Verileri İşleme
Verileri İşleme Verilerin üzerine yazmak için çok sayıda başka yazılım paketi oldukça iyidir, ancak her birinin kendine has özellikleri ve eksiklikleri vardır. Özellikle: 1. Ücretsiz yazılımının birçok sürümünün dosya silme işlevinin kusurlu olduğu bulundu. Yine de kullanmak istiyorsa, nasıl düzgün bir şekilde yapılacağına dair kapsamlı bir el için. 2. Samimiyetsiz bir şekilde adlandırılan yapımcılarının reklamını yaparken korkutma taktikleri nedeniyle onunla ilgili pek çok tartışmaya sahiptir. Comparison_Shredders.htm'deki daha eksiksiz bir liste, öğütücülerin bulunabilirlik ve fiyatlandırma gibi diğer nitelikleri (veya bunların eksikliği) hakkında bilgiler içerir. Disk temizleme için özel olarak değerlendirilmemiş başka ek yazılım ürünleri mevcuttur. Aşağıdakileri içerir, ancak bunlarla sınırlı değildir: ◗ Strafor Systems tarafından geliştirilen Shredder 2.0; ◗ FatFree Software'den İzlerinizi Kapatın 3.0 ◗ Shiva, Isis Software Tarafından Dosyaların Yok Edicisi Disk temizleme saatlerce sürebileceğinden, güvenlik bilincine sahip bir kullanıcının bunu olası bir tehdide karşı kullanamayacağı açıktır. Kişi böyle bir ortamdaysa (örneğin, totaliter bir rejim), kapının herhangi bir zamanda bir davetsiz misafir tarafından kırılabileceği varsayımıyla çok düzenli bir şekilde disk temizliği yapmalıdır. Manyetik mikroskopi disklerin adli muayenesi Cerberus Systems'tan Albert Bell Isle, dosyalara yönelik üç adli bilgisayar tehdidi sınıfını tanımlar. 1. Sınıf saldırılar yalnızca adli yazılım kullanır. Disk üzerine yazarak yenilebilirler. 1. Bir dosyanın tüm kopyaları (parçaları dahil); 2. Tüm dosya ayırma tablosu ve dosyaları ve özniteliklerini adlandırır; 3. Takas dosyası. 2. Sınıf saldırılar, özel yükselticiler ve sinyal işleme kullanır ve üzerine yazılan bazı dosyaları değişken başarı dereceleriyle kurtarabilir. Başarı derecesi, bir dosyanın üzerine kaç kez ve hangi veri modelleriyle yazıldığı, söz konusu manyetik ortamın fiziği, disk boyutu ve üreticisi gibi ayrıntılara bağlıdır. 3. Sınıf saldırılar, taramalı prob mikroskobundan türetilen manyetik kuvvet mikroskobu (MFM) kullanır. MFM'ye dayalı teknikler çok pahalıdır ve potansiyel olarak her tür yazılım kontrollü üzerine yazmanın üstesinden gelebilir. Nispeten deneyimsiz bir kullanıcı için bile, bir sürücü plakasındaki verilerin görüntülerini almaya başlama süresi yaklaşık 5 dakikadır. Belirli bir parçanın yararlı görüntülerini almaya başlamak, disk biçimleri hakkında bilgi edinmekten daha fazlasını gerektirir, ancak bunlar iyi belgelenmiştir ve plaka üzerinde doğru konum bulunduğunda, beceriye bağlı olarak tek bir görüntü [birkaç dakika] alacaktır. Daha pahalı MFM'lerden biriyle, bir toplama sırasını otomatikleştirmek mümkündür ve MFM denetleyici yazılımını değiştirerek tüm diskin görüntüsünü toplamak teorik olarak mümkündür. Kişisel veri işleme şartları Özel nitelikli kişisel veriler Nelerdir Kişisel verilerin işlenmesi iptali Veri işleme örnekleri Kişisel verilerin işlenmesi ne demek Kişisel veriler Nelerdir Veri işleme şartları Kişisel veri işleme faaliyeti MFM'nin en yeni varyantı, manyetik kuvvet taramalı tünelleme mikroskobu (STM) kullanır. STM'nin temel prensibi, gösterildiği gibi tek bir atom