
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)
Una nota a quienes nos leen: Creamos este documento cuando comenzamos a escribir este libro y lo incluimos como parte del borrador del manuscrito que se publicó en línea como parte del proceso abierto de revisión por pares. Nos motivó a escribirlo el trabajo en un proyecto anterior, el hackatón Make the Breast Pump Not Suck, con la consultora de equidad Jenn Roberts de Versed Education, y debido a las declaraciones de valores (y declaraciones de principios relacionadas) publicadas por grupos como la Iniciativa de Historia, Cultura y Humanidades Digitales Afroamericanas de la Universidad de Maryland (AADHum) y el Proyecto de las Convenciones de las personas Negras (Colored Conventions Project) de la Universidad de Delaware.1 A partir de estos proyectos, vimos cómo las declaraciones de valores compartidos pueden convertirse en importantes puntos de orientación, guiando las decisiones internas en coyunturas desafiantes y haciendo públicos y transparentes los compromisos éticos. La idea de acompañar nuestros valores con un conjunto de métricas también fue propuesta por Jenn Roberts para el hackatón de sacadores de leche (Breast Pump). Discutimos ese proyecto, y los usos y límites de las métricas para la rendición de cuentas, en el capítulo 4. Las métricas que encontrarán a continuación se calcularon dos veces: primero sobre la base del borrador publicado en línea y, segundo, sobre la base del manuscrito del libro editado. Fuera de la adición del segundo conjunto de métricas y una breve reflexión sobre nuestros éxitos y fracasos, el lenguaje del documento permanece sin cambios con respecto a la versión publicada como parte del borrador del manuscrito.
El feminismo siempre ha sido polifónico y multirracial, pero las diversas voces de los movimientos no siempre han sido valoradas por igual. El movimiento por el sufragio femenino excluyó en gran medida a las mujeres Negras y a la abolición de la esclavitud de su agenda. En la década de 1970, las feministas heterosexuales llamaban a las feministas lesbianas “la amenaza púrpura”. Pero el feminismo falla por completo si es solo para mujeres de élite, blancas, heterosexuales, cristianas y anglosajonas. El trabajo de activistas y académicas, particularmente de feministas Negras, durante los últimos cuarenta años insiste en un feminismo que es interseccional, lo que significa que analiza cuestiones de poder social relacionadas no solo con el género, sino también con la raza, la clase, el capacitismo, la sexualidad, la condición de migrante y más. Lo hace además, mirando tanto a colectivos como a individuos, a los problemas estructurales así como a los casos específicos de injusticias.
La equidad es tanto un resultado, como un proceso. La justicia en el futuro debe hacerse eco de un pasado injusto en el que se han valorado los saberes de unos grupos y se han subyugado otros, como nos enseña Patricia Hill Collins. En el proceso de lograr la equidad, quienes nos encontramos en posiciones de poder relativo debemos aprender a escuchar más profundamente y escuchar de manera diferente, con el objetivo de tomar medidas contra el statu quo que nos beneficia a expensas de los demás. Es por eso que escuchamos y damos prioridad en el texto a voces que hablan desde perspectivas marginadas, ya sea por su género, las formas capacitistas, la raza, la clase, el estatus colonial u otros aspectos de su identidad.
Como dice Kimberly Seals Allers, actividad defensora de la salud de las mujeres: “Cualquiera sea la pregunta, la respuesta está en la comunidad”. Las personas en una comunidad conocen íntimamente sus problemas y saben qué fenómenos no se cuentan, no se informan o son ignorados por las instituciones en el poder (o, por el contrario, quién está demasiado vigilado o vigilada por las instituciones en el poder). También saben qué intervenciones funcionarán para resolver esos problemas. En este libro, tratamos de priorizar las voces con una experiencia más cercana y directa de los problemas de injusticia sobre aquellas que estudian una injusticia de datos desde la distancia.
