Skip to main content
SearchLoginLogin or Signup

مقدمه: چرا علم داده به فمینیسم احتیاج دارد

ترجمه توسط امیرحسین پی‌براه

Published onMar 07, 2024
مقدمه: چرا علم داده به فمینیسم احتیاج دارد
·

در تابستان ۱۹۶۷، کریستین مان داردن1 از دروازه‌های مرکز تحقیقات لانگلیِ ناسا2 در همپتون ویرجینیا گذشت و با مدرک کارشناسی ارشدی که به تازگی در رشته ریاضیات کاربردی گرفته بود، به‌عنوان تحلیلگر داده شروع به کار کرد. در آن زمان، تنش‌ در شهر همپتون و در سراسر ایالات‌متحده رو به افزایش بود و اعتراضات گسترده‌ در لس‌آنجلس علیه جنگ ویتنام تنها زمانی به پایان رسید که بیش از ۱۰۰۰ پلیس مسلح به معترضان در تظاهرات مسالمت‌آمیز حمله کردند. حدود یک ماه بعد، پس از آن‌که یورش پلیس در دیترویت از کنترل خارج شد، خشونت شهر را فرا گرفت. شورش‌های ۱۹۶۷ دیترویت، یا قیام ۱۹۶۷ دیترویت، که بیشتر با این عنوان شناخته می‌شود، بیش از ۴۰ کشته و ۱۰۰۰ زخمی بر جای گذاشت.

با اینکه دروازه‌های لانگلی، حائلی فیزیکی بین داردن و آن درگیری‌ها بودند، اما کار او در آنجا به‌هیچ‌وجه از صحنه ملی دور نبود. در سال ۱۹۶۷، رقابت فضایی (بین ایالات‌متحده و شوروی) در جریان بود و ایالات‌متحده در این رقابت عقب مانده بود. شوروی پیش‌تر یک انسان را به فضا و یک موشک را به ماه فرستاده بود و تنها انجام آن دو کار در کنار هم بود که مانع پیروزی نهایی شوروی شده بود. در همان زمان، ایالات‌متحده متحمل یک سری شکست نیز شده بود - در ژانویه همان سال، فاجعه‌ای رخ داد و در یک آتش‌سوزی ناگهانی در حین آزمایش پرتاب فضاپیمای «آپولو۱»، سه فضانورد کشته شدند.

در آن شرایط و در حالی‌که جامعه عزادار بود، همه کارکنان ناسا به کار خود بازگشتند - از جمله داردن، که بلافاصله پس از فاجعه «آپولو۱» کارش را به‌عنوان تحلیلگر داده آغاز کرده بود. دو سال پس از آن، تحلیلِ دقیق او در مورد شرایط فیزیکی ورود مجدد موشک به جو زمین، بازگشت موفقیت‌آمیز ماموریت «آپولو۱۱» از ماه را تضمین کرد، که در نهایت باعث پیروزی ایالات‌متحده در رقابت فضایی شد. اما این داردن بود که به‌عنوان زنی سیاه، با تخصص فنی، و فعال در یک موسسه فدرال که در آن تبعیض‌جنسی و نژادی آشکار بود، نشان داد که آرمان‌های ایدئولوژیک ایالات‌متحده - به‌عنوان سرزمینی مبتنی بر آرمان‌های آزادی، برابری، و فرصت برای همه - از به تحقق‌پیوستن فاصله دارد (شکل ۰.۱).

شکل ۰.۱

کریستین داردن در اتاق «کنترل تونل باد طرح یکپارچه» در مرکز تحقیقات لانگلی ناسا در سال ۱۹۷۵. با تشکر از ناسا.

به هر حال، دهه ۱۹۶۰، سال‌های اعتراض و دگرگونی‌های اجتماعی و کاوش در فضا بود. داردن، خود در چندین تحصن در پیشخوان ناهار مؤسسه همپتون شرکت کرده بود. مؤسسه همپتون، کالج مخصوص سیاهان بود که داردن تحصیلات لیسانس خود را در آنجا گذرانده بود3. زمانی که داردن وارد ناسا شد، چندین سال بود که تفکیک‌نژادی در موسسه ویرجینیای ناسا رسما از بین رفته بود، اما تفکیک غیررسمی نژادی و جنسیتی همچنان پابرجا بود - به ویژه در میان زنان کارمند که به‌عنوان «کامپیوتر» شناخته می‌شدند.

ورود داردن به لانگلی مصادف با اولین روزهای استفاده از محاسبات دیجیتالی بود. اگرچه لانگلی مدعی بود که یکی از پیشرفته‌ترین سیستم‌های محاسباتی آن زمان را دارد (IBM 704، اولین کامپیوتری که از اعداد اعشاری پشتیبانی می‌کرد)، اما منابع آن هنوز محدود بود و بخش محاسبات پیشرفته لانگلی برای اکثر کارهای تحلیل داده‌ به کامپیوترهای انسانی، مانند داردن، متکی بود. این کامپیوترهای انسانی، همگی زنانی بودند که در ریاضی یا رشته‌های مرتبط آموزش دیده بودند و وظیفه داشتند محاسبات گوناگونی، از محاسبه بهترین شکل بال هواپیما گرفته تا بهترین مسیر پرواز تا ماه، را انجام دهند. اما علی‌رغم نقش مهمی که آن‌ها در پیشبرد این پژوهش‌ها و سایر تحقیقات ناسا داشتند، با آن‌ها مانند کارگران موقت غیرماهر برخورد می‌شد. آن‌ها به صورت پروژه‌ای وارد گروه‌های تحقیقاتی می‌شدند و بیشتر اوقات به آن‌ها چیزی در مورد منبع داده‌هایی که باید تحلیل می‌کردند، گفته نمی‌شد. اکثر مهندسان، که عمدتا مرد بودند، هرگز حتی به خود زحمت نمی‌دادند که نام این کامپیوترهای انسانی را یاد بگیرند.

اخیرا و با تلاش محققان تاریخِ محاسبات و روزنامه‌نگارانی مانند مارگوت لی‌شترلی4 بود که این زنانِ کامپیوتر شناخته شدند و اهمیت کار آن‌ها مورد توجه قرار گرفت. کتاب مارگوت لی‌شترلی با عنوان «چهره‌های پنهان: رویای آمریکایی و داستان ناگفته زنان سیاه که به پیروزی در مسابقه فضایی کمک کردند»5، همراه با فیملی اقتباسی از آن، داستان کریستین داردن را در معرض دید عموم قرار داد6. داستان او، مانند داستان دیگر همکارانش، نشان‌دهنده یکی از دشواری‌های کار در شرایط تبعیض‌آمیز است. این زنانِ کامپیوتر باید از خود دفاع می‌کردند و برخی مانند داردن تلاش کردند تا از دیگران نیز حمایت کنند. کمک‌های داردن به علم داده و همچنین حمایت او از زنان دیگر، انگیزه ما شد تا کتاب‌مان، «فمینیسم داده»7، را با داستان او شروع کنیم. همان‌طور که «فرهنگ لغت مریام وبستر»8، فمینیسم را تعریف کرده و بیانسه در مورد آن خوانده است9، فمینیسم با اعتقاد به «برابری سیاسی، اجتماعی و اقتصادی جنسیت‌ها» آغاز می‌شود و هر تعریفی از فمینیسم برای تبدیل آن باور به عمل باید کار کنش‌گران این حوزه را دربرگیرد. در «فمینیسم داده»، ما نیز این دو جنبه از فمینیسم را با هم ترکیب کرده و نشان می‌دهیم که چگونه با آگاهی از سنت کنش‌گری فمینیستی و میراث تفکر انتقادی فمینیستی می‌توان به داده‌ها و تحلیل و نمایش آن‌ها فکر کرد.

داردن نه تنها از تخصص خود در تحلیل داده‌ در مسیر پروازهای فضایی استفاده کرد، بلکه آن را در مسیر شغلی خود نیز به کار برد. پس از چند سال کار در لانگلی، او متوجه دو شیوه رفتار متمایز در محل کار خود شد: مردانی که مدرک ریاضی داشتند، می‌توانستند موقعیت‌های مهندسی کسب کنند و ارتقا یابند، در حالی‌که زنانی با مدارک مشابه، [به‌عنوان کامپیوتر انسانی]، به مرکز محاسبات فرستاده می‌شدند و تا زمانی که بازنشسته می‌شدند یا آن‌جا را ترک می‌کردند در آن مرکز می‌ماندند. او نه می‌خواست که خود یکی از آن زنان باشد و نه می‌خواست که دیگران نیز چنین سرنوشتی را تجربه کنند. بنابراین او عزم خود را جزم کرد تا علت این مساله را از مدیر بخش بپرسد. همان‌طور که داردن، که اکنون ۷۵ ساله است10، در مصاحبه‌ای برای فیلم چهره‌های پنهان11 به شترلی گفت، پاسخ مدیر قابل‌تامل بود: «خب، هیچ‌کس تا حالا شکایت نکرده است» و اضافه کرده بود «به نظر می‌رسد که زنان از انجام این کار خوشحال هستند و برای همین، این کار را انجام می‌دهند».

