Digitální svět: technologie, potenciál, rizika
Otevřená věda, otevřená data
Miroslav Bartošek, bartosek@ics.muni.cz
Jiří Marek, marek@ics.muni.cz
Otevřená věda, otevřená data2
Přednášející
Miroslav Bartošek
̶ ÚVT MU, Knihovnicko-informační centrum MU
̶ Automatizace knihoven
̶ Digitální knihovny
̶ Open Science
Jiří Marek
̶ ÚVT MU, manažer Open Science
̶ Open Science
̶ Citizen Science
Otevřená věda, otevřená data3
Obsah přednášky
1. Vědecká komunikace – historie a současnost
Od starých Řeků po internet ● Současné problémy ● Nejen publikace, ale i data!
2. Otevřená věda
Co, proč, nač ● Open Access ● FAIR data ● Big Data
3. Otevřená data ve vědě
Čím to začalo ● Od lidského genomu po COVID-19 ● Digitální Země
4. Otevřená data ve veřejné správě
Proč a jak ● Otevírání vs. Omezování ● Zajímavé příklady
5. Otevřená personální data
Fenomén sociálních sítí ● Facebook a Cambridge Analytica ● Co s Vaší digitální stopou?
Otevřená věda, otevřená data4
1. Vědecká komunikace
(historie a současnost)
Otevřená věda, otevřená data5
1.1 Milníky ve vědecké komunikaci
̶ Starověk: cesty, rukopisy, dopisy, Alexandrijská knihovna
̶ 1440: knihtisk (Johannes Guttenberg), knihy
̶ 1665: učené společnosti a první vědecké časopisy
▪ Journal des sçavans – 5. ledna 1665 (Ludvík XIX – král Slunce)
▪ Philosophical Transactions of the Royal Society – 6. března 1665 (Charles II)
̶ 20st: vědecké konference (rychlé cestování)
̶ 1983: Internet – globální digitální komunikace
̶ 1989: World-wide-web (Tim Berners-Lee)
̶ 2002: Budapest Open Access Initiative
Otevřená věda, otevřená data6
osobní komunikace tištěné časopisy glob. digitální komunikace
Otevřená věda, otevřená data7
1.2 Problémy současné vědecké komunikace
Klíčové stále vědecké časopisy („objektivní?“ měřítko pro hodnocení kvality)
̶ Finanční neudržitelnost
̶ Monopolistické praktiky vydavatelů
̶ Záplava balastu („publish-or-perish“)
̶ Pomalá komunikace
̶ Nízká dostupnost
̶ Přístup jen pro bohaté
Co s tím?
o Vědec napíše a
zdarma předá vydavateli →
o Vydavatel zrediguje*, upraví pro tisk
vytiskne a prodá za předplatné →
o Vědec zaplatí a čte
o *Recenzní řízení (peer-review)
(provádí vědci, obvykle zdarma)
Společnost platí 2x: 1.výzkum, 2.publikace
Otevřená věda, otevřená data8
2. Otevřená věda: publikace a data
Otevřená věda, otevřená data9
2.1 Open Science
̶ Využít celosvětově dostupnou digitální komunikaci a ochotu vědců
sdílet (zdarma) výsledky jejich bádání pro lepší komunikaci vědy
̶ Open Science is the idea that scientific knowledge of all kinds should
be openly shared as early as is practical
Otevřená věda, otevřená data10
2.2 Open Access
̶ Volná dostupnost kvalitních vědeckých publikací v e-podobě
̶ Kdo zaplatí náklady na publikování?
(redakce, peer-review, vydání, distribuce, archivace)
̶ Gold OA
▪ Platí autor (APC – Article Processing Charge)
▪ Čtenáři bezplatný přístup a neomezené využití ihned po vydání
̶ Green OA
▪ Finální publikace platí čtenář (předplatné)
▪ Pracovní verze publikace zveřejní autor k bezplatnému přístupu v repozitáři (př. Arxiv.org)
̶ Platinum OA
▪ Platí vydavatel (výzkumné organizace, učená společnost)
▪ Autoři i čtenáři zdarma
Otevřená věda, otevřená data11
2.3 Výzkumná data
Proč je důležité otevírat nejen publikace ale i výzkumná data?
