اپیدمیولوژیست ها و توسعه دهندگان نرم افزار در بوستون منتشر شده است. این برنامه‌ها شیوع بیماری‌ها را نظارت می‌کنند و داده‌های مربوط به سلامت عمومی را در زمان واقعی منتشر می‌کنند [ 42]. این اپلیکیشن از یک سو به کاربران اجازه می دهد تا گزارش های شیوع بیماری در مناطق خاص را بازیابی کنند و از سوی دیگر به عنوان یک سیستم هشدار مشابه اپلیکیشن Sickweather عمل می کند. در همان زمان، شهروندان می توانند با به اشتراک گذاشتن داده ها در مورد شیوع بیماری در محل خود شرکت کنند [ 43 ]. HealthMap به طور انحصاری با محصولات نرم افزاری، API ها و کتابخانه های آزاد در دسترس پیاده سازی شده است [ 42]. یکی از برنامه های کاربردی که شامل همه گیری ها یا اپیدمی های توسعه یافته در گذشته است، EBOLAPP است. این برنامه پروفایل های حرکتی کاربر را با استفاده از GPS و بلوتوث تولید و ذخیره می کند. در صورت بروز بیماری، کاربر به پزشک اجازه می دهد تا داده های ذخیره شده را تجزیه و تحلیل کند. سایر کاربران اخطارهای ناشناس دریافت می کنند مبنی بر اینکه ممکن است با یک فرد آلوده بر اساس پروفایل حرکتی خود تماس داشته باشند. استانداردهای حفاظت از داده های آلمان برای برنامه کاربردی [ 44 ] اعمال می شود. اپلیکیشن Aarogya Setu که در هند مورد استفاده قرار می گیرد، برای هشدار دادن به کاربران در صورت تماس با افراد آلوده طراحی شده است. این برنامه با داده های GPS کار می کند. کاربران همچنین باید نام، شماره تلفن همراه، جنسیت، سن و شغل خود را وارد کنند [ 45]. در لهستان، برنامه Kwarantanna Domowa توسعه داده شد. این به طور انحصاری برای کنترل قرنطینه خانگی استفاده شد. کاربران توسط گیرنده های GPS دستگاه های ترمینال خود قرار می گیرند. پلیس مسئول ارزیابی داده ها است. کاربران برنامه در فواصل زمانی نامنظم پیام های متنی دریافت می کنند. آنها باید ظرف 20 دقیقه پاسخ دهند و عکس بگیرند یا ارسال کنند. این برنامه از آوریل 2020 برای شهروندان اجباری شده است. داده های تولید شده به مدت 6 سال ذخیره می شود. اپلیکیشن اتریشی STOP Corona توسط صلیب سرخ منتشر شد. این شامل تبادل شناسه های کاربری منحصر به فرد بین گوشی های هوشمند است. در صورت عفونت، افراد مبتلا مستقیماً به صلیب سرخ اتریش گزارش می دهند. متعاقبا به افرادی که در سه روز گذشته با فرد مبتلا در تماس بوده اند اطلاع رسانی خواهد شد. این کد توسط صلیب سرخ منتشر شده است و قابل مشاهده استhttps://github.com/austrianredcross برای iOS و Android و یک منبع باز است [ 45 ]. یک برنامه وب توسط GIS Cloud Ltd. از کرواسی توسعه یافته است. هدف آن‌ها با این اپلیکیشن جمع‌آوری داده‌های مکانی علائم در عموم مردم به صورت ناشناس و داوطلبانه است. هدف شناسایی نقاط داغ ویروس [ 46 ] بود. علاوه بر علائم و مکان، زمان ارسال و آدرس IP کاربر در یک پایگاه داده ذخیره می شود. علاوه بر این، Google Analytics برای تجزیه و تحلیل ترافیک استفاده می شود. داده‌ها متعاقباً در سرورهای AWS در اوهایو ذخیره می‌شوند [ 47 ]. شکل  1 تصویری از این برنامه را نشان می دهد.

در آلمان، در آغاز همه‌گیری، RKI ابزاری را برای دستگاه‌های تلفن همراه در قالب اپلیکیشن اهدای داده‌های کرونا (شکل  2 ) در دسترس قرار داد که با آن می‌توان داده‌های مکانی را در زمینه آلودگی‌های کرونا جمع‌آوری کرد. برای این منظور می توان ساعت های هوشمند و مچ بندهای تناسب اندام را به اپلیکیشن متصل کرد. داده ها در مورد جنسیت، سن، وزن، قد، سلامت و فعالیت، الگوهای خواب، ضربان قلب، دمای بدن و کد پستی جمع آوری شد. اینها برای مثال با استفاده از داده های گزارش رسمی تکمیل شدند. این برنامه پارامترها و علائمی را که ممکن است نشان دهنده عفونت احتمالی SARS-CoV-2 باشد، نظارت می کند. کد پستی برای استخراج نقشه ای استفاده می شود که تعداد افراد آلوده احتمالی را تا این سطح مکانی نشان می دهد. همه داده ها به صورت ناشناس جمع آوری می شوند [ 48]. این بر اساس یک شناسه تصادفی تولید شده به عنوان یک نام مستعار است که به طور خودکار در هنگام نصب و راه اندازی مقداردهی اولیه می شود و به صورت جداگانه به هر کاربر اختصاص می یابد. این برنامه برای هر دو دستگاه Android و iOS در دسترس است [ 49 ]. با نام مستعار توصیف شده، می توان داده ها را حتی در دراز مدت به یک کاربر اختصاص داد. کاربر همچنین امکان مشاهده، مدیریت یا حذف داده های ارائه شده را دارد [ 48 ]. با این حال، همانطور که در مقدمه توضیح داده شد، برنامه به طور انتقادی مشاهده می شود [ 17 ]. روش‌های دیگر ایده استفاده از داده‌های غیر مبتنی بر مکان را برای ردیابی مخاطب بر اساس مشخصات بلوتوث ردیابی تماس توسط Google دنبال می‌کنند. بر این اساس، برنامه هشدار کرونا توسط Telekom و SAP توسعه داده شد [ 18 ]. شکل  3برنامه را در iPhone SE نشان می دهد. اجرای اپلیکیشن به دستگاه های پایانی با سیستم عامل های iOS و اندروید محدود شده است. توسعه بیشتر، به عنوان مثال، برای دستگاه های پایانی مبتنی بر ویندوز، برنامه ریزی نشده است [ 18 ]. این محدودیت در مطالعه حاضر بررسی شده است. برنامه های توسعه یافته به عنوان راه حل های مستقل از پلت فرم در نظر گرفته شده اند.

معماری پایه و داده های منبع

برای پیاده سازی برنامه های کاربردی وب، باید یک معماری پایه مشخص پیاده سازی شود. برای این کار، یک سرور مبتنی بر اوبونتو راه اندازی شد. وب سرور مورد استفاده Nginx (Engine X) است که برای جمع آوری و ارزیابی استفاده می شود. Postgres به عنوان سیستم پایگاه داده در این کار استفاده شد. شکل  4 معماری پایه را نشان می دهد.

وب GIS توسعه یافته به عنوان مبنایی برای ثبت موارد COVID-19 در منطقه شهر عمل می کند. با شروع به عنوان پایه ای برای داده ها، محیط خانه همه ساختمان ها در کلن تجسم می شود. این ها دیجیتالی نشده اند، اما توسط دولت منطقه ای کلن (Bezirksregierung Köln) در قالب یک فایل شکل برای دانلود ارائه شده اند. محیط خانه از اشیاء ALKIS برای ساختمان ها [ 50 ] مشتق شده است. با کمک QGIS، مجموعه داده کلی را می توان برای منطقه مورد مطالعه مربوطه تنظیم کرد. ویژگی های اضافی به ویژگی های موجود در shapefile اضافه شده و در پایگاه داده بارگذاری می شود.