در دنیای امروز، ممکن است داردن بتواند رئیس خود را اخراج کند - یا حداقل از او به کمیسیون فرصت‌های برابری شغلی شکایت کند، اما در زمانی که داردن سوال خود را مطرح کرده بود، اظهارات کلیشه‌ای در مورد «کارهای زنانه» معمول بود. این فرضیاتِ چالشی در مورد آن‌چه زنان می‌توانند یا نمی‌توانند انجام دهند - به ویژه در محل کار - موضوع اصلی کتاب پرفروش بتی فریدن12، «رازوری زنانه»13 بود. کتاب «رازوری زنانه» که در سال ۱۹۶۳ چاپ شد، اغلب با شروع موج دوم فمینیسم شناخته می‌شود14. نارضایتی از بازگشت اجباری به کار خانگی پس از پایان جنگ جهانی دوم، و همچنین الهام‌گرفتن از گفتگوی ملی در مورد برابری فرصت‌ها که توسط جنبش حقوق مدنی ایجاد شده بود، باعث شد تا زنان در ایالات‌متحده شروع به سازماندهی طیف وسیعی از فعالیت‌ها پیرامون موضوعات مرتبط کنند، از جمله حقوق باروری، خشونت خانگی، نابرابری در محل کار، و نقش‌های جنسیتی محدودکننده‌ای که داردن در لانگلی با آن مواجه بود.

با تمام این اوصاف، تجربه‌ داردن، به‌عنوان زنی سیاه‌ با شغل تمام‌وقت، کاملا با تجربه‌ یک زن خانه‌دار سفید شهری، که تمرکز اصلی کتاب «رازوری زنانه» است، متفاوت بود. هنگامی‌که منتقدان به درستی فریدن را به دلیل ناتوانی در به رسمیت شناختن تجارب گوناگون زنان در ایالات‌متحده (و خارج از کشور) مورد نقد قرار دادند، زنانی مانند داردن را در ذهن داشتند. در «تئوری فمینیستی: از حاشیه تا مرکز»15، یکی دیگر از کتاب‌های مطرح فمینیستی که در سال ۱۹۸۴ منتشر شد، بل هوکس16 آن نقد را به صراحت بیان کرد: «[فریدن] در این مورد صحبت نکرده است که اگر زنان بیشتری مانند او از کار خانگی فارغ شوند و هم‌سان مردان سفید به فرصت‌های شغلی دسترسی پیدا کنند، چه کسی از کودکان مراقبت می‌کند و کارهای خانه را انجام می‌دهد. او از نیازهای زنان بدون مردان، بدون فرزندان، و بدون خانه صحبت نکرده است. او وجود زنان غیرسفید و زنان سفید فقیر را نادیده گرفته است. او به خوانندگان نگفته است که آیا خدمتکار بودن، پرستارِ بچه بودن، کارگرِ کارخانه بودن، منشی بودن، یا کارگرجنسی بودن رضایت‌بخش‌تر است یا خانه‌داری مرفهانه»17.

به عبارت دیگر، فریدن این مساله را در نظر نگرفته بود که چگونه تجربه انسان در جهان از تلاقی ابعاد گوناگون هویت فردی و گروهی - مانند نژاد و طبقه، و لازم به گفتن نیست جنسیت، توانایی جسمی و ذهنی، سن، مذهب، جغرافیا و بسیاری دیگر - به وجود می‌آید. اگرچه مفهوم «تقاطع‌یافتگی»18 زمانی که هوکس آن را توصیف کرد به این نام شناخته نمی‌شد، اما این ایده که این ابعاد را نمی‌توان جدا از یکدیگر بررسی کرد، تاریخ بسیار طولانی‌تری در اندیشه دارد19. اکنون، دانشمندان و کنش‌گران مطرح، عمیقا معتقدند که تبعیض‌نژادیِ نهفته‌شده در فرهنگِ ایالات‌متحده، همراه با بسیاری دیگر از اشکال سلطه و ستم، امکانِ ایجاد یک تجربه یا جنبش یکسان را برای همه زنان در همه جا غیرممکن کرده است. در مقابل، آنچه مورد نیاز است «تحلیل و عمل یکپارچه مبتنی بر این واقعیت است که نظام‌های اصلی سلطه و ستم در هم تنیده شده‌اند»20. این عبارت از «بیانیه جمعیت رودخانه کومباهی»21 گرفته شده است که در سال ۱۹۷۸ توسط یک گروه مشهور از کنش‌گران فمینیست سیاه در بوستون نوشته شده است. در این کتاب، ما از مفهوم تقاطع‌یافتگی و دیگر مفاهیمی که توسط دانشمندان و کنش‌گران «فمینیست سیاه» ساخته شده، استفاده می‌کنیم، زیرا آن‌ها برخی از بهترین راه‌کارها را برای بحث در این زمینه چندوجهی ارائه داده‌اند.

در واقع، اگر فمینیسم دنبال حل چالش‌های امروز است، باید دیدگاه تقاطعی داشته باشد. ما نویسندگان این کتاب، دو زن سفید در ایالات‌متحده هستیم که دارای چهار مدرک عالی و پنج فرزند می‌باشیم. ما خود را به‌عنوان افرادی از طبقه متوسط و «سیس‌جندر»22 شناسایی می‌کنیم - به این معنی که هویت جنسی ما با جنسیتی که در بدو تولد به ما داده شده مطابقت دارد. ما تبعیض‌جنسی را به شیوه‌های مختلف در مقاطع گوناگون زندگی خود تجربه کرده‌ایم: زن بودن در حوزه فناوری و دانشگاه، در تولد نوزادان و شیردهی، و در تلاش برای دفاع از خود و بدن خود در یک سیستم مراقبت بهداشتی تحت سلطه مردان. اما ما تبعیض‌جنسی را به شکلی که زنان دیگر یا افراد غیرباینری تجربه کرده‌اند، تجربه نکرده‌ایم، چرا که ابعاد زیادی از هویت مشترک ما، به‌عنوان نویسندگان این کتاب، با موقعیت‌های گروه‌های مسلط هم‌سو است. این واقعیت باعث شده است که ما نتوانیم بر اساس «تجربه شخصی» خود در مورد برخی از نیروهای سلطه - مانند تبعیض‌نژادی - صحبت کنیم. اما این امر باعث نمی‌شود که ما در این زمینه نیاموزیم تا بتوانیم در مورد تبعیض‌نژادی و نقشی که افراد سفید در حمایت از آن ایفا می‌کنند صحبت کنیم. یا مانع نمی‌شود که توانایی‌گرایی و نقشی که افراد توانمند از نظر جسمی و ذهنی در حفظ آن ایفا می‌کنند را به چالش نکشیم. یا مانع نمی‌شود تا در مورد نابرابری‌های طبقاتی و نقشی که افراد تحصیل‌کرده و مرفه در حفظ آن ایفا می‌کنند صحبت نکنیم. یا اینکه به منطق «رهایی مشترک»23 اعتقاد نداشته باشیم. یا از دادگری از طریق برقراری عدالت دفاع نکنیم. در واقع، هدف اصلی این کتاب، توصیف شکلی از فمینیسم تقاطعی است که نابرابری‌های امروزه را به‌عنوان نقطه شروع در نظر می‌گیرد و کار خود را با این پرسش آغاز می‌کند: چگونه می‌توانیم از داده برای بازسازی جهان استفاده کنیم؟24

این کاری پیچیده و سنگین است و لزوما پایانی برای آن نمی‌توان در نظر گرفت. اما اندازه و گستردگی آن نباید ما - یا شما خوانندگان این کتاب - را از برداشتن گام‌های بیشتر به سوی عدالت باز دارد. کریستین داردن را در نظر بگیرید که پس از صحبت با رئیس بخش خود، پاسخی جز سکوت از او نشنید. اما دو هفته پس از آن، او ارتقاءرتبه گرفت و به یک گروه تحقیقاتی در زمینه انفجارهای صوتی منتقل شد. داردن در موقعیت جدید توانست پروژه‌های تحقیقاتی خود را هدایت و با افرادی با جنسیت‌های مختلف همکاری کند. دفاع او از خود، یک الگوی عملی برای ما است: توجه مداوم به نحوه تلاقی سیستم‌های سلطه با یکدیگر و دانشی که توسط تجربه مستقیم به دست می‌آید. این الگو، راهنمایی برای به چالش‌کشیدنِ قدرت و کار به سوی عدالت پیش‌روی ما می‌گذارد.

