Skip to main content
SearchLoginLogin or Signup

۷. کار خود را به اشتراک بگذارید

ترجمه توسط امیرحسین پی‌براه

Published onMar 07, 2024
۷. کار خود را به اشتراک بگذارید
·

اصل: کار خود را آشکار کنید.

کار علم داده، همانند تمامی کارها در جهان، نتیجه تلاش بسیاری از افراد است. فمینیسم داده این کارها را قابل مشاهده می‌کند تا بتوان آن‌ها را شناخت و به ارزش‌شان پی‌برد.

اگر در زمینه توسعه نرم‌افزار کار می‌کنید، به احتمال زیاد یک حساب کاربری در گیت‌هاب1 دارید. تا ژوئن ۲۰۱۸، این پلتفرم مدیریت کد آنلاین دارای بیش از ۲۸ میلیون کاربر در سراسر جهان بود. گیت‌هاب با فراهم کردن امکان ساخت مخازن مبتنی بر وبِ کد (و دیگر اشکال محتوا)، همکاری در توسعه یک نرم‌افزار یا یک وب‌سایت یا حتی یک کتاب را آسان‌تر از هر زمان دیگری کرده است.

بله، آسان‌تر است اگر شما مرد باشید. یک مطالعه در سال ۲۰۱۶ نشان داد که اگر کاربران زن گیت‌هاب در پروفایل کاربری‌شان، خود را زن معرفی کنند، با احتمال کمتری مشارکت آن‌ها پذیرفته می‌شود (این مطالعه، جنسیت‌های غیردودویی را بررسی نکرده است2). انتقادها در مورد تعهد گیت‌هاب به دربرگیرندگی، یا عدم وجود آن، به سیاست‌های داخلی شرکت نیز اشاره می‌کنند. در سال ۲۰۱۴، بنیان‌گذار گیت‌هاب پس از افشای اتهامات مربوط به آزار و اذیت جنسی، مجبور به استعفا شد3. اخیرا، در سال ۲۰۱۸، اگنس پاک4، یکی از وکلای زن برجسته سابق در گیت‌هاب، پس از اعتراض به نقش‌داشتن جنیست و نژاد او در کاهش بسته حقوقی‌اش،‌ از شرکت به دلیل تغییر در بازنگری عملکردش شکایت کرد و ادعا کرد که شرکت به این بهانه او را اخراج کرده است5. دادخواست پاک مدت کوتاهی پس از آن اتفاق افتاد که کارولین آدا اهمک6، توسعه‌دهنده نرم‌افزار تراجنسیتی، در سال ۲۰۱۷، یک بسته تسویه کاری قابل‌توجه را رد کرد تا بتواند علنا در مورد تجربه منفی خود از کار در گیت‌هاب صحبت کند7. واضح است که گیت‌هاب چندین مساله مهم در رابطه با فرهنگ سازمانی دارد که باید به آن‌ها رسیدگی شود.

اما یک فرهنگ سازمانی که رفتار خصمانه‌ای با زنان دارد، الزاما مانع مداخلات فمینیستی دیگر نمی‌شود. و در این‌جا گیت‌هاب یک نمونه مهم است: این پلتفرم کمک می‌کند که «کار کدنویسی گروهی دیده شود». علاوه بر ابزارهای پایه‌ای مدیریت پروژه، مانند ردیابی ایرادات و درخواست ویژگی، پلتفرم گیت‌هاب همچنین تصویری از مشارکت هر عضو تیم در کد پروژه می‌سازد. نمودارهای مساحتی که به‌صورت بخش‌های کوچکی مرتب شده‌اند، به بینندگان اجازه می‌دهد که کمیت، میزان، و مدت زمان مشارکت اعضا را مقایسه کنند (شکل ۷.۱الف). یک نمودار خطی، الگوهای مشارکت در روزهای هفته را نمایش می‌دهد (شکل ۷.۱ب). و یک فلوچارت از ارتباطات بین شاخه‌های مختلف کد پروژه، کمک می‌کند که هر منبعی که ممکن بود در غیر این صورت دیده نشود یا هر پروژه دیگری که ممکن بود بر اساس کار اولیه پروژه ایجاد شود، دیده شود (شکل ۷.۱ج).

شکل ۷.۱

(الف) اولین تصویر از سه تصویر کد مرتبط با پروژه‌ای از گروه تحقیقاتی لورن، که مشارکت قابل‌توجه دانشجویان را بین سال‌های ۲۰۱۴ و ۲۰۱۹ نشان می‌دهد. (ب) نمودار ستونی تعداد دفعات ارسال کد را در طول زمان و نمودار خطی الگوی ارسال کد را در روزهای هفته نشان می‌دهد. تصویر از صفحه لورن اف. کلاین (ج) یک نمودار فلوچارت‌گونه که ارتباطات بین شاخه‌های مختلف پایگاه کد پروژه را ثبت کرده است. تصویر از صفحه توسط لورن اف. کلاین.

هر کسی که تا به حال برنامه‌نویسی کرده باشد به خوبی می‌داند که کدنویسی یک کار است. اما نه کاری که همیشه به راحتی دیده شود. همین امر در مورد جمع‌آوری، تحلیل، و به‌تصویر کشیدن داده‌ها نیز صادق است. ما معمولا از وسعت و پیچیدگی تصاویر تعاملی، مانند «نقشه کشتی‌رانی»8 در شکل ۷.۲، شگفت‌زده می‌شویم. این تصویر مسیر کشتی‌های تجاری جهانی را در طول‌مدت سال ۲۰۱۲ نشان می‌دهد9. «نقشه کشتی‌رانی» با نمایش تک‌تک سفرهای دریایی، شبکه‌ آب‌راه‌هایی را که زنجیره تامین محصول جهانی ما را می‌سازند، نشان می‌دهد. اما ما به ندرت با شبکه فرایندها و افرادی که در تهیه تصویر همکاری کرده‌اند، آشنا می‌شویم، از جمله ۷۵ پژوهش‌گر فعال موسسه تحقیقات کلارکسون انگلستان10 که مجموعه‌داده‌های اصلی را جمع‌آوری و ارزیابی کردند، و تیم تحقیقاتی دانشگاهیِ موسسه انرژی دانشگاه کالج لندن11 که مدل داده را توسعه داد، و تیم طراحی در کلین12 که مدل داده را به تصویری که ما می‌بینیم تبدیل کرد. و هیچ اشاره‌ای به ده‌ها هزار کشتی تجاری که منبع داده‌ها بودند، نمی‌شود. تصویرسازی‌هایی مانند «نقشه کشتی‌رانی» نتیجه کار افراد بسیاری است.

با این‌حال، متأسفانه، هنگامی‌که یک محصول داده برای عموم منتشر می‌شود، ما سهم خیلی از افرادی که در انجام آن کار دخیل بوده‌اند را نادیده می‌گیریم. ما اغلب اوقات به منبع مجموعه‌داده اشاره می‌کنیم و از افرادی که کدها و بخش‌های گرافیکی را طراحی و پیاده‌سازی کرده‌اند، نام می‌بریم، اما به‌ندرت در مساله عمیق می‌شویم تا ببینیم چه کسانی داده‌ها را می‌سازند، چه کسانی داده‌ها را جمع‌آوری و برای استفاده آماده می‌کنند، و چه کسانی ساخت طرح‌هایی مانند نقشه کشتی را ممکن می‌سازند. مسلما، یافتن این اطلاعات گاهی اوقات دشوار است. و زمانی که اعضای تیم پروژه (یا افراد مستقل) با تمام توان کار می‌کنند و از نظر بودجه تحت فشار هستند، ممکن است به دست‌آوردن این اطلاعات برای آن‌ها کاری بیش‌ازحد توان باشد13. حتی در مواردی که منابع و تمایل کافی برای این کار فراهم باشد، گاهی ممکن است اطلاعاتی درباره دامنه مشارکت‌کنندگان پروژه اصلا پیدا نشود. اما مشکلات مختلفی که برای اذعان به این کار با آن مواجه می‌شویم به مشکل بزرگ‌تری اشاره می‌کند که میریام پوسنر14، محقق مطالعات اطلاعات، آن را «زنجیره تامین داده‌ها»15 نامیده است16. پوسنر مطرح می‌کند که کارهای نامرئیِ درگیر در کار داده‌ها چیزهایی هستند که شرکت‌ها می‌خواهند از از دید عموم پنهان نگه دارند،‌ همانند محتویات کشتی‌های «نقشه کشتی‌رانی»، که ما فقط جزئیات پراکنده‌ای در مورد آن می‌دانیم - مثلا نقشه می‌تواند به ما بگوید که آیا یک کانتینر حمل‌ونقل در قایق بارگیری شده است یا نه، اما در مورد محتویات کانتینرها چیزی نمی‌گوید.

