Veracidad
Mala praxis
Es una alteración de datos y/o procedimientos que no sigue los parámetros de calidad requeridos.
¿Cómo puedes reconocerlo?
- ¿Se sigue la norma/reglamento?
- ¿Tus padres/hijos/superiores/compañeros/auditores lo verían bien?
- ¿Tú lo ves correcto, de veras? ¿No lo haces para ganar otra cosa/acabar antes?
Ejemplos:
- No seguir los pasos de preparación
- No calibrar instrumento si se requiere
- Saltarse paso por suponer que no hace falta
- Meter valores a ojo
Fraude
Falsificación intencionada de resultados, haciendo que valores inaceptables parezcan aceptables. Por ejemplo:
- Registrar información incorrecta
- Un cambio notorio de procedimiento, con intención de ocultarlo
Diferencia entre fraude y mala praxis
- El fraude es siempre a propósito, nunca es un error
- El fraude persigue ocultar problemas
- El fraude intenta que los datos parezcan mejores, con intención de engañar
- A veces la diferencia es simplemente que la alteración no se documentó
Privacidad
Autoridad: Agencia de Protección de Datos
Pedir consentimiento
La Ley Orgánica de Protección de Datos (LOPD) obliga(ba) a distintos niveles de seguridad según el
tipo de dato, estableciendo un nivel alto para los datos en relación con la ideología, religión,
creencias, origen racial, salud o vida sexual y datos policiales. Este nivel de seguridad alto incluye
entre otros requisitos la existencia de: responsable de seguridad, auditorías, control de acceso físico,
registro de incidencias, distribución de soportes cifrando los datos, copias de respaldo y
recuperación en lugar diferente al de los equipos informáticos y transmisión de los datos cifrados a
través de redes de telecomunicaciones.
Información de leyes y reglamentos
Anonimización
A veces hay que evitar la difusión de información personal por medio de anonimización. Tipos
- Retirada de toda seña de identidad
- Ocultamiento (se sabe que hubo allí información personal, pero se ha tapado)
- Cifrado, ofuscamiento
- Enmascaramiento: se mantiene la estructura y tipo de los datos, pero se sustituyen por otros aleatorios = seudoanonimización
Hay que tener en cuenta posibles identificaciones por:
- Eliminación (es el único posible)
- Cruce con otras informaciones
- Deducción de otros valores
Ejemplo: el 87% de la población de EEUU puede ser identificada dado sólo su fecha de nacimiento, género y código postal
Para evitar estas identificaciones, a los datos se les:
- Perturba
- Permuta
- Agrega
- Sustituye por rango