فمنیست داده چیست؟

در گزارش شترلی آمده است که کریستین داردن تحقیقات نوآورانه‌ای در زمینه شیوه‌‌های کمینه‌سازیِ انفجارهای صوتی انجام داد،‌ بیش از ۶۰ مقاله علمی در زمینه دینامیک سیالات محاسباتی نوشت و دکترای خود را در مهندسی مکانیک گرفت - و همه این‌ها را در حالی انجام داد که هم‌زمان وظایف دیگری، همچون ایفای نقشِ مادری برای دختر پیشاهنگش، معلمی در روزهای یکشنبه، رفتن به کلاس‌های موسیقی، و خانه‌داری، را نیز انجام می‌داد. اما حتی زمانی‌که او در موقعیت‌های حرفه‌ای بالا قرار گرفته بود، متوجه شد که دستاوردهای علمی او همچنان به همان سرعت هم‌تایان مردش شناخته نمی‌شوند، و مردان به نظر با سرعت بیشتری ترفیع می‌گیرند.

داردن با دفتر فرصت‌های برابر در لانگلی مشورت کرد، جایی که زنی سفید به نام گلوریا شامپین25 داده‌های آماری در مورد جنسیت و رتبه را جمع‌آوری می‌کرد. داده‌ها، تجربیات داردن را تأیید می‌کردند: این‌که زنان و مردان - حتی آن‌هایی که دارای مدارک تحصیلی، مقالات، و عملکرد یکسان بودند - با سرعت‌های بسیار متفاوتی ارتقا می‌یافتند. شامپین متوجه شد که داده‌های او می‌تواند به داردن در پیگیری ارتقای شغلی‌اش کمک کنند و همچنین، این داده‌ها می‌توانند ماهیت ساختاریِ مشکلِ مورد نظر را عیان کنند. شامپین داده‌های خود را در قالب یک نمودار میله‌ای به مدیر بخش داردن ارائه کرد26. شترلی می‌گوید که مدیر بخش از وجود این نابرابری شگفت‌زده شد، و بدین ترتیب، داردن ارتقایی را که مدت‌ها شایسته آن بود، دریافت کرد27. داردن به بالاترین موقعیت در بخش خدمات مدنی فدرال ارتقا یافت. او اولین زن سیاه در لانگلی بود که به این موقعیت رسیده بود. داردن تا سال ۲۰۰۷، زمانی که از ناسا بازنشسته شد، به‌عنوان مدیر مشغول به کار بود28.

اگرچه ارتقای داردن به رده‌های مدیریتی در ناسا تا حد زیادی نتیجه دانش، تجربه و ذکاوت خود او بود، اما می‌توانیم آن را نتیجه چندین دهه کنش‌گری فمینیستی و تفکر انتقادی بدانیم. آن یک جنبش فمینیستی در سطح ملی بود که باعث شد تا مسائل زنان در بالاترین سطح سیاست فرهنگی ایالات‌متحده مطرح شود و تغییرات گسترده‌ای ایجاد کند. از تغییر نقش‌های جنسیتی که امکان استخدام داردن در ناسا را فراهم کردند گرفته تا ایجاد مکانیسم‌های گزارش‌دهی، مانند چیزی که به او امکان پیشرفت حرفه‌ای داد. اما موفقیت داردن در محل کار نیز احتمالا نتیجه تلاش بسیاری از همکاران و دوستان ناشناس دیگری هم بوده که ممکن است خود را فمینیست بدانند یا ندانند. آن‌ها کسانی بودند که به اشکال مختلف، حتی در حد پختن شامی مختصر، از او در ارتقا به رده‌های بالاتر حمایت کردند. روایت این نوع تلاش‌های جمعی که به‌طور فزاینده‌ای در دسترس قرار گرفته‌اند، نتیجه دهه‌ها تلاش‌ محققان و کنش‌گران فمینیست است که ما را قادر ساخته‌اند تا درکی از تلاش‌های عاطفی و فیزیکی صورت گرفته، داشته باشیم.

همان‌طور که تا حالا باید مشخص شده باشد، فمینیسم به شیوه‌های گوناگون تعریف شده و مورد استفاده قرار گرفته است. در این کتاب، ما از اصطلاح «فمینیسم» به‌عنوان کلمه اختصاری برای اشاره به کارهای متنوع و گسترده‌ای استفاده می‌کنیم که تبعیض‌جنسی و دیگر اشکال سلطه و ستم را به چالش می‌کشند و به دنبال ایجاد آینده‌ای عادلانه‌تر و زیست‌پذیرتر هستند. به دلیل این گستردگی، بسیاری از محققین ترجیح می‌دهند از اصطلاح «فمینیسم‌ها» استفاده کنند، که به‌وضوح نشان‌دهنده گستردگی - و گاهی ناسازگاری بین - این گونه‌های مختلف کنش‌گری فمینیستی و تفکر سیاسی است. برای خوانایی، ما در اینجا از اصطلاح «فمینیسم» استفاده می‌کنیم، اما فمینیسم ما به همان اندازه گسترده است. این اصطلاح شامل کار افرادی عادی مانند داردن و شامپین، روشن‌فکرانی مانند بتی فریدان و بل هوکس، و گروه‌هایی مانند جمعیت رودخانه کومباهی می‌باشد که برای دستیابی به برابری جنسی تلاش کرده‌اند. این همچنین شامل آثار محققین و سایر منتقدان فرهنگی - مانند کیمبرله کرنشاو29، مارگوت لی‌شترلی، و دیگران - است که با نوشته‌هایشان، دلایلِ اجتماعی، سیاسی، تاریخی، و مفهومیِ موجود در پس نابرابری‌های جنسی که امروزه با آن روبرو هستیم را به ما نشان داده‌اند.

در این روند، نویسندگان و کنش‌گران به شیوه‌های گوناگون، شرایط ناعادلانه موجود را به گوش ما رسانده‌اند30. این بی‌عدالتی‌ها اغلب نتیجه ناهمسانی‌های تاریخی و معاصر در ساختار قدرت است، چه آن‌هایی که بین مردان، زنان، و افراد غیرباینری وجود دارد، چه آن‌هایی که میان زنان سفید و سیاه وجود دارد، چه آن‌هایی که بین محققین دانشگاهی و جوامع بومی وجود دارد، و چه آن‌هایی که بین مردم شمال‌جهانی و جنوب‌جهانی وجود دارد. فمینیست‌ها با تحلیل این ناهمسانی‌های قدرت سعی در تغییر آن دارند. برای فریدان یا زنان سفید، که به‌عنوان رهبران مبارزه برای حقوق رای زنان در قرن نوزدهم شناخته می‌شدند، چنین گستردگی - که نژاد، طبقه، توانایی جسمانی و ذهنی، و موارد دیگر را دربرمی‌گیرد - عجیب به نظر می‌رسید31. اما واقعیت این است که مدت‌هاست که زنان رنگین‌پوست تاکید می‌کنند که هر جنبشی برای برابری جنسیتی باید تلاقی امتیاز و سلطه را در نظر بگیرد.