̶ Ověření správnosti výsledků
▪ kontrola (nesprávné postupy, pominutí nevhodných dat, falšování)
̶ Reproducibilita vědy
▪ možnost opakovat experiment a porovnat míru shody výsledků
̶ Znovuvyužití dat
▪ úspora (neopakovat stejné drahé experimenty)
▪ jedinečnost (data, které již nelze nikdy získat)
▪ využití nepoužitých dat (snímek širšího okolí sledované hvězdy)
▪ využití existujících dat v novém kontextu a pro nové účely
̶ Urychlení inovačního cyklu, přístup veřejnosti, …
Otevřená věda, otevřená data12
2.3 Specifika/složitost výzkumných dat
̶ Nelze požadovat okamžitý přístup (právo prvního využití)
̶ Nelze vždy otevřít (citlivé osobní nebo komerční údaje)
̶ Velmi velký rozsah (i TB, tisíce souborů)
̶ Velká variabilita formátů a forem (často netextové)
̶ Rozdílné oborové standardy (pokud vůbec existují)
̶ Různé třídy dat: Raw data – Zpracovaná data – Analyzovaná data
̶ Velká pracnost se zpřístupněním dat někomu jinému (uspořádání, popis)
̶ Málo prozkoumaná oblast
• důvěryhodnost, úplnost, kvalita, vlastnictví, dlouhodobé uchování, kurátorství, …
• ocenění akademickou komunitou?
Soudobý trend: pojďme data otevírat! (i přes tu velkou složitost)
Otevřená věda, otevřená data13
2.3 Jak data otevírat – FAIR
„As Open as Possible, As Closed as Neccessary“
̶ Findable – dostatečně podrobná metadata, globální identifikátory
̶ Accessible – metadata i data srozumitelná lidem i strojům, důvěryhodný repozitář
̶ Interoperable – strojově zpracovatelná metadata v zavedených standardech
̶ Reusable – jasná licence, přesná data o původu (reproducibilita)
Otevřená věda, otevřená data14
Big Data
Otevřená věda, otevřená data15
2.4 Big Data
Šlágr posledních let: Mám-li HODNĚ dat, dokáži z nich leccos vyčíst!
̶ BigData = objem dat na hranici zpracovatelnosti soudobými technologiemi
▪ výzkum: aktuální hranice je Exabyte dat 1018, cca objem denní světové produkce
▪ v praxi: jakýkoliv hóóódně velký soubor dat
̶ Nové výzvy
▪ přenos, uchování, zpracování, vyhledávání, získávání výsledků v reálném čase, …
̶ Nejrůznější zdroje dat
▪ vědecký výzkum, provozní data (platby kartami, mobily), sociální sítě, státní správa
▪ (částečně)strukturovaná nebo i nestrukturovaná data
̶ Obrovské možnosti/potenciál využití v nejrůznějších oblastech
▪ marketing (i politický), výzkum, zdravotnictví, vojenství, business aplikace
̶ Údaje vytěžené z velmi velkých souborů dat mají charakter zákonitostí
▪ chování lidí, společenské a přírodní jevy (Covid-19), podpora strategického rozhodování
Otevřená věda, otevřená data16
2.4 Kilo, Mega, Giga – jak dál?
̶ Kilobyte KB 210 103 tisíc
̶ Megabyte MB 220 106 milion
̶ Gigabyte GB 230 109 miliarda
̶ Terabyte TB 240 1012 bilion
̶ Petabyte PB 250 1015 biliarda
̶ Exabyte EB 260 1018 trilion
̶ Zettabyte ZB 270 1021 triliarda
̶ Yottabyte YB 280 1024 kvadrilion
̶ Počet atomů na Zemi 1050 (1078 – 1082 ve Vesmíru)
Otevřená věda, otevřená data17
3. Otevřená data ve vědě
Otevřená věda, otevřená data18
3. Role IT v rozvoji vědy
̶ Od poloviny 20. století uplatnění IT ve výzkumu (projekt Manhattan)
̶ Počítače vzácné a drahé, přístup jen pro znalé a „vyvolené“
̶ Boom IT počátkem 90. let (3C)
▪ Computing – růst výpočetního výkonu, rozšíření osobních počítačů (osobní IT)
▪ Communications – sítě, zrychlení přenosu dat (text, audio, video), penetrace internetu
▪ Content – výrazný nárůst paměťových kapacit, růst obsahu dostupného v digitální formě
̶ Široké pronikání IT do výzkumu – výpočet, data
̶ Zrychlení komunikace – internet, web
̶ Rozvoj SW nástrojů a aplikací
̶ Automatizace postupů a procesů
̶ Online dostupnost výsledků
Digitálníéra
Otevřená věda, otevřená data19
https://www.stoplusjednicka.cz/cesta-za-tajemstvim-lidskeho-genomu
Za tajemstvím lidského genomu
Otevřená věda, otevřená data20
3.1 Human Genome Project (HGP)
̶ Projekt mapování lidského genomu
̶ Přečíst kompletní genetickou informaci (DNA) člověka!
