Skip to main content
SearchLoginLogin or Signup

Introducción: por qué la ciencia de datos necesita feminismo

DataGénero (Coordinación: Mailén García. Traductoras: Ivana Feldfeber,Sofía García, Gina Ballaben, Giselle Arena y Mariángela Petrizzo. Revisión: Helena Suárez Val.Con la ayuda de Diana Duarte Salinas, Ana Amelia Letelier, y Patricia Maria Garcia Iruegas)

Published onApr 23, 2023
Introducción: por qué la ciencia de datos necesita feminismo

Christine Mann Darden cruzó por primera vez las puertas del Centro de Investigación Langley de la NASA en Hampton, Virginia, en el verano de 1967. Su maestría recién obtenida en matemáticas aplicadas le había valido un puesto como analista de datos allí. En la ciudad de Hampton y en todo Estados Unidos, las tensiones estaban a flor de piel. En Los Ángeles, una protesta masiva contra la guerra de Vietnam solo terminó cuando más de mil policías armados atacaron a las personas que se manifestaban pacíficamente. Un mes después, la ciudad de Detroit se vio envuelta en más violencia, después de que una redada policial se saliera de control. El disturbio de Detroit de 1967 o la rebelión de Detroit de 1967, como popularmente se la conoce , terminó con más de cuarenta muertos y mil heridos.

Puede que las puertas de Langley protegieran a Darden de esas confrontaciones físicas, pero su trabajo allí no estaba alejado del escenario nacional. En 1967, la carrera espacial estaba muy avanzada y Estados Unidos estaba perdiendo. La Unión Soviética ya había enviado un hombre al espacio y un cohete a la luna. Lo único que se interponía en el camino de una victoria soviética era juntar esas dos piezas. Mientras tanto, Estados Unidos había sufrido una serie de derrotas y, en enero de ese año, un completo desastre, cuando un incendio repentino durante una prueba de lanzamiento de la nave espacial Apolo 1 mató a los tres astronautas a bordo.

Mientras el pueblo estadounidense lloraba, todos en la NASA volvieron a sus trabajos, incluida Darden, quien comenzó a desempeñarse como analista de datos inmediatamente después del desastre del Apolo. Dos años más tarde, sería su preciso análisis de la física del reingreso de cohetes lo que ayudaría a asegurar el exitoso regreso de la misión Apolo 11 desde la luna. Este hito le permitió ganar efectivamente la carrera espacial a los Estados Unidos. Sin embargo, sería ella como mujer Negra con experiencia técnica trabajando en una agencia federal, en la que el sexismo y el racismo prevalecían abiertamente, quien demostraría que la misión ideológica de los Estados Unidos -como una tierra basada en los ideales de libertad, igualdad y oportunidades para todas las personas- estaba lejos de lograrse (figura 0.1).

Christine Darden, fotografiada en 1975 en la sala de control del Plan Unitario de Túneles Aerodinámicos en el Centro de Investigación Langley de la NASA.

Figura 0.1: Christine Darden en la sala de control del Túnel de Viento del Plan Unitario en el Centro de Investigación Langley de la NASA en 1975. Cortesía de la NASA.

Después de todo, la década de 1960 fue de protesta y transformación social, así como de exploración del espacio exterior. Darden había participado en varias sentadas en el mostrador del almuerzo en el Instituto Hampton, la universidad históricamente negra a la que asistió1. Cuando ella se unió a la NASA, las instalaciones de Virginia llevaban varios años de políticas oficiales de no-segregación. Sin embargo, aún no se había reconocido la segregación no oficial, es decir las prácticas de segregación tanto de raza como de género que seguían vigentes. Un ejemplo de ello era el modo de referirse a las trabajadoras como las computadoras.

