ترجمه توسط امیرحسین پیبراه
به منظور پاسخگو ماندن به ارزشهای این کتاب، نویسندگان کتاب به من این مسئولیت را دادند که همه افراد، پروژهها و سازمانهای مورد اشاره در کتاب فمینیسم داده را بررسی کنم. کمیسازی این مراجع، اطلاعات مهمی در مورد اینکه کدام دیدگاهها مورد استفاده قرار گرفتهاند و هر کدام تا چه اندازه، ارائه میکند. در عینحال، این فرآیند، سوالات چالشبرانگیزی درباره شناسایی و دستهبندیها پیش میکشد. بنابراین، این بیانیهی روشها توضیحاتی در مورد چگونگی مواجه ما با این سوالات و پاسخهای ما به آنها ارائه میدهد.
در ابتدا، باید تصمیم میگرفتیم که چه چیزی را بهعنوان «مرجع» در بررسی در نظر بگیریم. هر فردی که با نام ذکر شده بود، مانند هر پروژهای (مثل «نقشه کشتیرانی کلین»1 )، بهعنوان یک مرجع در نظر گرفته شد. شرکتها عمدتا از بازرسی مستثنی شدند، مگر اینکه نقش فعالی در یک مثال میداشتند و بیش از یک بار به آنها اشاره شده بود. برای مثال، تارگت2 به این علت که استراتژی بازاریابی هدفمند بارداری آن به عنوان یک مثال اصلی در فصل ۱ استفاده شده است، مورد بازرسی قرار گرفت. از سوی دیگر، اینستاگرام، علیرغم اینکه چندینبار در مثال سرنا ویلیامز به آن اشاره شد، مورد بازرسی قرار نگرفت، زیرا در این مورد، این رسانه اجتماعی فقط سایتی بود که ویلیامز و طرفدارانش داستانهای تجربیات تولد خود را در آن رد و بدل میکردند.
سپس هر دستهبندی به بررسی خاص خود نیاز داشت. برای افراد، ما سعی کردیم نژاد، جنسیت، کشور مبدا (از منظر تمایز جنوبجهانی/شمالجهانی) و بومییت آنها را تأیید کنیم. دستهبندیهای دیگر شامل این بود که آیا مراجع، افراد دانشگاهی هستند یا نه و اینکه آیا نمونهای از اقدامات دادهای خوب یا «چه کاری نباید انجام شود» را نشان میدهند. اگر مراجع اجتماعمحور بودند (مانند داده برای زندگی سیاهان) بهعنوان «اجتماعی» ثبت میشدند. دسته دیگری ثبت میکرد که آیا مرجع «نمونهای غیربصری» از کار داده ارائه میدهد یا خیر. هر رکورد سپس بر اساس اهمیت دستهبندی شد. یک مرجع اهمیت «گذراندن» را نشان میداد. دو تا چهار مرجع، «بیش از یک بار»؛ و فراتر از آن، «مرکزی» را.
اگرچه دستهبندیهایی مانند «اهمیت» و «نمونه غیربصری» بهسادگی قابل نسبتدادن بودند، برخی دیگر مانند نژاد و جنسیت اینگونه نبودند. ما سعی کردیم که این دستهبندیها را از طریق تحقیقات آنلاین تأیید کنیم، اما بدون شناسایی خود افراد مورد ارجاع، روشن است که این دستهبندیها به بررسی بیشتری نیاز دارند. لازم به ذکر است که فقط افراد، بر اساس نژاد یا جنسیت شمارش شدند، مگر اینکه نمونهای وابسته به ادعاهای نژادی یا جنسیتی باشد. بهعنوان مثال، جنرال موتورز در رابطه با رفتار تبعیضآمیزش با اما دگرافنراید3 مورد بحث قرار گرفت، که انگیزه مطالعه محقق حقوقی کیمبرله کرنشاو4 در مورد «تقاطعیافتگی» شد. استخدام تبعیضآمیز بر اساس نژاد و جنسیت دلیل گنجاندن جنرال موتورز در کتاب است. بنابراین، این شرکت در بازرسی به عنوان «سفید» و «مرد» ثبت شد. همچنین، اگر پس از تحقیقات بیشتر مشخص شود که سازمانی دارای هیئت یا کارکنان تماما سفید است، مانند Clarksons Research UK، به عنوان «سفید» طبقهبندی میشود.
تلاشهای آتی برای تکرار این بررسی باید با جدیت به چالشهای تشخیص وضوح دستهبندی هویتی، بدون مشورت رسمی با افراد مورد ارجاع و بهطبع دستهبندی شده، بپردازند. ممکن است تعریف برخی از دستهبندیها - مانند جنسیت - امکانپذیر نباشد، زیرا این احتمال وجود دارد که افراد برای جلوگیری از مورد تبعیض قرارگرفتن یا صرفا به این دلیل که آن را اطلاعات خصوصی میدانند، وضعیت خود را به عنوان ترنس یا غیردودویی، بهصورت عمومی فاش نکنند. همچنین، باید اذعان کنیم که دستهبندی مراجع بر اساس هویت اجتماعی و وابستگیهای ساختاری آنها، بهطور ذاتی تضمینکننده یک گفتمانِ نماینده نیست. با اینحال، ما این را تلاشی مهم برای پاسخگو ماندن به ارزشهایی میدانیم که کل این پروژه را به وجود آورده است، که شامل تفکر تقاطعی و ضد سلسلهمراتبی، ارج نهادن به دیدگاه های متعدد، و تعهد به تصدیق موقعیتها و محدودیتهای خودمان است.
ایزابل کارتر5، خبرنگار چندرسانهای است که در سال ۲۰۱۹ مدرک کارشناسی ارشد خود را در رشته هنر در روزنامهنگاری در کالج امرسون دریافت کرد.
DataGénero (Coordinación: Mailén García. Traductoras: Sofía García. Revisión: Helena Suárez Val y Mailén García. Con la ayuda de Diana Duarte Salinas, Ana Amelia Letelier, y Patricia Maria Garcia Iruegas)