noktasına kadar keskinleştirilmiş metalik bir uç ile iletken bir malzeme arasındaki tünelleme akımına dayanmaktadır. STM daha hassastır ve incelenmekte olan diskin yüzeyine zarar verebilir. Üreticilerin satış rakamlarına göre, sahada kullanımda olan birkaç bin SPM vardı ve bunlardan bazıları, standart diskler için vakumlu aynalar gibi disk sürücü plakalarını analiz etmek için özel özelliklere sahipti. manyetik medya analizi için özel çalışma modları ile birlikte disk sürücü plakaları. Bu SPM'ler, veri kurtarma sürecinin otomasyonuna izin vermek için gelişmiş programlanabilir kontrolörler ve analiz yazılımı ile birlikte kullanılabilir. Piyasada bulunan SPM'lerin çok pahalı olduğu düşünülürse, bir PC'yi denetleyici olarak kullanarak yaklaşık 1.400 ABD Doları'na makul ölçüde yetenekli bir SPM oluşturmak mümkündür." Manyetik Disk Silgileri konusunda Japonya'da da yeni bir patent var. Saldırganın bakış açısından, tartışılanlar gibi aynı verileri elde etmenin daha ucuz, alternatif yollarını kullanma olasılığına ilişkin bir değerlendirme yapılması muhtemeldir. Manyetik ortama karşı gelişmiş saldırılara ilişkin en iyi referans, Auckland Üniversitesi Bilgisayar Bilimleri Bölümü'nün "Manyetik ve Katı Hal Belleğinden Verilerin Güvenli Silinmesi" başlıklı biraz eski tarihli bir makalesidir. "Silinen" manyetik kayıtların mikroskobik kalıntılarının çarpıcı fotoğraflarından oluşan mükemmel bir koleksiyon Digital Instruments'ın Web sitesinde bulunabilir. Genel olarak, geleneksel mikroskopi kullanılarak manyetik ortamın adli analizi, günümüzde neredeyse tüm bilgisayarlar tarafından kullanılan kullanıma hazır ticari ortamlardaki manyetik depolama yoğunluğunun sürekli artması nedeniyle giderek daha zor hale gelmektedir. Bugünün yoğunlukları inç kare başına 1 GB'a yaklaşıyor, bu da manyetik özelliklerin gerçek boyutunun mavi ışığın dalga boyundan bile daha küçük olduğu anlamına geliyor. Bu nedenle, bu tür ortamlarda adli analiz yapmak için SPM'nin gücünü kullanan yeni bir tekniğe, MFM'ye ihtiyaç vardır. Bu teknik, kişinin 50 nm (1 nm = 0.000000001m) kadar küçük özellikleri “görmesine” izin verir. Hassas Veriler Nerede Saklanıyor? Ne yazık ki, mahremiyete önem veren profesyoneller için hassas veriler, hepsinin dikkate alınması gereken çok fazla yerde saklanıyor. Nerede ve neden olduğunu anlamak için önce biraz teknik arka plan sunulmalıdır. Küme İpuçları Geçmiş yılların LP müzik kayıtları, müziği uzun spagetti benzeri tek bir olukta saklarken, bilgisayar diskleri, bilgileri depolayan çok sayıda tamamen ayrı kutuya bölünmüştür. Konuyu fazla basitleştirme riskini göze alarak, bu tür bölmelerin her birine "küme" denir (çünkü "sektörler" adı verilen bir grup daha küçük bölmeden oluşur, ancak bu, bu tartışmayla ilgisizdir). Her bölmenin boyutu (yani, her bir kümeye ne kadar veri sığabileceği), diskin toplam kapasitesine, kullanılan işletim sistemine (yani, DOS, Windows 95, Windows 98 veya Win olup olmadığına) bağlıdır. Ve bir seçeneğin olduğu durumlarda her kullanıcının neyi seçtiği üzerine. Bu tür kümelerin her birinin boyutu 256 bayttan (bir bayt aslında bir alfabetik sembol veya sayıdır) 65.536 bayta kadar değişebilir (her zaman 2'nin bir katı; yani 2'nin kendisi ile birkaç kez çarpılması).