Su llegada a Langley coincidió con los primeros días de la informática digital. A pesar de que Langley contaba con uno de los sistemas informáticos más avanzados de la época, una IBM 704, la primera computadora compatible con las aritméticas de punto flotante, sus recursos aún eran limitados y para la mayoría de las tareas de análisis de datos, la División de Computación Avanzada de Langley dependía de las computadoras humanas como Darden. Estas computadoras eran

todas mujeres, entrenadas en matemáticas o un campo relacionado, y tenían la tarea de realizar los cálculos que determinaban todo, desde la mejor forma de ala para un avión hasta la mejor ruta de vuelo a la luna. Pero, a pesar de los roles cruciales que desempeñaron en el avance de ésta y otras investigaciones de la NASA, fueron tratadas como trabajadoras temporales no calificadas. Ellas fueron llevadas a grupos de investigación proyecto por proyecto, a menudo sin que se les dijera nada acerca de la fuente de los datos que se les pedía que analizaran. La mayoría de los ingenieros ni siquiera se molestaron en aprenderse los nombres de las computadoras.

Estas mujeres han comenzado a recibir crédito por su crucial trabajo recientemente gracias a estudiosas de la historia de la informática y a periodistas como Margot Lee Shetterly, cuyo libro, Hidden Figures: The American Dream and the Untold Story of the Black Women Who Helped Win the Space Race [Figuras ocultas: el sueño americano y la historia no contada de las mujeres Negras que ayudaron a ganar en la Carrera Espacial] junto con su respectiva adaptación cinematográfica permitieron poner el foco en la historia de Christine Darden2. Su historia, como la de sus colegas, es una de trabajo duro en condiciones discriminatorias. Cada una de estas mujeres informáticas tuvo que abogar por sí misma y algunas, como Darden, decidieron también abogar por los demás. Es por sus contribuciones a la ciencia de datos y su defensa de las mujeres que hemos elegido comenzar nuestro libro, Feminismo de Datos, narrando su historia. Porque el feminismo comienza con la creencia en la “igualdad política, social y económica de los sexos”, como define el término el Diccionario Merriam-Webster, al igual que, para que conste, Beyoncé3. Y cualquier definición de feminismo también incluye necesariamente el trabajo activista que se requiere para convertir esa creencia en realidad. En Feminismo de Datos, reunimos estos dos aspectos del feminismo, demostrando una forma de pensar sobre los datos, su análisis y su exhibición, que se basa en esta tradición de activismo feminista, así como en el legado del pensamiento crítico feminista.

En cuanto a Darden, no solo aplicó sus habilidades de análisis de datos a las trayectorias de los vuelos espaciales; también los aplicó a su propia trayectoria profesional. Después de trabajar en Langley durante varios años, comenzó a notar dos patrones distintos en su lugar de trabajo: los varones con credenciales en matemáticas ocupaban puestos de ingeniería, donde podían ascender a través de las filas del servicio civil, mientras que las mujeres con los mismos títulos fueron enviadas a los grupos de computación, donde languidecieron hasta que se jubilaron o renunciaron. No quería convertirse en una de esas mujeres, ni quería que otras experimentaran el mismo destino. Así que se armó de valor y decidió acercarse al jefe de su división para preguntarle por qué. Como Darden le dijo a Shetterly en una entrevista para Hidden Figures, la respuesta que recibió fue aleccionadora: "Bueno, nadie se ha quejado nunca (...) Las mujeres parecen estar felices haciendo eso, así que eso es justo lo que hacen”.

En el mundo de hoy, Darden podría haber hecho que despidieran a su jefe, o al menos presentar una queja ante la Comisión de Igualdad de Oportunidades en el Empleo. Pero en la época en que ella planteó esta pregunta, los comentarios estereotipados sobre "lo que hacen las mujeres" estaban a la orden del día. De hecho, desafiar las suposiciones sobre lo que las mujeres podían o no podían hacer -especialmente en el lugar de trabajo- fue el tema central del exitoso libro de Betty Friedan, La mística de la feminidad. Publicado en 1963, que es uno de los libros que se considera fundante de la segunda ola del feminismo4. Hartas del regreso forzoso a la vida doméstica tras el final de la Segunda Guerra Mundial e inspiradas por el debate nacional sobre la igualdad de oportunidades impulsado por el movimiento de los derechos civiles, las mujeres de todo Estados Unidos empezaron a organizarse en torno a una amplia gama de cuestiones, como los derechos reproductivos y la violencia doméstica, así como la desigualdad en el lugar de trabajo y los roles de género restrictivos, problemáticas a las que se enfrentaba Darden en Langley.

