城市竞争情报 ---都市圈研究

公共图书馆被推举为数据治理的“中立第三方”

供稿人:祝碧衡  供稿时间:2019-11-1   关键字:智慧城市  多伦多  Alphabet  多伦多公共图书馆  数据治理  

2017年以来,多伦多市与谷歌的母公司Alphabet旗下的Sidewalk Labs联合打造的Sidewalk Toronto智慧社区项目,在数据隐私与监控方面一直遭到社会质疑。为使该项目顺利推进,多伦多地区贸易委员会(The Toronto Region Board of Trade)于2019年1月发布了一份长达17页的名为《图书馆技术——超越滨水区:关于多伦多公共图书馆建立公众数据港的城市建设方案(BiblioTech——Beyond Quayside: A City-Building Proposal for the Toronto Public Library to Establish a Civic Data Hub)》报告,探讨了其他机构应对码头区与新兴项目的数据治理及相关知识产权(IP)资产承担监督责任的议题,在此基础上,提议将开发多伦多数据港(Toronto Data Hub)及相关政策的责任和权力委托给多伦多公共图书馆(Toronto Public Library)负责,监督所有智慧城市项目的数据治理,以期实现“中立的第三方数据治理模型”、“强化了的民主负责制的执行机制”,以及“与公众共享知识产权商业化后的经济利益”这三个诉求。

优先选择多伦多公共图书馆的三大理由

该委员会认为,多伦多地区的经济增长在加拿大处于领先地位,但保持这一优势并提升其全球竞争力则需要多伦多建立一个鼓励创新同时保护个人隐私的数据治理[[1]]模型,该模型不仅要责任感强,而且可复制可推广,为其他地区树立榜样,它应由第三方组织处理,而非项目支持者。因此,多伦多公共图书馆是最优选择,理由有三:

  • 是一个受省级法律监管的机构,符合安大略省和多伦多市的现有隐私立法和报告要求;
  • 在信息管理和数据悟性(data savvy)方面拥有良好的声誉,在开放数据政策的指导下,上线了自己的开放数据网站;与此同时,还建立了一个创新委员会以“加强图书馆在技术和创新领域的形象”;
  • 是一个具包容性、值得信赖的社区中心,能为多伦多市民提供免费、平等的信息和服务,具敏锐的公共使命感,各项任务兼顾考虑公共利益与合法的经济和商业机会,因此,可以领导这一进程。

报告认为,指定一个受人尊敬的中立的公众机构为公共领域物联网智慧城市项目创建数据港,还有另一个目的,即城市建设。这类政策方法可用来预测信息驱动型城市未来的制度需求。

数据港建设的六条建议

在此基础上,该报告还提供了有关数据港建设、数据收集和使用、执法权力、融资模式和知识产权管理的其他建议。

1.多伦多公共图书馆应建立数据港的治理结构,优选在多伦多公共图书馆内建立围栏数据存储库(ring-fenced Data Repository )这一方案[[2]],当然也可以将数据港建成为一个独立的数据信托组织。在审议数据港的性质以及它是否应该成为一个独立的数据信托组织时,多伦多公共图书馆应考虑可推广性以及该实体在城市(或其他潜在的合作伙伴城市)中生成的其他数据的潜力,以确保一致性和最大化公共利益,并将所收集的数据知识化。

2.多伦多公共图书馆应负责与公民、专家与相关公私机构组织协商,确定数据收集及使用的政策和协议,如数据所有者、居住地、使用情况、强有力的政策框架和报告结构等。随着智能手机应用和互联网连接设备的激增,个人会在不了解数据收集的程度或存储和使用方式的情况下就直接同意了数据和隐私政策。多伦多公共图书馆可以从Quayside项目开始,需要强调这些议题,并确定它们何时以及如何应用于多伦多的智慧城市发展。多伦多地区贸易委员会建议多伦多公共图书馆与研究人员和专家建立数据使用审查委员会(Data Use Review Board)。

3.数据港应由安大略省信息和隐私专员(IPC)监督,安大略省政府应向IPC提供强有力的执法权,包括允许对滥用数据征收罚款。作为一个市政机构,多伦多公共图书馆已经受到《市政信息自由和隐私保护法(MFIPPA)》的保护,因此属于安大略省信息和隐私专员(IPC)的权力范围;IPC还负责监督《信息自由和隐私保护法(FIPPA)》和《个人健康信息保护法(PHIPA)》。这三项法案已成为公共机构和医疗服务提供者如何收集、使用和披露个人信息的指南。随着这项工作的进展,联邦政府还应该通过监督《个人信息保护和电子文件法(PIPEDA)》的加拿大隐私专员来探讨隐私问题,该法案是针对私营部门组织的联邦隐私法。