شکل ۷.۲

تصویری از مسیرهای کشتیرانی جهانی در بستر زمان، طراحی شده توسط کلین در سال ۲۰۱۶، بر اساس داده‌های موسسه انرژی دانشگاه کالج لندن. وب سایت نقشه کشتی (Ship Map) توسط دانکن کلارک و رابین هیوستون از کلین ایجاد شده است و مجموعه‌داده توسط جولیا شومایر و تریستان اسمیت از موسسه انرژی دانشگاه کالج لندن گردآوری شده است. این وب‌سایت همچنین شامل یک موسیقی متن است: Bach’s Goldberg Variations، نواخته شده توسط کیمی‌کو ایشی‌زاکا.

به بیان ساده‌تر، این مساله تصادفی نیست که بسیاری از کارهایی که برای طراحی یک محصول داده انجام می‌شود - مانند تصویرسازی، تهیه الگوریتم، مدل، و برنامه - دیده نمی‌شوند و بدون اعتبار باقی می‌ماند. در جامعه سرمایه‌داری، ما برای کاری ارزش قائل می‌شویم که می‌بینیم. این نتیجه سیستمی است که در آن ارزش فرهنگی هر شکلی از کار مستقیما با قیمتی که برای آن پرداخت می‌کنیم مرتبط است. از آنجا که یک خدمت هزینه دارد، به آن ارزش بیشتری می‌دهیم. اما بیشتر مواقع، عکس این حالت نیز صادق است: ما ارزش بالاتر خدماتی را که به صورت رایگان دریافت می‌کنیم متوجه نمی‌شویم. در اوایل دهه ۱۹۷۰، هنگامی که «اتحاد بین‌المللی فمینیستی»17 کمپین دستمزد برای کار خانگی را راه‌اندازی کرد، تلاش کرد که پدیده «کار نامرئی»18 را علنی کند - کاری بدون دستمزد که در نتیجه بی‌ارزش قلمداد می‌شد19 (شکل ۷.۳). اصطلاح دقیقی که آن‌ها برای توصیف این کار استفاده کردند، «کار بازتولیدی»20 بود که از تمایز اقتصاد کلاسیک بین کار دستمزدی و از نظر اقتصادی «مولد»21 بازار، و کار بدون‌دستمزد و از نظر اقتصادی «غیرمولد»22 ناشی می‌شد. گروه‌هایی مانند اتحاد بین‌المللی فمینیستی با بازتعریف این دسته اخیر از کار به‌عنوان کار بازتولیدی، به جای کار غیرمولد (که به نادرستی به این نام نامیده می‌شد) تلاش کردند بر این نکته تأکید کنند که چگونه طیف وسیعی از کارهایی که این اصطلاح شامل می‌شود، مانند پخت‌وپز، نظافت، و مراقبت از کودک، دقیقا کارهایی هستند که کسانی را که کار «مولد» انجام می‌دهند، مانند کارهای اداری یا کارخانه‌ای، قادر می‌سازد تا کار خود را انجام دهند.

جنبش دستمزد برای کار خانگی در ایتالیا آغاز شد و با کمک سیلویا فدریچی23، سازمان‌دهنده و نظریه‌پرداز کارگری، به ایالات‌متحده کشیده شد. به تدریج، این حرکت در چندین شهر آمریکا گسترش یافت و قدم مهمی در افزایش آگاهی برداشت24. با این‌حال، فمینیست‌های برجسته‌ای مانند آنجلا دیویس25 به این مساله اشاره کردند که ممکن است کار خانگی برای زنان سفید بدون‌دستمزد باشد، اما زنان رنگین‌پوست - به ویژه زنان سیاه در ایالات‌متحده - مدت‌ها بود که برای کار خانگی در خانه دیگران دستمزد دریافت می‌کردند، البته نه دستمزدی مناسب: «به دلیل وجود تبعیض‌نژادی، خیلی از زنان سیاه مجبور بودند تا هم کار خانه‌داری خود را انجام دهند و هم کارهای خانه سایر زنان را»26. در اینجا، دیویس به نکته مهمی در مورد «کار نژادپرستانه»27 اشاره کرد: کار خانگی همان‌طور که بر اساس جنسیت ساختاریافته است، بر اساس نژاد و طبقه اجتماعی نیز ساختاریافته‌اند. کار خانگی برای زنان رنگین‌پوست «کاری با دستمزد پایین»28 بوده و است، و همان‌طور که نظریه‌پردازان کار فمینیستی به آن اشاره می‌کنند، هزینه پایین آن به بسیاری از زنان سفید طبقه متوسط و بالا این اجازه را داده (و همچنان به آن‌ها اجازه می‌دهد) تا در بازار «کار با دستمزدهای بالاتر» حضور پیدا کنند29.

شکل ۷.۳

راهپیمایی دستمزد برای کار خانگی، ۱۹۷۷. عکس توسط بتی لین (Bettye Lane). با تشکر از کتابخانه شلزینگر (Schlesinger)، موسسه رادکلیف/بتی لین.

از دهه ۱۹۷۰، عبارت «کار نامرئی» انواع مختلفی از کارها را شامل شده است، از جمله کارهای بدون‌دستمزد، کارهای با دستمزد پایین و حتی کارهای با دستمزد. این کارها نامرئی شمرده می‌شوند زیرا در داخل خانه انجام می‌شوند، یا به این دلیل که از دید عموم دور هستند، یا به این دلیل که به‌طور کلی فاقد فرم فیزیکی هستند30. اگر از سایت «دستمزد برای فیسبوک» WagesforFacebook.com دیدن کنید، نسخه‌ای از سند دستمزد برای کار خانگی را برای اشکال جدیدی از کار نامرئی خواهید دید. همان‌طور که نظریه‌پردازان کار دیجیتال، مانند تیزانا ترانوا31، به ما در درک این مساله کمک کردند، این کار نامرئی را می‌توان در سراسر وب یافت32. عبارت «آن را به اشتراک‌گذاری می‌نامند، ما آن را دزدی می‌نامیم» یکی از جملاتی است که با حروف مشکی بزرگ نمایش داده شده است و به پایین صفحه حرکت می‌کند. کلمه «آن» در این عبارت به کارهایی اشاره می‌کند که اکثر ما هر روز انجام می‌دهیم، در قالب لایک‌های فیسبوک، پست‌های اینستاگرام، و توییت‌های توییتر. نکته‌ای که لورل پتاک33، هنرمند پشت پروژه دستمزد برای فیسبوک، و همچنین ترانووا34 مطرح کرده‌اند این است که کار نامرئیِ لایک‌ها و توییت‌های ما دقیقا همان چیزی است که فیسبوک‌ها و توییترهای جهان را قادر ساخته تا سود ببرند و پیشرفت کنند.

کار نامرئی علم داده

جهان علم داده نیز به دلیل نیروی کار نامرئی بدون‌دستمزد می‌تواند سود ببرد و پیشرفت کند. چگونه نتفلیکس الگوریتم توصیه فیلم خود را بهبود داده است؟ شرکت آن را جمع‌سپاری35 کرد36. چگونه روزنامه بریتانیایی «گاردین» از میان دو میلیون سند فاش شده تشخیص داد که کدام اسناد احتمالا دارای اطلاعات مجرمانه درباره هدررفت دولتی هستند؟ روزنامه آن را جمع‌سپاری کرد37. تصحیح اشتباهاتِ تشخیص و تبدیل خودکار متن38 روی مجموعه‌داده کتاب‌های دوره مدرن اولیه که شما برای پروژه تحلیل متن خود دانلود می‌کنید [چگونه انجام شده است]؟ آن هم جمع‌سپاری شده بود39.

هر کدام از این پروژه‌های جمع‌سپاری‌شده در ظاهر عملی خیرخواهانه به نظر می‌آید (و در مورد نتفلیکس، فرصتی برای برنده شدن جایزه یک‌میلیون دلاری). طرفداران این شیوه ادعا می‌کنند که مردم باید در این پروژه‌ها مشارک کنند، زیرا کاری در جهت خیرعمومی است40. با این حال، به نظر اش درایدن41، توسعه‌دهنده نرم‌افزار و مشاور تنوع‌پذیری، مردم تنها زمانی می‌توانند به جمع‌سپاری کمک کنند که تمایل و زمان لازم را داشته باشند42. مجددا آن مطالعه در مورد گیت‌هاب را به یاد آورید. اگر شما یک زن بودید و می‌دانستید که مشارکت شما در یک پروژه برنامه‌نویسی نسبت به مردان کمتر پذیرفته می‌شود، آیا همچنان برای مشارکت در آن پروژه انگیزه داشتید؟ یا برای مثالی دیگر، ویکی‌پدیا را در نظر بگیرید. اگرچه مشخصات دقیق توزیع جنسیتی مشارکت‌کنندگان ویکی‌پدیا مشخص نیست، اما بررسی‌های متعدد نشان داده‌اند کسانی که در جمع‌سپاری تولید محتوای دانشنامه مشارکت داشته‌اند بین ۸۴ تا ۹۱.۵ درصد مرد هستند43. چرا؟ در اینجا نیز ممکن است ویراستاری‌های ویراستاران زن کمتر پذیرفته شوند44. علاوه بر این، همان‌طور که هیدر فورد45 و جودی واکمن46، محققان «مطالعات علم و فناوری»47، مطرح کرده‌اند، این مساله را می‌توان به فرهنگ ویراستاری انحصاری و زیرساخت‌های فناوری ویکی‌پدیا نسبت داد48. و این‌جا می‌توان به بحث کار خانگی بازگشت. درایدن به مطالعه‌ای در سال ۲۰۱۱ اشاره می‌کند که نشان می‌دهد زنان در ۲۹ کشور بیشتر از دو برابر مردان برای کارهای خانگی وقت صرف می‌کنند، حتی وقتی‌که زنان شاغل در کارهای تمام‌وقت در نظر گرفته شوند49. این مطالعه، جنسیت‌های غیردودویی یا خانواده‌های همجنس (یا دیگر مدل‌های غیرهمجنس‌گرا) را در نظر نگرفته است. اما حتی به‌عنوان یک تخمین تقریبی، به سادگی مشخص است که زنان زمان کمتری دارند50.

