Generalisatie = “mag het ietsje minder zijn?”

Bij de zwemles worden de exameneisen geinventariseerd. Lijsten van ‘afzwemmers’ gaan door de vingers van de leraren en wanneer deze groep van vijf zich ineens afvraagt: “Maar hebben we dan wel genoeg kleedruimtes?” doen de namen er ineens niet meer toe maar wél de ‘klaar voor afzwemmen’-kwalificatie die in de laatste kolom kan worden aangevinkt. Een probleem: de zwemlessen start nu en niemand weet het antwoord op de ‘genoeg kleedkamers bij afzwemmen’-vraag.

Een vader uit het publiek wordt gevraagd te helpen met het vinden van het antwoord: kunnen wij de kinderen zaterdag laten afzwemmen, of hebben we vanwege het gebrek aan kleedkamers twee afzwem-dagen nodig?

De vader - privacy jurist bij het OM van beroep- stamelt bij het zien van de lijsten met data. “maar…maar…hoe weten jullie dit eigenlijk allemaal van mijn kind!?”

Vader krijgt gelijk: adresgegevens en ziektes op de lijst? Dat kan generieker.

Voor de professional

Welke datakolommen houden wij in stand voor het beantwoorden van onze onderzoeksvraag? Dat zijn de gegevens die het voor ons mogelijk maken om de onderzoeksvraag te beantwoorden.
Beschikken wij daarnaast over meer details? Dan laten die wij bij voorkeur weg: wij generaliseren de dataset.

In deze cryptografie explainer:

Wanneer is cryptografie, in het bijzonder generalisatie, een must-have? En wanneer is het een nice-to-have? Wij verplaatsen ons in de wereld van privacy en vertellen wat er met de techniek generalisatie mogelijk is in de wereld van het zwemmen als aansprekend. voorbeeld.

Credits