ইঞ্জিনিয়ারদের জন্য এথিক্যাল ডিসিশন-মেকিং ফ্রেমওয়ার্ক

# একটি সিন্থেটিক, ইলাস্ট্রেটিভ দৃশ্য -- বাস্তব কোনো কোম্পানি নয়
# M1, M2 ও M5-এর প্যাটার্ন একত্র করে একটি চার-ধাপের এথিক্যাল রিভিউ

def identify_stakeholders(scenario):
    print("ধাপ ১ -- স্টেকহোল্ডার শনাক্তকরণ:")
    for s in scenario["stakeholders"]:
        print(f"  - {s['name']}: {s['impact']}")
    return scenario["stakeholders"]

def apply_frameworks(scenario):
    util_score = scenario["utilitarian_net_benefit"]
    violations = scenario["deontological_rule_violations"]
    worst_case = min(s["utility"] for s in scenario["stakeholder_utilities"])
    print("ধাপ ২ -- একাধিক এথিক্যাল ফ্রেমওয়ার্ক প্রয়োগ:")
    print(f"  - উপযোগবাদী নিট সুফল (ইলাস্ট্রেটিভ ইউনিট): {util_score:+.1f}")
    print(f"  - ডিওন্টোলজিকাল নিয়ম লঙ্ঘন: {violations if violations else 'কোনোটি পাওয়া যায়নি'}")
    print(f"  - Maximin (সবচেয়ে খারাপ-অবস্থানে থাকা পক্ষের ফলাফল): {worst_case:+.1f}")
    return util_score, violations, worst_case

def check_professional_codes(scenario):
    print("ধাপ ৩ -- প্রফেশনাল কোড যাচাই:")
    flagged = []
    for theme, satisfied in scenario["code_theme_check"].items():
        status = "ঠিক আছে" if satisfied else "লঙ্ঘিত হতে পারে"
        print(f"  - {theme}: {status}")
        if not satisfied:
            flagged.append(theme)
    return flagged

def assess_proportionality(scenario):
    severity = scenario["problem_severity"]
    intrusiveness = scenario["intervention_intrusiveness"]
    ratio = intrusiveness / severity
    print("ধাপ ৪ -- প্রোপোরশনালিটি মূল্যায়ন:")
    print(f"  - সমস্যার তীব্রতা: {severity}/১০, হস্তক্ষেপের অনুপ্রবেশমূলকতা: {intrusiveness}/১০")
    print(f"  - অনুপাত (intrusiveness / severity): {ratio:.2f}  (১.০-এর অনেক বেশি মানে সম্ভাব্য অতিরিক্ত হস্তক্ষেপ)")
    return ratio

def ethical_decision_review(scenario):
    identify_stakeholders(scenario)
    print()
    util_score, violations, worst_case = apply_frameworks(scenario)
    print()
    flagged_codes = check_professional_codes(scenario)
    print()
    ratio = assess_proportionality(scenario)

    print("\nধাপ ৫ -- সারসংক্ষেপ ও সুপারিশ:")
    needs_review = bool(violations) or bool(flagged_codes) or ratio > 1.2
    if needs_review:
        print("  => আরও পর্যালোচনা প্রয়োজন -- বর্তমান ডিজাইনে পরিবর্তন ছাড়া এগোনো উচিত নয়")
    else:
        print("  => বর্তমান শর্তে এগিয়ে যাওয়া যুক্তিসঙ্গত, তবে ডকুমেন্টেশন ও পর্যায়ক্রমিক রিভিউ চালিয়ে যান")
    return needs_review

scenario = {
    "stakeholders": [
        {"name": "কর্মীরা",          "impact": "প্রাইভেসি হ্রাস, নজরদারিজনিত মানসিক চাপ বাড়ার ঝুঁকি"},
        {"name": "ম্যানেজমেন্ট",      "impact": "প্রোডাক্টিভিটি ডেটা ও সম্ভাব্য ডেটা-লিক শনাক্তকরণ সুবিধা"},
        {"name": "কোম্পানির ক্লায়েন্ট", "impact": "পরোক্ষভাবে ডেটা সুরক্ষা কিছুটা উন্নত হতে পারে"},
    ],
    "utilitarian_net_benefit": 3.5,  # ইলাস্ট্রেটিভ ইউনিট -- সামগ্রিকভাবে সামান্য ইতিবাচক
    "deontological_rule_violations": [
        "কর্মীদের স্পষ্ট সম্মতি ছাড়া ব্যক্তিগত ইমেইল বিষয়বস্তু স্ক্যান করা -- 'সম্মতি ছাড়া নজরদারি নয়' নিয়ম লঙ্ঘন"
    ],
    "stakeholder_utilities": [
        {"name": "কর্মীরা", "utility": -4},
        {"name": "ম্যানেজমেন্ট", "utility": 6},
        {"name": "ক্লায়েন্ট", "utility": 2},
    ],
    "code_theme_check": {
        "প্রাইভেসির প্রতি শ্রদ্ধা": False,
        "সততা/স্বচ্ছতা": True,
        "ক্ষতি এড়ানো": True,
    },
    "problem_severity": 4,          # ডেটা-লিক একটি বাস্তব কিন্তু এখানে মাঝারি মাত্রার উদ্বেগ
    "intervention_intrusiveness": 8, # সম্পূর্ণ কীস্ট্রোক/ইমেইল মনিটরিং অত্যন্ত অনুপ্রবেশমূলক
}

ethical_decision_review(scenario)