4.一旦建立,数据港应该实现自我运转——在基于数据使用的成本回收模型上运行。多伦多地区贸易委员会建议采用按服务付费的模式(a fee-for-service model),鉴于Quayside项目将产生初始数据输入,多伦多公共图书馆用于该项目咨询和启动的资金应由多伦多湖滨区通过码头区项目提供,其作为该数据港的第一个事实上的客户。数据港在建设过程中就要考虑费用结构,但最终仍希望收集和使用数据的组织将持续为其运营提供资金。在设计费用结构时,多伦多公共图书馆也可以考虑向公共部门组织或非营利组织提供优惠的低收费,或者免费提供某些类型的数据。

5.为了让公众分享到在码头区和其他公共领域物联网智慧城市项目知识产权商业化的经济利益,多伦多地区贸易委员会建议多伦多公共图书馆与包括多伦多湖滨开发公司在内的其他组织合作,确定获取数据潜在价值的方式,这可以借鉴学习市政府使用的传统土地价值获取方法。

6.多伦多公共图书馆应考虑利用学术联盟(The Academic Consortium Approach)或知识产权/技术转让办公室(The City Commercialization Office /Tech Transfer Approach)的形式从Quayside项目获取知识产权的经济利益。研究人员和第三方组织可以向数据港和多伦多公共图书馆的数据使用审查委员会披露其商业上可行的知识产权,并与学术联盟的一个创新办公室合作,为其发明或创造申请专利。或与在多伦多市内创建的新知识产权转化和商业化办公室合作,以保护其发明或创造。这些方法将确保智慧城市项目创造的未来收入直接通过多伦多市的项目和服务让多伦多市民受益。此外,在多伦多市设立专利局也可以帮助它在内部促进创新,并为城市建设项目开辟新的收入来源。

图书馆负责数据治理,仍需研究

据《城市实验室(City Lab)》杂志介绍,多伦多公共图书馆服务开发和创新总监Pam Ryan说,这仍只是个提案,没有关于这个模型的细节。她补充说,他们没有参与起草提案,只是被要求提供反馈,但图书馆愿意接受这个想法。

而纽约普拉特研究所图书馆学教授黛比·拉比纳(Debbie Rabina)则提醒说,必须仔细考虑让图书馆负责数据治理。图书馆负责传授数据素养和隐私保护知识,与帮助城市传播数据是一回事。但比这还要更进一步的——让图书馆收集和拥有数据并让他们评估谁能、谁不能使用数据——可能会导致道德冲突及侵蚀公众信任等不可意料的后果。

 

参考文献
  1. Sidewalk Toronto: Home. https://www.sidewalktoronto.ca/
  2. Toronto Region Board of Trade. BiblioTech——Beyond Quayside: A City-Building Proposal for the Toronto Public Library to Establish a Civic Data Hub. January 2019. https://www.bot.com/Portals/0/Bibliotech%20-%20Final%20-%20Jan%208.pdf?timestamp=1546987861621
  3. LINDA POON. Should Libraries Be the Keepers of Their Cities’ Public Data?
  4. [2019-2-11]https://www.citylab.com/life/2019/02/libraries-public-information-city-data-digital-archive/581905/
  5. Emily Price. This Is What Google’s First ‘Smart City’ Will Look Like. [2019-2-21] https://fortune.com/2019/02/21/google-smart-city-sidewalk-labs/.

 


[[1]] 作为一种数据管理概念,数据治理是指对数据的获取、处理、使用进行监管的过程,确保数据的准确、适度分享和保护。有效的数据治理计划会通过改进决策、缩减成本、降低风险和提高安全合规等方式,将价值回馈于业务,并最终体现为增加收入和利润。而数据管家的作用是确保遵循、指导、执行数据治理流程,并建议改进数据治理流程。

[[2]] 与数据信托组织这一形式相比,数据存储库可以在其赞助组织更直接和持续的监督下开展运作,提供增强的监督,形成问责制,以及可以访问更多的组织资源和专业知识。比如,在安大略省,电力系统中智能电表的数据存放在仪表数据管理库(MDM/R)中,由独立电力系统运营商作为指定的智能计量实体运行。

 


注册成为正式用户,登陆后,获得更多阅读功能与服务!
转载本文需经本平台书面授权,并注明出处:上海情报服务平台www.istis.sh.cn
了解更多信息,请联系我们

§ 请为这篇文章打分(5分为最好)