< Terug naar vorige pagina
Project
Tinten 'gegevenskwaliteit' : op zoek naar de betekenis van 'kwaliteit van AI gegevens', 'kwaliteit van persoonsgegevens' en 'juistheid van persoonsgegevens' Tinten 'gegevenskwaliteit' : op zoek naar de betekenis van 'kwaliteit van AI gegevens', 'kwaliteit van persoonsgegevens' en 'juistheid van persoonsgegevens' Tinten 'gegevenskwaliteit' : op zoek naar de betekenis van 'kwaliteit van AI gegevens', 'kwaliteit van persoonsgegevens' en 'juistheid van persoonsgegevens' Tinten 'gegevenskwaliteit' : op zoek naar de betekenis van 'kwaliteit van AI gegevens', 'kwaliteit van persoonsgegevens' en 'juistheid van persoonsgegevens' Tinten 'gegevenskwaliteit' : op zoek naar de betekenis van 'kwaliteit van AI gegevens', 'kwaliteit van persoonsgegevens' en 'juistheid van persoonsgegevens' Tinten 'gegevenskwaliteit' : op zoek naar de betekenis van 'kwaliteit van AI gegevens', 'kwaliteit van persoonsgegevens' en 'juistheid van persoonsgegevens'
Gebreken in de datasets die gebruikt worden om AI modellen te ontwikkelen kunnen een van de belangrijkste oorzaken zijn van incorrecte of discriminerende voorspellingen. Academici en beleidsmakers beginnen dus almaar meer te beseffen dat er een nood is om de kwaliteit van AI datasets te garanderen. Op juridisch vlak, is 'data kwaliteit' echter een vaag concept. Vaak wordt deze notie geanalyseerd op basis van het gegevensbeschermingsrecht. Deze laatst maakt inderdaad gebruikt van gelijkaardige concepten, met name die van 'juistheid' en 'kwaliteit' van persoonsgegevens. Ook wat deze noties betreft, is het echter onduidelijk wat ze in de praktijk betekenen. De bedoeling van dit onderzoek is om de ambiguïteiten die inherent zijn aan deze drie noties te analyseren, meer bepaald in verband met datasets die gebruikt worden om AI modellen te ontwikkelen.
Datum:1 sep 2022 → Heden
Trefwoorden:AI, data quality, personal data protection
Disciplines:Informatierecht
Project type:PhD project