• بازدید شده: Boolean نشان می دهد که آیا یک فرد آلوده از محیط خانه بازدید کرده است یا خیر
• date: تاریخ آخرین ویرایش
• editedBy: مقدار هش کاربری که آخرین بار محیط خانه مربوطه را ویرایش کرده است
• editedAt: زمانی که محیط خانه مربوطه آخرین بار ویرایش شده است
• sttName: نام ناحیه شهری که محیط خانه مربوطه در آن قرار دارد

این به ویژه برای مجموعه‌ای از ابرداده‌ها، که اغلب در زمینه VGI مورد توجه کمی قرار می‌گیرد، استفاده می‌شود، و بنابراین، مجموعه داده‌های مربوطه اغلب به صورت انتقادی مشاهده می‌شوند. چن و همکاران [ 26 ] بر ضرورت ابرداده تاکید کرد. در مجموع، مجموعه داده کوتاه شده شامل 322276 خانه بود. مجموعه داده فعلی در تاریخ 01.01.2020 [ 50 ] است. محیط خانه از طریق مجموعه داده ای از شهر کلن به منطقه مربوطه اختصاص داده می شود. این نیز برای دانلود به عنوان فایل شکل ارائه شده است و به صورت رایگان در دسترس است [ 51 ]. گودچایلد [ 20 ] و زوک و همکاران. [ 52 ] مقیاس های محلی کوچک را به عنوان فضاهای مناسب برای جمع آوری داده های مبتنی بر VGI شناسایی کرد [ 20 ، 52]، بنابراین، منطقه مورد مطالعه ما به منطقه شهری کلن محدود شد. علاوه بر مناطق شهری، شهر کلن همچنین امکان دانلود داده‌های مربوط به بخش‌های شهر [ 53 ] و مناطق کد پستی [ 54 ] را که در این کار در نظر گرفته شده‌اند را می‌دهد. تیلور و همکاران [ 55 ] کلن را به عنوان یکی از شهرهایی که نقش مرکزی در اقتصاد جهانی ایفا می کند [ 55 ]، که توسط ساختار فضایی و جمعیتی شهر پشتیبانی می شود، شناسایی می کند و بنابراین، یافته های ما ممکن است به دیگر شهرهای بزرگ اروپایی قابل انتقال باشد. RKI همچنین داده‌های جمع‌آوری‌شده را در زمینه برنامه اهدای داده‌های کرونا در سطح کد پستی جمع‌آوری می‌کند [ 49 ]]. برای تجمیع دقیق تر، این کار همچنین از مناطق PLZ8 و طبقه بندی کاربری زمین برگرفته از اطلس شهری استفاده می کند. مورد دوم برای دانلود رایگان توسط EEA ارائه شده است و شامل چند ضلعی های مشتق شده از داده های ماهواره ای است. کاربری زمین به این چند ضلعی ها اختصاص داده شده است [ 56 ]. مجموعه داده طراحی شده برای شهر کلن شامل 9703 چند ضلعی است. مناطق PLZ8 واحدهای فضایی هستند که توسط میکروم شرکت تعریف شده اند و از مناطق کد پستی رسمی مشتق شده اند. در آلمان، 82798 منطقه PLZ8 وجود داشت. هر واحد به طور متوسط ​​شامل 500 خانوار بود. هر منطقه با یک شناسه هشت رقمی مشخص می شود که شامل کد پستی واقعی و یک شماره سه رقمی منحصر به فرد برای آن منطقه است [ 57 ].]. برای توسعه برنامه‌های کاربردی برای جمع‌آوری و تجسم داده‌ها، به دانش زبان‌های نشانه‌گذاری یا اسکریپت زیر، چارچوب‌ها، ابزارها یا مفاهیم نیاز است:

• فرانت اند:
  • HTML، CSS
  • جاوا اسکریپت، تایپ اسکریپت
  • ReactJS، Redux
• Backend:
  • NodeJS
  • Postgres، PostGIS و SQL
  • خدمات Geodata، Geoserver
  • باقی مانده

شکل  های 5 و 6 تصویری از برنامه توسعه یافته برای جمع آوری داده ها برای به دست آوردن یک ایده بصری از پیاده سازی را نشان می دهد. شکل  5 صفحه شروع را با توضیحات پروژه نشان می دهد، در حالی که شکل  6 نحوه تجسم محیط خانه را نشان می دهد.

جمع آوری داده ها

برنامه جمع آوری داده ها با استفاده از React، Redux و OpenLayers پیاده سازی شد. این شامل شرحی از پروژه، اطلاعیه‌های حفظ حریم خصوصی، سرصفحه دکل، دستورالعمل‌های جمع‌آوری داده‌ها، یک افسانه، و توانایی به‌روزرسانی ویژگی‌های ویژگی و ذخیره این تغییرات در مجموعه داده محیطی خانه است. مشارکت داوطلبانه است و برای افرادی در نظر گرفته شده است که به SARS_CoV-2 آلوده شده اند یا بوده اند و در کلن بوده اند. آنها از برنامه برای تعیین ساختمان هایی که در دوره قبل از تشخیص بازدید کرده اند استفاده می کنند. ویژگی بازدید شده با انتخاب ساختمان به روز می شود. در منو، مقدار محیط خانه انتخاب شده را می توان از طریق یک دکمه (نادرست برای بازدید نشده، درست برای بازدید شده) تغییر داد و ذخیره کرد. به طور پیش فرض، تمام محیط های خانه دارای مقادیر پیش فرض نادرست هستند. این برنامه یک کاربر را از طریق یک توکن 128 کاراکتری شناسایی می کند که در سمت سرور در هنگام فراخوانی صفحه برای اولین بار ایجاد می شود. این نشانه در حافظه محلی مرورگر ذخیره می شود و زمانی که برنامه بعداً دوباره فراخوانی شد، مجدداً استفاده می شود. با این حال، کاربر می تواند هر زمان که بخواهد این مورد را در تنظیمات مرورگر خود حذف کند. علاوه بر این، برنامه به کاربر امکان تمدید یا حذف توکن را با یک کلیک ارائه می دهد. بنابراین، هر تغییری می تواند با نام های مستعار مختلف یا کاملاً ناشناس انجام شود. توکن نیز به یک مرورگر خاص متصل است. به عنوان مثال، اگر کاربر برنامه را با سافاری و سپس با کروم فراخوانی کند و در هر مورد تغییراتی در مجموعه داده‌ها ایجاد کند، برای هر مرورگر توکن‌های جداگانه ایجاد می‌شود و امکان تخصیص آنها به یکدیگر وجود ندارد. این امر به کاربر امکان کنترل میزان جمع آوری داده ها از آنها را می دهد. این به خواسته های W3C [35 ] برای پیاده‌سازی رابط‌های کاربری که امکان لغو آسان رضایت را فراهم می‌کند، اگرچه درخواست اولیه کمیته منحصراً به API مکان جغرافیایی مربوط می‌شد.