Dicho esto, la experiencia específica de Darden como mujer negra con un trabajo a tiempo completo era muy diferente a la de un ama de casa blanca de los suburbios, el tema central de La mística de la feminidad. Y cuando las críticas señalaron, con razón, a Friedan por no reconocer la variedad de experiencias de las mujeres en Estados Unidos (y en el extranjero), estaban pensando en mujeres como Darden, entre muchas otras. En Teoría feminista: de las márgenes al centro, otro libro feminista de referencia publicado en 1984, bell hooks lo dice claramente

"[Friedan] no habló de quiénes serían llamadas para cuidar de las infancias y mantener el hogar si más mujeres como ella fueran liberadas de su trabajo doméstico y se les diera igual acceso que a los varones blancos a las profesiones. No habló de las necesidades de las mujeres sin maridos, sin hijos, sin hogar. Ignoró la existencia de todas las mujeres no blancas y de las mujeres blancas pobres. No dijo a la audiencia si era más satisfactorio ser una criada, una niñera, una trabajadora de una fábrica, una empleada o una prostituta que ser un ama de casa de la clase ociosa"5.

En otras palabras, Friedan no había tenido en cuenta cómo esas dimensiones adicionales de identidad individual y de grupo -como la raza y la clase, por no hablar de la sexualidad, la capacidad, la edad, la religión y la geografía, entre muchas otras- se interrelacionan entre sí para determinar la propia experiencia en el mundo. Aunque este concepto -la interseccionalidad- no tenía nombre cuando hooks lo describió, la idea de que estas dimensiones no pueden examinarse de forma aislada tiene una historia intelectual mucho más larga6. Entonces, al igual que ahora, las principales académicas y activistas estaban muy sensibilizadas con el hecho de que el racismo arraigado en la cultura estadounidense, unido a muchas otras formas de opresión, hacía imposible reclamar una experiencia común -o un movimiento común- para todas las mujeres del mundo. En su lugar, lo que se necesitaba era "el desarrollo de un análisis y una práctica integrados basados en el hecho de que los principales sistemas de opresión están entrelazados"7. Estas palabras proceden de la Declaración Colectiva del Río Combahee, escrita en 1978 por el famoso grupo de activistas Negras de Boston. En este libro, nos basamos en gran medida en la interseccionalidad y en otros conceptos desarrollados a través del trabajo de las feministas Negras porque ofrecen algunas de las mejores respuestas sobre maneras de conciliar este terreno multidimensional.

De hecho, el feminismo debe ser interseccional si pretende abordar los retos del momento actual. Escribimos como dos mujeres blancas y heterosexuales residentes en Estados Unidos, con cuatro títulos superiores y cinco hijos entre las dos. Nos identificamos como personas de clase media y cisgénero, lo que significa que nuestra identidad de género coincide con el sexo que se nos asignó al nacer. Hemos experimentado el sexismo de varias maneras en diferentes momentos de nuestras vidas: siendo mujeres en tecnología y en el mundo académico, dando a luz y amamantando a los bebés, y tratando de abogar por nosotras mismas y por nuestros cuerpos en un sistema de salud dominado por los varones. Pero no hemos experimentado el sexismo de la forma en que otras mujeres ciertamente lo han hecho o que las personas no binarias han experimentado, ya que hay muchas dimensiones de nuestra identidad compartida, como autoras de este libro, que se alinean con las posiciones del grupo dominante. Este hecho nos impide hablar desde la experiencia propia sobre algunas fuerzas opresivas, como el racismo, pero no nos impide educarnos activamente y hablar sobre el racismo y el papel que desempeñan las personas blancas en su sostenimiento. O de cuestionar el capacitismo8 y el papel que desempeñan las personas sin discapacidades en su mantenimiento. O hablar de las desigualdades de clase y de riqueza y del papel que desempeñan las personas bien educadas y acomodadas en su mantenimiento. O creer en la lógica de la co-liberación. O abogar por la justicia a través de la equidad. De hecho, un objetivo central de este libro es describir una forma de feminismo interseccional que toma las desigualdades del momento actual como punto de partida y comienza su propio trabajo preguntándose: ¿Cómo podemos utilizar los datos para rehacer al mundo?9

