La k-anonimización para mantener la privacidad en el ámbito universitario

Abstract

[EN] In this paper, we present a set of k-anonymization techniques for sharing the results of university examinations and provide an e↵ective feedback in course evaluations. These techniques allow university lectures to share the examination results (with other universities or future students) in compliance with the General Data Protection Regulation (GDPR). Our empirical evaluation shows that k-anonymization allows a proper balance between the privacy of the informacion and the statistical properties of the original dataset. In particular, our simulations show that the k-anonymized dataset losses up to 5 % of the quality while significantly reducing the probability of re-identification. Therefore, our results suggest that k-anonimization is quite e↵ective to ensure an adequate protection of the sensible data while preserving its utility.

[ES] Este trabajo presenta un estudio del uso de técnicas de k-anonimización para preservar la privacidad al compartir los resultados de evaluaciones y proveer retro-alimentación en cursos universitarios. Estas técnicas de anonimización permiten a los profesores compartir los resultados con el curso (incluso con otras universidades o estudiantes de otros años) mientras se cumple con la regulación de protección de datos de la Unión Europea. Nuestros resultados muestran que la k-anonmización permite un balance entre la privacidad y la propiedades estadísticas de la información original. Especificamente, nuestras simulaciones indican que la k-anonimización pierde hasta un 5% de información mientras reduce la considerablemente probabilidad de inferir información sensible de los estudiantes. De esta manera, nuestro resultados muestran que la k-anonimización es una técnica efectiva para proteger la privacidad de los datos sensibles mientras se preserva su utilidad.