Reconocemos que la transformación de la experiencia humana a través de los datos a menudo implica una reducción de la complejidad y el contexto. Además, reconocemos que existe una larga historia de datos que muestra que se “utilizan con demasiada frecuencia como un instrumento de opresión, que refuerzan la desigualdad y perpetúan la injusticia”, como explica el grupo Data for Black Lives. Nos hacemos cargo de estas limitaciones inherentes mientras escribimos, intentando introducir contexto y complejidad siempre que sea posible, y reconocemos los límites de los métodos que discutimos, así como sus fortalezas.
Reconociendo que nuestro conocimiento está formado por nuestras propias perspectivas y limitaciones (ver más en la sección Acerca de nosotras, más adelante), nos esforzamos por ser reflexivas, transparentes y responsables en nuestro trabajo. Estamos en un camino hacia la justicia, y eso inevitablemente implica cometer errores. Agradecemos a quienes nos han mostrado generosidad al dejarnos aprender hasta este punto. Y respetuosamente les decimos a nuestros futuros maestros y a nuestras futuras maestras que encontrarán en nosotras oyentes abiertas: reconocemos las palabras directas y críticas como una oferta generosa y como un voto de confianza en nuestra capacidad de escuchar y ser transformadas por ustedes.
Para ello, contamos con una tabla evolutiva de métricas explícitas (tabla A.1) que nos guiará en la auditoría de nuestras citas y los ejemplos que compartimos en el libro. Notamos aquí, que lo primero que se observa son las cuestiones de raza y el racismo y ello refleja nuestra ubicación en los Estados Unidos, donde los problemas más arraigados de desigualdad e injusticia tienen al racismo en su origen.
La teoría del punto de vista feminista reconoce el valor del conocimiento situado, considerando las perspectivas y experiencias del conocedor y la conocedora, y cómo las personas han dado forma al conocimiento que producen. En consecuencia, nos situamos a nosotras mismas y a los contextos de aprendizaje en los que trabajamos.
Catherine D'Ignazio es profesora asistente en el Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés), una universidad privada de investigación en Cambridge, MA. Antes de mudarse al MIT, trabajó en Emerson College, una universidad privada en Boston que se enfoca en las comunicaciones y las artes. De origen de clase media, ítalo-estadounidense y escocés-irlandés, creció principalmente en el sur de Estados Unidos, y pasó algunos años formativos en América Latina y Europa. Es madre, una experiencia que ha agudizado su comprensión de cómo las instituciones dominantes estigmatizan y desatienden los cuerpos de las mujeres. Trabajando principalmente en las zonas urbanas de Nueva Inglaterra, experimenta un privilegio significativo por su blancura, porque no tiene ningún tipo de discapacidad, por su afiliación institucional y educación, entre otras cosas y experimenta cierta opresión basada en su género. Con décadas de trabajo profesional en programación de software, arte/diseño y educación en medios digitales, llega al feminismo de datos basado en el compromiso de democratizar la información e incluir a más personas y profesiones en las conversaciones contemporáneas sobre datos y poder.
Lauren F. Klein es profesora asociada en la Universidad de Emory, una universidad privada en Atlanta, Georgia, en el sur de los Estados Unidos. Antes de mudarse a Emory, trabajó en Georgia Tech, una gran universidad pública de investigación también en Atlanta. De una familia judía de clase media de Nueva York, creció en los suburbios de Nueva Jersey y vivió en Nueva York durante gran parte de su vida adulta, y pasó algún tiempo en Boston. Como D'Ignazio, también es madre. Trabajando en el sur de EE. UU., experimenta un privilegio significativo por su blanquitud, porque no tiene ningún tipo de discapacidad, por su educación y afiliación institucional, entre otras cosas y experimenta cierta opresión basada en su género. Trabajó en desarrollo web antes de convertirse en académica y llega al feminismo de datos a través de su deseo de convertir la teoría en práctica y crear más oportunidades para que la investigación (y quienes se dedican a ello) en humanidades entablen conversaciones con comunidades, activistas, organizadores y otras personas que trabajan por la justicia.
