Legal · 法务
数据伦理准则
汤川科技在多模态语言数据采集、处理与共享中的伦理原则、知情同意、去标识化与审查流程。
本准则适用于汤川科技及其合作方在开展多模态语言数据的设计、采集、处理、标注、验证、存储与共享活动中的全部环节。我们将伦理视为数据质量的一部分:一份无法说明来源、授权与处理边界的语料,无论规模多大,都不具备研究价值。本准则所列要求,与具体项目合同、伦理批件及数据处理协议共同构成我们的行为约束。
一、宗旨与原则
我们遵循以下四项基本原则:
- 尊重自主:充分告知数据用途、保存期限与共享范围,尊重参与者的知情选择与随时退出的权利。
- 善行与不伤害:评估研究可能带来的身心、社会与声誉风险,采取与风险相匹配的保护措施。
- 公正:在招募、受益分配与数据处理中避免歧视,特别关注弱势群体的额外保护需求。
- 最小化与可问责:仅采集实现研究目的所必需的数据,并对处理过程保留可审计的记录。
二、适用范围
本准则覆盖实验室、田野、家庭、学校、医疗机构与远程场景下的语音、视频、文本、眼动、生理信号与动作捕捉数据;覆盖参与者招募、知情同意、采集执行、处理与标注、质量复核、存储与访问、对外共享、二次使用与销毁的全生命周期;同样适用于受委托作为处理方承接的项目,此时我们按照委托方的伦理批件与书面指示执行,并对执行过程负责。
三、知情同意
知情同意是数据合法性的起点。我们要求同意过程满足四个条件:信息充分、理解到位、自愿作出、可以撤回。告知内容至少包括:项目目的与研究方法;采集的数据类型、时长与场景;数据的使用范围与共享方式;保存期限与销毁方式;潜在风险与应对措施;参与者可随时暂停或退出的方式;研究团队与伦理审查联系人。
同意应以书面或可留痕的电子形式作出,并记录同意书版本号、签署时间与说明人。涉及敏感个人信息、生物识别特征或儿童数据时,须取得单独同意。同意范围变更时,应重新告知并取得新的同意;不得以「研究需要」为由追溯扩大既有同意的适用范围。
四、儿童与弱势群体
儿童、认知障碍者、被监管人员与处于依赖关系中的参与者属于弱势群体,需要额外保护:
- 涉及儿童的采集须取得监护人书面同意,并以适龄语言征得儿童本人的配合与意愿表达。
- 采集过程中允许随时暂停,避免长时间连续录制与造成疲劳、焦虑。
- 不采集与语言研究无关的家庭隐私内容,不在公开渠道发布可识别儿童身份的音视频片段。
- 涉及医疗机构、学校或照护机构时,同步完成机构层面的伦理审批与数据管理约定。
- 对处于依赖关系的参与者,避免由直接上级或照护者单独实施招募与同意说明。
五、去标识化与匿名化
我们以「直接标识去除、准标识控制、可识别性评估」三步处理数据。直接标识包括姓名、联系方式、身份证件号、精确住址与单位名称;准标识包括年龄、性别、职业、方言点与教育背景的组合;可识别性评估由未参与采集的成员对处理后的样本进行试听或试读,判断是否仍可能推断出个人身份。
语音数据具有声纹特征,去标识化难度高于文本。我们的做法是:原始音频仅在受控环境留存并加密存储;分析副本做必要的音高、语速归一化与背景信息裁剪;对高风险片段仅提供转写与特征文件。任何去标识化操作均记录方法、执行人与日期,处理后数据的再识别风险在交付报告中说明。
六、最小化与目的限制
采集前应明确研究问题与所需变量,避免「先录下来再说」。处理与共享仅在批件与授权范围内进行,不因数据「顺便可得」而扩展用途。未经明确授权,不得将研究数据用于模型训练、产品开发、广告投放或其他商业目的。项目结束后按约定销毁或匿名化,并出具处理证明。
七、伦理审查流程
所有涉及人类参与者的项目在启动前须通过伦理审查。审查以书面材料与会议评审结合的方式进行,重点核查风险与收益、同意流程、数据管理与弱势群体保护。
| 阶段 | 审查内容 | 产出 |
|---|---|---|
| 立项 | 研究目的、参与者范围、风险初评 | 伦理审查申请表 |
| 方案设计 | 采集清单、同意书、数据管理计划 | 方案与同意书定稿 |
| 采集前 | 场地、设备、人员资质、应急预案 | 采集准备确认单 |
| 处理中 | 去标识化方案、访问权限、共享范围 | 处理记录与访问日志 |
| 交付前 | 可识别性评估、授权链完整性 | 伦理合规声明 |
| 结项 | 数据去向、销毁或归档 | 结项与销毁记录 |
审查不通过的项目不得进入采集;采集过程中出现未预见的风险时,应暂停并重新审查。
八、采集现场规范
现场执行遵循「先告知、再检查、后录制」的顺序:确认参与者已理解同意内容并完成签署;检查设备、场地与隐私条件,避免无关人员在场;录制前明确提示开始与结束;允许参与者在任何时刻要求停止并删除相关片段。采集人员应接受伦理培训,签署保密承诺,不在个人设备上保存原始素材。
九、标注与处理环节
标注人员仅接触完成任务所需的最小数据,签署保密协议并接受伦理培训。标注过程中发现涉及个人隐私、违法违规或可能造成伤害的内容,应停止处理并上报。对外包标注团队,须签署数据处理协议,明确访问范围、留存期限与违约责任,并进行定期审计。
十、语料二次使用与授权链
语料对外共享时,须确保授权链完整:参与者同意覆盖共享用途;委托方具备再许可权利;共享协议明确使用目的、范围、期限与禁止再识别条款。我们对申请方进行用途审查,要求其承诺不尝试再识别、不向第三方转授权,并在成果中按约定方式引用数据来源。
十一、敏感数据与生物特征
生理信号、眼动轨迹、面部视频与声纹属于敏感个人信息,须单独同意并采取更严格的访问控制。生物特征数据不用于身份认证用途,不与外部数据库比对,不在云端明文存储。涉及医疗场景的数据,还应遵守医疗数据与健康信息的相关规定。
十二、研究者与标注者权益
伦理不仅保护参与者,也保护研究执行者。我们为标注人员提供心理支持渠道,避免其长时间接触高情绪负荷内容;明确工作量与休息安排;对涉及创伤性内容的项目提供轮换机制与知情说明。研究者的学术贡献按实际参与情况署名。
十三、违规处理与申诉
任何成员发现违反本准则的行为,可通过伦理联系邮箱匿名或实名报告。我们承诺在 10 个工作日内启动核查,必要时暂停相关项目,并在核查结束后向报告人反馈处理结果。对违反准则的成员或合作方,视情节采取培训、整改、终止合作等措施;涉嫌违法的,移交相关部门处理。
十四、联系方式与更新
如对本准则有疑问、建议或需要报告伦理问题,请联系:汤川科技伦理审查联系人,邮箱 admin@tomcube.com,电话 +86 10 8585 8518,地址:北京市朝阳区豆各庄乡水牛坊015号东楼二层247室。我们每年对本准则进行一次复审,并在网站公布最新版本。
本准则版本:v2.0;更新日期:2026 年 11 月 1 日;生效日期:2026 年 11 月 15 日。