کنترل کاربر جنبه ای است که Doty et al. [ 37 ] همچنین برای ارزیابی تجاوز به حریم خصوصی کاربر استناد کنید. طبق GDPR، استفاده از نام مستعار یا ناشناس سازی یک اقدام نمونه برای اطمینان از عدم پیوند است. به طور همزمان، محدودیت‌های زمانی برای نگهداری داده‌ها (برای دوره این کار) وجود دارد، و به وضوح اعلام شده است که داده‌ها ممکن است بیشتر توسط اشخاص ثالث استفاده نشوند. استفاده از API مکان جغرافیایی لغو می شود زیرا موقعیت دقیق کاربر در طول جمع آوری داده ها بی ربط است و این با خواسته های Doty و همکاران مطابقت دارد. [ 37 ] که فقط واحد فضایی لازم برای یک هدف باید منتقل شود [ 37 ]. این نیز از الزامات GDPR پیروی می کند که به حداقل رساندن داده ها نیاز دارد [ 38 ].

ارزیابی داده ها

ارزیابی خودکار منحصراً در پایگاه داده Postgres انجام می شود. پس از اینکه کاربر ویژگی بازدید شده یک ویژگی را به روز کرد و محیط خانه را ذخیره کرد، جدول محیط خانه عملکردهای مختلفی را راه اندازی می کند. اینها ابتدا محل رکورد ذخیره شده را بررسی می کنند. این شامل تعیین محدوده شهر، محله شهر (فهرست 1 ) و کد پستی/ منطقه PLZ8 است که محیط خانه آسیب دیده در کدام ناحیه قرار دارد. همچنین منطقه ای را که مجموعه داده در طبقه بندی پوشش زمین طبق اطلس شهری 2018 قرار دارد، بررسی می کند. کاربر به روز رسانی کرده است (شکل  7). از منظر حفاظت از داده ها و اخلاقیات، مهم است که ارزیابی جدا از رکورد داده های ورودی انجام شود، به طوری که نمی توان مشخص کرد که ویژگی های بازدید شده در کدام محیط خانه قبلاً در برنامه جمع آوری داده ها به روز شده اند. جلوگیری از نتیجه گیری اشخاص ثالث در مورد کاربران فردی. به عنوان یک اقدام امنیتی اضافی، توکن های 128 رقمی در یک فرم رمزگذاری شده با MD5 در پایگاه داده ذخیره می شوند. بنابراین، هنوز هم می‌توان مشارکت‌ها را به یک کاربر اختصاص داد، اما توکن تولید شده برای مشتری در مرورگر هرگز به صورت متن ساده در دسترس نیست و تنها با صرف توان محاسباتی بسیار قابل بازسازی است. لازم به ذکر است که توکن ممکن است توسط کاربر تغییر کرده باشد و بنابراین دیگر نمی توان مشارکت ها را به کاربر خاصی اختصاص داد. شناسه محیط خانه ویرایش شده نیز با کدهای عددی تصادفی گسترش می یابد. دو رقم قبل و بعد از شناسه واقعی درج می شود، به طوری که محیط خانه با شناسه اصلی 56 در جدول مربوطه Postgres با 285647، به عنوان مثال، ذخیره می شود. این اقدام با توجه به الزام به محرمانگی (رمزگذاری داده های ذخیره شده و منتقل شده) طبق GDPR و همچنین تضمین یکپارچگی (محافظت در برابر تأثیرات خارجی) اجرا می شود. لیست ها این اقدام با توجه به الزام به محرمانگی (رمزگذاری داده های ذخیره شده و منتقل شده) طبق GDPR و همچنین تضمین یکپارچگی (محافظت در برابر تأثیرات خارجی) اجرا می شود. لیست ها این اقدام با توجه به الزام به محرمانگی (رمزگذاری داده های ذخیره شده و منتقل شده) طبق GDPR و همچنین تضمین یکپارچگی (محافظت در برابر تأثیرات خارجی) اجرا می شود. لیست ها2 و 3 به ترتیب تابع تولید یک شناسه تصادفی و پرس و جوی را نشان می دهد که انتساب به شناسه اصلی را فعال می کند.

تابعی برای تعیین موقعیت محیط خانه در یک منطقه شهری

تصویر در اندازه کامل 

تابعی برای تولید شناسه تصادفی در Postgres

تصویر در اندازه کامل 

رمزگشایی شناسه تصادفی و تخصیص شناسه اصلی برای شناسایی محیط خانه ویرایش شده یک کاربر

تصویر در اندازه کامل 

پشتیبان گیری از پایگاه داده روزانه برای ایمن سازی برنامه ایجاد می شود. وضعیت داده های سه روز گذشته حفظ می شود. داده های قدیمی به طور خودکار حذف می شوند. علاوه بر این، سرور گزارش روزانه پایگاه داده فعلی را به عنوان یک فایل csv دریافت می کند که بر اساس واحدهای فضایی مختلف تفکیک شده است. علاوه بر این، به عنوان یک نمونه امنیتی اضافی، صادرات جداول پایگاه داده به عنوان یک فایل شکل هر روز انجام می شود تا بتوان بلافاصله داده های جغرافیایی را به صورت محلی پردازش کرد، به عنوان مثال، با QGIS. این شیوه‌ها برای برآوردن یا پشتیبانی از الزامات GDPR برای در دسترس بودن در نظر گرفته شده‌اند.

داده‌های جمع‌آوری‌شده با استفاده از یک برنامه React و یک رابط REST تجسم شدند. شکل  8 و 9 نمونه ای از بخش برنامه برای ارزیابی داده ها را نشان می دهد. بر اساس NodeJS، رابط REST داده ها را از پایگاه داده Postgres با استفاده از دستورات SQL پرس و جو می کند. هر نقطه پایانی پیاده سازی شده حاوی یک پرس و جوی SQL متفاوت است و فرمت های داده متفاوتی را برمی گرداند، به عنوان مثال، GeoJSON، آرایه های JS، یا اشیاء JS. مقادیر برگشتی نقاط پایانی در قالب جداول، نقشه ها و نمودارها با استفاده از React و OpenLayers به ​​تصویر کشیده می شوند. علاوه بر این، اطلاعات کلی در مورد مشارکت پروژه و پیشرفت آن منتشر شده است و یک فید توییتر نیز در آن گنجانده شده است. کاربر همچنین می تواند نقاط پایانی خاص و داده های مربوط به پرس و جو را برای یک منطقه دستکاری کند. لیست 4گزیده ای از کد برای چنین نقطه پایانی را نشان می دهد. بنابراین انتشار مستقیم داده های جمع آوری شده جنبه شفافیت مورد اشاره توسط Doty و همکاران را برآورده می کند. [ 37 ] و توانایی ارائه بازخورد فوری به مشارکت کننده و ارائه داده های جمع آوری شده [ 37 ]. این همچنین با خواسته های سولا [ 32 ] مطابقت دارد که نتایج باید در قالب کانال های عمومی در دسترس قرار گیرند [ 32 ].

قطعه کد برای کوئری SQL در Node از طریق یک رابط REST

تصویر در اندازه کامل 

برای ارزیابی کیفیت داده‌های جمع‌آوری‌شده، ساختمان‌ها بر اساس عملکردهای رسمی ساختمان/سازه ATKIS (سیستم اطلاعات نقشه‌برداری رسمی توپوگرافی) کاتالوگ نوع شی طبقه‌بندی شدند. جمهوری فدرال آلمان [ 58 ]. همه برنامه ها به صورت شفاف توسعه داده شدند. برای اهداف ردیابی، کد برنامه های وب و همچنین API در Github در دسترس است. این نسخه‌سازی و ثبت‌نام از اقدامات نمونه‌ای برای اجرای GDPR که در فصل 2 [ 38 ] توضیح داده شده است، پیروی می‌کند. انتشار از طریق Github نیز توسط صلیب سرخ اتریش به عنوان یک ابزار شفافیت در طول توسعه انتخاب شده است [ 45 ]. جدول 4مخازن مرتبط با این برنامه ها را فهرست می کند. مخازن شامل کانتینر Docker با تنظیمات Geoserver یا Postgres مربوطه نیستند.

