การคมครองขอมลชวมาตรภายใตพระราชบญญตคมครองขอมลสวนบคคล พ.ศ. 2562 Biometric Personal Data Protection under Personal Data Protection Act B.E. 2560
Notice bibliographique
Résumé
บทคดยอเนองจากปจจบนมการละเมดขอมลสวนบคคลทกอใหเกดความเสยหายตอเจาของขอมลสวนบคคล โดยเฉพาะการจดเกบขอมลชวมาตร ซงมผลมาจากความกาวหนาทางเทคโนโลยทเกบรวบรวมใช หรอเปดเผยขอมลสวนบคคล การเขาถงขอมลสวนบคคลทำไดโดยงาย สะดวก และรวดเรว อนมผลกระทบตอความมนคง และเศรษฐกจโดยรวม ประเทศไทยจงไดมการประกาศใชพระราชบญญตคมครองขอมลสวนบคคล พ.ศ. 2560 ขน เพอกำหนดหลกเกณฑ กลไก หรอมาตรการกำกบดแลเกยวกบการใหความคมครองขอมลสวนบคคลอยางไรกตาม กฎหมายฉบบนยงมประเดนทนาศกษาวเคราะหเพมเตมในเรองของการเกบรวม รวมใช ประมวลผล และการสงหรอโอนขอมลไปยงตางประเทศ โดยไดศกษาเปรยบเทยบจากกฎหมายคมครองสวนบคคลของตางประเทศ ไดแก สหภาพยโรป ประเทศสหรฐอเมรกา ประเทศแคนาดา และประเทศสหพนธรฐเยอรมน เพอนำมาปรบปรง แกไข หรอเพมเตมบทบญญตกฎหมายของประเทศไทยอนเปนประโยชนดานการคมครองขอมลสวนบคคลไดอยางมประสทธภาพมากยงขน AbstractNowadays, the violation of personal information causes damage to the information owners, especially the biometric data, because the advance technologymade the acquire access and disclose of personal data easily. Due to mentional problem may affect Thailand’s national security and economy; therefore, the Government promulgated the Personal Data Protection Act 2017 to specify criteria, mechanisms, or regulatory measures regarding the protection of personal data. However, this Act still has some issues that should study further regarding the collection, usage, processing transmission, and or transferring of information to other countries. This study employed a comparative study of personal data protection laws of foreign countries such as the European Union, the United States of America, Canada, and Germany should in order to improve or amend the Thai law to become more efficient in the protection of personal data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».