Se trata de una tarea compleja y pesada, que necesariamente quedará inconclusa. Pero su tamaño y alcance no tienen por qué impedirnos -o a ustedes, que leen este libro- de dar pasos adicionales hacia la justicia. Pensemos en Christine Darden, quien, después de hablar con su jefe de división, no escuchó nada de él, sino el silencio de radio. Sin embargo, dos semanas después, fue ascendida y trasladada a un grupo centrado en la investigación de la explosión sónica. En su nuevo puesto, Darden pudo empezar a dirigir sus propios proyectos de investigación y colaborar con colegas de todos los géneros como una compañera más. Su autodefensa sirve de modelo: una atención sostenida a la forma en que los sistemas de opresión se entrecruzan entre sí, informada por el conocimiento que proviene de la experiencia directa. Ofrece una guía para desafiar al poder y trabajar por la justicia.

¿Qué es el feminismo de datos?

Christine Darden siguió investigando de forma innovadora sobre las técnicas de minimización de las explosiones sónicas, fue autora de más de sesenta artículos científicos en el campo de la dinámica de fluidos computacional y se doctoró en ingeniería mecánica, todo ello mientras "Hacía malabares con los deberes de madre de niña exploradora, era maestra de escuela dominical, realizaba viajes a clases de música y se ocupaba de las tareas domésticas en su hogar", informa Shetterly. Pero incluso cuando ascendía en el escalafón profesional, se daba cuenta

de que sus logros científicos seguían sin ser reconocidos tan fácilmente como los de sus colegas masculinos; los varones, al parecer, recibían los ascensos con mucha más rapidez.

Darden consultó a la Oficina de Igualdad de Oportunidades de Langley, donde una mujer blanca llamada Gloria Champine había estado recopilando una serie de estadísticas sobre género y rango. Los datos confirmaron la experiencia directa de Darden: que las mujeres y los varones -incluso aquellos con idénticas credenciales académicas, registros de publicación y evaluaciones de rendimiento- eran promovidos a ritmos muy diferentes. Champine reconoció que sus datos podrían apoyar a Darden en su búsqueda de una promoción y, además, que estos datos podrían ayudar a comunicar la naturaleza sistémica del problema en cuestión. Champine visualizó los datos en forma de gráfico de barras y presentó el gráfico al director de la división de Darden10. Éste se quedó "sorprendido por la disparidad", según informa Shetterly, y Darden recibió el ascenso que se merecía desde hacía tiempo11. Ella ascendería al rango más alto de la administración pública federal, siendo la primera mujer Negra de Langley en conseguirlo. Cuando se jubiló de la NASA, en 2007, ya era directora12.