(sekvence 3,1 mld nukleotidů, A,G,C,T)
̶ 1990-2003, ambiciózní, srovnáván s proj. Manhattan, Apollo
̶ 3 mld USD, mezinárodní (20 laboratoří z USA, UK, JP, FR, DE, CH)
̶ Obrovský objem prací, nezvládnutelný bez nových postupů a technologií
̶ Získaná data a technologie otevřít komukoliv
̶ Očekáván obrovský přínos pro medicínu, genetiku, molekulární biologii, další
̶ Etické, společenské a právní otázky
̶ Základní metoda: sekvenace DNA
(vynalezena teprve pár let před projektem)
Otevřená věda, otevřená data21
3.1 Sekvenace DNA
̶ Zjišťování pořadí nukleových bází („písmen“ A,C,G,T) v krátkých sekvencích DNA
pomocí biochemických metod a počítačového zpracování
̶ Sangerova metoda sekvenování (1977)
▪ Část DNA rozsekáme na malé úseky (tisíce písmen), ty přečteme a seskládáme
▪ Zjednodušený příklad (dle Storchová Z: Homo sapiens sapiens: přečteno! Vesmír 97, 2000/8, 427-429)
▪ Chcete přečíst větu „Tak dlouho se chodí se džbánem pro vodu, až se ucho utrhne.“
▪ Neznáte ale jazyk, takže se nemůžete domýšlet, a umíte přečíst vždy jen pár znaků
▪ Celý text rozdělíte na malé úseky, náhodně. Získáte např. toto:
▪ Na počítači vyhledáte překrývající se úseky
(např. „trhn“ a „hne.“)
▪ Seřadíte z toho kratší části a nakonec
celou větu
▪ U lidského genomu má ta věta celkem
3.1 miliardy znaků!
(pokud bychom ji přepsali do běžného textu knihy A4, dostaneme sloupec knih 30 metrů vysoký!)
Otevřená věda, otevřená data22
3.1 Good guys vs Bad boys!
̶ Postup prací HGP byl velmi zdlouhavý, pomalý
̶ 1998: Craig Venter odešel z projektu a založil komerční firmu Celera Genomics
̶ Cíl: předběhnout HGP, získat patenty na geny a prodávat je zájemcům!
(financování od farmaceutických firem, soukromých investorů)
̶ Nové zjednodušené postupy sekvenace – ne tak přesné, ale rychlejší
̶ Obrovská rivalita (nepřátelství) a soutěžení mezi oběma týmy
̶ Remíza: 2000 zveřejnili společně pracovní verzi genomu (finální 2003)
(de-facto porážka firmy Celera)
̶ 2013: Nejvyšší soud USA: DNA je produktem přírody a nelze ji patentovat!
Otevřená věda, otevřená data23
3.1 Výsledky a dopady HGP
̶ Velký úspěch: zmapován s vysokou přesností kompletní genom člověka!
(historie genetiky rozdělena na „před“ a „po“)
̶ Vznik celých nových vědních oborů (bioinformatika, computational genomics, …)
̶ Rozsáhlé veřejně přístupné databáze a genové banky (GenBank, …)
̶ Obrovské zrychlení a zlevnění sekvenování (dnes celý člověk za pár hodin a pár set USD)
̶ Pokroky ve zpracování velkých objemů dat (dnešní sekvenátory TB dat/den, viz CEITEC-MU)
̶ Sekvenovány genomy velkého množství organismů (i vyhynulých – neandrtálec, mamut)
̶ Rozvoj poznání v mnoha oblastech (původ a vývoj druhů, migrace, …)
̶ Ale:
▪ Genomu dosud až tak nerozumíme, je mnohem komplikovanější, než jsme si mysleli
(Pačes: „Jsme na tom stejně, jako bychom přečetli celou knihu v portugalštině a neuměli portugalsky“)
▪ „Odpadní“ část DNA (nekóduje geny, 98 % DNA) hraje mnohem větší roli, než jsme si mysleli
▪ Některá očekávání se zatím nenaplnila, nebo jen z části (personalizovaná medicína)
Otevřená věda, otevřená data24
3.1 Etické a společenské otázky
̶ Ochrana (vysoce citlivých) osobních údajů
̶ Patentování (uzavírání) informací
̶ Psychologické aspekty
̶ Genetické inženýrství (dítě na přání)
̶ Eugenika
̶ Dostupnost benefitů jen pro někoho (bohaté)
Otevřená věda, otevřená data25
Od HGP po COVID-19
Příběh ze života
Otevřená věda, otevřená data26
Od HGP po COVID-19: příběh ze života
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
Světová veřejnost o něm ví týden a věří, že co v Číně začalo, to v Číně taky skončí.