از آنجا که درک مفهوم تقاطع‌یافتگی32 برای دنبال کردن این کتاب ضروری است، اجازه دهید کمی دقیق‌تر به آن بپردازیم. این اصطلاح توسط کیمبرل کرنشاو، نظریه‌پرداز امور حقوقی، در اواخر دهه ۱۹۸۰ ابداع شد33. کرنشاو در دانشکده حقوق با پرونده ضدتبعیض «اِما دگرافنرید34 علیه جنرال موتورز35» برخورد کرده بود. دگرافنراید یک مادر سیاه و کارگر بود که دنبال کار در کارخانه جنرال موتورز در شهر خود بود. او استخدام نشد و به دلیل تبعیض، از جنرال موتورز شکایت کرد. اما این کارخانه سابقه استخدام سیاهان را داشت: مردان سیاهِ بسیاری در مشاغل صنعتی و تعمیراتی در آنجا کار می‌کردند. این کارخانه نیز سابقه استخدام زنان را داشت: زنان سفید بسیاری به‌عنوان منشی در آنجا کار می‌کردند. وجود این دو مدرک، باعث شد تا قاضی، آن پرونده شکایت را رد کند، زیرا شرکتی که هم سیاهان و هم زنان را استخدام کرده باشد، نمی‌توانست رفتار تبعیض‌آمیزی بر اساس نژاد یا جنسیت داشته باشد. اما، کرنشاو می‌خواست بداند که زمانی‌که «جنسیت و نژاد» هم‌زمان وجود داشته باشند آیا تبعیض وجود دارد؟ این مساله متفاوتی بود که باید جداگانه به آن پرداخته می‌شد. کرنشاو نه تنها مفهوم تقاطع‌یافتگی را معرفی کرد، بلکه به توضیح و تشریح این ایده در کتاب‌های مطرحش، مقالاتش، و سخنرانی‌هایش پرداخت36.

نکته کلیدی ایده «تقاطع‌یافتگی» این است که علاوه بر توصیف جنبه‌های هویتی (یا «موقعیتی»37، همان‌طور که بعضی به آن اشاره می‌کنند) یک فردِ خاص، به توصیف تلاقی نیروهای فرادستانه و سلطه‌گرانه در یک جامعه نیز می‌پردازد38. «سلطه و ستم»39 شامل بدرفتاری نظام‌مند نسبت به گروه‌های خاصی از مردم توسط گروه‌های دیگر می‌باشد. سلطه و ستم زمانی اتفاق می‌افتد که قدرت به‌طور برابر توزیع نشده باشد و تنها یک گروه، کنترلِ نهادهای قانون‌گذاری، آموزش و فرهنگ را در دست داشته باشد، از قدرت خود برای حذف نظام‌مند سایر گروه‌ها استفاده کند، و در عین‌حال به گروه خود امتیازات ناعادلانه دهد (یا صرفا وضعیت موجود را حفظ کند)40. در مورد سلطه و ستم جنسیتی، می‌توان به تبعیض‌جنسی، هم‌سوجنس‌زدگی41 و مردسالاری اشاره کرد که در موقعیت‌های گوناگون قابل مشاهده هستند، از نمایندگی سیاسی گرفته تا شکاف دستمزد، تا این‌که چه کسی بیشتر (یا با صدای بلندتر) در یک جلسه صحبت می‌کند42. در مورد سلطه و ستم نژادی، می‌توان به تبعیض‌نژادی و برتر دانستن افراد سفید اشاره کرد. سایر اشکال سلطه و ستم عبارتند از توانایی‌گرایی جسمی و ذهنی، استعمار، و طبقه‌گرایی که هر کدام دارای تاریخ خاص خود در فرهنگ‌ها و زمینه‌های مختلف می‌باشند، اما در همه این‌ها، گروهی وجود دارد که قدرت و امتیاز را به قیمت گرفتن آن از دیگران،‌ در اختیار دارد. علاوه بر این، در انحصار داشتن قدرت و امتیاز، هنگامی که با سلطه و ستم در هم می‌پیوندند، تأثیرش چندبرابر می‌شود.

با این‌حال، تاثیر امتیاز و سلطه روی افراد و گروه‌های مختلف به یک اندازه نیست. برای برخی، این آثار تبدیل به جزئی اجتناب‌ناپذیر و بدیهی از زندگی روزمره شده است، به‌طور مشخص برای زنان، رنگین‌پوستان، کوئیرها، و مهاجران: لیستی که ادامه دارد. اگر عضو هر کدام از این گروه‌ها یا همه این «گروه‌های اقلیت‌‌شده»43 باشید، آثار آن امتیازها و ستم‌ها را همه‌جا تجربه کرده‌اید، از جمله در تصمیماتی که هر روز می‌گیرید (یا تصمیماتی که نمی‌توانید بگیرید). این سیستم‌های قدرت به اندازه باران واقعی هستند، اما تشخیص نیروهای سلطه و ستم زمانی که از آنها سود می‌برید دشوار است (ما در ادامه کتاب، این را «خطر امتیاز»44 می‌نامیم). و اینجاست که داده‌ وارد می‌شود: مجموعه‌ای از تلاقی سیستم‌های قدرت و امتیاز که داردن با طرح سوال از رئیس بخش خود، قصد افشای آن را داشت. و این همان مجموعه‌ای از تلاقی سیستم‌های قدرت و امتیاز بود که داردن هنگامی که نزد شامپین رفت قصد به چالش‌کشیدن آن را داشت. داردن، به هیچ مدرک دیگری نیاز نداشت تا مشکلی که با آن مواجه بود را نشان دهد، چرا که او هر روز با آن مشکل زندگی می‌کرد45. اما زمانی که تجربه او به صورت داده ثبت و با تجربیات دیگران تجمیع شد، توانست توسط آن، سیستم‌های قدرت را به چالش بکشد و تأثیر بسیار بیشتری نسبت به تنها تعیین مسیر شغلی خود به‌جای گذارد.

بدین ترتیب، داردن چیزی را که ما «فمینیسم داده» می‌نامیم، پایه‌گذاری کرد: شیوه‌ای برای تفکر درباره داده‌، با در نظر گرفتن کاربردها و محدودیت‌هایش، که با تجربه مستقیم، تعهد به عمل، و تفکر فمینیستی تقاطعی مشخص می‌شود. نقطه شروع فمینیسم داده چیزی است که عمدتا در علم داده مغفول مانده است: این‌که قدرت به‌طور مساوی در جهان توزیع نشده است. کسانی که قدرت را در دست دارند بیشتر مردانی هستند نخبه، دگرجنس‌گرا46، سفید، هم‌سوجنس47، توانا از نظر جسمی و ذهنی، و از شمال‌جهانی48. وظیفه فمینیسم داده، در ابتدا بررسی عملکرد علم داده‌ای است که این نابرابری‌ها را تقویت می‌کند، و سپس استفاده از علم داده برای به چالش‌کشیدن و تغییر توزیع قدرت49. فمینیسم داده‌ در بطن خود باور و تعهد به «رهایی مشترک دارد»: این ایده که سیستم‌های سلطه‌گرِ قدرت به «همه ما» آسیب می‌رسانند، کیفیت و اعتبار کار ما را تضعیف می‌کنند، و مانع از آن می‌شوند که بتوانیم تأثیر اجتماعی واقعی و پایداری با علم داده ایجاد کنیم.

ما این کتاب را نوشتیم زیرا ما دانشمند داده و فمینیست داده هستیم. اگرچه ما در این کتاب از یک «ما» صحبت می‌کنیم و هویت‌ها، تجربیات و مهارت‌های خاصی را به اشتراک می‌گذاریم، اما مسیرهای زندگی گوناگون و انگیزه‌های متفاوتی برای کار در این پروژه داشته‌ایم. اگر همین الان کنار شما نشسته بودیم، هر کدام خود را با پاسخ به این سوال معرفی می‌کردیم: چه چیزی شما را امروز به اینجا کشانده است؟ پاسخ ما این است که خودمان را در آن موقعیت قرار دهیم.

کاترین: من یک هکر و مادر هستم. من پانزده سال به‌عنوان توسعه‌دهنده مستقل نرم‌افزار و هنرمند تجربی کار کرده‌ام و اکنون به‌عنوان استاد دانشگاه روی پروژه‌های گوناگونی کار می‌کنم، از سیستم‌های توصیه خبرهای غیرمترقبه گرفته، تا نقشه‌نگاری متقابل50، تا یادگیری داده‌های اجتماعی، تا بهبود شیردوش‌های پستان. من این‌جا این کتاب را می‌نویسم، اول از همه برای این‌که هیاهو در مورد کلان‌داده‌ها و هوش‌مصنوعی به شکل کرکننده‌ای از طرف مردان، سفیدان، و مدعیان فناوری شنیده می‌شود و اکنون زمان آن فرا رسیده تا آن جهان را مجددا با یک لنز فمینیستی بازنگری کنیم. دومین دلیلی که من را این‌جا کشانده این است که تجربه اخیرم در برگزاری یک هکتون بزرگ که بر برابری افراد تاکید داشت به من آموخت که تا چه میزان افرادی مانند من - سفید لیبرال خوش‌نیت - خود، بخشی از مشکل در مبارزه برای عدالت‌اجتماعی هستند. این کتاب تلاشی برای افشای چنین عملکردهای قدرتی است که در درون ما و در خارج از جهان وجود دارد51.

