داده های ترکیبی برای تحقیقات دانشگاهی در دانشگاه اراسموس

داده ها و حریم خصوصی بهبود یافته برای افزایش یکپارچگی تحقیق

مجموعه داده های مصنوعی با حفظ ویژگی های آماری و روابط بین متغیرها از مجموعه داده های واقعی تقلید می کنند. توجه به این نکته مهم است که این روش همچنین ریسک افشا را به صفر می رساند، زیرا هیچ رکوردی در مجموعه داده مصنوعی نشان دهنده یک فرد واقعی نیست.

با فراهم کردن دسترسی آسان تر به داده های بیشتر، کاوش داده ها را تسهیل کنید

با به اشتراک گذاری مجموعه داده های مصنوعی که از مجموعه داده های اصلی تقلید می کنند که در غیر این صورت نمی توان آنها را باز کرد، محققان، دانشگاه و سهامداران اکنون می توانند کاوش داده ها را با حفظ حریم خصوصی شرکت کنندگان تسهیل کنند. داده های مصنوعی به محققان اجازه می دهد تا به داده های بیشتری دسترسی داشته باشند که به سادگی با داده های شخصی واقعی امکان پذیر نیست. این امکان کاوش داده ها را با داده های بیشتر به سمت اعتبار سنجی فرضیه های قبلی و نتایج در فرآیند تحقیق فراهم می کند.

افزایش تکرارپذیری تحقیق با آسان‌تر کردن دسترسی به داده‌های مصنوعی

با به اشتراک گذاشتن مجموعه داده های مصنوعی که از مجموعه داده های اصلی تقلید می کنند که در غیر این صورت نمی توانستند باز شوند، محققان می توانند تکرارپذیری نتایج خود را تضمین کنند. به عنوان جایگزینی برای انتشار و/یا به اشتراک گذاری داده های شخصی واقعی برای اهداف تکرارپذیری، محققان اکنون می توانند داده های مصنوعی را منتشر و/یا به اشتراک بگذارند.

نماینده داده های مصنوعی برای دوره های تحصیلی

دوره های تحصیلی همچنان شامل وظایف تحلیلی بیشتری هستند. در این مورد، به داده‌های نماینده نیاز است تا به دانش‌آموزان اجازه دهد نحوه ساخت و اجرای راه‌حل‌های تحلیلی با داده‌های نماینده را بیاموزند. داده‌های ترکیبی را می‌توان به عنوان بخشی از دوره‌های مطالعاتی در دسترس قرار داد تا این امر تسهیل شود و به دانش‌آموزان اجازه دهد تا ساخت مدل‌های تحلیلی در سناریوهای معرف را بیاموزند.