去标识化
De-identification
学到 会用 就够：能亲手用起来
你可能会说
“我把受访者姓名换成编号后，怎样判断访谈稿里还会不会暴露他是谁？”
去标识化是处理可识别人的信息，使不借助额外资料时难以识别特定个人；它通常仍需配合保管和访问控制。
这类规定会更新，用之前请以学校、期刊或机构的最新官方文件为准。卡片内容核对于 2026-11-07。
使用 AI
科研里的例子
假设经济学团队公开企业家访谈，姓名虽已替换，但“某县唯一某行业上市企业负责人”仍足以定位身份，需要进一步处理描述或限制开放。
先处理姓名、证件或联系方式等直接线索，再检查地点、职业、年龄、少见经历等组合能否让熟悉情境的人认出当事人。编号与真实身份的对应表应分开保管，并限定访问者；发布片段还要重新判断细节组合，而不是沿用内部分析稿的处理程度。在我国个人信息保护法的定义中，去标识化与不可复原的匿名化有区别，不能把“换成代号”写成已经完全匿名。文本处理过度也可能损害研究解释，因此应记录改了哪些信息、保留哪些分析意义，并按预定用途评估剩余风险。
在你的学科里，直接拿去用
整理访谈材料的使用授权与去标识方案
请依据[知情同意材料、机构要求]，为[研究用途]审查[文本样例]的使用边界。分别检查录音、分析、逐字引用、身份披露、对外共享和上传[工具]是否有明确授权；找不到就列为待确认，不推定录音许可覆盖全部用途。按直接标识、间接标识和叙事组合再识别风险提出最小必要替换，尽量保留分析意义，映射表与待共享文本分开保存。输出权限对照表、去标识建议及需由研究负责人或机构决定的问题。只据所给文本判断，不承诺匿名或合规已获认证。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PS05
判断
亲手检查一次
请熟悉研究场景但没有身份对应表的人查看拟公开片段，列出可能识别的细节，并据授权和用途调整。
它做不到的
去标识化不保证无法重新识别，也不自动取得上传云端或公开分享的权利；匿名化是否达到要求，需结合材料和适用规则判断。以最新官方文件为准。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- 中华人民共和国个人信息保护法（工信部官网公布）2026-11-07 核对
- UK Data Service — Prepare your data collection for deposit2026-11-07 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。