Boček Jan. ‚A teď se vám doktor podívá do šroubovice.‘ Pandemie urychlila nástup genomiky a medicíny na míru. iROZHLAS.CZ, 26.4.2021.
https://www.irozhlas.cz/veda-technologie/veda/vime-co-bude-po-covidu_2104261215_jab
Otevřená věda, otevřená data27
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru. Jen několik hodin poté, co čínský
genetik Jung-Čen Čang – dnes mezinárodní celebrita – virus osekvenoval, nasdílel jeho kód
australskému kolegovi. Svou strukturou nápadně připomínal smrtící vir SARS, zodpovědný za
epidemii v roce 2003. Proto se Čang rozhodl navzdory čínskému informačnímu embargu jednat.
Otevřená věda, otevřená data28
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
Fyzicky virus nikdy neměli k dispozici, stačila jim pouze genetická informace. Virus vnímali
jako kus softwaru.
Otevřená věda, otevřená data29
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Vědci z Moderny ji vyvinuli přes víkend: na rozdíl od
klasických vakcín s oslabenou verzí patogenu, jejichž vývoj trvá i desítky let, stačí u nových
mRNA vakcín upravit předlohu tak, aby kopírovala genetickou informaci viru. Zbytek roku
zabraly klinické testy, první země vakcínu schválily kolem Vánoc.
Otevřená věda, otevřená data30
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. O třináct měsíců a 100 milionů nakažených později do Wu-chanu poprvé – po
ročním vyjednávání – přijíždí delegace Světové zdravotnické organizace (WHO). Mezi cíli mise
je určit původ viru. Kdy a kde došlo k přenosu ze zvířete na člověka? Motivací je otázka, zda lze
podobným případům v budoucnu zabránit a co pro to můžeme udělat.
Otevřená věda, otevřená data31
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. Do Wu-chanu přijíždí delegace WHO. Mezi cíli mise je určit původ viru.
̶ Výsledek pátrání: virus se na člověka přenesl dříve, než se předpokládalo. Čína původně první
případy spojovala s koncem prosince 2019 a tržištěm ve Wu-chanu. Jenže analýza vzorků
datuje přenos ze zvířete na člověka na začátek listopadu. Když lékaři zachytili ohnisko případů
spojené s tržištěm, virus už měl zřejmě s lidmi téměř dvouměsíční zkušenost.
Otevřená věda, otevřená data32
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. Do Wu-chanu přijíždí delegace WHO. Mezi cíli mise je určit původ viru.
̶ Výsledek pátrání: virus se na člověka přenesl dříve, než se předpokládalo.
̶ Stejná studie také upozornila, že přenos ze zvířete na člověka vůbec není tak vzácný, jak jsme
se domnívali. Simulace raného stadia nákazy odhalila, že jen třetina přenosů skončí epidemií,
zbytek zanikne dřív, než stihne nakazit kritické množství lidí. Můžeme to chápat tak, že mělo
lidstvo v listopadu 2019 docela smůlu – nebo tak, že u mnoha jiných potenciálních pandemií
jsme měli štěstí.
Otevřená věda, otevřená data33
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. Do Wu-chanu přijíždí delegace WHO. Mezi cíli mise je určit původ viru.
̶ Výsledek pátrání: virus se na člověka přenesl dříve, než se předpokládalo.
̶ Stejná studie také upozornila, že přenos ze zvířete na člověka vůbec není tak vzácný.
̶ Ještě před dekádou by vývoj vakcíny i pátrání po původu pandemie vypadaly úplně jinak a
ani v jednom případě by nešlo o takový úspěch. Co je od té doby nového?
Převratný pokrok v sekvenování genetických informací a otevřený přístup k datům!
Otevřená věda, otevřená data34
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. Do Wu-chanu přijíždí delegace WHO. Mezi cíli mise je určit původ viru.
̶ Výsledek pátrání: virus se na člověka přenesl dříve, než se předpokládalo.
̶ Stejná studie také upozornila, že přenos ze zvířete na člověka vůbec není tak vzácný.
̶ Ještě před dekádou by vývoj vakcíny i pátrání po původu pandemie vypadaly úplně jinak.
̶ Dnes připravují zdravotníci spolu s americkými univerzitami systém včasného varování, který
bude mít za úkol hledat ohniska nakažlivých nemocí. Nese název Sentinel a stojí právě na
včasné sekvenaci podezřelých vzorků.
