2640
浏览主题 1 的问题共同确定了数据所有权、共享和企业数据控制方面的道德问题的挑战。最初的问题 (30) 集中在:数据访问和治理;数据所有权;数据共享;和市场。这些在投票阶段进行了排名,并在研讨会上进一步优先排序和改述为以下问题:
1.Gold:考虑到道德问题的治理系统如何支持数据共享?
2.Gold:数据共享中固有的价值主张如何得到治理系统的支持,让人们有信心参与该主张?
3.Silver:如何创建对农民和商业开发商都具有吸引力的透明共享数据系统所需的生态系统/社区?
4.铜牌:农民如何共同努力,从他们(有意/无意地)提供给大型全球供应商的数据中受益?
以合乎道德和负责任的方式管理数据是研讨会中这一主题的首要问题。因此,两个黄金问题(Q1 和 Q2)分别解决了如何创建让人们对输入和共享数据充满信心的系统,以及如何创建系统来管理数据以造福所有人。这两个问题被认为是相互关联的,正如一位研讨会参与者所总结的那样,“让人们信任和共享数据的方式是证明你拥有良好的治理”。
这种对共享和管理数据的治理系统的强烈关注,以及对隐私和所有权的社会和伦理问题,与社会科学文献中提出的问题相吻合。对透明治理系统的需求没有争议(Stilgoe 等人,2013 年,Jakku 等人,2019 年),因为正如Hajer(2003 年)所指出的,新兴技术经常陷入“制度空白”。然而,治理通常被作为一个抽象概念来讨论。尽管已经提倡了一系列治理机制和模型,其职责可能分布在私营和公共部门(Linkov 等人,2018 年,Rotz 等人,2019 年)),我们对如何定义和实施这些内容的理解仍然有限,并且在这里成为未来研究的一个明确而重要的优先事项。特别是协调和监控活动(数据处理、报告、分析和使用)以及支持机构维护和运营的支持,这是治理安排的核心(Bryson 等人,2006 年),现在才得到研究数字农业领域的关注(Newton 等人,2020 年)。
其他学者广泛讨论了有关数据所有权、访问和安全之间关系的研究问题以及对农业食品公司日益不成比例的投资、权力和控制的相关担忧(Bronson 和 Knezevic,2016 年;Bronson,2018 年;Carbonell 等人。 , 2016 年)。然而,这里问题的视角转向数据共享中固有的价值主张的概念,以及治理系统如何让人们有信心进入这些主张并获得内在价值。一些研讨会参与者建议,突出在辩论中给予数据治理和所有权实际上破坏了对价值的信心。正如一位从业者参与者所说,与其强调治理,不如展示共享的价值,这样可以通过透明度让人们相信诚信。如果你一开始就不能让人们有信心加入这个价值主张,它就永远不会成功”。然而,其他参与者认为,如果数据管理不当,这种(潜在)价值不太可能实现,数据提供者应设法通过澄清道德和所有权来降低感知到的共享风险。作为卡罗兰(2017a)值得注意的是,开放数据源而不进行制衡并不总是解决方案,并指出“免费访问不一定是公平访问”。在这方面,所有参与者都同意,这些问题的大部分答案都在于透明度(及其许多方面,包括可访问性和可解释性)。关于什么可能导致对农民和商业开发商都具有吸引力的透明共享数据系统(银 Q3),有不同的看法。
这些关于数据所有权和透明度的讨论引起了Lioutas 等人的共鸣。(2019 年),他们认为应该将重点放在数据本身的所有权、访问和控制规则上(另见Rotz等人,2019 年;Bronson 和 Knezevic,2016 年),因为“是什么创造了权力社区内的不平衡不是对大数据的访问不均,而是对大数据产生的价值的访问不均”(Lioutas 等人,2019 p 6)。与其他评论员一样,他们指出,大数据的价值分配在农业食品系统中分配不均,农民仅享有有限的份额(海尔,2014 年))。在我们的研讨会讨论中,有必要将讨论中的中心问题从“谁拥有数据?”转移开来。“谁拥有或有权提取支撑这些数据的价值?”,如Stubb (2016)所述。
关于第四季度,其他学者也认识到需要让农民自己作为共同创造者和共同策展人参与协同治理(Carolan,2017b,Jakku et al.,2019)。然而,牛顿等人。(2020)强调需要适当的分析工具和框架来代表和评估农民的作用。他们将农民理解为澳大利亚牧群记录系统战略和运营领域的关键治理行为者的框架旨在填补这一研究领域的空白,但显然需要进一步研究。
4.2 . 主题二:数据管理
主题 2 问题涉及数据管理问题,与主题 1 密切相关。最初的问题 (21) 涵盖以下内容:数据存储;数据安全; 标准化和分析数据(互操作性以减轻农民的负担);软件和算法;许可和专利、法律责任;数据要求。这些在投票阶段被列为关注共同标准和互操作性的主题,并在研讨会中进一步提炼和优先排序如下:
1.Gold:我们如何创建数据标准以允许数据在系统和解决方案之间有效地互操作?