در جوامع سرمایه‌داری، خیلی رایج است که زمان به‌عنوان پول درنظر گرفته می‌شود. اما مهم است به یاد داشته باشیم تا بپرسیم که زمان چه کسی صرف می‌شود و پول چه کسی پس‌انداز می‌شود. پیش‌فرض سرویس «تورک ماشینی آمازون»51 - یا MTurk، که پلتفرمی برای جمع‌سپاری است - این است که دانشمندان داده می‌خواهند در زمان و هزینه خود صرفه جویی کنند52. وب‌سایت MTurk دسترسی به بازار جهانی «کارگران به‌محض درخواست»53 را تبلیغ می‌کند، که کارگرانی «در مقیاسی بیشتر و کارآمدتر» از کارگرانی هستند که با فرآیندها «زمان‌بر و پرهزینه‌» استخدام می‌شوند54. اما این کارگران برای وارد کردن و پردازش داده‌ها، کمتر از حداقل دستمزد را دریافت می‌کنند. و همان‌طور که یک مطالعه اخیر توسط مرکز تحقیقات پیو55 نشان داده است،۵۱ درصد از تورکرهای مقیم ایالات‌متحده، اصطلاحی که برای اشاره به کارمندان MTruk استفاده می‌شود، دارای مدرک دانشگاهی هستند و ۸۸ درصد آنها زیر ۵۰ سال سن دارند. این معیارها در کنار موارد دیگر، آن‌ها را در زمره شایسته ترین افراد برای داشتن کار با حقوق ثابت قرار می‌دهند56. این شکل از کار با دستمزد پایین همچنین به‌شکل روزافزونی از ایالات‌متحده به کشورهایی با قوانین کاری کمتر (یا بدتر) و فرصت‌های کمترِ (یا بدترِ) پیشرفت اقتصادی برون‌سپاری می‌شود. یک مطالعه‌ در دانشگاه کالیفرنیا، ایرواین57 در سال ۲۰۱۰، نشان می‌دهد که تعداد تورکرهای مقیم ایالات‌متحده در طول ۱۸ ماهی که زیر نظر بودند، ۲۰ درصد کاهش پیدا کردند58. بررسی به‌روز MTurk نشان می‌دهد که این روند ادامه دارد (به طرز جالبی شکاف جنسیتی در طول زمان تعادل یافته است).

حتی در شرکت‌های ثروتمندی مانند آمازون و گوگل، کار واردکردنِ داده‌ها به نسبت دانشی که به وجود می‌آورد، کم‌ارزش در نظر گرفته می‌شود. فیلم مستند «ترکِ کارگران گوگل‌پلکس»59 اثر اندرو نورمن ویلسون60 در سال ۲۰۱۱ (شکل ۷.۴) نشان می‌دهد که چگونه کارمندانی که وظیفه اسکن کتاب‌ها را برای پایگاه‌داده گوگل‌بوکز61 برعهده داشتند به‌عنوان طبقه‌ای جدا و نابرابر از سایر کارمندان استخدام می‌شدند، با کارت‌های شناسایی که دسترسی آن‌ها را به بیشتر محوطه گوگل محدود می‌کرده و از مزایای ویژه کارمندان شرکت بی‌بهره می‌گذاشته است62. (از قرار معلوم اضافی‌کاری‌کردن برای حفظ میراث‌فرهنگی جهان، شما را مستحقِ گرفتن یک وعده ناهار رایگان نمی‌کند، چه برسد به یک کلاس رایگان در مورد پخت پدکی‌مائو)63.

ویلسون همچنین متوجه شد که کارمندان اسکن کتاب گوگل به‌طور نامتناسبی زنان و رنگین‌پوستان هستند - واقعیتی که باعث تعجب فعالین رنگین‌پوست نمی‌شود، از جمله آنجلا دیویس، پاتریشیا هیل کالینز، و اِولین ناکانو گلن که همواره بر این مساله تأکید کرده‌اند که ستم اقتصادی باید به‌عنوان برداری تاثیرگذار در ماتریس سلطه شناخته شود. لیلی ایرانی64، محقق مطالعات اطلاعات، می‌گوید که «سلسله‌مراتب کار داده امروزه، تکرارکننده سلسله‌مراتب قدیمی جنسیت، طبقه، و نژاد در فناوری است»65. در این‌جا، ایرانی سلسله‌مراتب کار داده را با سلسله‌مراتبی که نخستین نسل زنان کامپیوتر مانند کریستین دردن، که در مقدمه این کتاب به آن پرداختیم، مقایسه می‌کند66. اما تحقیقات ایرانی، به شیوه‌های کار دیجیتالی معاصر می‌پردازد، به‌ویژه به سرویس تورک ماشینی آمازون، به افرادی که استخدام می‌کند و افرادی که از آن‌ها بهره‌کشی می‌شود. در سال ۲۰۰۸، ایرانی و همکارانش یک ابزار وب به نام Turkopticon ساختند که به تورکرها این امکان را می‌داد تا به‌شکل ناشناس شرایط ناعادلانه کار و همچنین هرگونه اطلاعاتی که می‌توانست در تصمیم‌گیری قبول کارهای آینده به آن‌ها کمک کنند را گزارش کنند67. ایرانی در نظر داشت که Turkopticon پروژه‌ای تحت رهبری کارگران باشد. با این‌حال، شرایط نابرابر کاری که وجود این ابزار را ضروری کرده بود، در نهایت باعث محدود شدن دسترسی به آن شد. در سال ۲۰۱۸، پس از ده سال کار، تیم داوطلبانه مدیران تصمیم به ترک آن گرفتند. آن‌ها در توییتر نوشتند: «ما بریدیم»68 و در میان برچسب‌زنی تصاویر و اصلاح متون پر از خطا، هیچ تورکری نتوانست وقتی برای انجام آن کار پیدا کند.

شکل ۷.۴

اندرو نورمن ویلسون در ترک گوگل‌پلکس نابرابری‌های پنهان در دفتر مرکزی Google's Mountain View را مستند کرده است (۲۰۱۱). همچنان با تشکر از اندرو نورمن ویلسون.

به قول ایرانی، کسانی که «کارهای داده فرهنگی»69 انجام می‌دهند، تنها در پلتفرم MTurk پیدا نمی‌شوند. آ‌ن‌ها افرادی هستند که کل اقتصاد اطلاعات به آن‌ها وابسته است. کارگران داده فرهنگی مسئول انجام کارهای نامرئی مرتبط بر نظارت بر سیل محتوایی هستند که هر روز در فضای آنلاین تولید می‌شود؛ تا برای مثال اطمینان حاصل کنند که فید فیسبوک شما، بدون محتوای مستهجن کودکان و ویدیوهای ترویج خشونت باشد. وقتی یک مقاله در مجله «وایرد» در سال ۲۰۱۴، هزینه‌های عاطفی این کار را که توسط برخی از کم‌توان‌ترین کارگران (زنان در جنوب جهانی) انجام می‌شود را مستند کرد، با موجی از شوک و خشم مواجه شد70. اما مطالعات بعدی مانند «کار ارواح»71 توسط مری گری72، انسان‌شناس و سیذارت سوری73، دانشمند کامپیوتر، وجود یک «طبقه فرودست جهانی» بزرگ را نشان داد که کار مربوط به نظارت بر محتوا، رونویسی، و زیرنویس‌سازی را انجام می‌دهد74. آن‌ها این نکته را مورد تأکید قرار دادند که عمل‌کرد به اصطلاح خودکارسازیِ هوش‌مصنوعی به افراد زیادی که در فرآیند مشارکت دارند، وابسته است75. علاوه بر این، در حالی‌که جمعیت کارکنان فناوری سیلیکون‌ولی را همواره مردان جوان سفید می‌سازد، «کارگران ارواح» جهانی اغلب زنان رنگین‌پوست مسن هستند که همیشه مجبورند تا شرایط کاری نامطمئن را بپذیرند.