لورن: من اغلب خودم را به‌عنوان یک آدمِ خوره حرفه‌ای توصیف می‌کنم. من قبل از این‌که برای تحصیل زبان انگلیسی با تمرکز بر ادبیات و فرهنگ اولیه آمریکاییان (اوایل یعنی خیلی قدیم - مانند قرن هجدهم) به مدرسه بروم، در زمینه توسعه نرم‌افزار کار می‌کردم. اکنون به‌عنوان استاد دانشگاه در دانشکده مهندسی روی پروژه‌های تحقیقاتی کار می‌کنم تا این تاریخ را به نمونه‌های متناظر معاصر ترجمه کند. برای مثال، در حال نوشتن کتابی درباره تاریخچه تصویرسازی داده‌ها هستم که برای آن از تکنیک‌های یادگیری‌ماشین به منظور تحلیل روزنامه‌های مربوط به لغو برده‌داری استفاده می‌کنم، و همچنین در حال طراحی یک بازسازی لمسی از یک طرح تصویری صدساله هستم که شبیه قالی است. از طریق پروژه‌هایی مانند این، نشان می‌دهم که چگونه ظهور مفهوم «داده» (که، همان‌طور که مشخص شده، از قرن هجدهم مطرح شده است) ارتباط نزدیکی با ظهور تعاریف فعلی ما از جنسیت و نژاد دارد. بنابراین یکی از دلایل من برای نوشتن این کتاب این است که نشان دهم تبعیض‌نژادی و تبعیض‌جنسی که امروزه در علم داده می‌بینیم به هیچ‌وجه جدید نیستند. دلیل دیگرم کمک در عملی‌کردن تفکر انسان‌گرایانه و ایجاد فرصت‌های بیشتر برای پژوهش‌گران علوم‌انسانی برای تعامل با کنش‌گران، سازمان‌دهندگان، و اجتماعات است52.

ما هر دو قویا معتقدیم که داده‌ها می‌توانند در جهان مفید باشند. اما برای انجام این کار، باید صریحا اذعان کنیم که یکی از راه‌های اساسی که قدرت و امتیاز در جهان امروز عمل می‌کنند با خود واژه «داده» مرتبط است. قدمت این کلمه به اواسط قرن هفدهم برمی‌گردد، زمانی که برای تکمیل اصطلاحاتی مانند «شاهد»53 و «حقیقت»54 به کار برده می‌شد. درنظرگرفتن اطلاعات، به‌عنوان داده، به جای هر کدام از آن دو اصطلاح، هدفی سخن‌ورانه داشته است55. این کار، اطلاعاتی که می‌توانستند بحث‌برانگیز باشند را به پایه محکمی برای ادعاهای بعدی تبدیل کرد. اما چه اطلاعاتی باید به داده تبدیل شوند تا بتوان به آنها اعتماد کرد؟ یا به‌طور دقیق‌تر، اطلاعاتِ چه کسی باید به داده تبدیل شود تا بتوان آن را به‌عنوان حقیقت در نظر گرفت و بر اساس آن عمل کرد56؟ فمینیسم داده باید به این سؤالات نیز پاسخ دهد.

داستانی که با ورود کریستین داردن به لانگلی آغاز شد و با تلاش‌های مستمر او برای مقابله با سلطه و ستم ساختاری که در آنجا مواجه بود همراه شد، و با مجموعه چشم‌گیر دستاوردهایش به پایان رسید، داستانی درباره قدرت داده است. داردن در طول زندگی حرفه‌ای خود از داده برای استدلال و ایجاد تغییرات کوچک و بزرگ در زندگی استفاده کرد. اما این همه داستان نیست. زندگی‌نامه الهام‌بخش داردن، داستانی درباره نظام‌های بزرگ‌تر قدرت است که برای ایجاد تحول به داده نیاز داشتند - نه باور به تجربه زیسته او. بی‌اعتمادیِ نهادی که از تجربه داردن حاصل شد، بی‌شک در تصمیم شامپین برای تهیه نمودارهای میله‌ای نقش داشت. احتمالا شامپین، همانند داردن، به این نتیجه رسیده بود که برای پذیرفته‌شدن به نمودار میله‌ای نیاز دارد.

بدین‌ترتیب، اتحاد بین داردن و شامپین و همکاری آن‌ها با یکدیگر، نقص‌ها و سازش‌هایی را که ذاتا در پروژه‌های داده‌محور وجود دارد، به وضوح عیان کرد. موفقیت داردن و شامپین در انجام این کار، علی‌رغم محدودیت‌‌ها، بیش از پیش تاکیدی بر اهمیت گوش‌دادن و یادگیری از افرادی است که زندگی و صدای‌شان پشت اعداد پنهان شده است. هیچ مجموعه‌داده‌ای، کار تحلیلی، تصویرسازی، ساختن مدل یا الگوریتمی، نتیجه کار یک نفر به تنهایی نیست. فمینیسم داده به ما یادآوری می‌کند که پیش از وجود داده‌ها، افراد وجود دارند - افرادی که تجربیات خود را برای اندازه‌گیری و تحلیل ارائه می‌دهند، افرادی که آن اندازه‌گیری و تحلیل را انجام می‌دهند، افرادی که آن داده‌ها را به تصویر می‌کشند و یافته‌های پروژه را ترویج می‌دهند، و افرادی که در نهایت از محصول استفاده می‌کنند. همیشه افرادی هستند که دیده نمی‌شوند - چه خوب، چه بد. و مشکلاتی وجود دارد که نمی‌توان آن‌ها را به‌تنهایی با داده نشان داد، یا به آن‌ها رسیدگی کرد. و بنابراین فمینیسم داده، مانند عدالت، باید هم به‌عنوان یک هدف و هم یک فرآیند باقی بماند، فرآیندی که افکار و اعمال ما را در حین حرکت به سمت هدف خود برای بازسازی جهان هدایت می‌کند.

داده و قدرت

برای هدایت فضانوردان «آپولو۱۱» به ماه، از پنج دستگاه پیشرفته IBM System/360 مدل ۷۵ استفاده شد که هر کدام به اندازه یک خودرو بود و ۳/۵ میلیون دلار قیمت داشت. به زمان حال باز گردیم. ما اکنون کامپیوترهایی به شکل تلفن‌ داریم که در جیب‌مان جا می‌شوند و - اگر آیفون اپل مدل XR 2019 را در نظر بگیریم - می‌تواند بیش از ۱۴۰ میلیون دستورالعمل در ثانیه بیشتر از IBM/360 انجام دهد57. این میزان تغییر، شگفت‌انگیز و نشان‌دهنده رشد تصاعدی در توان محاسباتی است (شکل ۰.۲(الف)). به همان اندازه ما شاهد رشد تصاعدی جمع‌آوری و ثبت اطلاعات به شکل دیجیتال و همچنین جمع‌آوری اطلاعات در مورد خود بوده‌ایم (شکل ۰.۲(ب)).

شکل ۰.۲(الف) نمودار سریِ زمانی‌ که در مقاله قانون مور، که در سال ۱۹۶۵ منتشر شده، آمده است. بر اساس این قانون تعداد ترانزیستورهایی که در یک مدارمجتمع می‌تواند قرار بگیرد (و بنابراین ظرفیت محاسباتی را افزایش دهد) هر سال دوبرابر می‌شود. با تشکر از گوردون مور. (ب) چندین سال پیش، محققین به این نتیجه رسیدند که ترانزیستورها به کوچکترین اندازه خود رسیده‌اند و دیگر قانون مور قابل اجرا نیست. با این‌حال، توان محاسباتی امروز به شکلی‌ست که به اتکای آن، دکتر کتی بومن، دانشجوی فوق‌دکتری MIT، توانست در پروژه‌ای شرکت کند که با پردازش و ترکیب تقریبا پنج پتابایت داده‌‌ای که توسط تلسکوپ گرفته شده بود اولین تصویر از یک سیاه‌چاله را بسازد. پس از انتشار این عکس در آوریل ۲۰۱۹ که هیجان بومن را به‌عنوان یکی از دانشمندان تیم بزرگی که سال‌ها برای ثبت این تصویر تلاش کرده است، نشان می‌دهد، او مورد آزار و اذیت آنلاین قرار گرفت. عکس از توئیتر تامی اما پپین.