2.Silver:行业如何创建采用通用安全标准的系统?
3.铜牌:该行业正在采取哪些措施来减轻与农业技术相关的网络安全威胁?
4.铜牌:确保所使用的技术和数据可信所需的监管权力是什么?
该主题中的问题具有互操作性和“需要共同标准”作为一致的优先事项,并已达成协议将它们合并到黄金 Q1 和 Q2 中。讨论中对标准化有不同的理解。在一种情况下,一个通用标准被认为允许来自不同制造商和软件包的不同农场指标数据集与农民的匿名数据一起用于作物生产、保护和环境影响的竞争前研究. 在另一种情况下,标准化被视为提高农民收集和整理他们自己数据的能力并使他们更容易输入数据的一种手段。然而,一些在私营部门工作的参与者质疑标准化系统是否是最好的方法,他们认为农民有权将他们的数据从一个系统转移到另一个系统,而创建“万事万物的单一平台”的想法会扼杀私人构建的解决方案,这是“为行业解锁真正的创新”的方式。与此一致,Q2 询问行业如何创建采用通用安全标准的系统,迄今为止,这在文献中并未受到太多关注。
安全和网络安全风险 (Q3) 的责任被认为是行业而不是农民个人。监管和合法性也是关键问题(第四季度),正如一位从业者参与者描述的日常需求:“我们在数据管理方面面临的最大挑战是确保正确的人可以看到他们在法律上被允许查看的数据。 [….] 这就是我们在处理数据管理时花费大部分时间与之抗争的问题”。
对于主题 1(数据治理)和 2(数据管理),问题的出现是因为私营公司在创建平台以聚合数据、实现系统之间的数据交换和提供决策支持方面占主导地位(Finger 等人,2019 年,Weersink 等人) ., 2018 年)。此类公司对平台的高水平投资和垂直整合(Birner 等人,2021 年)不仅引发了数据所有权和权力问题,而且还引发了所谓的“平台化”问题,这可能会导致小农户的选择受限(布鲁克斯,2021 年),智利等人,2021)。不同的模型已经在运行,代表了竞争对手和合作者的网络以及他们的数字应用程序的互操作性程度(Antle 等人,2017 年,Kritikos,2017 年;菲利普斯等人,2019 年;Rotz 等人,2019 年;Finger 等人) .,2019 年;肯尼等人,2020 年)。这些如何在制度上嵌入将在确定封闭的专有系统和开放的协作系统之间的结果方面发挥关键作用(Wolfert 等人,2017,Carolan,2017a, Carolan ,2017b)。主题 1 和主题 2 都强调了优先研究以了解其如何展开。一个新兴的研究和政策兴趣领域是信任框架的开发,该框架提供了管理分散和分布式数据集合的新机制,并实现了安全的信息共享食品系统中所有利益相关者的利益(Pearson 等人,2021 年),尽管他们的不足之处已得到承认(Van Der Burg 等人,2020 年)。有趣的是,并未具体提出有关许多商业系统( Carolan,2017b,Carolan,2020 )的技术所有权和专有性质的问题。
4.3 . 主题 3:支持使用数据和技术
该主题整理了有关如何使农民能够分析和有效利用和利用新形式的数据和技术以及了解不当解释和决策失误所带来的风险的问题。最初的问题 (18) 被归类为:决策制定和有效使用数据;实时数据、监控和建模;知识和技能。这些在投票阶段被过滤到关注分析、解释、技能和有效使用数据的问题,并在研讨会上进一步细化为:
1.Gold:如何整理、组合和分析数据以对农民有用并因此对农民有价值?