داده های جمع آوری شده

در مجموع 20 نام مستعار در طول دوره آزمایشی بین 3 ژوئیه 2020 و 3 سپتامبر 2020 با استفاده از Web GIS پیاده سازی شده، داده ها را به این پروژه کمک کردند. در این فرآیند، 50 مورد از 322276 محیط خانه در مجموعه داده پایه به روز شد. همه شرکت کنندگان در طول نظرسنجی داده ها را با نام مستعار ارائه کردند. بنابراین، هیچ مشارکتی به صورت ناشناس انجام نشد. با این حال، دوازده محیط خانه، دو بار یا بیشتر توسط کاربران به روز شد. بنابراین، 38 رکورد مختلف به طور موثر به روز شد. کاربران در 14 روز مختلف، 10 روز در ژوئیه و چهار روز در آگوست، داده ها را ارائه کردند. جدول 5نام مستعار رمزگذاری شده با MD5 و تعداد مشارکت آنها و همچنین تعداد مشارکت های تنظیم شده پس از حذف انتخاب های تکراری یا چندگانه را نشان می دهد. در بخش های باقی مانده از فصل، تنها اعداد تنظیم شده (38 خانه در هر متر) در نظر گرفته شده است. جداول 6 ، 7 ، 8 ، 9 ، 10 ارزیابی مشارکت ها در سطوح مختلف فضایی و همچنین طبقه بندی محیط های خانه را توسط کاتالوگ نوع شی ATKIS نشان می دهد. مورد دوم ممکن است برای مطالعات بیشتر جالب باشد، به عنوان مثال، برای بررسی اینکه افراد آلوده در چه نوع ساختمان هایی بیشتر یا کمتر در چه نوع ساختمان هایی اقامت می کردند.

حفاظت از داده ها، جنبه های اخلاقی و قانونی

جنبه های مختلف حفاظت از داده ها، جنبه های اخلاقی و قانونی در توسعه و اجرای برنامه های کاربردی و ارزیابی داده های جمع آوری شده در نظر گرفته شده است. به ویژه، اقدامات و توصیه های DSK [ 38 ] در نظر گرفته شد. هر برنامه شامل یک چاپ است که شامل افراد تماس یا افراد مسئول محتوای صفحه است. برای اطمینان از در دسترس بودن، اسکریپت هایی برای تهیه نسخه های پشتیبان از پایگاه داده، به عنوان مثال، پیاده سازی شده است. علاوه بر این، IP هایی که درخواست سرور آنها مشکوک بوده است با کمک یک لیست سیاه مسدود می شوند. برای حفظ یکپارچگی و به حداقل رساندن داده‌ها، نقش‌ها و کاربران برای پایگاه داده و سرورهای جغرافیایی تعریف می‌شوند و تنها مجوزهای لازم برای نوشتن و تغییر اختصاص داده شده است. محرمانه بودن مورد نیاز DSK [ 38]با رمزگذاری سوابق داده های به روز شده تضمین شد. برای عدم الحاق، روش‌های نام مستعار و ناشناس‌سازی با کمک توکن‌ها پیاده‌سازی شدند که نیاز به حداقل‌سازی داده‌ها را نیز برآورده می‌کردند. شفافیت با نسخه باز کد منبع در Github تضمین شد (جدول 4 را ببینید ). مداخله پذیری در برنامه ها در نظر گرفته نشده است. از نظر قانونی، استفاده از داده‌های جمع‌آوری‌شده برای اشخاص ثالث ممنوع است و ارزیابی کلیه اطلاعات تنها در چارچوب این اثر مجاز است. این با الزامات اخلاقی همراه است که داده ها ممکن است بعداً به صورت تجاری فروخته نشوند. علاوه بر این، با توجه به جنبه های اخلاقی در این کار، تاکید ویژه ای بر این واقعیت شده است که به روز رسانی ها را نمی توان به افراد خاص ردیابی کرد.