اما جمع‌آوری و ثبت داده افراد امر تاز‌ای نیست. از فهرست مردگانی که توسط مقامات کلیسا در اوایل دوران مدرن منتشر می‌شد گرفته تا شمارش جمعیت‌ بومی‌های ساکن در مناطق استعماری قاره آمریکا، جمع‌آوری داده‌ مدت‌ها است که به‌عنوان روشی برای ثبت دانش در مورد افراد و به طبع آن تثبیت قدرت بر آن‌ها مورد استفاده قرار گرفته است58. ارتباط نزدیک بین داده و قدرت شاید به‌وضوح در برهه‌ای از تاریخ و در سیاهه‌های مربوط به افرادی قابل مشاهده باشد که به‌عنوان برده، اسیر شده و به کشتی برده می‌شدند، آنجا که آن جان‌ها به اعداد و نام‌ها تقلیل پیدا می‌کردند. دنباله این ارتباط از میانه جنبش اصلاح‌نژادی در اواخر قرن نوزدهم و اوایل قرن بیستم می‌گذرد که در آن استفاده از داده، ابزاری برای تعیین برتری سفیدان بر سایرین بود. همانطور که سیمون براون59، جامعه‌شناس، نشان داده است، این روند امروزه با گسترش فناوری‌های بیومتریک که به‌طور نامتناسبی برای نظارت بر سیاهان استفاده می‌شود، ادامه پیدا کرده است60.

زمانی که ادوارد اسنودن61، مشاور سابق آژانس امنیت ملی ایالات‌متحده، اسناد محرمانه‌ای را در سال ۲۰۱۳ افشا کرد و در اختیار مطبوعات گذاشت، آشکار کرد که دولت فدرال تا چه میزان به‌صورت پیوسته در حال جمع‌آوری داده‌های شهروندان است و این کار را اغلب با کمترین توجه به مسائل قانونی یا اخلاقی انجام می‌دهد62. در رابطه با مسائل شهری نیز، دولت‌ها به منظور «هوشمند کردن» شهرها، شروع به جمع‌آوری داده در مورد همه چیز، از ترافیک تا حالات چهره شهروندان کرده‌اند63. این کار اغلب به بازآفرینی الگوهای سنتی قدرت در شهر تعبیر می‌شود، نمونه‌هایی مانند تفکیک و جداسازی، نظارت بیش‌ازحد بر اجتماعات رنگین‌پوستان، و سهمیه‌بندی بعضی از خدمات نادر شهری64.

اما دولت در جمع‌آوری داده‌ها تنها نیست. شرکت‌ها نیز این کار را به منظور افزایش سود خود انجام می‌دهند. کلمات و عباراتی را که در گوگل جستجو می‌کنیم، ساعاتی از روز را که در فیسبوک فعال هستیم، و اقلامی را که به سبد خرید خود در سایت آمازون اضافه می‌کنیم، همه به‌عنوان داده ردیابی و ذخیره می‌شوند - داده‌هایی که به سود مالی شرکت‌ها تبدیل می‌شوند. بی‌اهمیت‌ترین کارهای روزمره - مانند جست‌وجو برای پیدا کردن راهی برای دور زدن ترافیک، لایک‌کردن ویدیوی گربه دوستی، یا حتی بیرون رفتن از در خانه‌مان در صبح - اکنون همه کالاهایی بااهمیت هستند. این مساله البته به این دلیل نیست که هر کدام از این کارها فوق‌العاده جالب هستند (البته گربه‌های کاترین برای ما استثنا هستند)، بلکه به این دلیل است که این کارهای کوچک را می‌توان با کارهای کوچک دیگر ترکیب کرد و بدین‌شکل تبلیغات هدفمند و توصیه‌های شخصی ساخت - به عبارت دیگر، تا چیزهای بیشتری برای کلیک‌کردن، لایک‌کردن، یا خرید در اختیار ما قرار دهند65.

این اقتصادِ داده است و شرکت‌ها که اغلب پشتیبانی محققین دانشگاهی را همراه دارند، در تلاش هستند تا ببینند چه رفتارهایی - آنلاین و آفلاین - را می‌توانند به داده تبدیل و از آن کسب درآمد کنند. هیچ‌چیز مصون از «داده‌سازی»66 نیست، اصطلاحی که گاهی به این فرآیند گفته می‌شود - نه سابقه جستجوی شما، یا گربه‌های کاترین، یا باسنی که لورن در حال حاضر با آن رو صندلی خود نشسته است. برای مزاح: شیگئومی کوشیمیزو67، پروفسور رشته‌ای مهندسی در توکیو، شبکه‌ای از حسگرها را روی سطح یک صندلی طراحی کرده است تا داده‌هایی از ۳۶۰ موقعیت مختلف باسن جمع‌آوری کنند68. او می‌گوید همان‌طور که اثر انگشت افراد منحصربه‌فرد است، مشخصه‌های باسن آن‌ها نیز منحصربه‌فرد است. او پیشنهاد کرده که ماشین‌های ما در آینده می‌توانند به جای کلید یا دزدگیر، مجهز به اسکنر باسن برای شناسایی راننده باشند.

اگرچه داده‌سازی ممکن است گاهی به وادی مسائل عجیب‌وغریب وارد شود، اما هم‌چنان یک مساله بسیار جدی است. خیلی از تصمیم‌های مهم اجتماعی، اقتصادی، و فردی که امروزه و به شکل فزاینده‌ای توسط سیستم‌های خودکار گرفته می‌شود، از بخش کوچک و گزینش‌شده‌ای از حجم عظیم داده‌ها استفاده می‌کنند. برای مثال، پِرِدپُل69، یک شرکت پیش‌بینی پلیس است و توسط یک استاد مردم‌شناسی دانشگاه کالیفرنیا در سال ۲۰۱۲ در لس‌آنجلس تأسیس شد. این شرکت نزدیک به یک دهه در لس‌آنجلس روی این مساله کار کرد که در کدام محله‌ها باید بیشتر گشت‌زنی کرد و از کدام محله‌ها می‌توان صرفنظر کرد. اما از آنجایی که پِرِدپُل بر اساس داده‌های تاریخی جرایم عمل می‌کرد و سیستم پلیسی ایالات‌متحده همیشه به‌شکل نامتوازنی بر محله‌های رنگین‌پوستان نظارت داشت و در آن مکان‌ها گشت‌زنی می‌کرد، پیش‌بینی محل وقوع جرم در آینده، شکلی نژادپرستانه از آن‌چه که در گذشته رخ‌داده بود به خود می‌گرفت70. این سیستم‌ها چیزی را می‌سازند که کتی اونیل71، ریاضی‌دان و نویسنده، در کتاب «سلاح‌های تخریب ریاضی: چگونه کلان‌داده‌ها نابرابری را افزایش می‌دهند و دموکراسی را تهدید می‌کنند»72، آن را «حلقه بازخورد مخرب» نامید. چیزی که اثرات سوگیریِ نژادی و جرم‌انگاریِ فقر را تشدید می‌کند و در حال حاضر در ایالات‌متحده همه‌گیر شده است.

راه‌حل اونیل، عیان کردن روش عملکرد سیستم‌های محاسباتی‌ای است که چنین نتایج نژادپرستانه‌ای ایجاد می‌کنند. او استدلال می‌کند که تنها با دانستن آن‌چه که در داخل این سیستم‌ها می‌گذرد، می‌توانیم بفهمیم که چه چیزی تولید می‌شود. این یک گام کلیدی در راستای کاهش اثرات داده‌های سوگیرانه است. فمینیسم داده علاوه بر این می‌خواهد که داده‌های سوگیرانه را تا ریشه آن‌ها دنبال کند. پیش‌بینیِ پِرِدپُل و «سه نقطه داده به‌ظاهر عینی» که از آن استفاده می‌کند قطعا سوگیری‌های موجود را تقویت می‌کنند، اما آن‌ها ریشه اصلی این سوگیری‌ها نیستند73. علت اصلی، سابقه طولانی جرم‌انگاری سیاهان در ایالات‌متحده است که باعث ایجاد رویکرد پلیسی مغرضانه و به‌طبع آن تولید داده‌های مغرضانه شده است که از آن‌ها در ساخت مدل‌های پیش‌بینی خطر استفاده می‌شوند74. ردیابی این پیوندها با نیروهای تاریخی و مستمر سلطه می‌تواند به ما در پاسخ‌دادن به این سوال اخلاقی کمک کند که آیا چنین سیستمی باید وجود داشته باشد؟75 در مورد پِرِدپُل، پاسخ یک نه قاطع است.