Transkripsiyon Hataları – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri

Kayıt, Hesaplama ve Transkripsiyon Hataları

Meta-analiz, kaçınılmaz olarak, kötü veriler içeren bazı çalışmaları içerecektir. Birincil verilerin toplanmasında veya bilgisayara girilmesinde bir kayıt hatası olabilir. Hesaplama hatası veya etki büyüklüğündeki cebirsel işaretteki bir hata nedeniyle çalışma etki büyüklüğü hatalı olabilir. Son olarak, transkripsiyonda hata ortaya çıkabilir: bilgisayar çıktısından analist tablosuna, analist tablosundan el yazması tablosuna, el yazması tablosundan yayınlanmış tabloya. Hatta bazıları bir meta-analistin bir rakamı yanlış kopyalayabileceğini öne sürdü, ancak meta-analistlerin hata yapmadığı iyi biliniyor.

Aşırı uç değerler için çalışma sonuçları incelenmelidir. Bu, en aşırı kötü veri durumlarını ortadan kaldırabilir. Ancak, Bölüm 3 ve 5’te sunulan meta-analizdeki aykırı değer analiziyle ilgili uyarıları aklınızda bulundurun. Ayrıca, aykırı değer analiziyle bile, daha küçük hatalı etki büyüklükleri saptanamayacaktır. Bu nedenle, çok fazla sayıda etki büyüklüğüne sahip herhangi bir meta-analiz, genellikle en az birkaç kötü veri noktasına sahip olacaktır.

Kötü veriler tamamen önlenemeyeceğinden, çalışma sonuçlarındaki varyasyonları biraz dikkatle değerlendirmek önemlidir. Orijinal gözlemlenen varyasyonun belirli bir yüzdesi hatalı verilerden kaynaklanacaktır. Diğer tüm çalışma artefaktları düzeltildikten sonra kalan artık varyasyonun daha büyük bir kısmı kötü verilerden kaynaklanıyor olabilir.

Çoklu Artefaktlar ve Düzeltmeler

Ne yazık ki, çalışma sonuçlarının yalnızca bir artefakt tarafından bozulabileceğini söyleyen bir kural yoktur. Örnekleme hatası tüm çalışmalarda mevcut olacaktır. Tüm çalışmalarda bağımlı değişkende ölçüm hatası olacaktır. Nominal tedavi değişkeninin kusurlu kontrolü çoğu çalışmada kaçınılmaz olacaktır. Bu nedenle, yapaylık içermeyen bir meta-analiz genellikle bir dizi hata kaynağı için etki büyüklüklerinin düzeltilmesini gerektirecektir.

En uç değerlerin kaldırılması dışında, kötü veriler için herhangi bir düzeltme yoktur. Örnekleme hatası, (1) eklemeli ve (2) sistematik olmaması nedeniyle diğer yapaylıklardan farklı davranır. Etki büyüklüğü için bir güven aralığı, tek bir çalışma için potansiyel örnekleme hatasının yansız bir tahminini sağlasa da, tek çalışma düzeyinde örnekleme hatası için bir düzeltme yoktur. Bir sonraki bölümde meta-analizde örnekleme hatası sorununu düzeltmeyi ele alacağız.

Örnekleme hatası ve hatalı veriler dışındaki yapaylıklar, doğası gereği sistematiktir ve bu nedenle potansiyel olarak düzeltilebilir. Anahtar, yapay sürecin boyutu hakkında gerekli bilgilere sahip olmaktır (örneğin, güvenilmezliğin kapsamı veya aralık kısıtlamasının kapsamı veya kusurlu yapı geçerliliğinin kapsamı). Bu bir veya yedi eser olsun, yeterli eser bilgisi olan her eseri düzeltebilirsiniz.

Düzeltilmeden bırakılan her artefakt, gerçek etki boyutunun karşılık gelen bir küçümsenmesine neden olur. Ayrıca, çalışmalar arasında düzeltilmemiş artefaktlardaki varyasyon, tedavi etkisindeki gerçek varyans gibi görünmektedir. Bu, hiçbirinin olmadığı yerlerde çapraz ayarlı varyasyonun görünümünü yaratabilir.


Tedavi etkisinde gerçek varyasyon varsa, düzeltilmemiş artefaktlar gerçek farklılıkları maskeler. Yani, düzeltilmemiş artefaktlar nedeniyle görünen etki büyüklüğündeki varyasyon, gerçek moderatör değişkenlerinden kaynaklanan farklılıkları geçersiz kılabilir ve bu nedenle, olaydan sonra yapılan çalışmaları inceleyerek gerçek moderatör değişkeni belirlemeyi zorlaştırabilir.

