A potentially powerful method of social-scientific data collection and investigation has been created by an unexpected institution: the law. Article 15 of the EU's 2018 General Data Protection Regulation (GDPR) mandates that individuals have electronic access to a copy of their personal data, and all major digital platforms now comply with this law by providing users with "data download packages" (DDPs). Through voluntary donation of DDPs, all data collected by public and private entities during the course of citizens' digital life can be obtained and analyzed to answer social-scientific questions - with consent. Thus, consented DDPs open the way for vast new research opportunities. However, while this entirely new method of data collection will undoubtedly gain popularity in the coming years, it also comes with its own questions of representativeness and measurement quality, which are often evaluated systematically by means of an error framework. Therefore, in this paper we provide a blueprint for digital trace data collection using DDPs, and devise a "total error framework" for such projects. Our error framework for digital trace data collection through data donation is intended to facilitate high quality social-scientific investigations using DDPs while critically reflecting its unique methodological challenges and sources of error. In addition, we provide a quality control checklist to guide researchers in leveraging the vast opportunities afforded by this new mode of investigation.

中文翻译：

---

通过数据捐赠收集数字踪迹数据

一个意想不到的机构创造了一种潜在的强大的社会科学数据收集和调查方法：法律。欧盟 2018 年通用数据保护条例 (GDPR) 第 15 条规定，个人可以通过电子方式访问其个人数据的副本，所有主要数字平台现在都通过向用户提供“数据下载包”(DDP) 来遵守该法律。通过自愿捐赠 DDP，可以获取和分析公共和私人实体在公民数字生活过程中收集的所有数据，以回答社会科学问题——征得同意。因此，同意的 DDP 为大量新的研究机会开辟了道路。然而，虽然这种全新的数据收集方法无疑会在未来几年受到欢迎，它还带来了其自身的代表性和测量质量问题，这些问题通常通过误差框架进行系统评估。因此，在本文中，我们提供了使用 DDP 进行数字跟踪数据收集的蓝图，并为此类项目设计了一个“总误差框架”。我们通过数据捐赠收集数字追踪数据的错误框架旨在促进使用 DDP 进行高质量的社会科学调查，同时批判性地反映其独特的方法论挑战和错误来源。此外，我们提供了一份质量控制清单，以指导研究人员利用这种新研究模式提供的巨大机会。在本文中，我们提供了使用 DDP 进行数字跟踪数据收集的蓝图，并为此类项目设计了“总误差框架”。我们通过数据捐赠收集数字追踪数据的错误框架旨在促进使用 DDP 进行高质量的社会科学调查，同时批判性地反映其独特的方法挑战和错误来源。此外，我们提供了一份质量控制清单，以指导研究人员利用这种新研究模式提供的巨大机会。在本文中，我们提供了使用 DDP 进行数字跟踪数据收集的蓝图，并为此类项目设计了“总误差框架”。我们通过数据捐赠收集数字追踪数据的错误框架旨在促进使用 DDP 进行高质量的社会科学调查，同时批判性地反映其独特的方法挑战和错误来源。此外，我们提供了一份质量控制清单，以指导研究人员利用这种新研究模式提供的巨大机会。我们通过数据捐赠收集数字追踪数据的错误框架旨在促进使用 DDP 进行高质量的社会科学调查，同时批判性地反映其独特的方法挑战和错误来源。此外，我们提供了一份质量控制清单，以指导研究人员利用这种新调查模式提供的巨大机会。我们通过数据捐赠收集数字追踪数据的错误框架旨在促进使用 DDP 进行高质量的社会科学调查，同时批判性地反映其独特的方法挑战和错误来源。此外，我们提供了一份质量控制清单，以指导研究人员利用这种新研究模式提供的巨大机会。