Pengo Ambalo Kufuta Safu Kunakosa
Imesasishwa kwa mwaka 2026
Seti za data za utafiti zinahamia kati ya vyuo vikuu kama faili za CSV. Timu zinapotayarisha CSV kwa kushiriki, kazi inategemea safu. Tafuta habari za kibinafsi. Futa au ibadilishe.
Njia hiyo inafanya kazi kwa sehemu zilizowekwa. Safu inayoitwa "barua pepe" inashikilia anwani za barua pepe — ifute. Safu inayoitwa "simu" inashikilia nambari za simu — ifute. Safu inayoitwa "jina_la_mshiriki" inashikilia majina — ibadilishe kwa nambari ya msimbo.
Lakini safu za jibu la maandishi huru ni eneo la kipofu. Kuondoa safu zilizotajwa hakuzigusi.
Uchunguzi wenye mistari 5,000 unaweza kuwa na safu tano za PII zilizopangwa na safu kumi na tano za majibu ya maandishi huru. Zilizopangwa zinashikilia majina, barua pepe, nambari za simu, vitambulisho, na miaka ya kuzaliwa. Maandishi huru zinashikilia maoni, maelezo, na mapendekezo.
Safu zilizopangwa zinasafishwa. Safu za maandishi huru zinabaki zikiwa za kawaida. Lakini watu wanaandika mambo kama mifano hii mitatu.
Kwanza: "Daktari wangu katika Boston Medical Center, Dk. Maria Santos, alisema matibabu yalikuwa mapya." Pili: "Nimekuwa nikishughulikia hili tangu ajali yangu ya 2019." Tatu: "Unaweza kuwasiliana na mlezi wangu kwa margaret.wells@gmail.com kwa maelezo."
Kila ingizo linataja mtu halisi. Baadhi zinajumuisha ukweli wa afya au mawasiliano. Hakuna hata moja inayoonekana katika kichwa cha safu. Hakuna inayopatikana na kufuta safu.
Kwa Nini Hii Inashindwa Kiwango cha GDPR
Rekebisho la 26 la GDPR linafafanua rekodi za kisiriana kama rekodi ambazo haziwezi kuunganishwa na mtu yeyote. Kiwango ni cha juu. Rekodi ni za kweli kisiriana tu wakati utambulisho upya hauwezekani kwa akili.
CSV yenye safu safi zilizowekwa lakini watu waliotajwa katika maandishi huru haipiti mtihani huo. Majina hayo yanaweza kutambuliwa. Seti ya data bado ni ya kibinafsi. Kanuni za Kifungu cha 89 cha GDPR bado zinatumika. Kwa hivyo hatari hizi tatu zinatokea.
Msamaha wa utafiti wa Kifungu cha 89: Kifungu cha 89 kinaruhusu watafiti kushughulikia habari za kibinafsi kwa sayansi na wajibu wachache. Lakini tu pale "dhamana zinazofaa" zinapowepo. Kushiriki faili yenye PII ya maandishi huru huku ukidai ulinzi wa Kifungu cha 89 ni kushindwa kwa kisheria.
Idhini ya maadili: IRB na bodi nyingi za maadili zinahitaji kufuta majina kamili kwa seti za data zilizoshirikiwa. Kazi ya sehemu — safu zilizowekwa zikisafishwa, maandishi huru yakiacha bila kushughulikiwa — kwa kawaida inashindwa. Bodi inaweza kukataa uwasilishaji.
Makubaliano ya kushiriki data: DSA kati ya taasisi huweka kiwango kinachohitajika cha kufuta majina. Kazi ya sehemu inayoshindwa Rekebisho la 26 la GDPR inaweza kukiuka DSA. Angalia muhtasari wetu wa Uzingatiaji wa Kisheria jinsi hii inavyoendana na programu pana.
Kwa Nini Maandishi Huru Ni Magumu Sana Kusafisha
Mapajibu ya uchunguzi wa maandishi huru ni miongoni mwa malengo magumu zaidi ya PII. Hapa ni kwa nini.
Majina katika muktadha: "Dk. Maria Santos katika Boston Medical Center" inahitaji utambuzi wa enti zilizotajwa (NER) kutambua mtu na shirika. Orodha za maneno muhimu haziwezi kupata hii.
Majina katika hadithi: "Gari la John Henderson liligonga langu" linaweka jina halisi ndani ya hadithi. Ni mtu aliyetajwa kwa njia ya kupita. NER tu inaweza kuipata.