کسانی که هزینه‌های انسانی سرمایه‌داری جهانی را مطالعه می‌کنند سریعا به این نکته اشاره می‌کنند که این استثمار نیروی کار متزلزل، نژادی، و استعماری، سابقه‌ای طولانی دارد، سابقه‌ای که ریشه در شکل اصلی استثمار انسانی دارد: برده‌داری. به هر حال، برده‌داری و سرمایه‌داری ارتباط نزدیکی با یکدیگر دارند، و اغلب داستانی شرم‌آور برای توضیح این نکته روایت می‌شود: در سال ۱۷۸۱، «زونگ»76، کشتی حمل برده بریتانیایی هنگام عبور از اقیانوس اطلس به علت یک سری اشتباهات ناوبری با کمبود آب آشامیدنی برای ۱۷ خدمه و ۱۳۳ برده در کشتی مواجه شد77. پس از بررسی هزینه‌ها و فایده‌ها، کاپیتان تصمیم گرفت «محموله» انسان‌های به بردگی گرفته‌شده را به دریا بیندازد تا خدمه کشتی بتوانند آب و جیره باقی‌مانده را خودشان مصرف کنند. این تصمیم به این دلیل گرفته شد که کاپیتان محاسبه کرد که می‌تواند پول بیمه کافی برای از دست دادن جان اسیرانش را، حتی اگر نتواند آن‌ها را پس از به ساحل رسیدن بفروشد، دریافت کند. او در مورد جان انسان‌ها صرفا بر اساس ارزش بازار آن‌ها فکر می‌کرد - مفهومی که سرمایه‌داری بیشترین توجه را به آن دارد.

غیرانسانی بودن این محاسبه باعث شد که بسیاری از محققان و هنرمندانِ [داده] به «زونگ» رجوع کنند، چرا که «رد بر آب مانده» برده‌داری را در آن می‌بینند. اصطلاحی که کریستینا شارپ78 با اشاره به ادبیات دریانوردی برای آن ساخته است79. شاعری مانند ام. نوربیس فیلیپ80، برای مثال، شعری به بلندی یک کتاب با عنوان «زونگ!» سروده که در آن فقط از کلمات حقوقی استفاده کرده است و به‌عنوان سندی از آن رویداد شناخته می‌شود81. شعر فیلیپ که در طی سال‌ها نوشته شد و در سال ۲۰۱۱ منتشر گردید، کلمات و عبارات کوتاهی را از زبان پرونده‌های دادگاهی عاریت گرفته و آن‌ها را پشت سرهم قرار داده است. شعر فیلیپ دائما زمان فعل‌ها را از گذشته به حال و از حال به گذشته تغییر می‌دهد، که صدای دیگری به ادعای شارپ اضافه می‌کند که اثرات آن جنایت اصلی - بهره‌برداری از بدن سیاهان برای منفعت مالی سفیدان - همچنان حل نشده است82.

زیرساخت‌های فناوری کنونی ما از همین الگوی بهره‌برداری پیروی می‌کنند. در ایالات‌متحده، برای همه چیز از نیروی کار افرادی با دستمزد بسیار پایین یا کاملا بدون‌دستمزد که تحت‌سلطه شکل معاصر بردگی - حبس - قرار دارند، استفاده می‌شود: از بسته‌بندی نرم‌افزارهای ویندوز گرفته تا پاک‌سازی نشت نفت BP در سال ۲۰۱۰83. در زمینه استعمار جهانی، همچنین می‌توانیم به این مثال اشاره کنیم که چگونه کوبالت مورد نیاز برای تولید باتری‌های لیتیومیون که انرژی تلفن‌های همراه و لپتاپ‌های ما را تامین می‌کنند، با نقض جدی حقوق بشر همراه است؛ از جمله استفاده از کودکان کنگولی زیر هفت سال به‌عنوان نیروی کار84. دفع بی‌رویه وسایل الکترونیکی منجربه ایجاد کارگاه‌های بازیافت و تعمیر محلی در مناطقی مانند آگبوگلوشی85، در نزدیکی آکرا86، در غنا، شده است. این کارگاه‌ها برای مدت زمان طولانی به‌عنوان مراکز اختراع و نوآوری عمل می‌کردند، اما به سایت‌های سمی «پسماند الکترونیکی» تبدیل شده‌اند که عواقب سختی برای سلامتی افرادی که در آن‌جا زندگی و کار می‌کنند و همچنین برای محیط زیست دارد87. سهم انسانی و زیست‌محیطی ارتباط ما با داده‌ها و فناوری نمی‌تواند بیشتر از این باشد، و منشأ آن همچنین بسیار واضح است: نیروهای سرمایه‌داری و استعماری که بدن‌های سیاه و قهوه‌ای را استثمار می‌کنند تا بدن‌های سفید بتوانند رشد کنند88.

روند تولید داده را بررسی کنید

فشارهای سرمایه‌داری جهانی می‌توانند طاقت‌فرسا شوند. و هر کدام از ما، به‌عنوان افرادی که از داده و فناوری در کارهای روزمره خود استفاده می‌کنیم، به درجات مختلفی در این موضوع هم‌دست هستیم. اما می‌توانیم با انجام کارهایی کوچک در موقعیت خود و با همکاری دیگران در برابر این فشارها مقاومت کنیم. در فصل‌های قبل، برخی از این امکانات را توضیح دادیم: بررسی قدرت در پروژه‌های تحلیل داده (فصل ۱ و ۲)، مقاومت در برابر دودویی‌ها و سلسله‌مراتب‌های غلط (فصل ۴)؛ در نظر گرفتن چندصدایی و دعوت از به‌حاشیه‌رانده‌شده‌ها در فرآیند طراحی (فصل ۵)؛ و در نظر گرفتن زمینه محیطی به گونه‌ای که تصور نشود که اعداد «خود صحبت می‌کنند» (فصل ۶).

به علاوه، ما می‌توانیم فضاهای بیشتری را برای محققین، روزنامه‌نگاران، و سایر پژوهش‌گرانی که مشخصا کار انجام‌شده در علم داده را مطالعه می‌کنند فراهم کنیم، برای کسانی که با ردیابی تصاویر و نمودارها، الگوریتم‌ها و ربات‌ها به منابع انسانی و مادیِ آن‌ها، قدرت را بررسی می‌کنند و آن را به چالش می‌کشند. این حوزه تحقیقاتی رو به رشد را می‌توان «مطالعاتِ تولید داده»89 نامید؛ عنوانی که از حوزه «مطالعاتِ تولید»90 گرفته شده است و در تلاقی مطالعات فیلم و رسانه و مطالعات کارگری قرار دارد. تمرکز اولیه مطالعاتِ تولید، از آن‌جایی که به فیلم و رسانه مربوط می‌شود، بررسی چگونگی تولید مصنوعات رسانه‌ای است. میراندا بنکس91، محقق مطالعات رسانه‌ای، ادعا می‌کند که «مطالعاتِ تولید، یک روش فمینیستی است» زیرا به به‌طور خاص به تفاوت‌های قدرتِ موجود در فرآیند تولید رسانه و همچنین شرایط مادی کارکنان رسانه توجه می‌کند92. کارهای مرتبط با تولید داده در حوزه‌هایی مانند علم فناوری و جامعه، علوم انسانی دیجیتال، علوم کتاب‌داری و اطلاع‌رسانی، و مطالعات آرشیوی در حال انجام است93. این کار به فرآیند تولید مجموعه‌های‌داده‌، الگوریتم‌ها، و مدل‌ها نگاه می‌کند و آن محصولات را تا افراد و شرایطی که تولید آن‌ها را ممکن کرده‌اند دنبال می‌کند.

به‌عنوان یک نمونه از کارهای انجام‌شده در این حوزه رو به رشد، می‌توان به پروژه «آناتومی یک سیستم هوش‌مصنوعی»94 اشاره کرد که توسط کیت کرافورد95، پژوهش‌گر فناوری و ولدلان جولر96، محقق طراحی، انجام شده است. این پروژه سعی دارد تا کار انسانی، وابستگی‌های داده، و منابع مادی مورد استفاده در تهیه یک دستگاه آمازون اکو97 را توصیف کند و به‌تصویر بکشد. این پروژه به صورت یک نمودار با اندازه‌های بورگس98 منتشر شده و به حدی بزرگ است که نمی‌توان آن را به‌طور کامل در یک صفحه نمایش استاندارد لپ‌تاپ مشاهده کرد (شکل ۷.۵الف). همراه این نمودار، یک مقاله ۱۹۰۰ کلمه‌ای وجود دارد. بازدیدکنندگان ابتدا با استخراج معدن که برای تولید اجزای الکترونیکی دستگاه لازم است آشنا می‌شوند، و از کارِ دشوار (و گاهی اوقات کار کودکان) که این فرآیند به آن نیاز دارد، آگاه می‌شوند. نمودار (و روایت) با گذر از مراحل پالایش، تجمیع و توزیع این اجزا، سپس جابجایی فیزیکی آن‌ها، و سپس جابجایی مجازی آن‌ها - از طریق زیرساخت اینترنت - پیش می‌رود. هنگامی‌که وارد محدوده شرکت آمازون می‌شوید، نمودار لایه‌هایی از کارگران را نشان می‌دهد که همه چیز را از نگهداری شبکه تا تهیه مجموعه‌داده‌های آموزشی، فراهم می‌کنند (شکل ۷.۵ب). کرافورد و جولر همچنین الگوهایی از ساختار نیروی کار آمازون را رسم کرده‌اند که آن‌ها را در قالب «زنجیره‌‌های فرکتال تولید و بهره‌برداری» توصیف می‌کنند. اما برای تکرار این کار نیاز به افراد است: «در هر سطح، فناوری معاصر به شدت بر پایه استثمار بدن انسان‌ها استوار است و از آن‌ها استفاده می‌کند»، و بدین ترتیب مقاله به جمع‌بندی می‌رسد99.