Tabla 1: Métricas aspiracionales, preliminares y finales y los problemas estructurales que abordan | |||
---|---|---|---|
Problema Estructural | Métricas aspiracionales para vivir nuestros valores para este libro | Borrador de métricas (revisión por pares abierta) | Métricas finales (manuscrito corregido) |
Racismo | • 75% de citas de estudios feministas de personas racializadas • 75% de ejemplos de proyectos de datos feministas discutidos dirigidos por personas racializadas | Beca: 36% de personas racializadas Proyectos: 49% liderados por personas racializadas | Beca: 32% de personas racializadas Proyectos: 42% liderados por personas racializadas |
Patriarcado | • 75% de todas las citas y ejemplos de mujeres y personas no binarias | 67% de citas y ejemplos de mujeres y personas no binarias | 62% de citas y ejemplos de mujeres y personas no binarias |
Cis-sexismo | • Centrar las perspectivas trans en las discusiones sobre el género binario • Usar un lenguaje transinclusivo a lo largo del libro • Ejemplo o investigadores/as en cada capítulo desde una perspectiva trans | Tres de diez capítulos presentan ejemplos y/o investigadores/as trans | Nueve de los nueve capítulos presentan ejemplos y/o investigadores/as trans |
Heteronormatividad | • Resistir las suposiciones sobre la estructura familiar y los roles de género • Ejemplo o teórico/a en cada capítulo que ilustra el poder de las redes de apoyo comunitarias (vs. familiares) | Diez de diez capítulos presentan ejemplos comunitarios y/o teóricos | Nueve de los nueve capítulos presentan ejemplos comunitarios y/o teóricos |
Capacitismo | • Desafiar el dominio de la visualización en la presentación de datos • Ejemplo o teórico/a en cada capítulo que emplea métodos no visuales para presentar datos | Nueve de diez capítulos presentan ejemplos no visuales y/o teóricos | Nueve de nueve capítulos presentan ejemplos no visuales y/o teóricos |
Colonialismo | • 30% de los proyectos discutidos provienen del Sur Global • Ejemplo o teórico/a en cada capítulo sobre saberes indígenas y/o activismo | Proyectos: 8.5% del Sur Global Cinco de diez capítulos presentan ejemplos y/o teóricos/as indígenas | Proyectos: 7% del Sur Global Siete de nueve capítulos presentan ejemplos y/o teóricos/as indígenas |
Clasismo | • Reconocer que la ciencia de datos, como campo, se basa en el privilegio económico, educativo y tecnológico • 50% de los proyectos feministas discutidos provienen de fuera de la academia • Ejemplo o teórico/a en cada capítulo que demuestra cómo se pueden aplicar las ideas sin tecnología costosa y/o capacitación formal | Proyectos: 88% fuera de la academia Diez de diez capítulos presentan ejemplos no académicos y/o teóricos | Proyectos: 78% fuera de la academia Nueve de nueve capítulos presentan ejemplos no académicos y/o teóricos |
Proximidad | • 50% de proyectos feministas discutidos presentan y citan a personas directamente afectadas por un problema (frente a aquellas que estudian o informan sobre los fenómenos a distancia) | Proyectos: 49% presenta personas directamente impactadas | Proyectos: 34% presenta personas directamente impactadas |
Hay cambios interesantes para notar entre las métricas del primer borrador y las de la versión final. Algunas medidas se acercaron más a nuestros objetivos en la versión final. Por ejemplo, pudimos cumplir con nuestro objetivo de incluir una voz trans en cada capítulo e incluimos más perspectivas indígenas en la versión final que en el primer borrador. Sin embargo, no pudimos lograr todas nuestras métricas a las que aspiramos en el borrador final y de hecho, la representación proporcional de mujeres, personas no binarias y personas racializadas disminuyó desde el primer borrador, hasta el manuscrito corregido. El manuscrito final tenía también proporcionalmente menos proyectos del Sur Global, más proyectos del ámbito académico y menos trabajo de personas directamente afectadas por cada problemática.