Miundo isiyo ya kawaida: Mawasiliano yanaweza kusomwa "niwasiliane nami kwa margaret dot wells katika gmail." Zana rahisi za regex hukosa hizi.
Maneno maalum ya utafiti: Uchunguzi wa kimatibabu mara nyingi una vitambulisho vya hospitali, misimbo ya tovuti, na majina ya mahali. Hizi zinaweza kutambua mtu hata zinapoonyesha kawaida.
Kwa hivyo ufananisho wa mfumo peke yake hautoshi. Zana zinazotegemea NLP zinahitajika kwa kufuta kweli kwa uchunguzi. Angalia Usalama na Uzingatiaji kwa chaguo za kiufundi.
Mfano Halisi Kutoka Vyuo Vikuu Vitatu
Timu ya utafiti katika vyuo vikuu vitatu vya Ulaya ilifanya uchunguzi wa uzoefu wa wagonjwa. Seti ya data ilikuwa na wajibu 5,000, safu 3 za PII zilizowekwa, na safu 8 za maandishi huru. Mpango ulikuwa kushiriki faili katika tovuti chini ya DSA na Kifungu cha 89 cha GDPR.
Kwa kufuta safu tu:
- Safu za PII zilizowekwa: ziliondolewa
- Safu za maandishi huru: zimebaki za kawaida
- Dai: "Safu za PII zimefutwa"
- PII iliyobaki: watu 47 waliotajwa, anwani 23 za barua pepe katika maoni, majina 18 ya mahali yanayoweza kutambua wajibu
Kwa ugunduzi unaotegemea NLP:
- Safu za PII zilizowekwa: zimebadilishwa na tokeni thabiti
- Safu za maandishi huru: majina 47 yamebadilishwa, barua pepe 23 zimefunikwa, majina 18 ya mahali yamefanywa ya jumla ("Boston Medical Center" → "[Taasisi ya Huduma za Afya]")
- Matokeo: faili inayopita Rekebisho la 26 la GDPR
- Bodi ya maadili iliidhinisha njia
- DPO ilithibitisha uzingatiaji wa DSA
Pengo ni la kweli. Matokeo ya kwanza yanaonekana safi. Matokeo ya pili ni safi.
Itifaki ya Hatua Tano Kabla ya Kushiriki
Tumia hatua hizi kabla ya kushiriki faili yoyote ya uchunguzi au mahojiano.
Hatua ya 1: Taja kila safu Alama kila safu kama PII iliyowekwa, isiyokuwa ya PII iliyowekwa, au maandishi huru. Iandike.
Hatua ya 2: Shughulikia PII iliyowekwa Futa ingizo ambazo hazihitajiki kwa uchambuzi. Badilisha ingizo zinazohitajika kwa kuunganisha rekodi. Rekodi misimbo iliyotumika.
Hatua ya 3: Skani safu za maandishi huru Endesha ugunduzi wa NLP katika safu zote za maandishi huru. Kagua kila matokeo. Thibitisha ni zipi za kweli za PII.
Hatua ya 4: Tumia mabadilisho Badilisha PII iliyothibitishwa katika matokeo ya maandishi huru. Tumia lebo wazi kama `[MTU]`, `[BARUA PEPE]`, au `[ENEO]`.
Hatua ya 5: Thibitisha na ufafanue Sampuli mistari 50–100 kutoka matokeo. Kagua ingizo za maandishi huru kwa mkono. Andika muhtasari mfupi: zana zilizotumika, aina za enti zilizopatikana, safu zilizoshughulikiwa. Kishirikiane na faili kwa ukaguzi wa maadili.
Hii inabadilisha "tulifuta safu ya jina" kuwa mchakato wazi, ulioandikwa. Inakidhi Kifungu cha 89 cha GDPR na viwango vya kufuta majina ambavyo bodi nyingi za maadili zinahitaji. Tembelea kituo chetu cha nyaraka kwa miongozo inayohusiana.
Vyanzo
- Kifungu cha 89 cha GDPR: Dhamana za Utafiti wa Kisayansi — IMETHIBITISHWA-EXTERNA
- Rekebisho la 26 la GDPR: Kanuni ya Kufuta Majina — IMETHIBITISHWA-EXTERNA
- ICO: Kufuta Majina na Hatari ya Ulinzi wa Data — IMETHIBITISHWA-EXTERNA