伊拉斯姆斯大學學術研究的綜合數據

改進數據和隱私以提高研究完整性

合成數據集通過保留其統計特性和變量之間的關係來模仿真實數據集。 值得注意的是，這種方法還將披露風險降至零，因為合成數據集中沒有記錄代表真實的個人。

通過更輕鬆地訪問更多數據來促進數據探索

通過共享模仿原始數據集的合成數據集（否則無法公開），研究人員、大學和利益相關者現在可以促進數據探索，同時維護參與者的隱私。 合成數據使研究人員能夠訪問更多的數據，而這些數據是真實個人數據無法獲得的。 這樣可以利用更多數據進行數據探索，以實現更早的假設驗證和研究過程中的結果。

通過更輕鬆地訪問合成數據來增強研究的可重複性

通過共享模仿原始數據集的合成數據集（否則無法公開），研究人員可以確保其結果的可重複性。 作為出於可重複性目的發布和/或共享真實個人數據的替代方案，研究人員現在可以發布和/或共享合成數據。

學習課程的代表性綜合數據

學習課程繼續包含更多與分析相關的任務。 為此，需要代表性數據來讓學生學習如何使用代表性數據構建和執行分析解決方案。 合成數據可以作為學習課程的一部分提供，以促進這一點，並讓學生學習在代表性場景中構建分析模型。