Tutkimusaineistot etäkäytössä

Oppitunti:

1 Mikroaineistojen tutkimuskäyttö 2 SISU-mikrosimulointimalli 3 Tutkimusaineistojen tilastollinen tietosuoja 4 Hakuprosessi ja sopimuskäytännöt 5 Etäkäytön hyvät käytännöt

Aihe:

Oppitunnin etusivulle 3.1 Laki tutkimusaineistojen tietosuojan taustalla 3.2 Salassapitovelvoite 3.3 Taulukkoaineistojen tilastolliset tietosuojamenetelmät 3.3.1 Paljastuminen taulukkoaineistosta 3.3.2 Taulukkoaineistojen suojausmenetelmät 3.4 Tutkimustulosten suojaaminen ja tarkistusmenettely 3.4.1 Tulosteiden tietosuojavaatimukset 3.4.2 Tulosteiden tarkistusmenettely 3.5 Tarkastukseen soveltumattomat tulosteet

Esimerkki

1

Tulosteiden tietosuojan tarkistaminen

Tutkija on tehnyt alla olevat kolme taulukkoa, joista käy ilmi hammaslääkärien lukumääriä alueilla A ja B luokiteltuna sukupuolen ja sen mukaan, onko henkilöllä rikosrekisteri vai ei. Hammaslääkäreitä on tarkasteltavilla alueilla yhteensä 68 kappaletta.

Taulukko 1. Sukupuoli x alue

	Alue A	Alue B	Yhteensä
Naisia	21	12	33
Miehiä	16	19	35
Yhteensä	37	31	68

Taulukko 2. Sukupuoli x rikosrekisteri (on/ei)

(Rikosrekisteri)	On	Ei	Yhteensä
Naisia	23	10	33
Miehiä	8	27	35
Yhteensä	31	37	68

Taulukko 3. Alue x rikosrekisteri (on/ei)

(Rikosrekisteri)	On	Ei	Yhteensä
Alue A	11	26	37
Alue B	20	11	31
Yhteensä	31	37	68

• Läpäisisivätkö yllä olevat taulukot tietosuojatarkastuksen?
• Onko tietosuojan kannalta merkitystä sillä, lähettääkö tarkastukseen oheiset kaksiulotteiset taulukot vai yhden kolmiulotteisen (alue x sukupuoli x rikosrekisteri) taulukon?

Ratkaisu:

Tällä esimerkillä halutaan osoittaa, miksi samasta populaatiosta tuotetut, osittain samoja muuttujia ja reunajakaumia sisältävät taulukot, eli ns. linkittyneet taulukot saattavat sisältää vaikeasti havaittavia tietosuojariskejä.

Yllä olevien linkittyneiden taulukoiden muuttujista saisi koottua seuraavan "kolmiulotteisen" taulukon (alue x sukupuoli x rikosrekisteri):

Taulukko 4. Alue x sukupuoli x rikosrekisteri

		Alue
Rikosrekisteri	Sukupuoli	A	B	yhteensä
On	Miehet	X	X	8
	Naiset	X	X	23
	Molemmat	11	20	31
Ei	Miehet	X	X	27
	Naiset	X	X	10
	Molemmat	26	11	37
yhteensä	Miehet	16	19	35
	Naiset	21	12	33
	Molemmat	37	31	68

Yllä olevia linkittyneitä taulukoita (tai kolmiulotteista taulukkoa) katsomalla huomataan seuraavat asiat:

• Alueella B on yhteensä 20 hammaslääkäriä, joilla on rikosrekisteri (taulukko 3).
• Alueella B on naishammaslääkäreitä yhteensä 12 (taulukko 1), eli vaikka kaikilla näistä naisista olisi rikosrekisteri, niin vähintään kahdeksalla alueen B mieshammaslääkärillä on myös oltava rikosrekisteri.
• Mieshammaslääkäreistä (molemmilla alueilla yhteensä) rikosrekisteri on vain kahdeksalla (taulukko 2). Tästä voidaan päätellä, että kaikki rikosrekisterin omistavat mieshammaslääkärit ovat alueella B.

Taulukko 5. Alue x sukupuoli x rikosrekisteri, osa peitetyistä soluarvoista laskettu

		Alue
Rikosrekisteri	Sukupuoli	A	B	yhteensä
On	Miehet	0	8	8
	Naiset	X	X	23
	Molemmat	11	20	31
Ei	Miehet	X	X	27
	Naiset	X	X	10
	Molemmat	26	11	37
yhteensä	Miehet	16	19	35
	Naiset	21	12	33
	Molemmat	37	31	68

Näiden tietojen avulla pystytään helposti laskemaan myös loput kolmiulotteisen taulukon solujen arvot.

Taulukko 6. Alue x sukupuoli x rikosrekisteri, kaikki peitetyt soluarvot laskettu

		Alue
Rikosrekisteri	Sukupuoli	A	B	yhteensä
On	Miehet	0	8	8
	Naiset	11	12	23
	Molemmat	11	20	31
Ei	Miehet	16	11	27
	Naiset	10	0	10
	Molemmat	26	11	37
yhteensä	Miehet	16	19	35
	Naiset	21	12	33
	Molemmat	37	31	68

Yllä olevasta taulukosta paljastuvat seuraavat arkaluonteiset tiedot:

• kaikilla alueen B naishammaslääkäreillä on rikosrekisteri ja
• kaikki mieshammaslääkärit, joilla on rikosrekisteri ovat alueella B.

Tietosuojariskien havaitsemiseksi tutkijan tulisi linkittyneiden taulukoiden sijaan suosia kaikki halutut muuttujat sisältäviä moniulotteisia taulukoita.

Takaisin oppimateriaaliin