Tutorial: Data anonymisation for open science

Kein Vorschaubild vorhanden
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
08.07.2024
Typ der Arbeit
Studiengang
Sammlung
Institut für Unternehmensführung
Komplettanzeige
Typ
06 - Präsentation
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI der Originalpublikation
URI
https://irf.fhnw.ch/handle/11654/48367
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Verlagsort / Veranstaltungsort
Salzburg
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
One of the key elements of open science is open data that are available to a wide spectrum of users. Unfortunately, many datasets cannot be publicly available mostly for privacy reasons because data protection laws fundamentally restrict personal data use. In this tutorial, we will go through methods of statistical disclosure control with different anonymisation approaches that can be used to protect data confidentiality. These methods either modify or synthesise data so that they can be disclosed without revealing confidential information that may be associated with specific respondents. In particular, we will discuss non-perturbation and perturbation methods and also methods for synthetic data generation. For these purposes, the usage of packages sdcMicro, simPop, and synthpop will be shown.
Schlagwörter
Fachgebiet (DDC)
330 - Wirtschaft
005 - Computer Programmierung, Programme und Daten
Projekt
Veranstaltung
useR!
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
08.07.2024
Enddatum der Konferenz
11.07.2024
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Begutachtung
Peer-Review des Abstracts
Open Access-Status
Lizenz
Zitation
NOVAK, Jiri, Oscar THEES, Marko MILETIC und Alžběta BERANOVÁ, 2024. Tutorial: Data anonymisation for open science. useR! Salzburg. 8 Juli 2024. Verfügbar unter: https://irf.fhnw.ch/handle/11654/48367
Komplettanzeige