Ohniska známých nemocí chce zachytit do jednoho dne, nové hrozby do týdne.
Otevřená věda, otevřená data35
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. Do Wu-chanu přijíždí delegace WHO. Mezi cíli mise je určit původ viru.
̶ Výsledek pátrání: virus se na člověka přenesl dříve, než se předpokládalo.
̶ Stejná studie také upozornila, že přenos ze zvířete na člověka vůbec není tak vzácný.
̶ Ještě před dekádou by vývoj vakcíny i pátrání po původu pandemie vypadaly úplně jinak.
̶ Zdravotníci připravují systém včasného varování. Cílem je zachytit nové hrozby do týdně.
̶ Rozvoj podobných systémů včasného varování je pro lidstvo klíčový: jak ukazuje studie,
přenos viru ze zvířete není ojedinělou událostí, hrozba nové pandemie je trvalá.
Co můžeme udělat, je pokusit se tu příští zachytit v několikatýdenním okně před
nekontrolovaným rozšířením do světa.
Pro zastavení současné pandemie zřejmě stačilo odhalit virus během prvního měsíce až
dvou.
Otevřená věda, otevřená data36
Od HGP po COVID-19
̶ 11. ledna 2020. Čínské úřady sledují ohnisko nového respiračního onemocnění ve Wu-chanu.
̶ Ve stejný okamžik už vědci znají genetickou strukturu viru.
̶ Neznámá biotechnologická firma Moderna začala s US úřady okamžitě plánovat, co dál.
̶ O dva dny později byla vakcína hotová. Zbytek roku zabraly klinické testy.
̶ 22. února 2021. Do Wu-chanu přijíždí delegace WHO. Mezi cíli mise je určit původ viru.
̶ Výsledek pátrání: virus se na člověka přenesl dříve, než se předpokládalo.
̶ Stejná studie také upozornila, že přenos ze zvířete na člověka vůbec není tak vzácný.
̶ Ještě před dekádou by vývoj vakcíny i pátrání po původu pandemie vypadaly úplně jinak.
̶ Zdravotníci připravují systém včasného varování. Cílem je zachytit nové hrozby do týdně.
̶ Hrozba nové pandemie je trvalá. Co můžeme udělat, je pokusit se tu příští zachytit v
několikatýdenním okně před nekontrolovaným rozšířením do světa.
̶ „Pandemie urychlila nástup genomiky při analýze nakažlivých nemocí o několik let“
(Francis deSouza, prezident firmy Illumina, největšího výrobce sekvenátorů).
Covid přinesl éru levného a rychlého sekvenování.
Otevřená věda, otevřená data37
4. Otevřená data ve veřejné správě
Otevřená věda, otevřená data38
4.1 Data ve veřejném sektoru
̶ Tlak na otevírání dat vytvořených/sbíraných veřejnou správou
▪ Zákon 106/1999 Sb. o svobodném přístupu k informacím
▪ Nařízení vlády 425/2016 Sb. o seznamu informací zveřejňovaných jako otevřená data
▪ Směrnice EU 2019/1024 o otevřených datech a opakovaném použití informací
veřejného sektoru (transpozice do naší legislativy na podzim 2021)
̶ Proč?
▪ Etický rozměr („co je placeno z veřejných zdrojů, mělo by být veřejnosti dostupné“)
▪ Ekonomický rozměr (obrovský trh spojený s opakovaným využitím dat veř.sek. – 250 mld EUR)
▪ Praktický rozměr (obíhají data, ne lidé)
̶ Snaha to direktivně řídit (na rozdíl od výzkumu, kde data vznikají „živelně“)
▪ Vládní standardy a metodiky (ministerstva)
▪ Národní katalog otevřených dat, https://data.gov.cz/datové-sady (cca 5.000 dat.sad)
▪ Portál otevřených dat, https://data.gov.cz/
▪ Open Data Maturity Report (žebříček EK, za r. 2020 ČR na 21.místě z 35 zemí)
Otevřená věda, otevřená data39
4.2 Vymezení, omezení, aplikace
̶ Otevřenými daty se pro účely tohoto zákona rozumí informace zveřejňované
způsobem umožňujícím dálkový přístup v otevřeném a strojově čitelném
formátu, jejichž způsob ani účel následného využití není omezen a které jsou
evidovány v národním katalogu otevřených dat. (Zákon 106/1999 Sb.)