¿Qué explica este resultado que va en contra de nuestros valores y objetivos declarados? En nuestra opinión, hay dos explicaciones. El primero tiene que ver con el proceso: no controlamos con precisión nuestras métricas de citas mientras revisábamos. No queríamos darle tanta presencia a las métricas aspiracionales en nuestro proceso de revisión en relación a que elegiríamos personas y proyectos simplemente por su género, raza u otros marcadores de identidad. Eso parecía tokenizar y "jugar con el sistema" que habíamos creado. Mantuvimos en mente las brechas generales entre nuestras métricas preliminares y en nuestras métricas aspiracionales e intentamos cerrar esas brechas a medida que introdujimos nuevos ejemplos y eliminamos los antiguos. Y, de hecho, introdujimos más referencias generales a, por ejemplo, becas y proyectos dirigidos por personas racializadas (243 frente a 92), y becas y proyectos basados en el Sur Global (41 frente a 20). Pero también, introdujimos más referencias a becas y proyectos dirigidos por personas blancas (475 frente a 136), así como más becas y proyectos basados en el Norte Global (933 frente a 278). En retrospectiva, dado que no calculamos el segundo conjunto de métricas hasta el final del proceso de revisión, no nos dimos cuenta de las proporciones cambiantes de proyectos y citas y, por lo tanto, no teníamos forma de reequilibrarlas después del hecho.
Un recorrido adicional por el manuscrito con este reequilibrio en mente habría abordado el problema en el libro. De hecho, desearíamos haber planeado este paso final en nuestro proceso de revisión. Pero la causa raíz del problema habría quedado sin resolver. En pocas palabras: esta causa somos nosotras mismas y nuestras posiciones como académicas en el mundo de la educación superior, un mundo dominado por personas blancas y especialmente por hombres blancos. Para quienes nos leen, esta respuesta puede parecer obvia, pero vale la pena tomarse el tiempo para explicar nuestro camino hacia ella.
Muchas personas que participaron en nuestro proceso de revisión por pares (tanto en línea como de forma anónima) señalaron que debemos respaldar nuestras afirmaciones con citas. Estuvimos de acuerdo con este punto y sentimos que las citas adicionales acreditarían el trabajo anterior y agregarían legitimidad a nuestras afirmaciones. Entre el borrador y la versión final, agregamos muchas notas finales y referencias adicionales. Como resultado, la versión final de este libro es significativamente más académica que el borrador que publicamos en línea. Pero cuando miramos la historia del compromiso con una idea en particular, o cuando nos preguntamos qué persona destacada en un campo en particular deberíamos nombrar, pensamos menos en nuestros valores para el libro y más en lo que ya sabíamos sobre esas áreas. Al hacerlo, sin darnos cuenta reproducimos los sesgos de la academia, irónicamente, a través de un mecanismo muy similar al riesgo del privilegio que mencionamos en el libro.
Pensamos en no incluir las notas finales en nuestra contabilidad final; eso podría haber producido "mejores" métricas. Pero eso habría tergiversado el contenido del libro, y lo que es más importante, la extensión del trabajo que queda por hacer. En cambio, nuestras métricas finales ofrecen un recordatorio cuantificado de que el "conocimiento legítimo" tiene una raza y un género, así como una clase y una ubicación geográfica. Estas características son heredadas de la matriz de dominación y sustentadas también por la matriz de dominación. Aunque cuestionamos ese hecho en nuestra escritura, admitimos fácilmente que recurrimos a hábitos aprendidos en nuestras prácticas de citación, particularmente cuando sentimos que nuestra credibilidad académica estaba en juego.
Lo que nos llevamos de este proceso es algo que ya sabíamos pero aprendimos una vez más: los valores no son suficientes.Tenemos que poner esos valores en acción y hacernos responsables una y otra vez. Este énfasis constante en la rendición de cuentas no es fácil y no siempre tiene éxito (este es un ejemplo de ello). También lleva tiempo. Nuestras métricas finales son incómodas pero en cierto modo constructivas: sirven como evidencia de la distancia entre nuestros ideales y nuestras acciones, nos ayudan a localizar la ayuda que necesitamos para cerrar esas brechas y nos permiten persistir.