«آناتومی یک سیستم هوش‌مصنوعی» یک تحقیق و افشاسازی کار نامرئی مرتبط با ساخت یک محصول در مقیاس جهانی است. به این ترتیب، این یک نمونه جسورانه از اصل هفتم فمینیسم داده است: «کار خود را آشکار کنید». پشت جادو و بازاریابی محصولات داده، همیشه کار پنهانی وجود دارد - کاری که بیشتر توسطه زنان و افراد رنگین‌پوست انجام می‌شود که از یک سو عامل و از سوی دیگر نتیجه این واقعیت است که به این کار هم‌زمان، هم حقوقی پایین‌تر از معمول پرداخت می‌شود و همین‌طور ارزش مناسبی به آن داده نمی‌شود. فمینیسم داده به دنبال آشکار کردن این کارها است تا بتوان آن‌ها را شناخت و به طور مناسبی به ارزش آن‌ها پی برد، به‌طوری‌که هزینه واقعی آن‌ها - برای مردم و برای سیاره - شناخته شود.

به کار داده اعتبار دهید

تأکید بر اعتباردهیِ رسمی به طیفِ گسترده‌ای از کارها، از شیوه‌های فمینیستی ارجاع‌دهی نشات می‌گیرد. سارا احمد100، نظریه‌پرداز فمینیست، این روش را به‌عنوان راهی برای مقاومت در برابر این مساله که برخی افراد - معمولا افراد سیس، سفید و مرد - «با حذف دیگران، فضاها را به خود اختصاص می‌دهند» توصیف می‌کند101. وقتی افرادی حذف می‌شوند، نامرئی می‌‌گردند و در نتیجه مشارکت‌های‌شان نادیده می‌ماند. به تعبیر احمد، این «شیوه‌های حذف» که باعث کنارگذشتن افراد می‌شود همیشه عمدی نیستند، اما متأسفانه خودبه‌خود ادامه می‌یابند. احمد برای توصیف موضوع، فرو رفتن در یک صندلی راحتی چرمی را مثال می‌زند که به‌مرور زمان شکل بدن را به خود می‌گیرد. احتمالا شما توجهی به این نکته نمی‌کنید که صندلی برای افرادای که زیاد روی آن ننشسته باشند یا کسانی که بدن‌های متفاوت یا نیازهای متفاوت داشته باشند، راحت نیست. به همین دلیل، ما کسانی که روی آن صندلی‌های چرمی راحت - یا احتمالا در دنیای طراحی، روی صندلی‌های پلاستیکی قالب‌گیری‌شده ایمز102 - می‌نشینیم باید همواره حواس‌مان باشد و به خود یادآوری کنیم که کار داده ما روی اشکال اضافی از کار و افراد دیگراستوار شده است.

شکل ۷.۵

نمای کلی (الف) و جزئیات (ب) «آناتومی یک سیستم هوش‌مصنوعی» (۲۰۱۸) - دیاگرام و مقاله‌ای توسط کیت کرافورد و ولادان جولر که تلاش می‌کند کار انسانی، داده‌ها و منابع زمینی مورد استفاده برای ایجاد یک دستگاه آمازون اکو را نمایش دهد. با تشکر از کیت کرافورد و ولادان جولر.

این مساله حتی در مقیاس یک پروژه علم داده هم به سرعت پیچیده می‌شود. نمی‌توان همیشه نام همه افراد و کارهایی که انجام می‌دهند را به راحتی پیدا کرد - اگر اصلا بتوان آن‌ها را پیدا کرد. اما مستند کردن افرادی که در یک پروژه خاص مشغول به کار هستند همان‌زمان که آن‌ها کار می‌کنند، می‌تواند به حفظ سابقه آن کار پس از اتمام پروژه کمک کند. در واقع، این یکی از چهار اصل اساسی در «سند حقوق همکاران»103 است که سال ۲۰۱۱ توسط یک تیم بین‌رشته‌ای از کتاب‌داران، کارکنان فن‌آوری، محققین، و دانشجویان فوق‌دکتری تهیه شد که پاسخی بود در مقابل افزایش گسترده انواع فرصت‌های شغلی در درجات مختلفت که از آن‌ها درخواست می‌شد تا در پروژه‌های داده‌محور (و دیگر پروژه‌های دیجیتالی) مشارکت کنند104.

در طراحی محصولات داده از منظر فمینیستی، باید به همین میزان تلاش کنیم تا کارهای انجام‌شده در طول چرخه حیات پروژه را نشان دهیم. این امر همچنان صادق است، حتی آن‌جایی که نام بردن از تک‌تک افراد مشغول به کار در پروژه مشکل باشد یا زمانی که کار به صورت جمعی انجام شده باشد و نتوان آن را به یک منبع واحد نسبت داد. در این موارد، می‌توان از «پروژه سیستم بَعدی»105 الهام بگیریم که یک گروه تحقیقاتی است و هدف آن ثبت و تصویرسازی سیستم‌های اقتصادی جایگزین است106. این گروه در گزارشی، اطلاعاتی در مورد تنوع اقتصادهای اجتماعی موجود در مناطق مختلف را گردآوری کرده است، مناطقی مانند جزیره نگروس در فیلیپین، استان کبک، در کانادا، و ایالت کرالا در هند. این گزارش از استعاره تصویری کوه یخ استفاده کرده است (شکل ۷.۶)، که در آن، کار مزدی در نوک کوه یخ قرار دارد و در بالای آب شناور است، در حالی که ده‌ها شکل دیگر از کار - مانند اعتبارسنجی غیررسمی، تعاونی‌های مصرفی، کار در خانواد‌ه‌ها، و غیره - زیر آب قرار دارند و نیازهای عملکرد اقتصاد را تامین می‌کنند، اما پنهان می‌مانند و در دید دیگران قرار نمی‌گیرند.

با توجه به ایده کار پنهان‌مانده زیر آب، می‌توانیم به مثال گیت‌هاب که در ابتدای این فصل به آن اشاره شد بازگردیم و بپرسیم که چه نوع کارهای دیگری ممکن است در تولید کدها سهیم باشند که نمی‌توان آنها را توسط نقشه تصویری گیت‌هاب نمایش داد. می‌توانیم به کار مدیر پروژه فکر کنیم که به‌طور مستقیم با یک عدد خاص یا اندازه یا میزان مشارکت نشان داده نمی‌شود، اما با این حال کیفیت و سازگاری همه کدهای پروژه را تضمین می‌کند. می‌توانیم کار طراح در یک پروژه یا نویسنده فنی را در نظر بگیریم که ممکن است به نوعی در فازهای ابتدایی پروژه سهیم بوده و سپس به کارهای دیگری مشغول شده باشند. در مورد پروژه‌ای که با مصرف‌کننده در ارتباط است، می‌توانیم نقش تیم‌های پشتیبانی مشتری را نیز در نظر بگیریم. یا در یک پروژه اجتماع‌محور، می‌توانیم سازمان‌دهندگانی تصور کنیم که سال‌ها وقت صرف کردند تا روابط قوی با اعضای اجتماع بسازند. این نوع کارها، چه تولیدی و چه بازآفرینی، برای موفقیت هر پروژه‌ای ضروری هستند، اما با طرحی که مشارکت در پروژه را تنها محدود به کد می داند، قابل دیده‌شدن نیستند و ممکن است هرگز نتوان آنها را به راحتی مشاهده کرد107.