̶ Otevírání dat versus omezení
▪ Ochrana utajovaných skutečností
▪ Ochrana osobních údajů (GDPR)
▪ Ochrana obchodního tajemství
▪ Ochrana důvěrnosti majetkových poměrů osob
▪ a další (informace o probíhajícím trestním řízení, …)
̶ Data versus aplikace
▪ Jedna věc je mít data, druhá umět je využít
▪ Kde jsou data, jak se k nim dostat, vyznat se v nich … problém pro BFU!
▪ Přístup přes veřejné aplikace
Otevřená věda, otevřená data40
4.3 Brněnský datový portál
̶ Datový portál, jehož prostřednictvím poskytuje město Brno svá data veřejnosti
̶ V provozu od 2018: statistiky, analýzy, zprávy o stavu města, data a aplikace
pro jejich prohlížení
̶ Cíl: poskytovat data pro tvorbu aplikací veřejnosti
̶ Jak pracovat s portálem https://www.youtube.com/watch?v=Eu2htGP82PE
https://data.brno.cz
Otevřená věda, otevřená data41
4.4 Hlídač státu
̶ Nezisková organizace, kontrola a transparentnost státní správy
̶ Propojování a analýzy dat z různých zdrojů:
registr smluv, veřejné zakázky, dotace, sponzoři politických stran, politici, aj.
̶ Výstupy volně dostupné občanům, médiím, …
https://www.hlidacstatu.cz/
Otevřená věda, otevřená data42
4.4 Kde jsme
̶ Vyhledávání četností příjmení či jména v rámci ČR a jejich geo-rozložení
(nemusí jít vždy jen o „vážné aplikace“)
̶ 412 387 unikátních příjmení a 147 511 unikátních jmen
̶ Top-žebříčky
̶ Bohužel od 1.1.2020 neaktualizovaná – data z MV již nepřístupná (GDPR)
https://www.kdejsme.cz
Otevřená věda, otevřená data43
5. Otevřená personální data
Otevřená věda, otevřená data44
5.1 Fenomén počátku 21. století
Všudepřítomná rychlá globální síť + mobilní komunikace
̶ Sociální sítě, vyhledávače, smartphones, wearable zařízení →
obrovské množství dat o uživatelích (sociální BigData)
▪ Personální data – konání, chování, smýšlení lidí, texty, tweety, lajky, fotky…
▪ Velká část uživatelů je poskytuje bez přemýšlení a bez omezení
„Když za službu neplatíte, nejste jejím zákazníkem, ale produktem!“
̶ GAFAM (Google, Amazon, Facebook, Apple, Microsoft) a ti další
▪ masivní sběr dat o uživatelích – data analyzovat a využít pro cílené ovlivňování uživ.
̶ Obrovský byznys, např Facebook:
▪ 2 mld uživatelů denně (celkem 3 mld); tržby za 2020: 86 mld USD (98 % z reklamy)
https://byznys.hn.cz/c1-66957120-firmy-behem-pandemie-zacaly-vic-utracet-za-on-line-reklamu-facebook-diky-tomu-
zdvojnasobil-ctvrtletni-zisk
Otevřená věda, otevřená data45
5.2 Psychological targeting (jak na uživatele)
̶ Pozitivní uživatelská zkušenost = klíč k úspěchu služby
̶ Segmentace a Psychometrie:
▪ Analýza dat (příspěvky, lajky, tweety, vyhledávání, brouzdání, nákupy, GPS data)
▪ Přesná (přes 90 %) segmentace uživatelských skupin (pohlaví, rasa, vzdělání, pohlavní
orientaci, věková kategorie, lokalita, volební preference)
▪ Algoritmická predikce psychologických charakteristik (základních osobnostních rysů)
jednotlivých osob (Big5)
̶ Psychologické zacílení:
▪ Tvorba a distribuce psychologicky personalizovaného sdělení
▪ Generovat pro uživatele cíleně takový obsah (správně vybrané informace, reklamy),
který je pro něj atraktivní a vyvolá u něj žádoucí odezvu/chování
̶ „Dobro“ – zlepšení služby, osvětová zdravotnická kampaň, …
̶ „Zneužití“ – od agresivní cílené reklamy až po ovlivňování voleb
Otevřená věda, otevřená data46
Cambridge Analytica
Příběh ze života
Otevřená věda, otevřená data47
5.3 Cambridge Analytica
̶ Britská soukromá politická konzultační firma (2013-2018)
̶ Politický marketing s využitím sofistikovaných technologií dolování a analýzy dat
̶ Podílela se na > 200 volebních kampaních po celém světě
̶ Obviněna z nekalých praktik na podporu Trumpovy prezidentské kampaně 2016
̶ „Zabiják voleb“ – velká politická a mediální aféra
̶ Zneužití dat o uživatelích z Facebooku
̶ "We exploited Facebook to harvest millions of people's profiles. And built models
to exploit what we knew about them and target their inner demons."