2.Gold:与更传统的数据集和直观的决策形式相比,农民使用这些数据的价值是什么?
3.Silver:如何支持农民使用数字技术,他们需要新技能,还是需要更好的解决方案?
第一个黄金问题(Q1)的出现是因为,正如一位参与者解释的那样:“收集数据的能力正在 [...]能够理解所有这些数据中的哪一点实际上对他或她有价值”。数据的质量和准确性以及高分辨率的可用性也被认为很重要。该问题反映了一个事实,即迄今为止,智能技术数据的解释和使用与预期不符(Leonard 等人,2017 年,Weersink 等人,2018 年))。它还强调了这样一个事实,即与当前的决策相比,了解如何整理、组合和分析数据以对农民有用和有价值的研究关注相对较少(Sonka,2015 年,Evans 等人,2017 年,Ingram 和 Maye, 2020 年)。
与会者一致认为,这一主题下的问题从根本上归结为理解丰富的数据实际上会产生实质性影响的背景和情况。黄金问题(第一季度和第二季度)再次强调了价值,与“大数据分析”的讨论产生了共鸣,其中实践旨在使农民(和相关组织)能够从大量数据中提取经济价值(Sonka,2015 年;Lioutas 等人,2019 年)。然而,如果大数据分析要产生新的价值形式,它需要支持参与者做出更智能、更快和更有影响力的决策(Lioutas 等人,2019)。了解如何通过构建能力、技能或更好的解决方案以及投资于数据分析的分析服务支持来实现这一目标仍然是一个重大的研究差距,正如第三季度银牌所示(另见Jakku 等人,2019 年)。这很重要,因为将数据转化为可操作知识以实现承诺收益的农场能力有限(Capalbo 等人,2017 年,Evans 等人,2017 年,Lioutas 等人,2019 年)。在这里,对于那些支持自己需要帮助以利用数据和技术的农民的行为者来说,这是有影响的,这一点在主题 4 和主题 7 以及其他学者中得到了体现(Ayre 等人,2019 年,Lioutas 等人,2019 年,菲尔克等人,2021 年;希金斯和布莱恩特,2021 年)。与其他主题一样,这种对价值的强调重新定位了研究人员需要如何理解数据使用。
在将数字数据与用于决策的传统知识(黄金 Q2)进行比较时,一致认为:“您基本上正在从基于经验的直观决策转向数据库决策”,正如一位参与者评论的那样。在进一步探索这一点时,从业者参与者之间有许多共同的经验,表明数据本身并不一定能提供解决方案,在某些情况下可能会造成破坏。这与观察到数字化对“动手”和经验驱动的管理和嵌入式知识的破坏相称(Eastwood 等人,2012 年,Butler 和 Holloway,2016 年,Carolan,2020 年))。通过将决策权转移给机器和算法来加速农业去技能化的风险已经提高(Rotz 等人,2019 年,Miles,2019 年,布鲁克斯,2021 年),因为缺乏技能的农民机器人可能会失去所有直觉知识,因为布鲁克斯 (2021)建议。
然而,与会者建议,研究应该了解如何通过将所有类型的农业知识(例如来自农民、农学家和植物科学家)与远程数字数据相结合,而不是着眼于它们之间的紧张关系,从而实现成功的数据驱动型农业系统。这种观点与评论者的观点一致,他们寻求了解数据驱动的决策制定和实时处理如何与高度直观和经验的决策制定交互,以优化两全其美(Xin and Zazueta, 2016 ; Shepherd et al., 2020)。由于无法整合特定背景信息,许多农民可能难以信任或看到数字分析工具输出的价值,而且它还可能排除某些基于可持续价值创造的农业生态轨迹,而不是纯粹提取经济价值(Wittman 等人)等人,2020 年;黄等人,2021 年)。这个问题的优先顺序和关于启用和优化数字技术和数据的使用的批判性分析强调了一个以前受到有限关注的研究领域,并强调了跨学科研究的必要性,尤其是可以跨越认识论边界的跨学科研究。
4.4 . 主题 4:了解数据和技术的好处和采用
该主题中聚集的问题包括对决定和支持采用以及使农民采用数字技术的能力受益或阻碍的因素的参考。最初的问题 (38) 集中在:理解吸收;影响吸收的因素;实践是如何实施的;数字基础设施;潜在的好处;并通过支持和参与促进吸收。这些在调查中被细化为收益、技术在农场产生的价值以及如何为农民赋能和赋权,并在研讨会中进一步提炼和排名如下:
1.Gold:新的数字技术有什么好处,对谁(包括农民和其他食物链参与者)以及这些好处是如何证明的?