Aunque el ascenso de Darden a las posiciones de la dirección de la NASA fue en gran medida el resultado de sus propios conocimientos, experiencia y coraje, su historia solo puede contarse como resultado de las últimas décadas de activismo feminista y pensamiento crítico. Fue un movimiento feminista nacional el que situó las cuestiones de la mujer en la primera línea de la política cultural de Estados Unidos, y los cambios que provocó ese movimiento fueron amplios. Entre ellos, el cambio de los roles de género que llevó a Darden a trabajar en la NASA y la creación de mecanismos de información como el que le permitió continuar su ascenso profesional. Pero el éxito de Darden en el trabajo fue también, presumiblemente, el resultado de colegas y amistades sin identificar que pueden o no considerarse feministas. Estas fueron las personas que le proporcionaron una comunidad y un apoyo -y probablemente un número incontable de cenas cocinadas por ellos y ellas- mientras ascendía en los puestos de gobierno. Este tipo de esfuerzos colectivos se han hecho cada vez más visibles, a su vez, gracias a las académicas y activistas feministas cuyo trabajo de décadas nos ha permitido reconocer esa labor -tanto emocional como físico- como tal hoy en día.

Como ya debería ser evidente, el feminismo se ha definido y utilizado de muchas maneras. Aquí y a lo largo del libro, empleamos el término feminismo como abreviatura de los diversos y amplios proyectos que nombran y desafían el sexismo y otras fuerzas de opresión, así como los que buscan crear futuros más justos, equitativos y habitables. Debido a esta amplitud, algunos académicos prefieren utilizar el término feminismos, que señala claramente la gama de -y, a veces, las incompatibilidades entre- estas diversas corrientes de activismo y pensamiento político feminista. Por razones de legibilidad, elegimos utilizar aquí el término feminismo, pero nuestro feminismo pretende ser igual de amplio. Incluye el trabajo de personas comunes como Darden y Champine, intelectuales públicas como Betty Friedan y bell hooks, y grupos organizadores como el Combahee River Collective, que han emprendido acciones directas para lograr la igualdad de sexos. También incluye el trabajo de académicas y otras críticas culturales -como Kimberlé Crenshaw y Margot Lee Shetterly, entre muchas otras- que han utilizado la escritura para explorar las razones sociales, políticas, históricas y conceptuales que subyacen a la desigualdad de sexos a la que nos enfrentamos hoy en día.

En el proceso, estas escritoras y activistas han dado voz a las muchas formas en las que el statu quo actual es injusto13. Estas injusticias son a menudo el resultado de las diferencias de poder históricas y contemporáneas, incluyendo las existentes entre varones, mujeres y personas no binarias, así como las existentes entre las mujeres blancas y las mujeres Negras, quienes realizan investigaciones académicas y las comunidades indígenas, y las personas en el Norte Global y el Sur Global. Las feministas analizan estas diferencias de poder con el fin de transformarlas. Un enfoque tan amplio -que incorpora la raza, la clase, la capacidad, etc.- habría sonado extraño para Friedan o para las mujeres blancas a las que se les atribuye en gran medida el liderazgo de la lucha por el sufragio femenino en el siglo XIX14. Pero la realidad es que las mujeres cuyas identidades son racializadas llevan mucho tiempo insistiendo en que cualquier movimiento por la igualdad de género debe considerar también las formas en que el privilegio y la opresión son interseccionales.

Dado que el concepto de interseccionalidad es esencial para todo este libro, vamos a concretarlo un poco más. El término fue acuñado por la teórica jurídica Kimberlé Crenshaw a finales de la década de 198015. En la facultad de Derecho, Crenshaw se encontró con el caso contra la discriminación DeGraffenreid contra General Motors. Emma DeGraffenreid era una madre trabajadora negra que había buscado trabajo en una fábrica de General Motors en su ciudad. No fue contratada y demandó a GM por discriminación. La fábrica tenía un historial de contratación de personas Negras: muchos varones negros trabajaban allí en trabajos industriales y de mantenimiento. También tenía un historial de contratación de mujeres: muchas mujeres blancas trabajaban allí como secretarias. Estos dos elementos de prueba son la base para que el juez desestime el caso. Como la empresa contrataba a personas Negras y a mujeres, no podía discriminar por motivos de raza o género. Pero, Crenshaw quería saber, ¿qué pasa con la discriminación por raza y género juntas? Esto es algo diferente, es real, y hay que ponerle nombre. Crenshaw no solo le dio nombre al concepto, sino que pasó a explicar y a elaborar la idea de interseccionalidad en libros, artículos y charlas que fueron premiados16.