توسعه برنامه‌های کاربردی برای جمع‌آوری/تحلیل داده‌ها با کمک محصولات منبع باز و داده‌های باز بدون هیچ چالشی با استفاده از چارچوب‌ها، زبان‌ها و مؤلفه‌های فوق‌الذکر امکان‌پذیر بوده است. هنگام اجرای این برنامه ها، مقدار زیادی از حفاظت از داده ها و ملاحظات اخلاقی باید در نظر گرفته شود. امنیت فناوری اطلاعات در این فرآیند نقش بسزایی دارد. از نقطه نظر حفاظت از داده ها، VGI به طور کلی از طریق ماهیت داوطلبانه خود مشارکت می کند زیرا کاربران در مورد مسئولیت خود تصمیم می گیرند که آیا و کدام داده را می خواهند مشارکت دهند. افراد آلوده می توانند تمام ساختمان هایی را که بازدید کرده اند مشخص کنند، اما مجبور نیستند. به عنوان مثال، خانه یا محل کار فرد ممکن است مکان هایی باشد که شرکت کنندگان نمی خواهند آنها را مشخص کنند. این ممکن است نوعی از پدیده Not in my Backyard باشد، همانطور که توسط انگلر و همکاران توصیف شده است. [27]. به طور همزمان، برنامه جمع آوری داده ها امکان مشارکت ناشناس یا اختیاری داده ها از طریق نام مستعار را ارائه می دهد. با این حال، این جنبه حفاظت از داده ها با از دست دادن اطلاعات جبران می شود. اگر سوابق داده ها به صورت ناشناس یا با نام مستعار جمع آوری شوند، دیگر نمی توان تعداد کل افرادی را که داده ها را ارائه کرده اند ردیابی کرد. بنابراین، نمی توان بیان کرد که چه تعداد از افراد رکوردهای داده را به روز کرده اند. علاوه بر این، دیگر امکان تعیین اعتبار برخی از داده ها وجود ندارد. اگر یک ساختمان واحد و یکسان بارها و بارها به صورت ناشناس انتخاب شود، این مشارکت های نادرست نتیجه کلی را مخدوش می کند. در اینجا، یک نمونه کنترل اضافی باید در نظر گرفته شود، به عنوان مثال، برای هر جلسه مرورگر، هر حلقه خانه را می توان تنها یک بار انتخاب کرد. متناوبا، کپچاها می توانند راه حلی ارائه دهند، اما تجربه کاربر را کاهش می دهند و ممکن است در شرایط فاجعه مناسب نباشند. بسیاری از الزامات GDPR در طول توسعه در نظر گرفته شد (به حداقل رساندن داده ها، یکپارچگی، عدم الحاق، شفافیت، در دسترس بودن و محرمانه بودن). الزامی که در آن برای مداخله‌پذیری فرمول‌بندی شده است، برای مثال، امکان حذف دائمی همه مشارکت‌ها یا تصحیح اطلاعات، در زمینه کار اجرا نشده است، اما قطعاً باید در توسعه جدید یا بیشتر برنامه در نظر گرفته شود. برای این منظور باید توابع جدیدی به کد اضافه شود. با این حال، با کمک لایه های باز، می توان گردش کار مناسب و پیاده سازی تراکنش ها برای به روز رسانی و حذف رکوردها را فراهم کرد. این را می توان بر اساس سرویس های WFS انجام داد که داده ها را از جداول پایگاه داده Postgres بازیابی می کند. این اساس قبلاً توسط توسعه فعلی برنامه های کاربردی برای جمع آوری داده ها ارائه شده است. با این حال، روش ناشناس سازی یا نام مستعار اجرا شده در این مطالعه می تواند در این زمینه مشکل ساز باشد. مشارکت های ناشناس را نمی توان به هیچ کاربری اختصاص داد، بنابراین به روز رسانی بعدی داده ها غیرممکن است. همین امر در هنگام تغییر نام مستعار صدق می کند. توسعه یک سیستم ثبت نام یا ورود به سیستم می تواند راه حلی را ارائه دهد. با این حال، این شامل افزایش تلاش‌های برنامه‌نویسی و مسائل بیشتر حفاظت از داده‌ها، مانند ذخیره‌سازی امن و رمزگذاری‌شده داده‌های دسترسی است. به طور همزمان، فرآیندهای ثبت نام می توانند تمایل به مشارکت داده ها را کاهش دهند زیرا این کار اضافی ایجاد می کند و داده های ورود به سیستم به طور دائم ذخیره می شوند. همچنین با شرایط محرمانه بودن، به حداقل رساندن داده ها و عدم الحاق در تضاد است. به طور کلی، هیچ دستورالعمل صریحی برای اجرای حفاظت از داده ها و اقدامات اخلاقی یا قانونی وجود ندارد. بنابراین، ممکن است گزینه ای برای توسعه دستورالعمل های مناسب برای اجرای اقدامات مربوطه در توسعه برنامه های کاربردی VGI باشد. انتشار DSK [38 ] مورد استفاده در این اثر، که شامل معیارهای مثالی است، می تواند در اینجا به عنوان راهنما عمل کند. با این حال، اینها برای پلتفرم های VGI مشخص نشده اند. نکته دیگر این است که بسیاری از محیط‌های خانه افراد مبتلا ممکن است ثبت نشود زیرا توسط افراد مربوطه به عنوان واحد فضایی خصوصی در نظر گرفته می‌شوند. ارائه چنین برنامه ای به طور مستقیم به یک موسسه می تواند مفید باشد. علاوه بر این، دسترسی باید فقط برای کسانی که در صورت بیماری مبتلا یا آلوده شده اند فعال شود. گنجاندن یک مؤسسه دولتی می تواند پذیرش را افزایش دهد و تمایل کاربر را برای مشارکت در داده های مرتبط افزایش دهد. این توسط Flanagin و Metzger’s [ 59] اظهار می کند که منابع سنتی اطلاعات جغرافیایی مانند مؤسسات دولتی، نقشه نگاران یا سایر مؤسسات عمومی معمولاً معتبر تلقی می شوند زیرا آنها مرجع شناخته شده هستند. چن و همکاران [ 26 ] همچنین توجه داشته باشید که چارچوب ارائه شده توسط دولت می تواند به تضمین کیفیت کمک کند، به عنوان مثال، با ارائه یک برنامه کاربردی یا پلت فرم برای جمع آوری اطلاعات یا حتی داده های جغرافیایی رسمی به عنوان پایه. در صورت وقوع فاجعه، عموم مردم می توانند از این چارچوب برای جمع آوری و تجزیه و تحلیل سریع داده ها استفاده کنند [ 26]. مجموعه داده اصلی محیط خانه انتخاب شده در این کار، پوشش بالایی را برای مکان هایی که افراد در داخل ساختمان اقامت کرده اند، فراهم می کند. با این حال، به اندازه کافی فضاهایی را نشان نمی دهد که نمی توان آنها را به شکل محیط خانه ترسیم کرد، مانند خیابان ها، ایستگاه های قطار، پارک ها، میادین عمومی و سایر مکان های بیرونی. مجموعه داده های دولت منطقه ای کلن دارای پوشش فضایی بالایی برای ساختمان ها در منطقه شهر است اما گنجاندن هر محیط خانه در کلن را تضمین نمی کند. به عنوان مثال، در مرکز شهر در نزدیکی Barbarossaplatz، شکاف بزرگی در مجموعه داده وجود دارد (شکل‌های  10 و 11 )، همانطور که با نقشه‌برداری مشخص شد. علاوه بر این، ساختمان های خاصی که می توانند با هم به عنوان یک مجموعه گروه بندی شوند، مانند ایستگاه اصلی قطار کلن (شکل  12 ))، در چند ضلعی های جداگانه نشان داده شده است. علاوه بر این، گسترش برنامه به طوری که امکان انتخاب و پردازش چندین محیط خانه به طور همزمان وجود داشته باشد، می تواند مفید باشد. بنابراین، تراکنش های کمتری بین مشتری و سرور ضروری است زیرا به روز رسانی با یک درخواست انجام می شود. این همچنین ورودی را برای کاربر آسان تر می کند. به طور همزمان، هنوز هیچ تابعی برای امکان پس‌پردازش و تصحیح رکوردهای نادرست اجرا نشده است. محیط خانه را می توان با کمک کاتالوگ نوع شی ATKIS به یک تابع ساختمان اختصاص داد. بیست و شش (68.42%) از 38 محیط خانه در رده مسکونی قرار می گیرند. تسلط واحدهای مسکونی را می توان با این واقعیت توضیح داد که از زمان شروع بیماری همه گیر و اقدامات تجویز شده توسط دولت فدرال، برخی از فعالیت ها به خانه محدود شده است. بسیاری از کارگران لزوماً مجبور نیستند به یک ساختمان اداری بروند اما می توانند از خانه کار کنند. علاوه بر این، می توان از سفرهای غیر ضروری اجتناب کرد. هتل ها گاهی اوقات بسته شده اند، بنابراین آنها نیز به ندرت انتخاب شده اند. کمتر از 50 درصد از کل محیط خانه ها به طبقات مسکونی یا مسکونی با تجارت و خدمات در مجموعه داده های اولیه اختصاص داده شده است، بنابراین به طور کلی این دسته ها غالب هستند. با این حال، طبقه بندی همچنین نقاط ضعفی را در جمع آوری داده ها نشان می دهد. به عمودی بودن ساختمان ها توجهی نشده است. مشخص نیست که مشارکت در یک ساختمان مسکونی با تجارت و خدمات مربوط به بخش مسکونی یا خدماتی باشد. در نتیجه، اطلاعات از بین می رود. تنها 12 (31.58٪) از محیط خانه های منتخب، ساختمان های صرفاً مسکونی بودند، در حالی که 14 (36). 