Her bir eser hakkında bilgi verilirse eserler için düzeltme yapmak zor değildir. Bir örnek düşünün: birinci kademe denetçiler için fabrika ortamında yürütülen bir sosyal beceri eğitimi çalışması. İş performansının ölçüsü, her bir süpervizörün birinci kademe yöneticisinin 100 puanlık tek bir grafik derecelendirme ölçeğindeki performans derecelendirmesidir.

Araştırmacı, performans derecelendirmelerinin bir oran ölçeğinde (bir gerçek) ölçüldüğünden şüphe duyduğu için, araştırmacı parametrik istatistiklerin kullanılamayacağına karar verdi (kendi adına istatistiksel bir hata). Böylece araştırmacı veriler üzerinde bir işaret testi yapmaya karar verdi. Birleştirilmiş grup verileri ortancaya bölündü ve beceri eğitimi alan ve almayan denetçiler arasındaki ortalamanın üzerindeki performansın oranını karşılaştıran bir ki-kare testi yapıldı.

Konsensüs performans derecelendirmeleri üzerindeki eğitim için tedavi etkisinin dTY = .40 olduğunu varsayın. Gerçek popülasyon tedavi korelasyonu bu nedenle rTY = .20’dir. Tek bir derecelendirme ölçeğinde tek bir denetçi tarafından yapılan performans derecelendirmelerinin değerlendiriciler arası güvenilirliği ortalama .28’dir (Hunter ve Hirsh, 1987; King, Hunter ve Schmidt, 1980). Böylece etki büyüklüğü dTY = .40’tan .40’a düşürülmüştür.

Toplam örneklem büyüklüğü 100 olan bir çalışma için bu, istatistiksel gücü zaten düşük olan %51’den çok düşük %18’e düşürür. .50’den küçük bir d değeri için bir medyan bölme kullanan bir dikotomizasyonun etkisi, basitçe değeri %20 azaltmaktır.

Bu, istatistiksel gücü çok düşük bir %18’den daha da düşük bir %13’e düşürür. Yani, iki eser birlikte etki boyutunu .40’tan .17’ye, uygun değerinin yarısından daha azına düşürür. İstatistiksel güç, zaten istenmeyen olan %51’den yalnızca %13’e düşürülür, anlamlılık testi için hata oranı %49’dan %87’ye yükselir. Eserlerin sistematik etkisi, düzeltme formülleri ile çalışmadan çıkarılabilir.

Yani, artefaktlar etkinin boyutunu %58 oranında azaltırsa, değeri karşılık gelen faktör .42’ye bölerek değeri geri yükleyebiliriz. Ancak bu düzeltme etki büyüklüğündeki sistematik hatayı ortadan kaldırırken artan örnekleme hatasını ortadan kaldırmaz. Düzeltilmiş etki büyüklüğü üzerinde uygun bir istatistiksel test, düzeltilmemiş etki büyüklüğü üzerinde yapılan testle aynı p değerlerini verir. Bu nedenle, istatistiksel düzeltme formülleri, kaybedilen istatistiksel gücü geri yüklemez.

Önceki örnek, orta büyüklükteki efekt boyutlarındaki çoklu yapaylıklar için tipik bir düzeltmedir. Her artefakt, etki boyutunu bir çarpımsal faktörle azaltır. Net etki, etki boyutunu, ayrı çarpanların çarpımı olan bir çarpımsal faktörle azaltmaktır. Yani, birkaç artefaktın zayıflatıcı etkisi, ayrı zayıflatıcı faktörlerin çarpımı ile etki boyutunu azaltmaktır. Karşılık gelen düzeltme, zayıflama çarpanına bölünerek efekt boyutunu orijinal boyutuna geri yükler.

Önceki tartışmada bir uyarı var: Tedavi korelasyonu için tam olarak doğrudur, ancak etki büyüklüğü d için yalnızca bir yaklaşıklıktır. Bir tedavi etkisi, d = 2r yaklaşımı bozulacak kadar büyükse, o zaman çarpımsal formül sadece tedavi korelasyonuna uygulanmalıdır. Tedavi etkisi d daha sonra olağan dönüşüm formülü ile hesaplanabilir.

Örneğin, çok büyük bir tedavi etkisi için sosyal beceri eğitimi örneğini düşünün, örneğin d = 1.50. Gözlenen tedavi korelasyonu, zayıflama denklemini karşılar.