اما در موارد بیشتری از آن‌چه که فکر می‌کنید، می‌توان کار مرتبط با کار داده را با خود داده‌ها آشکار کرد. برای مثال، بنیامین اشمیت108، تاریخ‌دان، که تحقیقاتش بر نقش سازمان‌های دولتی در شکل‌دهی دانش عمومی متمرکز است، تصمیم گرفت فراداده‌های مرتبط با فهرست دیجیتال کتابخانه کنگره ایالات‌متحده، بزرگترین کتابخانه جهان، را تصویرسازی کند109 (شکل ۷.۷). هدف ابتدایی اشمیت درک مجموعه و سیستم طبقه‌بندی‌ای بود که به آن فهرست‌ ساختار می‌داد. اما در فرآیند تصویرسازی رکوردهای فهرست، او چیز دیگری را کشف کرد: رکوردی از کار خود فهرست‌نویسان. وقتی او سالی که رکورد هر کتاب ایجاد شده بود را در برابر سال انتشار کتاب رسم کرد، الگوهای غیرمعمولی را در تصویر مشاهده کرد: خطوط عمودی سایه‌دار، ساختارهای مرحله‌بندی شده و باندهای عمودی تیره که با آن‌چه که برای یک فرآیند دو مرحله‌ای (۱) تهیه کتاب و (۲) وارد کردن آن در فهرست می‌توان فرض کرد، مطابقت نداشت.

شکل ۷.۶

«کوه یخ اقتصادهای متنوع» (۲۰۱۷)، نموداری از اشکال گوناگون کار که توسط پروژه سیستم بعدی برای گزارشی در مورد رشد اقتصاد اجتماع ایجاد شده است. تصویر توسط جی.کی. گیبسون-گراهام، جنی کامرون، کلی دومبروسکی، استفان هیلی و اتان میلر برای پروژه سیستم بعدی.

شکل ۷.۷

«تاریخچه تصویری مختصر فهرست‌نویسی MARC در کتابخانه کنگره» (۲۰۱۷) زمانی را نمایش می‌دهد که کتاب‌های کتابخانه کنگره وارد فهرست دیجیتالی شدند. تصویر از بنجامین ام. اشمیت.

اشمیت به سرعت متوجه شد که خطوط عمودی سایه‌دار نقاطی را نشان می‌دهند که فهرست‌نویسان شروع به بررسی کتاب‌هایی کرده‌اند که قبل از دیجیتالی‌شدن کتابخانه منتشر شده بودند و با استفاده از آن‌ها، فهرست آنلاین را با کتاب‌های قدیمی‌تر پر کردند. الگوهای پله‌مانند، دوره‌های زمانی را نشان می‌دهند که فهرست‌نویسان به مجموعه‌های فرعی خاصی از کتابخانه بازگشتند و داده‌های کل مجموعه کتاب‌ها را در مدت زمان کوتاهی وارد کردند. و خطوط افقی؟ خب، با توجه به این‌که آن‌ها فقط در سال‌های ۱۸۰۰ و ۱۹۰۰ ظاهر شده‌اند، اشمیت چنین استنباط کرد که آن‌ها نشانه‌ای از اطلاعات ناقص نشریات هستند، زیرا بهترین شیوه‌های فهرست‌نویسی کتابخانه‌ای حکم می‌کنند که زمانی که تاریخ دقیق انتشار نشریه‌ای مشخص نیست، سال اول قرن برای آن وارد شود.

با تأکید بر نمایش کار، این نمادهای بصری باید ما را متوجه این موضوع کنند که چه میزان کار فیزیکی برای تبدیل رکوردهای کاغذی کتابخانه به شکل دیجیتال انجام شده است. بخش‌های تیره‌تر نمودار نه فقط تعداد بیشتری از کتاب‌های وارد شده به فهرست را نشان می‌دهند، بلکه افرادی را که آن‌ها را تایپ کرده‌اند، نیز نشان می‌دهد (اشمیت تعداد کل رکوردها را ده میلیون تخمین زده است که در حال افزایش است). به‌طور مشابه، شکل‌های پله‌مانند فقط حجم بیشتری از ورود داده را نشان نمی‌دهند. آن‌ها نشان‌دهنده تصمیمات استراتژیکی است که توسط کارکنان کتابخانه برای بازگشت به بخش‌های خاصی از مجموعه اتخاذ شده‌اند و نشان می‌دهند که این کارکنان از قبل دانشی درباره شکاف‌هایی که باید پر شوند، داشته‌اند، به عبارت دیگر، کار و زحمت فکری آن‌ها را نیز نشان می‌دهد. تصویرسازی اشمیت، به‌نحوی کمک می‌کند تا نشان دهد که چگونه مجموعه‌داده همیشه به تنظیمات داده - عبارت مورد استفاده یانی لوکیساس - و همچنین افرادی که در آن تنظیمات برای تولید داده‌هایی که ما می‌بینیم زحمت کشیده‌اند،‌ اشاره می‌کند110.

به کارهای احساسی و مراقبتی اعتبار دهید

علاوه بر کار نامرئی کار داده، کار دیگری نیز وجود دارد که به دلیل این‌که آموزش ندیده‌ایم که آن را ببینیم، پنهان می‌مانند. این همان چیزی است که به‌عنوان «کار احساسی»111 شناخته می‌شود، و این شکل دیگری از کار است که نظریه فمینیستی به آشکار شدن آن کمک کرده است112. همان‌طور که آرلی هوچیلد113، جامعه‌شناس فمینیست، توضیح می‌دهد، کار احساسی توصیف‌کننده کاری در ارتباط با مدیریت احساسات خود یا شخصی دیگر، در پاسخ به خواسته‌های جامعه یا یک شغلِ خاص، است114. هوچیلد در دهه ۱۹۷۰ این اصطلاح را ابداع کرد تا به کار مورد انتظار از کارکنان صنایع خدماتی، مانند خدمه هواپیما، اشاره کند. این خدمه باید در شرایط نامساعد پرواز، ترس خود را مدیریت و همچنین مسافران را آرام کنند و در کل اطمینان حاصل کنند که مسافران حس امنیت و رضایت داشته باشند. در دهه‌های بعد، مفهوم کار احساسی با مفهوم مرتبطی به نام «کار عاطفی»115 تکمیل شد، تا کار پرداختن به بروز یک احساس (تعریف احساس) را از کار تجربه خود احساس (تعریف عاطفه) متمایز کند116.

امروزه در سراسر صنعت فناوری می‌توانیم هر دو کار احساسی و عاطفی را ببینیم. برای مثال، کارکنان مرکز تماس و سایر متخصصان پشتیبانی فنی را در نظر بگیرید که چگونه باید ترکیبی از کار احساسی و عاطفی را همراه با تخصص فنی به کار گیرند تا نارضایتی مشتریان عصبانی را کم کنند (کار عاطفی)، با آنها هم‌دردی کنند (کار احساسی) و سپس، برای مثال، در مورد تنظمیات روتر بی‌سیم به آن‌ها کمک کنند (تخصص فنی)117. در محیط کار، ما همچنین می‌توانیم به کار عاطفی مورد نیاز زنان و گروه‌های اقلیت‌شده اشاره کنیم که باید در موقعیت‌های گوناگون تلاش کنند تا فرضیات مبتنی بر تبعیض‌جنسی، تبعیض‌نژادی یا هر فرضیه بی‌اساس دیگری در مورد توانایی‌های فنی یا موارد دیگری که با آن‌ها روبرو می‌شوند را رد کنند یا نادیده بگیرند. و آن‌ها باید این کار را در حالی انجام دهند که به کار احساسی نیز مشغول هستند تا تضمین کنند که تهدیدی برای کسانی که این فرضیات را دارند نیستند، کسانی که اغلب همان‌هایی هستند که قدرت را در دست دارند118. آیا راه‌هایی برای به‌تصویرکشیدن این اشکال کار، دادن جلوه بصری - و به طبع آن، تایید و اعتبار - به این تلاش‌های کاری وجود دارد؟

یک مثال که سعی در تصویرسازی کارهای احساسی و عاطفی دارد، اطلس مراقبت‌گری است (شکل ۷.۸)، که هدف آن ثبت کارهای مربوط به مراقبت از یک عضو خانواده مبتلا به بیماری مزمن است. نام این پروژه از مفهوم اطلس آناتومی الهام گرفته است که مجموعه‌ای از تصاویر بدن انسان است که پزشکان می‌توانند از آن به‌عنوان مرجع و برای کسب اطلاعات استفاده کنند. در این مورد، هدف به تصویرکشیدن کارهای گاهاً فیزیکی و گاهاً احساسی یا عاطفیِ مراقبت است. تیم تحقیقاتی، شرکت‌کنندگان خود را با انواع حس‌گرهای بیومتریک، از جمله شتاب‌سنج‌ها و مانیتور ضربان قلب، و همچنین دوربین‌های بدنیِ برنامه‌ریزی‌شده برای ثبت تصویر هر پانزده دقیقه، مجهز می‌کنند. آن‌ها سپس این داده‌ها را همراه با گزیده‌‌ای از مصاحبه‌های شخصی و گزارش‌های فعالیتی که از مراقبان در مطالعه خواسته شده است، به تصویر می‌کشند.