84 درصد نیز شامل تسهیلات تجاری یا خدماتی بود. برای داده های PLZ-8، فقط هندسه های مربوطه در دسترس هستند. برای تحقیقات بیشتر، ویژگی‌های اجتماعی-اقتصادی مرتبط و همچنین در ارتباط با طبقه‌بندی ساختمان اهمیت ویژه‌ای دارند. از این جنبه، الگوهای فضایی را احتمالاً می توان در زمینه جمع آوری داده های مبتنی بر VGI به دست آورد. برای افزایش شفافیت، یک برنامه کاربردی برای ارزیابی خودکار داده ها در این مطالعه توسعه داده شد. این داده ها را از طریق رابط های REST فراهم می کند، که بلافاصله تجسم می شوند. این مطابق با الزامات سولا [ الگوهای فضایی را احتمالاً می توان در زمینه جمع آوری داده های مبتنی بر VGI به دست آورد. برای افزایش شفافیت، یک برنامه کاربردی برای ارزیابی خودکار داده ها در این مطالعه توسعه داده شد. این داده ها را از طریق رابط های REST فراهم می کند، که بلافاصله تجسم می شوند. این مطابق با الزامات سولا [ الگوهای فضایی را احتمالاً می توان در زمینه جمع آوری داده های مبتنی بر VGI به دست آورد. برای افزایش شفافیت، یک برنامه کاربردی برای ارزیابی خودکار داده ها در این مطالعه توسعه داده شد. این داده ها را از طریق رابط های REST فراهم می کند، که بلافاصله تجسم می شوند. این مطابق با الزامات سولا [32 ] که نتایج باید در قالب کانال های عمومی ارائه شود [ 32]. برای شفافیت بیشتر، اجرای تعداد بیشتری از نقاط پایانی مورد بحث قرار گرفته است. به طور خاص، داده های مکانی را می توان به طور فزاینده ای از طریق API ارائه کرد. علاوه بر نقطه پایانی که تعداد موارد در سطح ناحیه را در قالب GeoJSON در این کار ارائه می‌کند، رابط‌ها را می‌توان به همان روش برای خروجی تعداد موارد در سطح ناحیه یا کد پستی پیاده‌سازی کرد. با خروجی GeoJSON، نهادهای اداری مجاز می توانند داده ها را به طور مستقل در یک GIS برای اهداف خود تجسم کنند. به طور کلی، خروجی طیف گسترده ای از اطلاعات از طریق یک API قابل تصور است. هر درخواستی که می تواند از طریق SQL در Postgres ایجاد شود می تواند به عنوان یک رابط REST نیز پیاده سازی شود. با این حال، همانطور که قبلا ذکر شد، جنبه های حفاظت از داده ها باید در نظر گرفته شود. برای این، رضایت کاربران باید از قبل در زمان جمع آوری داده ها از اشخاص ثالث اخذ شود. این مورد در این مطالعه نبود. علاوه بر این، مشخصاً هیچ داده شخصی در API ارائه نشده است و نمی توان در مورد داده های افراد نتیجه گیری کرد. به عنوان مثال، رابطی که تمام محیط های خانه بازدید شده را خروجی می دهد نامناسب است. همچنین باید توجه داشت که یک API و کاربرد آن همیشه باید به طور جامع مستند باشد. API توسعه‌یافته، رابط‌های مختلفی را ارائه می‌کند که نتایج خودکاری را برای توزیع فضایی، از جمله موارد دیگر، ارائه می‌کند. با این حال، در نسخه آلفا فعلی آن، برای افراد خارجی قابل استفاده نیست. به عنوان بخشی از مستندات، تمام رابط ها باید با جزئیات توضیح داده شوند. برای مثال، کاربران باید بتوانند ببینند که کدام نقطه‌های پایانی کدام داده را با کدام ویژگی‌ها خروجی می‌دهند، کدام درخواست به API به طور کلی امکان پذیر است (GET، POST، و غیره)، یا آنچه باید برای تراکنش های احتمالی در نظر گرفته شود، به عنوان مثال، نوع داده و طول فیلد در پایگاه داده. بنابراین، کد منبع باید گسترش یابد. به خصوص در پیاده سازی رابط ها برای عملیات به روز رسانی یا حذف، پارامترهای ورودی باید برای اعتبار آنها در سمت کلاینت و سرور بررسی شوند، به طوری که دستکاری با تزریق SQL امکان پذیر نباشد. ماژول های مورد استفاده در توسعه عملکردهایی را ارائه می دهند که چنین بررسی هایی را انجام می دهند و در صورت لزوم می توان آنها را گسترش داد. در این کار، یک برنامه کاربردی برای ارزیابی خودکار داده ها، به ویژه برای اهداف شفافیت توسعه داده شد. به طور همزمان، نویسندگان مختلف خواستار ارائه نتایج از طریق کانال های باز هستند. با این حال، برنامه برای جمع آوری داده ها به ارزیابی داده های باز اشاره نمی کند. از یک طرف، این به دلایل امنیتی فناوری اطلاعات است، و از طرف دیگر، ارزیابی خودکار فقط در حال حاضر در این کار آزمایش می شود. ممکن است این رویکرد به این واقعیت کمک کرده باشد که برخی از بازدیدکنندگان سایت از مشارکت منصرف شده اند، اما اگر به آنها دسترسی مستقیم به نتایج داده می شد، به عنوان مثال، آنها مایل به مشارکت در داده ها بودند. API توسعه یافته با node.js. در زمینه برنامه برای ارزیابی داده ها، اصلاحات دستی نیز ممکن است ضروری باشد، یا پرس و جوی SQL برای تعیین موقعیت فضایی محیط خانه ممکن است اصلاح یا تکمیل شود. شکل ممکن است این رویکرد به این واقعیت کمک کرده باشد که برخی از بازدیدکنندگان سایت از مشارکت منصرف شده اند، اما اگر به آنها دسترسی مستقیم به نتایج داده می شد، به عنوان مثال، آنها مایل به مشارکت در داده ها بودند. API توسعه یافته با node.js. در زمینه برنامه برای ارزیابی داده ها، اصلاحات دستی نیز ممکن است ضروری باشد، یا پرس و جوی SQL برای تعیین موقعیت فضایی محیط خانه ممکن است اصلاح یا تکمیل شود. شکل ممکن است این رویکرد به این واقعیت کمک کرده باشد که برخی از بازدیدکنندگان سایت از مشارکت منصرف شده اند، اما اگر به آنها دسترسی مستقیم به نتایج داده می شد، به عنوان مثال، آنها مایل به مشارکت در داده ها بودند. API توسعه یافته با node.js. در زمینه برنامه برای ارزیابی داده ها، اصلاحات دستی نیز ممکن است ضروری باشد، یا پرس و جوی SQL برای تعیین موقعیت فضایی محیط خانه ممکن است اصلاح یا تکمیل شود. شکل یا پرس و جوی SQL برای تعیین موقعیت فضایی محیط خانه ممکن است نیاز به تجدید نظر یا تکمیل داشته باشد. شکل یا پرس و جوی SQL برای تعیین موقعیت فضایی محیط خانه ممکن است نیاز به تجدید نظر یا تکمیل داشته باشد. شکل 13 محیط خانه ای را نشان می دهد که به وضوح در منطقه ای از اطلس شهری قرار ندارد. یک جستجوی خالص با استفاده از تابع Postgres ST_WITHIN در اینجا کافی نیست. محیط خانه به چند ضلعی اطلس شهری اختصاص داده نشده است. روش دیگر، به جای استفاده از توابع بیشتر Postgres مانند ST_INTERSECTS، هر ساختمان همچنین می تواند با کمک یک نقطه، به عنوان مثال، مرکز چندضلعی محیطی خانه، نمایش داده شود، به طوری که یک نقشه برداری خالص از طریق ST_WITHIN در اینجا امکان پذیر است.

