Datamanipulering

Datamanipulering verwijst naar het wijzigen, manipuleren of selectief presenteren van gegevens met als doel een gewenste conclusie te krijgen of een verkeerde indruk te wekken. Het kan plaatsvinden tijdens verzamelingen, opslag, verwerking of verslaggeving en kan zowel in onderzoeks-, bedrijfs- als openbare contexten voorkomen.

Voorbeelden zijn fabricage van data, vervalsing van bestaande data, selectieve rapportage, p-hacking en data-dredging. Ook het verwijderen van uitbijters, het aanpassen van tijdreeksen of het veranderen van meetresultaten kan daaraan bijdragen.

Datamanipulering ondermijnt de validiteit, wetenschappelijke integriteit en het vertrouwen in data. De gevolgen kunnen variëren van verkeerde conclusies tot financiële verliezen en reputatieschade voor onderzoekers, bedrijven en overheden, en in sommige gevallen risico’s voor veiligheid.

Detectie en preventie omvatten data-governance, audit trails en versiebeheer, data-provenance en integriteitscontroles, evenals onafhankelijke replicatie en statistische forensiek. Toegangsbeperking, logging en continue monitoring helpen misbruik te voorkomen.

Regelgeving en ethiek: in de EU en veel jurisdicties bestaan wetten en normen rondom data-integriteit en privacy, zoals GDPR. Organisaties moeten transparantie, preregistratie van analyses en publiek toegankelijke methoden nastreven en ongepaste manipulatie bespreken in codes of beleid.

Praktische richtlijnen: implementeer duidelijke protocollen voor data-collectie en verwerking, bevorder openheid over methoden, en stimuleer een cultuur van ethiek en verantwoording.