Suchergebnisse

Qualitatives Material in Form von Audiodaten weist eine relativ geringe Anonymität auf, da zu dem verbalen Inhalt auch paraverbale Aspekte einschließlich individueller stimmlicher Merkmale hinzukommen. Das erschwert die Sekundäranalyse (und im Prinzip jede Auswertung durch Personen, die nicht an der Erhebung beteiligt waren) umso mehr, je höher die Wahrscheinlichkeit ist, dass Forschende und Befragte einander begegnen (bzw. miteinander sprechen). In diesem Beitrag werden zwei technische Verfahren vorgestellt, mit denen sich eine Audioquelle so weit gehend verfremden lässt, dass ein Wiedererkennen nicht viel leichter möglich ist als anhand eines sorgfältigen Transkriptes. Diese technischen Möglichkeiten und auch Grenzen der Anonymisierung qualitativer Daten werden im Folgenden diskutiert.

Die Anonymisierung von Personendaten stellt im Forschungsprozess in der Regel ein "unproblematisches Problem" dar, das intuitiv von den Forschenden gelöst wird. Wenn überhaupt, wird dieser Verfremdungsvorgang nur mit forschungsethischen und forschungspragmatischen Überlegungen begründet. Kaum berücksichtigt wird bislang, dass mit der Art und Weise, wie anonymisiert wird, eine methodologische Entscheidung getroffen wird, woraus sich Konsequenzen für den Forschungsprozess ergeben. Im Beitrag werden anhand von fünf Varianten der Anonymisierung von Vornamen mögliche methodologische Bezüge und sich daraus ergebende Konsequenzen für den forschungspraktischen Umgang mit Personendaten zur Diskussion gestellt.

In this work we present an algorithm for k-anonymization of datasets that are changing over time. It is intended for preventing identity disclosure in dynamic datasets via microaggregation. It supports adding, deleting and updating records in a database, while keeping k-anonymity on each release. We carry out experiments on database anonymization. We expected that the additional constraints for k-anonymization of dynamic databases would entail a larger information loss, however it stays close to MDAV's information loss for static databases. Finally, we carry out a proof of concept experiment with directed degree sequence anonymization, in which the removal or addition of records, implies the modification of other records. ; CC BY 4.0 Also part of the Security and Cryptology book sub series (LNSC, volume 11025) Julián Salas acknowledges the support of a UOC postdoctoral fellowship. This work is partly funded by the Spanish Government through grant TIN2014-57364-C2-2-R "SMARTGLACIS". Vicenç Torra acknowledges the suport of Vetenskapsrdet project: "Disclosure risk and transparency in big data privacy" (VR 2016-03346, 2017-2020). DRIAT

Framing the issues -- "Body of precedent written on the wind?" -- The open courts principle, litigant privacy, and electronic court records -- "De-anonymization" and "Re-anonymization" -- "Googling" the judge and the perception of impartiality -- Facebook, social networking, and the appearance of impropriety -- Social networking and cyber research undermining the jury system

While collaboration in research requires the publication of data as well as exchange of them between institutions, these data often contain personal in-formation that according to ethical requirements and existing legislature, are not allowed to be disclosed. Anonymization of these data is therefore mandatory. In previous work we have presented a framework for anonymizing patient data us-ing Data Cubes. Though efficient for anonymization, the Data Cubes approach often lacks in flexibility. In the current work, we present an alternative approach which is based on disclosing a row based anonymized version of the original data set. The methodology is more versatile, while it also preserves the statistical char-acteristics of the original data set. We demonstrate this by considering an SVM predictor that tries to estimate the value of Breslow's depth, based on the values of another clinical variable, namely Clark's level, and the expression count of a skin cancer related gene (CDKN2A). The predictions are shown to have the same characteristics for both the original and the anonymized data sets.

This paper juxtaposes the ethnographic work of Alice Goffman, as presented in her book, On the Run: Fugitive Life in an American City, with my own work involved in developing the article, "Whales Tales, Dog Piles, and Beer Goggles: An Ethnographic Case Study of Fraternity Life." In particular, I examine anonymization issues arising from both works. The intent is to advance a deeper discussion of ethnographic anonymization toward responding to critics and strengthening the ethnographic endeavor in the field of educational research.