با این حال، برای این کار، جداول بیشتری باید در پایگاه داده ایجاد شود یا نمایش نقطه ای محیط خانه باید در پرس و جوی SQL محاسبه شود. در این کار، به دلیل مشکل پرس و جو ناکافی SQL، اصلاحات دستی برای تعیین اعداد موارد صحیح ضروری بود. بنابراین، اگرچه برنامه برای تجزیه و تحلیل خودکار عملکردی است و تجسمی از نتایج را ارائه می دهد، پرس و جوهای SQL نقاط پایانی باید بازنگری شوند تا خروجی صحیحی از داده ها تولید شود. برای مثال، با استفاده از روشی که قبلاً توضیح داده شد، این امکان پذیر است. یکی دیگر از برنامه‌های افزودنی که برنامه را بهبود می‌بخشد، اجرای اعلان‌ها زمانی است که دو کاربر یک حلقه خانه را انتخاب کرده‌اند. به این ترتیب، به طور مستقیم قابل مشاهده است که در آن تماس ممکن است وجود داشته باشد. با این حال، در همان زمان، جنبه های حفاظت از داده ها باید در نظر گرفته شود، به طوری که برای دیگران امکان پذیر نباشد که بدانند شخص تماس چه کسی است. در طول جمع آوری داده ها، کاربران چندین محیط خانه را دو یا سه بار در یک جلسه مرورگر به روز کردند. بنابراین، ممکن است لازم باشد بازخورد کاربر بهبود یابد یا دستورالعمل‌های ثبت داده‌ها اصلاح شود و ویژگی “تعداد بازدید” اضافه شود. این کار از رویکردی استفاده نمی کند که از فناوری بلوتوث شرح داده شده در فصل 2 استفاده کند. استفاده کامل از عملکردهای بلوتوث، مانند برنامه Corona-Warn-App، تاکنون برای برنامه های بومی محفوظ بوده است. با این حال، توسعه دهندگان در واقع بر روی پیاده سازی API بلوتوث برای مرورگرها کار می کنند. با این حال، اینها ویژگی های تجربی [ کاربران چندین محیط خانه را دو یا سه بار در یک جلسه مرورگر به روز کردند. بنابراین، ممکن است لازم باشد بازخورد کاربر بهبود یابد یا دستورالعمل‌های ثبت داده‌ها اصلاح شود و ویژگی “تعداد بازدید” اضافه شود. این کار از رویکردی استفاده نمی کند که از فناوری بلوتوث شرح داده شده در فصل 2 استفاده کند. استفاده کامل از عملکردهای بلوتوث، مانند برنامه Corona-Warn-App، تاکنون برای برنامه های بومی محفوظ بوده است. با این حال، توسعه دهندگان در واقع بر روی پیاده سازی API بلوتوث برای مرورگرها کار می کنند. با این حال، اینها ویژگی های تجربی [ کاربران چندین محیط خانه را دو یا سه بار در یک جلسه مرورگر به روز کردند. بنابراین، ممکن است لازم باشد بازخورد کاربر بهبود یابد یا دستورالعمل‌های ثبت داده‌ها اصلاح شود و ویژگی “تعداد بازدید” اضافه شود. این کار از رویکردی استفاده نمی کند که از فناوری بلوتوث شرح داده شده در فصل 2 استفاده کند. استفاده کامل از عملکردهای بلوتوث، مانند برنامه Corona-Warn-App، تاکنون برای برنامه های بومی محفوظ بوده است. با این حال، توسعه دهندگان در واقع بر روی پیاده سازی API بلوتوث برای مرورگرها کار می کنند. با این حال، اینها ویژگی های تجربی [ این کار از رویکردی استفاده نمی کند که از فناوری بلوتوث شرح داده شده در فصل 2 استفاده کند. استفاده کامل از عملکردهای بلوتوث، مانند برنامه Corona-Warn-App، تاکنون برای برنامه های بومی محفوظ بوده است. با این حال، توسعه دهندگان در واقع بر روی پیاده سازی API بلوتوث برای مرورگرها کار می کنند. با این حال، اینها ویژگی های تجربی [ این کار از رویکردی استفاده نمی کند که از فناوری بلوتوث شرح داده شده در فصل 2 استفاده کند. استفاده کامل از عملکردهای بلوتوث، مانند برنامه Corona-Warn-App، تاکنون برای برنامه های بومی محفوظ بوده است. با این حال، توسعه دهندگان در واقع بر روی پیاده سازی API بلوتوث برای مرورگرها کار می کنند. با این حال، اینها ویژگی های تجربی [60]. اینها می‌توانند در آینده مرتبط باشند تا کاربرانی که سیستم‌عامل‌هایی غیر از iOS یا Android دارند از استفاده از آن‌ها منع نشوند. این امکان را برای بیماران در معرض خطر با سیستم عامل های Windows یا Huawei فراهم می کند تا از این برنامه استفاده کنند. فاکتور هزینه در اینجا اهمیت چندانی ندارد، همه مرورگرهای رایج از JS برای دستکاری محتوا استفاده می کنند، بنابراین کار توسعه تکراری وجود ندارد. علاوه بر این، میزان ردیابی وب سرور (در این کار، Nginx) در ارزیابی داده ها در نظر گرفته می شود یا اینکه تا چه حد این امر از قبل محدود یا تنظیم شده است، باید در نظر گرفته شود. در زمینه حفاظت از داده ها، ورود به سیستم وب سرور برای اطمینان از امنیت برنامه و شناسایی درخواست های سرور با هدف ضربه زدن به اطلاعات یا دسترسی به داده ها و مسدود کردن این آدرس های IP ضروری است. متقابلا، ثبت استاندارد وب سرور همچنین اجازه می دهد تا در مورد یک آدرس IP فردی نتیجه گیری شود. زمان دسترسی یا فرکانس تماس‌های صفحه و درخواست‌ها به API برای تولید نشانه‌های جدید یا منشاء تماس برنامه قابل ردیابی است. برای مثال، در این کار، از لاگ‌ها، می‌توان ردیابی کرد که کاربران از واتس‌اپ، اینستاگرام یا فیسبوک که شبکه‌های اجتماعی محبوب در آلمان هستند، به URL دسترسی داشته‌اند. از برنامه های توسعه یافته فقط می توان به میزان محدودی برای ردیابی تماس استفاده کرد. اگرچه می توان مشاهده کرد که آیا نام مستعار مختلف مجموعه داده های یکسانی را به روز کرده اند یا خیر و در نتیجه آیا تماس بالقوه ای وجود داشته است یا خیر، نمی توان به وضوح تعیین کرد که آیا یک فرد ممکن است حلقه خانه یکسانی را تحت چندین نام مستعار به روز کرده باشد و در نتیجه مجموعه داده ها را جعل کرده باشد. . علاوه بر این، زمان در نظر گرفته نشد. ممکن است بین بازدید دو نفر از یک ساختمان چند هفته یا چند ماه فاصله وجود داشته باشد، به طوری که مخاطب را نتوان به عنوان مرتبط طبقه بندی کرد. بنابراین، عامل زمان باید در توسعه بیشتر برنامه در نظر گرفته شود، به عنوان مثال، با مشخص کردن زمانی که ساختمان در طول پردازش بازدید شده است. در اینجا دوباره، جنبه های حفاظت از داده ها باید در نظر گرفته شود. در صورت لزوم، اطلاعات دقیق در مورد یک مقطع زمانی خاص می تواند گروه افراد را محدود کند، به طوری که ممکن است بتوان در مورد افراد نتیجه گیری کرد. اگر عامل زمان در نظر گرفته شود، ورود دو یا چندگانه ساختمان ها نیز می تواند معنادار و قابل قبول باشد، به عنوان مثال، اگر یک ساختمان به طور مکرر به صورت روزانه بازدید شود. علاوه بر این، اظهار نظر در مورد اعتبار داده های جمع آوری شده دشوار است. که یک ضعف آشکار VGI در زمینه داده های شخصی مرتبط با سلامت است. مجموعه داده را می توان برای انتخاب های تکراری یا چندگانه به دلیل مکانیسم های تأیید استفاده شده پاک کرد، اما نمی توان تأیید کرد که آیا یک شرکت کننده واقعاً آلوده شده است یا از یک ساختمان انتخاب شده بازدید کرده است. در سایر پروژه‌های VGI، مانند OSM، مشارکت‌ها همیشه برای اشخاص ثالث قابل تأیید هستند. برای مثال، اگر مسیرها یا ساختمان‌ها دیجیتالی شوند، دیگران می‌توانند ببینند که آیا واقعاً وجود دارند یا خیر. با این حال، موارد بیماری به طور فیزیکی در چشم انداز نشان داده نمی شود. بنابراین، هیچ بازرسی بصری را نمی توان انجام داد. این با مشکلات اخلاقی همراه است. اگر معیارها از چنین برنامه‌ای مشتق شوند، اما بخش بزرگی از داده‌های ورودی مبتنی بر ادعاهای نادرست باشد، اینها هدف‌گرا نیستند و اعتبار برنامه (به عنوان مثال، یکپارچگی داده ها) داده نشده است. در مورد پراکندگی واقعی موارد بیماری در مناطق شهری نمی توان اظهار نظر معتبری داشت. به طور کلی باید به تکمیل روش های مورد استفاده با روش های اضافی به ویژه روش های کیفی توجه کرد. یک مثال برای این امر می تواند مصاحبه با افراد آزمایشی باشد که از این ابزار استفاده می کنند و داوطلبانه با پاسخ دادن به سوالات مربوط به برنامه های کاربردی توسعه یافته موافقت می کنند. به ویژه، تجربیات مفید کاربر را می توان برای شناسایی نقاط ضعف جمع آوری کرد. یک مثال برای این امر می تواند مصاحبه با افراد آزمایشی باشد که از این ابزار استفاده می کنند و داوطلبانه با پاسخ دادن به سوالات مربوط به برنامه های کاربردی توسعه یافته موافقت می کنند. به ویژه، تجربیات مفید کاربر را می توان برای شناسایی نقاط ضعف جمع آوری کرد. یک مثال برای این امر می تواند مصاحبه با افراد آزمایشی باشد که از این ابزار استفاده می کنند و داوطلبانه با پاسخ دادن به سوالات مربوط به برنامه های کاربردی توسعه یافته موافقت می کنند. به ویژه، تجربیات مفید کاربر را می توان برای شناسایی نقاط ضعف جمع آوری کرد.