درک این زنجیره طولانی و پیچیده واکنش‌ها، انگیزه یشیمابیت میلنر76 شد تا همراه کنش‌گران، سازمان‌دهندگان، و ریاضیدانان بوستون «داده برای زندگی سیاهان»77 را پایه‌گذاری کنند، موسسه‌ای که به‌طور اختصاصی به بررسی استفاده از علم‌داده برای ایجاد تغییرات ملموس و قابل اندازه‌گیری در زندگی اجتماعات سیاهان پرداخته است78. گروه‌هایی مانند ائتلاف «جاسوسی LAPD را متوقف کنید»79 مشخصا از روش‌های فمینیستی و ضدتبعیض‌نژادی برای تعیین کمیت و به چالش‌کشیدن شیوه متجاوزانه جمع‌آوری داده توسط مجریان قانون بهره می‌برند80. روزنامه‌نگاران حوزه داده، الگوریتم‌ها را مهندسی‌معکوس کرده و داد‌های کیفی زیادی در مورد آسیب‌هایی مادری‌کردن جمع‌آوری کردند81. هنرمندان، شرکت‌کنندگان را به اجرای نقشه‌های زیست‌محیطی دعوت و از هوش‌مصنوعی برای ساخت خاطرات خانوادگی بین‌نسلی استفاده کردند (شکل ۰.۳الف)82.

همه این پروژه‌ها مبتنی بر «علم داده»83 هستند. از دید خیلی از مردم، داده‌ها فقط اعداد هستند، اما داده‌ها می‌توانند شامل کلمات یا داستان‌ها، رنگ‌ها یا صداها، یا هر نوع اطلاعاتی باشد که به صورت نظام‌مند جمع‌آوری، سازماندهی و تحلیل می‌شود (شکل‌های ۰.۳ب و ۰.۳ج)84. لفظ «علم» در علم داده صرفا تاکیدی به استفاده از روش‌های نظام‌مند برای مشاهده و آزمایش است. در سراسر این کتاب، ما تعمدا مثال‌های متنوعی از علم داده‌ را کنار یکدیگر قرار داده‌ایم. این مثال‌ها از افراد و گروه‌های کوچک، یا از سازمان‌های دانشگاهی، هنری، غیرانتفاعی، روزنامه‌نگاران، و گروه‌های اجتماع‌محور و انتفاعی آورده شده‌اند. این به دلیل اعتقاد ما به تعریف گسترده‌ای از علم داده است که به جای حذف، به‌دنبال دربرگیری است و مانعی بر اساس مدارک رسمی، وابستگی‌های حرفه‌ای، اندازه داده‌ها، پیچیدگی روش‌های فنی، یا سایر نشان‌گرهای خارجی تخصص ایجاد نمی‌کند. این نشانه‌ها، در واقعیت، مدت‌هاست مانع شرکت کامل زنان در بسیاری از رشته‌های تخصصی شده‌اند، حتی زمانی که این رشته‌ها - از جمله علم داده، علم کامپیوتر و بسیاری دیگر - تا حد زیادی بر اساس دانشی بوده‌اند که زنان مجبور بودند خودشان آن را یاد بگیرند85. تلاش برای عقب‌راندن این تاریخ جنسیتی برای فمینیسم داده نیز بنیادی است.

در طول تاریخ، فمینیسم پیوسته در تلاش بوده تا جهان را متقاعد کند که فمینیسم مربوط به همه افراد و همه جنسیت‌هاست. ما هم همین استدلال را مطرح می‌کنیم: فمینیسم داده برای همه است (در اینجا جمله‌ای از بل هوک به عاریت گرفته‌ایم86). شما [در طول کتاب] خواهید دید مثال‌هایی که می‌زنیم فقط در مورد زنان نیستند و تنها توسط زنان ایجاد نشده‌اند، به این دلیل که «فمینیسم داده فقط در مورد زنان نیست». برای داشتن نابرابری جنسیتی، بیش از یک جنسیت و برای تلاش در جهت عدالت، به بیش از یک جنسیت نیاز است. به همین ترتیب، «فمینیسم داده فقط برای زنان نیست». مردان، افراد غیرباینری و کوئیر هم مفتخرند که خود را فمینیست بنامند و از تفکر فمینیستی در کار خود استفاده کنند. علاوه بر این، «فمینیسم داده فقط در مورد جنسیت نیست». «فمینیست‌‌های تقاطعی»87 توجه ما را به این مساله جلب کرده‌اند که نژاد، طبقه، جنسیت، توانایی جسمی و ذهنی، سن، مذهب، جغرافیا و موارد دیگر عواملی هستند که همراه هم بر تجربه و فرصت‌های هر فرد در جهان تأثیر می‌گذارند. در نهایت، «فمینیسم داده در مورد قدرت است - در مورد اینکه چه کسی صاحب قدرت است و چه کسی از آن بهره‌ای ندارد». فمینیسم تقاطعی، نابرابری قدرت را به چالش می‌کشد. در دنیای معاصر ما، داده خود نیز قدرت است، و از آنجایی که از قدرت داده ناعادلانه استفاده می‌شود، باید به چالش کشیده و تغییر داده شود.

فمینیسم داده در عمل

داده یک شمشیر دو لبه است. در واقعیت، داده‌ به‌عنوان سلاحی توسط صاحبان قدرت برای تثبیت کنترل خود بر مکان‌ها و اشیا، و همچنین افراد استفاده می‌شود. در واقع، هدف اصلی این کتاب نشان دادن این مساله است که چگونه دولت‌ها و شرکت‌ها مدت‌هاست از داده‌‌ها و آمار به‌عنوان شیوه‌ای مدیریتی برای حفظ وضعیت نابرابر استفاده کرده‌اند. کار با داده از دیدگاه فمینیستی مستلزم دانستن و تصدیق این تاریخ است. می‌توان مشکل با داده‌ را به شکل دیگری صورت‌بندی کرد: تصادفی نیست که موسسه‌ای که کریستین داردن را استخدام کرد و به او امکان رشد حرفه‌ای داد، همان موسسه‌ای است که نتایج تحلیل داده‌های او را برای اثبات برتری فناوری ایالات‌متحده بر مخالفان کمونیست خود به کار گرفت و پرچم آمریکا را بر روی ماه نصب کرد. اما این تاریخ معیوب به معنای واگذاری کنترل آینده به قدرت‌های گذشته نیست. مطمئنا، داده بخشی از مشکل است، اما بخشی از راه‌حل نیز می‌باشد. یکی دیگر از اهداف اصلی این کتاب نشان دادن این مطلب است که چگونه می‌توان قدرت داده‌ها را به دست گرفت.

شکل ۰.۳

ما علم داده را به‌طور کامل در این کتاب تعریف می‌کنیم - در اینجا سه ​​مثال می‌آوریم. (الف) Not the Only One مجسمه‌ای است از استفانی دینکینز در سال ۲۰۱۷، که یک خانواده‌ سیاه را نشان می‌دهد و با هوش‌مصنوعی ساخته شده است. این هوش‌مصنوعی توسط صداهای کمترشنیده‌شده افراد قهوه‌ای و سیاه در بخش فناوری آموزش داده شده است. (ب) مارگارت میچل، محقق، و همکارانش، در «دیدن از طریق سوگیری گزارش‌های انسانی» (۲۰۱۶)، روی سیستم‌های دسته‌بندی تصاویر کار کرده‌اند که بر اساس اطلاعاتی که در گفتار انسانی به آنها اشاره نشده است، استنتاج می‌کند. به‌عنوان مثال، مردم می‌گویند «موز سبز» اما نمی‌گویند «موز زرد»، چرا که رنگ زرد به‌عنوان رنگ پیش‌فرض موز در نظر گرفته می‌شود. به همین ترتیب، مردم می‌گویند «دکتر زن»، اما «دکتر مرد» نمی‌گویند، به‌عبارتی این‌ها کلماتی هستند که گفته نمی‌شوند اما دربرگیرنده سوگیری می‌باشند. (ج) تحلیل جنسیتی دیالوگ‌ فیلم‌ هالیوودی «دیالوگ فیلم از ۲۰۰۰ فیلمنامه دسته‌بندی شده براساس جنسیت و سن» که توسط هانا اندرسون و مت دنیلز برای Pudding، که یک استارت‌آپ روزنامه‌نگاری داده است، انجام شده است (۲۰۱۷).