Christopher Wylie, whistblower (2013-14 výzkumný ředitel CA)
Otevřená věda, otevřená data48
CA – Příběh ze života
̶ Původně obranný výzkum:
CA původně rozvíjel obranný a vojenský výzkum započatý její mateřskou formou SCL
Group pro britskou vládu (identifikace osob ovlivnitelných extrémistickou propagandou;
šíření a dopady extrémistických zpráv na sociálních sítích)
Otevřená věda, otevřená data49
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu využívající vyvinuté technologie proti politickým
oponentům zákazníků, údajně (C. Wylie) zejména ve prospěch extrém. pravicových hnutí
alt-right (financování od britského miliardáře Roberta Mercera)
Otevřená věda, otevřená data50
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku:
V roce 2015 vyvinul Alexander Kogan z Global Science Research aplikaci pro Facebook
„“This is Your Digital Life“ s osobnostním testem, a zdarma či za drobnou úplatu (1-2
USD) ji nabídli zájemcům na Facebooku (pro akademický výzkum), těch se nakonec
našlo 270.000. Zájemci dali aplikaci souhlas se stažením jejich dat – což ale poskytlo
aplikaci navíc přístup i k účtům 87 miliónů jejich přátel, se kterými byli na Facebooku
v kontaktu (Facebook to v té době neblokoval a aplikaci autorizoval). Došlo tak k úniku
informací 87 miliónů lidí, kteří k tomu nedali souhlas. Data se dostala k CA.
Otevřená věda, otevřená data51
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
Na nasbíraná a rozšířená data (doplněná i z jiných aplikací/zdrojů či průzkumů) použili
různé techniky segmentace a psychometrických analýz. Na základě toho údajně CA
„mohla zjistit o jednotlivých lidech věci, které o sobě ani oni sami nevěděli“.
Otevřená věda, otevřená data52
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
̶ Psychological political targeting:
na základě osobnostních profilů (zpracovaných údajně pro všechny občany USA!) spustili
cílenou reklamu („dezinformační kampaň“?) zaměřenou na určité voličské segmenty –
zejména na nerozhodnuté voliče a osoby se sklonem ke konspiračním teoriím, a to se
snahou podpořit Donalda Trumpa.
Otevřená věda, otevřená data53
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
̶ Psychological political targeting (manipulační kampaň ve prospěch Trumpa)
̶ Medializace a skandál:
Na podzim 2017 spustila TV stanice Channel 4 News skrytou 4měsíční investigativní akci.
Reportér se představil zástupcům CA jako potenciální zákazník, který hledá pomoc pro
zvolení kandidáta ve volbách na Sri Lance. Přitom nahrával záznamy ze schůzek a sbírali
informace o operacích CA. Dne 19.3.2018 o tom odvysílali reportáž. To odstartovalo velký
mediální skandál. -- Čtyři roky po prvotním sběru dat a rok po amerických volbách (do
kterých měla CA významně zasáhnout, jak se sama vychloubala).
Otevřená věda, otevřená data54
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
̶ Psychological political targeting (manipulační kampaň ve prospěch Trumpa)
̶ Medializace a skandál na podzim 2017
̶ 2018: Vyšetřování Úřadu britského komisaře pro informace (Information Commissioner´s
Office – ICO) a celosvětová mediální dehonestace CA
Otevřená věda, otevřená data55
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
̶ Psychological political targeting (manipulační kampaň ve prospěch Trumpa)
̶ Medializace a skandál na podzim 2017
̶ Vyšetřování Úřadu britského komisaře pro informace a mediální dehonestace CA
̶ 1.5.2018 CA zaniká
Otevřená věda, otevřená data56
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
̶ Psychological political targeting (manipulační kampaň ve prospěch Trumpa)
̶ Medializace a skandál na podzim 2017
̶ Vyšetřování Úřadu britského komisaře pro informace a mediální dehonestace CA
̶ 1.5.2018 CA zaniká
̶ V červnu 2019 dostal Facebook od Federální obchodní komise USA obří pokutu
5 mld USD za porušení ochrany údajů (výrazně nejvyšší pokuta, jakou kdy FTC udělil).