نتیجه‌ی حاصل، یک تصویر پیچیده از کار مراقبت است که از داده‌ برای ایجاد یک دید جامع از طیف کارهای مرتبط با کار مراقبتی استفاده می‌کند119. اضطراب مرتبط با نقشِ مراقبت - شکلی از کار عاطفی - به شش سطح متمایز تقسیم می‌شود و سپس به عنوان یک گرادیان نشان داده می‌شود (شکل ۷.۸الف). خودِ کار مراقبت به هفت نوع کار تقسیم می‌شود، از جمله وظایف مشخصی مانند مدیریت مراقبت‌های بهداشتی و کارهای خانه، و اشکال انتزاعی‌تر کار مانند در دسترس‌بودن و حمایت اجتماعی (شکل ۷.۸ب). این نیز به دیگران کمک می‌کند که طیف گسترده‌ای از کارها - در واقع، تخصص‌های - مرتبط با مراقبت را تشخیص دهند. و همان‌طور که برخی از شرکت‌کنندگان در مطالعه گزارش کردند، این به آن‌ها کمک کرده است تا آن کار برای خودشان نیز قابل‌تشخیص شود120.

شکل ۷.۸

اطلس مراقبت، کار مراقبت از اعضای خانواده که مبتلا به بیماری مزمن هستند را نشان می‌دهد. (الف) فهرست فعالیت‌های مراقبتی ۳۶ ساعته؛ (ب) فعالیت‌های مراقبتی که بر اساس نوع تفکیک شده‌اند. (ج) گزارش عکس ایجاد شده در همان زمان. تصویر از اطلس مراقبت، ۲۰۱۶.

البته، یک نمودار کار فقط جلوه‌ای از خودِ کار است - و این چیزی در مورد پیچیدگی احساسات انسان نمی‌گوید. درک این مطلب نقطه شروع ایجاد «کبودی‌ها - داده‌هایی که نمی‌بینیم»121 بود122. این تصویرسازی هنرمندانه، که توسط جیوجیا لوپی123، طراح، ایجاد و با موسیقی ساخته‌شده‌ی کاکی کینگ124 همراه شده است، تلاش می‌کند تا نمایش بصری دقیق‌تری از بار عاطفی مراقبت نشان دهد (شکل ۷.۹). این پروژه زمانی آغاز شد که دختر کینگ به یک بیماری نادر خودایمنی، پورپورای ترومبوسیتوپنیک ایدیوپاتیک125 (ITP) مبتلا شد. ITP یک «بیماری بسیار واضح و قابل دیدن» است که به صورت کبودی و ترکیدن رگ‌های خونی در سراسر بدن ظاهر می‌شود. به همین دلیل از کینگ خواسته شد که پوست دخترش را زیرنظر داشته باشد و هر تغییر قابل‌توجهی را ثبت کند. او همچنین احساسات خود را از بُعد امید، اضطراب و ترس ثبت کرد و داده‌های شخصی ساخت که مکمل اعداد دردآور آزمایش‌های خونی دخترش بود که باید تحمل می‌کرد.

هنگامی که لوپی، که از طریق همکاری‌های قبلی با کینگ آشنا بود، شروع به طراحی تصویرسازی خود کرد، هدفش «ایجاد حس همدردی» و کمک به مخاطبان خود بود تا «احساس کنند بخشی از داستان زندگی یک انسان هستند»126. برخلاف اطلس مراقبت، که با استفاده از تکنیک‌های رایج تصویرسازی، مانند زمان‌نماهای شعاعی و نمودارهای گانت برای نشان دادن کار مراقبت تهیه شده بود، لوپی به دنبال شیوه‌های جایگزین تصویرسازی بود تا بر ویژه و شاخص‌بودن موقعیت یک خانواده تاکید کند. او از یک زمان‌نمای پویا استفاده کرد تا ویژگی ذاتی زمان ناشناخته‌ای را که دانشمندانِ مطالعات ناتوانی آن را «زمان ناتوانی»127 می‌نامند، نمایش دهد. همان‌طور که الن ساموئلز128 توضیح می‌دهد، با اشاره به این اصطلاح، «گاهی اوقات منظور ما فقط این است که همیشه دیر می‌کنیم - شاید به این دلیل که نسبت به افراد غیرمعلول به خواب بیشتری نیاز داریم، شاید به این دلیل که دروازه ورودی ایستگاه قطار قفل است»129. اما همان‌طور که آلیسون کافر130 توصیف می‌کند، می‌تواند معنای عمیق‌تری نیز داشته باشد: «به‌جای این‌که بخواهیم بدن‌ها و ذهن‌های ناتوان را با ساعت تطبیق دهیم، «زمان ناتوانی» ساعت را به گونه‌ای تغییر می‌دهد که با بدن‌ها و ذهن‌های ناتوان همخوانی داشته باشد»131.

شکل ۷.۹

تصویری از «کبودی‌ها - داده‌هایی که نمی‌بینیم» (۲۰۱۸) و افسانه‌ای که به رمزگشایی تصویر داده‌ها کمک می‌کند. تصویر با تشکر از جورجیا لوپی و کاکی کینگ.

در تصویرسازی لوپی برای تطابق ساعت با بدن دختر کینگ و ذهنیت خود کینگ، روزها به شکل برگ‌های سفیدی نمایش داده شده‌اند، که به جای تقسیم‌بندی هفتگی یا سالیانه، با بازدیدهای بیمارستان تقسیم‌بندی شده‌اند. از نقاط قرمز برای نشان دادن تعداد پلاکت‌ها و از رنگ برای شبیه‌سازی انتقال شدت کبودی‌ها و به‌تصویرکشیدن داده‌های ثبت شده توسط کینگ استفاده شده است. لوپی همچنین از رنگ برای نمایش ثبت احساسات کینگ استفاده کرده است، به‌طوری که رنگ سیاه نشان‌دهنده اضطراب و ترس و رنگ زرد نشان‌دهنده امید است. همچنین ترس و امید کینگ با استفاده از خطوط دستی تصویرسازی شده‌اند که هرکدام مقیاس یک تا ده را نمایش می‌دهند. نتیجه کار، به شکل یک انیمیشن ارائه شده که به مرور زمان پیش می‌رود و با موسیقی همراه است: یک ترکیب بصری و شنیداریِ تاثیرگذار از کارهای عاطفی مادری و مراقبتی.

البته، نه لوپی و کینگ و نه تیم پروژه اطلس مراقبت، اولین کسانی نبودند که می‌خواستند کار مراقبت را شناسایی و قابل مشاهده کنند. در اوایل سال ۱۹۶۹، مرلی لادرمن اکلس132 هنرمند، اندکی پس از تولد فرزندش، «مانیفست هنر نگهداری»133 را نوشت و از دنیای هنر خواست تا مراقبت و نگهداری از زندگی انسانی را به‌عنوان هنری متعالی، فراتر از نبوغ خلاقانه مردانه در نظر بگیرند، و آن را ارتقا دهند134. در سال‌های بعد، «کار مراقبتی»135 به موضوع مهمی برای محققان فمینیست تبدیل شد - به‌خصوص پس از اواسط دهه ۱۹۹۰، زمانی که نانسی فولبر136 این اصطلاح را رسمی کرد. مدل اولیه کار مراقبتی فولبر، کار روزمره مراقبت از کودک بود، اگرچه کار مراقبت، مانند کارهای خانه، لزوماً به صورت رایگان انجام نمی‌شود. این کار همچنین می‌تواند شامل کارهایی با دستمزد پایین باشد که توسط کارکنان مهدکودک یا کمک‌های بهداشتی که در خانه انجام می‌شود و یا کار دستمزدی پزشکان، پرستاران، فیزیوتراپ‌ها، متخصصان بهداشت روان و غیره. آن‌چه این اشکال کار را فرای خطوط اقتصادی به هم پیوند می‌زند، انگیزه آن‌هاست. همان‌طور که توسط فولبر تئوریزه شده است، کار مراقبتی از روی احساس شفقت یا مسئولیت در قبال دیگران انجام می‌شود و نه با هدف سود مالی. اما وقتی به بازار می‌رسد، نوع‌دوستی یک شمشیر دولبه می‌شود. همین کارکنان مراقبتی حرفه‌ای - که عمدتاً زن و رنگین‌پوست هستند - اغلب کمتر از آن‌چه در حوزه‌های دیگر دریافت می‌کنند، به آن‌ها پرداخت می‌شود137. چرا؟ زیرا آن‌ها کارهای مراقبتی انجام می‌دهند.