به‌عنوان راهنما در این کار، ما هفت اصل پایه‌ای را بنا کرده‌ایم. این اصول جداگانه و با یکدیگر، برگرفته از شالوده تفکر فمینیستی تقاطعی هستند. هر یک از فصل‌های آتی کتاب حول یکی از این اصول ساخته شده است. هفت اصل فمینیسم داده به شرح زیر است:

۱. بررسی قدرت. فمینیسم داده با تحلیل نحوه عملکرد قدرت در جهان آغاز می‌شود.

۲. به چالش‌کشیدن قدرت. فمینیسم داده متعهد به به‌چالش‌کشیدن ساختارهای قدرت نابرابر و تلاش در جهت عدالت است.

۳. ارج نهادن به حساسات و بدن‌مندی. فمینیسم داده به ما می‌آموزد که برای اشکال مختلف دانش ارزش قائل شویم، از جمله دانشی که از مردم، به‌عنوان بدن‌های زنده وحس‌مند در دنیا، گرفته می‌شود.

۴. بازنگری در ساختارهای باینری و سلسله‌مراتبی. فمینیسم داده‌ ما را ملزم می‌کند که جنسیت باینری و سیستم‌های شمارش و طبقه‌بندی که سلطه را تداوم می‌بخشند به چالش بکشیم.

۵. استقبال از کثرت‌گرایی. فمینیسم داده بر این نکته تاکید دارد که کامل‌ترین دانش از ترکیب دیدگاه‌های گوناگون و با اولویت دادن به روش‌های شناخت محلی، بومی، و تجربی حاصل می‌شود.

۶. در نظر گرفتن زمینه محیطی. فمینیسم داده بیان می‌کند که داده‌ها خنثی یا بی‌طرف نیستند. آن‌ها محصول روابط اجتماعی نابرابر هستند و در نظر گفتن زمینه محیطی آن‌ها برای انجام تحلیل دقیق و اخلاقی ضروری است.

۷. نمایان‌کردن کار. کار علم داده، مانند هر کار دیگری در دنیا، نتیجه تلاش افراد بسیاری است. فمینیسم داده این کارها را قابل مشاهده می‌کند تا بتوان آن‌ها را شناخت و به ارزش‌شان پی‌برد.

هر کدام از فصول زیر به یکی از این اصول می‌پردازد و با پرداختن به نمونه‌هایی از حوزه علم داده سعی می‌کند تا نشان دهد چگونه می‌توان آن اصل را عملی کرد. در ادامه، بعضی از مفاهیم کلیدی فمینیستی را معرفی می‌کنیم، مانند «ماتریس سلطه»88 (پاتریشیا هیل کالینز89،‌ فصل ۱)، «دانش زمینه‌مند»90 (دانا هاراوی91، فصل ۳)، «کار عاطفی»92 (آرلی هوچیلد93، فصل ۸)، و همچنین برخی از ایده‌های خودمان در مورد چگونگی فمینیسم داده در تئوری و عمل. برای این منظور، ما شما را با افراد پیشرو در زمینه داده و عدالت آشنا می‌کنیم که شامل مهندسان و توسعه‌دهندگان نرم‌افزار، کنش‌گران و سازمان‌دهندگان اجتماعات، روزنامه‌نگاران حوزه داده، هنرمندان، و محققان هستند. این طیف از افراد و طیف وسیعی از پروژه‌هایی که در پیشبرد آن‌ها سهیم بوده‌اند، راهنمای ما برای پاسخ‌دادن به این سوال هستند: چه چیزی یک پروژه را فمینیستی می‌کند؟ همان‌طور که مشخص خواهد شد، یک پروژه می‌تواند در «محتوا» فمینیستی باشد، به این ترتیب که قدرت را با انتخاب موضوع به چالش بکشد؛ می‌تواند در «فرم» فمینیستی باشد، به این ترتیب که قدرت را با تغییر ظاهری و/یا حسی ارتباط داده به چالش بکشد؛ و/یا می‌تواند در «فرآیند» فمینیستی باشد، به این ترتیب که قدرت را با ایجاد فرآیندهای مشارکتی و فراگیرکردن تولید دانش به چالش بکشد. آن‌چه این حوزه وسیع کار داده‌محور را متحد می‌کند، تعهد به اقدام و تمایل به بازسازی جهان است.

هدف اصلی ما موضع‌گیری در برابر وضعیت موجود است - در برابر جهانی که به نفع ما، دو استاد سفید کالج، اما به هزینه دیگران است. برای کار در راستای این هدف، ما تصمیم گرفتیم که صدای افراد در حاشیه، به دلیل جنسیت، هویت جنسی، نژاد، توانایی جسمی و ذهنی، طبقه، موقعیت جغرافیایی یا هر ترکیبی از این موقعیت‌ها (یا موارد دیگر) باشیم. علاوه بر این، ما این کار را انجام دادیم، زیرا معتقدیم کسانی که تجربه مستقیمی از نابرابری دارند، بهتر از ما می‌دانند که چه اقداماتی باید انجام دهند. به همین دلیل، ما تلاش کردیم کار افرادی که با نابرابری‌ها مواجه بوده‌اند را بر کسانی که با فاصله به مطالعه آن‌ها پرداخته‌اند اولویت‌ دهیم. در این کتاب، ما توجه ویژه‌ای به نابرابری ناشی از تلاقی جنسیت و نژاد داریم. این نشان‌دهنده موقعیت ما در ایالات‌متحده است، جایی که ریشه‌دارترین نابرابری‌ها، تبعیض‌نژادی را در بطن خود دارند. بیانیه ارزش‌های ما، که به‌عنوان ضمیمه این کتاب آمده، منطق این انتخاب‌ها را با جزئیات بیشتری شرح داده است.

هر کتابی تصمیم می‌گیرد که صداها و کارهای چه افرادی را دربرگیرد و صداها و کارهای چه افرادی را شامل نشود. ما از کسانی که احساس می‌کنند که دیدگاه‌هایشان به اندازه کافی مورد توجه قرار نگرفته یا کارشان به اندازه کافی تایید نشده است، می‌خواهیم که این خلا را به‌عنوان فرصتی برای گفتگو ببینند. امید صمیمانه ما این است که قدمی کوچک در راستای ایجاد گفتگویی وسیع‌تر برداریم، گفتگویی که مدت‌ها قبل از شروع به نوشتن این کتاب آغاز شده و تا مدت‌ها پس از پایان این صفحات ادامه خواهد داشت.

هدف این کتاب ارائه قدم‌هایی عملی برای دانشمندان داده است که می‌خواهند بیاموزند که چگونه فمینیسم به آن‌ها کمک می‌کند تا در جهت عدالت کار کنند، و برای فمینیست‌هایی است که می‌خواهند یاد بگیرند که کار آن‌ها چگونه می‌تواند به زمینه روبه‌رشد علم داده وارد شود. این همچنین خطاب به متخصصان در همه زمینه‌هایی است که در آن‌ها تصمیماتی داده‌محور گرفته می‌شود، و به اجتماعاتی که می‌خواهند در برابر داده‌هایی که آن‌ها را احاطه کرده است مقاومت کنند یا بسیج شوند. این برای همه کسانی نوشته شده است که به دنبال درک بهتری از نمودارها و آمارهایی هستند که در زندگی روزمره خود با آن‌ها مواجه می‌شوند و برای همه کسانی که می‌خواهند اهمیت چنین نمودارها و آمارهایی را به دیگران منتقل کنند.

بار دیگر تکرار می‌کنیم که ادعای ما این است که فمینیسم داده برای همه است. این برای مردم با همه جنسیت‌ها است. این از طرف مردم با همه جنسیت‌ها می‌باشد. و مهمتر از همه،‌ این موضوع فراتر از جنسیت است. فمینیسم داده در مورد قدرت است، درباره این‌که چه کسی قدرت دارد و چه از آن بی‌بهره است، و در مورد این‌که چگونه می‌توان این ناهمسانی‌های قدرت را با استفاده از داده به چالش کشید و تغییر داد. ما از شما خوانندگان این کتاب دعوت می‌کنیم در این سفر به سوی عدالت و بازسازی دنیای داده‌محور همراه ما باشید.

Connections
1 of 1
Comments
0
comment
No comments here
Why not start the discussion?