Otevřená věda, otevřená data57
CA – Příběh ze života
̶ Původně obranný výzkum
̶ Postupný přerod na vlivovou agenturu proti politickým oponentům zákazníků
̶ Zneužití personálních dat nasbíraných z Facebooku
̶ Segmentace a psychometrické analýzy
̶ Psychological political targeting (manipulační kampaň ve prospěch Trumpa)
̶ Medializace a skandál na podzim 2017
̶ Vyšetřování Úřadu britského komisaře pro informace a mediální dehonestace CA
̶ 1.5.2018 CA zaniká
̶ V červnu 2019 dostal Facebook obří pokutu 5 mld USD za porušení ochrany údajů
̶ Marc Warner (demokratický senátor), 17.3.2018:
“This story is more evidence that the online political advertising market is essentially the
Wild West…it’s clear that, left unregulated, this market will continue to be prone to
deception and lacking in transparency. This is another strong indication of the need for
Congress to quickly pass the Honest Ads Act to bring transparency and accountability to
online political advertisements."
Otevřená věda, otevřená data58
CA – Shrnutí
̶ V zásadě (pokud pomineme zneužití dat z Facebooku a některé doprovodné „služby“
nabízené CA spojené s agresivní diskreditací politiků) nedělala CA nic jiného, než řada
jiných analytických firem před ní i po ní.
̶ Josef Šlerka, FF UK, 2017
https://zpravy.aktualne.cz/zahranici/zadny-zabijak-voleb-neexistuje-je-to-jen-sikovna-reklama-
jed/r~0dc71f94f20111e69d89002590604f2e/
▪ „Už během druhé prezidentské kampaně Baracka Obamy (2012) jsme slyšeli o firmě
Bluefin Lab, kterou měl využít Obamův tým pro lepší zacílení kampaně.“
▪ „Teď se zase říká, že Donaldu Trumpovi vyhrála volby jiná marketingová firma s
lepším algoritmem. Jenže situace je taková, že nikdo nemá dostatek volně
přístupných dat, aby to ověřil. Z jednoho prostého důvodu: firma Cambridge Analytica
nám říká jen to, co chce. … Opakuji: my prostě nevíme a nemůžeme změřit, v čem je
unikátní metoda této firmy a jaká je její skutečná efektivita.“
̶ Problémem není ani tak CA, jako Facebook a jeho politika (data, přístupy, zodpovědnost)
Otevřená věda, otevřená data59
Problémem není CA, problémem je Facebook
̶ Kauza CA není zdaleka tak výjimečnou událostí, jak se snaží dnes Facebook prodávat.
Facebook je totiž na vytěžování a prodeji dat svých uživatelů přímo postavený. Na
Facebooku inzeruje 7 miliónů firem, kterým Facebook poskytuje možností cílené
reklamy (data o uživatelích)
̶ Facebook (s téměř 3 mld uživatelů) prakticky „monopolizoval“ internetový veřejný
prostor, což má mj. i zásadní dopady na podobu demokracie.
̶ V lednu 2021 zrušil Facebook v souvislosti s útokem na Kapitol účet americkému
prezidentu Donaldu Trumpovi (5.5.2021 rozhodla Kontrolní rada společnosti Facebook,
že zákaz je platný až do roku 2023)
▪ Je Facebook platforma (nezodpovídá za obsah uživatelů) nebo vydavatel (zodpovídá)?
̶ 4.6.2021 EK začala vyšetřovat Facebook na podezření ze zneužití postavení na
reklamním trhu. Může vyměřit pokutu až 1/10 z ročních tržeb, ty činily za rok 2020
celkem 86 mld USD.
̶ Problém se netýká jen Facebooku, GAFAM omezují trh a monopolizují svá postavení
Otevřená věda, otevřená data60
5.4 Digitální stopa
Otevřená věda, otevřená data61
5.4 Co s vaší Digitální stopou?
̶ Podle výzkumu na UK lidé u nás vědí, kolik dat o sobě na internetu
zanechávají, ale taky se toho příliš nebojí. Jsou bezstarostní a pyšní, že na
ně přece nějaké triky marketingových firem nebudou působit. Ale ony působí.
̶ Nejde nebýt součástí těchto her, pokud jste na sociálních sítích.
̶ Uživatel by se měl být vědom, jak obrovskou stopu za sebou na internetu
nechává. [a snažit se ji minimalizovat]
̶ Podobné stopy jsme po sobě nechávali v minulosti také, ale nebyl k nim tak
jednoduchý přístup. Navíc nové technologie umožňují tyto dříve roztříštěné
informace spojovat snadno dohromady.
Josef Šlerka, 2017
https://zpravy.aktualne.cz/zahranici/dejte-pozor-jaka-data-o-sobe-na-sitich-sdilite-muzou-vas-
svl/r~a925a40cf2b411e681eb0025900fea04/
Otevřená věda, otevřená data62
Diskuse