2.Gold:可能需要哪些支持来帮助处境不利的农场和农民利用数字化?
3.Gold:在农场实施新的数字技术的日常经验是什么?实践和结果是否符合预期?
4.Silver:哪些因素会影响农场采用新的数字技术?
这些问题认识到,最终数字农业技术和数据的潜力只有在应用于改进管理实践时才能实现(Finger et al., 2019)。这个问题不是关注如何鼓励采用数字技术本身,而是在本练习中通过询问有什么好处以及如何(以及哪些)农民获得价值来重新构建这个问题?这承认农民可能有合理的理由不使用数字技术,并且可能对投资一套价值可能存在问题的昂贵技术持谨慎态度(Defra,2018 年,Lowenberg-DeBoer 和 Erickson,2019 年))。除了询问有什么好处外,Q1 还询问了谁,但参与者没有详细说明这一点。尽管支持收养的人所获得的好处受到质疑(参见Bryant 和 Higgins,2021 年;Lioutas 等人,2019 年),并且注意到他们的专业实践和关系受到干扰(Rijswijk 等人,2019 年),但仍需要进一步的实证数据关于这个话题。
提供更好的证据并向农民清楚地展示数字农业的好处被认为很重要。在这一点上,参与者的评论包括:“农民现在被告知很多,你知道,你的数据很有价值。但我认为他们会遇到的问题是“是的,目前对谁有价值?”,感觉对供应商甚至政府机构来说,这可能比实际上对农民更有价值”;和“好处似乎在别处”。这种解释为什么生产者应该转向数字农业的不明确或模棱两可的价值主张通常被认为是农民不采用数字技术的主要原因(Keogh 等人,2016 年,Leonard 等人,2017 年;Späti 等人,2019 年)。
研讨会参与者认为,这种价值概念及其在经济利益方面的分配需要研究人员进行解读;此外,应考虑可持续价值(经济、环境和社会价值)的所有维度和动态,超越农场所在地,转向股东、供应链中的利益相关者和社会( Huang et al., 2021 )。这强调了设计框架的必要性,使信息的价值不仅可以通过经济措施来表达,还可以通过环境绩效、动物福利和健康以及决策者的社会福祉来表达(Rojo Gimeno 等人, 2019 年,Wittman 等人,2020 年)。关于如何证明利益,Relf-Eckstein 等人。(2019 年)询问“什么证据”正在用于推进加拿大的智能农业创新,认为行业调查数据不能代表农场经营者的人口,并且该行业缺乏专业知识、研究技能和资源规模进行严格的科学研究。他们建议政府需要促进多组参与者之间的协调,以通过实验收集有效的收益证据。
关于谁将处于(不利)优势(黄金第二季度),普遍认为大型商业农场将从数字化中受益最大,并且随着生产系统变得更加专业化,这将成为未来趋势的特征。然而,一位与会者辩称:“有一种不变的假设,即只有规模更大、更像商业的农业企业、大型农场才能从这些数据和技术中受益 [...] 我不这么认为,我认为这件事更像是一种平衡、缩小、可能缩小差距的东西……我认为它实际上可以帮助小农场”。认识到一些农场和农民的适应能力较差,与会者一致认为需要在技能培训、资本投资、基础设施和提高吸收率的建议方面提供支持。因此,这一讨论反映了一系列共同的担忧:数字农业将延续由大公司推动的趋势:市场集中(Birner 等人,2021 年),农业部门不平等加剧(Walter 等人,2017 年),潜在锁定一些群体,或者进一步使那些已经享有特权的人受益(Van der Burg 等人,2019 年)。然而,通过将问题重新定位为需要哪些支持才能让所有农场从数字化中获得利益和价值,这避免了可能导致少数人或多数人利益的错误二分法的辩论( Fleming 等人,2018 年))。它还有助于解决一些参与者对问题背后的假设和语言的更基本的担忧,例如“好处”、“优势”和“劣势”,这表明数字农业普遍有益和可取的规范观点.