پس ما چگونه «کار» کارکنان مراقبت را نشان دهیم؟ چگونه اطمینان حاصل کنیم که این کار به اندازه کافی شناخته و به آن بها داده می‌شود؟ و آیا می‌توانیم کار بیشتری برای به چالش‌کشیدن ریشه کم‌ارزش قلمدادشدن این کار انجام دهیم؟ در محیط دانشگاهی، گروه‌هایی مانند گروه Maintainers به دنبال یادگیری از نظریات مراقبتی توسعه‌یافته توسط دانشمندان مطالعات کار فمینیستی مانند فولبر هستند و تلاش می‌کنند تا کارهای مرتبط با داده، دیده و ارزش‌گذاری شوند138. از طریق کارگاه‌ها، کنفرانس‌ها و نشریات، Maintainers سعی می‌کنند تا با روند فعلی در حوزه‌های فناوری که تنها از نوآوری و کشف تجلیل می‌کنند، مقابله کند. آن‌ها اصرار دارند که باید از کارهایی که دنیایی که امروز در آن زندگی می‌کنیم را حفظ و نگه می‌دارد، تجلیل شود. در میان حوزه‌های جاری تحقیق، آن‌ها افرادی هستند که InfoMaintainers نامیده می‌شوند: افرادی که در کتابخانه‌ها و بایگانی‌ها و در حوزه‌های حفاظتی مرتبط کار می‌کنند تا اطمینان حاصل کنند که دانش امروز برای نسل‌های آینده قابل‌دسترس است. از آن‌جایی که کار کتاب‌داران، بایگانی‌ها و متصدیان بر تسهیل دسترسی به دانش آینده، تمرکز دارد، Maintainers استدلال می‌کنند که آن کارها را هم می‌توان نوعی کار مراقبتی دانست.

اکنون که بسیاری از کارها به جای کار فیزیکی، مجازی شده‌اند، و همچنین با توجه به عدم‌امنیت شغلیِ حال حاضر، مشاغل یقه‌سفیدها که به فریلنسرها برون‌سپاری می‌شود، توجه روزافزونی به کارهای مراقبتی و سایر اشکال کار نامرئی در بسیاری از زمینه‌های فنی به وجود آمده است. در این زمینه، یادآوری این نکته حائز اهمیت است که کارکنان مراقبتی حرفه‌ای مدت‌هاست با مسائل مربوط به کار کم‌پاداش و بی‌ثبات درگیر هستند، و مدت زمان طولانی‌ست که تلاش کرده‌اند تا در مقابل نابرابری‌هایی که با آن‌ها مواجه بوده‌اند مقاومت و سازماندهی کنند. امروزه، این تلاش‌ها توسط داده و فناوری تقویت می‌شوند، زیرا اتحادیه‌ها و سایر گروه‌های مدافع از پلتفرم‌ها و جریان‌های داده جدید برای انجام کار خود استفاده می‌کنند. با این‌حال، آن‌ها نیز با موانعی مواجه هستند، زیرا اپلیکیشن‌هایی مانند اوبر که مراقبان و کارفرمایان را به یکدیگر متصل می‌کنند، به طور فزاینده‌ای در حال افزایش هستند. این اپلیکیشن‌ها هیچ‌ کاری برای حل مشکلات سیستمی که مراقبین با آن مواجه هستند انجام نمی‌دهند. یک مطالعه در سال ۲۰۱۶ روی اپلیکیشن‌های کارگر خانگی درخواستی که توسط «موسسه توسعه خارج از کشور بریتانیا»139 انجام شده، نشان می‌دهد که این اپلیکیشن‌ها با تحمیل خطر روی خود کارگران، احتمالاً تبعیض و «تحکیم بیشتری از روابط قدرت نابرابر در بخش سنتی کار خانگی» را تقویت می‌کنند و ترویج می‌دهند140.

به‌عنوان یک راه‌کار، می‌توانیم به نمونه‌های نوظهوری نگاه کنیم که حول نیازهای کارگران شکل گرفته، نمونه‌هایی که توسط خود کارگران و با مشارکت آن‌ها توسعه یافته‌اند. برای مثال، در ایالات‌متحده، اتحادیه ملی کارگران خانگی141 (NDWA) یک اپلیکیشن به نام آلیا142، به‌عنوان یک پلتفرم پورتابل مزایا ساخته است143. این اپلیکیشن به مشتریان این امکان را می‌دهد که هر بار که کارگری خدماتی به آن‌ها ارائه می‌دهد، مبلغ کمی را به حساب مزایای کارگر واریز کنند. کارگران سپس می‌توانند از مشارکت‌های چند مشتری استفاده کنند و از طریق آن‌ها به مزایایی نظیر مرخصی همراه با پرداخت و انواع بیمه‌ها دسترسی داشته باشند. البته نکات مورد توجه دیگری وجود دارد: آیا دولت نباید مقرر کند که همه کارگران به‌طور معمول مرخصی با حقوق دریافت کنند؟ آیا ما نباید برای سیستم بهداشت تک‌پرداختی (سلامتی همگانی) تلاش کنیم؟ بله و البته. اما در حالی که NDWA برای تغییرات سیستمی اقدام می‌کند، اپلیکیشن آلیا راهی برای فراهم‌کردن مزایای اساسی به کارگران خانگی ارائه می‌دهد. این یک استراتژی کاهش آسیب است که می‌تواند همراه با تلاش‌هایی برای تحولات بیشتر دنبال شود. با یادآوری اپلیکیشن Irth از کیمبرلی سیلز الرز که در فصل ۱ به آن پرداختیم، می‌توانیم همچنین تصور کنیم که چگونه استفاده موفق از آن به ایجاد یک مجموعه‌داده منجر شد که توانست برای حمایت از تلاش‌های دفاع از حقوق در آینده مورد استفاده قرار گیرد.

کار خود را آشکار کنید

کار با داده‌ها بخشی از جمعیت‌شناسی بزرگتری از دانش است که باید هم‌زمان پایدار و از نظر اجتماعی عادلانه باشد. شبکه افرادی که به پروژه‌های داده کمک می‌کنند بسیار گسترده و پیچیده است، مانند مسیر کشتی‌ها که در «نقشه کشتی‌‌رانی» نشان داده شد یا کد ذخیره‌شده در گیت‌هاب یا مواد و افرادی که در سرتاسر جهان مشغول تولید یک دستگاه امازون اکو هستند. نشان دادن این کار بخشی اساسی از فمینیسم داده است، و به همین دلیل است که «کار خود را آشکار کنید» اصل هفتم و نهایی این کتاب است. تاکید بر نیروی کار، دری به روی حوزه بین‌رشته‌ای مطالعات تولید داده باز می‌کند: یعنی در مواجه با یک تصویرسازی، مدل، یا محصول داده، شرایط و زمینه‌های مادی تولید آن و همچنین کیفیت و ویژگی کار و افرادی که در ساخت آن سهیم بودند، دنبال شود. این نوع کاوشِ دقیق می‌تواند در محیط‌های دانشگاهی، روزنامه‌نگاری یا به‌طور کلی در هر زمینه‌ای انجام شود و در همه موارد کمک می‌کند تا کاری که علم داده بر آن استوار است به وضوح بیشتری دیده شود، و درنتیجه ارزش آن عیان شود.

ما همچنین می‌توانیم به خود داده‌ها نگاه کنیم تا طیفی از اشکال کار نامرئی مرتبط با علم داده را ارج نهیم. در هر پروژه به چه کسانی اعتبار داده می‌شود؟ آثار چه کسانی «نادیده» گرفته می‌شود؟ اگر چه یک راه‌کار، نشان دادن چگونگی کار پشت تولید محصولات داده است، راه‌کار دیگر برای احترام به کارهای مختلف، استفاده از علم داده برای نشان دادن کار افرادی (عمدتا زنانی) است که در سایر بخش‌های اقتصاد کار می‌کنند، بخش‌هایی که شامل کارهای احساسی، کار خانگی، و کارهای مراقبتی می‌شود. ما این را در عمل در اطلس مراقبت دیدیم، که بر مشروعیت بخشیدن به کار مراقبت تمرکز دارد و در اپلیکیشن آلیا که امنیت مالی بیشتری را برای کارگران خانگی فراهم می‌کند. طراحی با همبستگی با کارگران خانگی می‌تواند نابرابری‌های ساختاری را که در وهله اول کار آن‌ها را به حاشیه می‌برد، به چالش بکشد.

این نکته ما را به ایده‌هایی درباره قدرت که این کتاب را آغاز کرد بازمی‌گرداند. عدم توازن قدرت همه‌جا در علم داده وجود دارد: در مجموعه‌داده‌های ما، در محصولات داده ما، و در محیط‌هایی که امکان کار داده ما را فراهم می‌کند. نمایش کار برای اطمینان از اینکه نیروی کار کم‌بهاداده‌شده و نامرئی اعتباری را که شایسته آن است، دریافت می‌کند، و همچنین برای درک هزینه واقعی و پیامدهای آن کارِ داده بر سیاره ضروری است.

Connections
1 of 1
Another Translation of 7. Show Your Work
7 : : Muestra tu trabajo
7 : : Muestra tu trabajo
Description

DataGénero (Coordinación: Mailén García. Traductoras: Gina Ballaben. Revisión: Helena Suárez Val y Mailén García. Con la ayuda de Diana Duarte Salinas, Ana AmeliaLetelier, y Patricia Maria Garcia Iruegas)

Comments
0
comment
No comments here
Why not start the discussion?