Hoppa till innehåll
Roy Saurabh

Federated learning for children's data: encoding trust in education systems

Publiceringsforum
UNICEF Innocenti, Office of Strategy and Evidence
År
19 maj 2025
Roll
Författare
Illustrativ. Uppgifterna stannar inom varje institution, bara modelluppdateringar färdas.

Frågan

Kan offentliga institutioner lära av känsliga utbildningsdata utan att någonsin centralisera dem?

Sammanfattning

Hävdar att stater kan använda känsliga utbildningsdata utan att centralisera dem, och vilken styrning det kräver.

Roll

Författare. Publicerad av Unicef Innocenti inom ramen för dess projekt om styrning av barns data, där han också sitter i den expertrådgivande gruppen.

Författare. Roy Saurabh

Känsliga data ska inte behöva centraliseras för att bli användbara.

Idén, i fyra steg

  1. 01

    Uppgifterna stannar där de finns

    Varje skolsystem behåller sina egna data. Inga uppgifter om något barn lämnar den institution som förvarar dem.

  2. 02

    Bara modelluppdateringar rör sig

    En gemensam modell tränas lokalt på varje plats. Det som färdas mellan institutionerna är uppdateringen, inte data.

  3. 03

    Styrningen måste följa med

    Vem som får delta, vad som får beräknas och vem som ansvarar för resultatet måste vara avgjort innan den första uppdateringen skickas.

  4. 04

    Risken flyttas, den försvinner inte

    Uppdateringar kan läcka och förklaringar kan glida. Federering ändrar var risken finns. Den tar inte bort den.

Underlag

  1. 01

    UNICEF Innocenti

    Federated learning for children's data: encoding trust in education systems

    Article authored by Roy Saurabh and published by UNICEF Innocenti on 19 May 2025, listed among the outputs of the good-governance-of-children's-data project.

    Visa original ↗, öppnas i en ny flik

  2. 02

    UNICEF Innocenti

    Good governance of children's data, advisory groups

    Names Roy Saurabh among the current expert advisory group members shaping the second phase of UNICEF Innocenti's children's data governance project.

    Visa original ↗, öppnas i en ny flik

Se även

Nästa projekt

Assurans

An assurance toolchain for deployed AI