تا چه حد می توان یک برنامه وب برای ثبت/ارزیابی فضایی موارد COVID-19 در منطقه شهری کلن بر اساس محصولات منبع باز ایجاد کرد؟

وب GIS را می توان به روشی نسبتاً ساده با کمک نرم افزار منبع باز پیاده سازی کرد. با این حال، دانش در مورد زبان های مختلف نشانه گذاری و اسکریپت و همچنین کتابخانه ها ضروری است. علاوه بر این، حداقل دانش از استانداردهای داده های مکانی مورد نیاز است. اجزای نرم افزاری که در این کار به کار رفته اند مانند Geoserver، OpenLayers یا Postgres به دلیل پیاده سازی پیشرفته و توابع یا کلاس های آماده، توسعه دهنده را از دست بسیاری از کارهای توسعه راحت می کند. Geoserver همچنین یک رابط کاربری ارائه می دهد که با آن می توان داده های جغرافیایی را در قالب های استاندارد معمولی مانند WMS یا WFS منتشر کرد. بنابراین، دانش کمتری از برنامه نویسی مورد نیاز است. در دسترس بودن بالای داده های باز در مورد موضوعات مختلف، جمع آوری اطلاعات را به صورت داوطلبانه آسان می کند. استفاده از یک محصول منبع باز امکان انتقال آسان به شهرهای دیگر، به ویژه در آلمان را تضمین می کند. داده های مکانی با وضوح های مختلف را می توان در پایگاه داده ذخیره کرد. پرس و جو از محل محیط خانه یکسان است. برای مثال، فقط توابع ماشه باید با توجه به نام جدول آنها تطبیق داده شوند. علاوه بر این، برای شهرهای کشورهای در حال توسعه، پیاده سازی به شرط در دسترس بودن داده های جغرافیایی امکان پذیر است. با این وجود، باید بر انگیزه شرکت کنندگان بالقوه تکیه کرد. برای ارزیابی خودکار داده‌ها، نقاط پایانی API باید کمی اصلاح شوند، و پرس‌وجوهای SQL باید به طور حاشیه‌ای اصلاح شوند. به طور کلی، با در نظر گرفتن مقررات مربوط به حفاظت از داده ها، این امکان را فراهم می کند که نتایج را به روشی بدون عارضه در اختیار اشخاص ثالث قرار دهد. اما به طور همزمان، در آینده باید مستندات جامعی برای این امر ایجاد شود. سپس نقاط پایانی را می توان به دلخواه گسترش داد، به عنوان مثال، برای خروجی نتایج در مقیاس های فضایی مختلف. برای توسعه بهتر، یک کانتینر Docker باید ارائه شود، از جمله راه‌اندازی برای Postgres و Geoserver با داده‌های مربوطه.

هنگام استفاده از VGI و در زمینه توسعه برنامه، چه جنبه های حفاظت از داده، اخلاقی و قانونی باید در نظر گرفته شود؟

حفاظت از داده ها باید همیشه از اولویت بالایی برخوردار باشد. فقدان محافظت می تواند افراد را از مشارکت بازدارد و در صورت دسترسی به داده ها، به عنوان مثال، توسط هکرها، عواقب مخربی به همراه داشته باشد. جنبه‌های اخلاقی با مسائل حفاظت از داده‌ها همراه است، که باید به طور همزمان هنگام برنامه‌نویسی در زمینه امنیت فناوری اطلاعات در نظر گرفته شود. علاوه بر این، از منظر اخلاقی، باید اطمینان حاصل شود که هیچ نتیجه‌ای در مورد افراد (گروه‌ها) نمی‌توان گرفت. استانداردهای خاصی مانند استفاده از گواهی های سرور (https)، همیشه باید هنگام توسعه برنامه های مربوطه تضمین شوند. با استفاده نکردن از خدمات نقشه از Google، می‌توان اطمینان حاصل کرد که شخص به خط‌مشی‌های حفظ حریم خصوصی/استفاده از شخص ثالث محدود نمی‌شود و ممکن است دیگر توسط آنها استفاده نشود. علاوه بر این، جداسازی جمع آوری داده ها و ارزیابی داده ها مهم است. برای کارهای علمی آتی، می‌توان یک دستورالعمل با توصیه‌هایی برای اقدام و مثال‌های کاربردی مشخص برای در نظر گرفتن حفاظت از داده‌ها و جنبه‌های اخلاقی یا قانونی ایجاد کرد که به صراحت برای برنامه‌های مبتنی بر VGI معتبر است. به خصوص برای برنامه های توسعه یافته در این مطالعه، جنبه مداخله پذیری به اندازه کافی مورد توجه قرار نمی گیرد، به همین دلیل است که توسعه آینده توابع مربوطه باید در پیش زمینه باشد.

برنامه: Github-Repository; جمع آوری داده ها: https://github.com/fschmidt56/ma_app ; ارزیابی داده ها: https://github.com/fschmidt56/ma_dashboard_client ; API: https://github.com/fschmidt56/ma_dashboard_server