Gouvernance, provenance et licences des données de risque : fondements et pratique
- Niveau
- L2 Intermédiaire
- Temps d'étude
- environ 24 heures (estimation de planification)
- Statut
- En rédaction
- Prérequis
- Un cours de niveau L1 dans le domaine, ou un examen d'entrée
Les changements relatifs au traitement licite et à la structure de l'autorité de régulation influent sur la gouvernance des données personnelles dans les jeux de données sur les risques.
Acquis d'apprentissage
- Define provenance and the other key terms of the discipline and use them correctly in a written case
- Explain data quality and provenance and lineage with a worked example and its source
- Appliquer la méthode de la discipline à un cas documenté et expliquer chaque résultat avec sa source
- Analyse a named case against licensing of data and models, stating evidence, date and limits
Modules
-
Qualité des données
- Qualité des données
- Provenance et filiation
- Licensing of data and models
-
Normes de métadonnées
- Normes de métadonnées
- Data rights and consent
- Protection des données personnelles
-
Accords de partage de données
- Accords de partage de données
- Données ouvertes
-
Laboratoire : la méthode de la discipline
- Un jeu de données n'est adapté à un usage de risque que si suffisamment de ses enregistrements sont présents, assez récents pour la question posée, traçables jusqu'à une source, publiés selon des conditions qui autorisent l'usage et sans danger à publier ; chacun de ces critères est une grandeur mesurée, les trois premiers se multiplient en une part d'adéquation, et les deux derniers sont des barrières qu'aucun score ne peut lever.
- Appliquer la méthode à un cas documenté et expliquer chaque résultat
- Lire les sources de la méthode et les valeurs indiquées
Laboratoires avec les outils de l'Academy
Méthode
- D'un jeu de données proposé à un jeu de données admis : exhaustivité, actualité, provenance, licence et contrôle de réidentificationLa méthode de la discipline, présentée sur la page de la discipline avec ses sources citées, appliquée à un cas documenté
Instrument
- Ajusteur de distributionUn instrument de la faculté, sur la page de la faculté, exécuté sur les données du jumeau numérique de la faculté
- Période de retourUn instrument de la faculté, sur la page de la faculté, exécuté sur les données du jumeau numérique de la faculté
Constructeur de jumeau
- Constructeur de jumeau numériqueConstruire le lieu de la faculté en 3D, activer ou désactiver les couches et lire les crédits et les dates de chacune
Couche cartographique
- Événements naturels (NASA EONET)Une couche cartographique ouverte admise par le registre des licences de l'Academy, lue dans les outils cartographiques
- Séismes M4.5+, semaine écoulée (USGS)Une couche cartographique ouverte admise par le registre des licences de l'Academy, lue dans les outils cartographiques
- Étendue du bâti et des établissements humains, 2010 (HBASE, Landsat)Une couche cartographique ouverte admise par le registre des licences de l'Academy, lue dans les outils cartographiques
Salle Foundry
- Salle de données, NXS-GRXDonnées canoniques avec filiation et provenance
- Salle de fusion, NXS-GRXProduits défendables à partir de dossiers hétérogènes
Nexus Standards
Enseigne
- NS-3UNI des enregistrements NXS-GRX (grammaire, correspondance avec l'existant, autorité d'attribution)
- NS-3BNS-3B
- NRS-C4Modèle de données sur les risques, identifiants et échange
- NRS-P6Responsabilité en matière de données, droits et licences
- NRS-C8Données probantes, incertitude et provenance
- NRS-I1Produits et modalités de renseignement sur les risques
- NRS-M22Trame de méthodes : données de risque
Évaluation
- 40%
Compte rendu de laboratoire
Appliquer la méthode de la discipline à un cas documenté et expliquer chaque résultat avec sa source et sa date
- 40%
Note de cas
Appliquer les méthodes de la discipline à un lieu ou à une organisation nommés, en précisant les données probantes et les limites
- 20%
Contrôle des termes clés
Réponses courtes sur les termes clés, notées par rapport aux définitions
Mode de dispensation
- En ligne à votre rythme, avec les laboratoires dans le navigateur
- Étude en cohorte sur six à huit semaines, avec une revue de laboratoire hebdomadaire
- Co-dispensé avec une institution partenaire, dans le cadre de ses propres cours
Devenir partenaire de ce cours
- Co-enseigner un module et apporter un cas actuel tiré de votre travail
- Accueillir une cohorte pour vos apprenants, avec votre propre calendrier et votre propre évaluation
- Contribuer un laboratoire : un jeu de données que votre institution publie en accès ouvert, ou un modèle
- Examiner le contenu du cours et ses références avant son ouverture
- Traduire le cours et adapter ses cas à votre région
Comment les institutions et les experts participent
Dans le LMS de l'Academy
- Course on the learning platform
- Intermediate, 4 sections
- Groupe de cohorte
- A community group for each cohort of learners
- Réalisation
- Recorded on completion of the assessed work
Références 4
- Department for Science, Innovation and Technology (UK), Data Use and Access Act 2025: plans for commencement,
- Wang et Strong, Beyond accuracy: what data quality means to data consumers, Journal of Management Information Systems, 1996
- Wilkinson et al., The FAIR Guiding Principles for scientific data management and stewardship, Scientific Data, 2016
- Sweeney, k-anonymity: a model for protecting privacy, International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 2002