La clave de la idea de interseccionalidad es que no solo describe los aspectos que se entrecruzan en la identidad de una persona en particular (o posicionalidades, como a veces se les llama)17. También describe las fuerzas de privilegio y opresión que se entrecruzan en una sociedad determinada. La opresión implica el maltrato sistemático de ciertos grupos de personas por parte de otros grupos. Ocurre cuando el poder no se distribuye de forma equitativa, cuando un grupo controla las instituciones de la ley, la educación y la cultura, y utiliza su poder para excluir sistemáticamente a otros grupos mientras da a su propio grupo ventajas injustas (o simplemente mantiene el statu quo)18. En el caso de la opresión de género, podemos señalar el sexismo, el cisexismo y el patriarcado que se hace evidente en todo, desde la representación política hasta la brecha salarial, pasando por quién habla más a menudo (o más alto) en una reunión19. En el caso de la opresión racial, ésta adopta la forma de racismo y supremacía blanca. Otras formas de opresión son el capacitismo, el colonialismo y el clasismo. Cada una de ellas tiene su historia particular y se manifiesta de forma diferente en las distintas culturas y contextos, pero todas implican a un grupo dominante que acumula poder y privilegios a expensas de los demás. Además, estas fuerzas de poder y privilegio, por un lado, y de opresión, por otro, se entremezclan de manera que multiplican sus efectos.

Sin embargo, los efectos del privilegio y la opresión no se distribuyen uniformemente entre todas las personas y grupos. Para algunas, se convierten en una parte obvia e inevitable de la vida cotidiana, sobre todo para las mujeres, las identidades racializadas, las personas queer y las personas inmigrantes: la lista continúa. Si eres parte de alguno de estos (u otros) grupos minorizados, experimentas sus efectos en todas partes, dando forma a las elecciones que haces (o no haces) cada día. Estos sistemas de poder son tan reales como la lluvia. Pero las fuerzas de la opresión pueden ser difíciles de detectar cuando nos beneficiamos de ellas (más adelante en el libro llamamos a esto riesgo del privilegio). Y aquí es donde entran los datos: lo que Darden quería exponer cuando planteó su pregunta inicial a su jefe de división era un conjunto de sistemas de poder y privilegio que se entrecruzan. Y fue ese mismo conjunto de sistemas de poder y privilegio entrelazados el que Darden trató de desafiar cuando se dirigió a Champine. La propia Darden no necesitaba más pruebas del problema al que se enfrentaba; ya lo vivía cada día20. Pero cuando su experiencia se registró como datos y se sumó a las experiencias de otras personas, pudo utilizarse para desafiar los sistemas institucionales de poder y tener un impacto mucho más amplio que en su trayectoria profesional por sí sola.

De este modo, Darden modela lo que llamamos feminismo de datos: una forma de pensar en los datos, tanto en sus usos como en sus límites, que se basa en la experiencia directa, en el compromiso con la acción y en el pensamiento feminista interseccional. El punto de partida del feminismo de datos es algo que casi no se reconoce en la ciencia de los datos: el poder no está distribuido equitativamente en el mundo. Los que ejercen el poder son, de forma desproporcionada, varones de élite, heterosexuales, blancos, sanos y cisgénero del Norte Global21. El trabajo del feminismo de datos consiste, en primer lugar, en sintonizar con la forma en que las prácticas estándar de la ciencia de datos sirven para reforzar estas desigualdades existentes y, en segundo lugar, en utilizar la ciencia de datos para desafiar y cambiar la distribución del poder22.

La base del feminismo de los datos es la creencia y el compromiso con la co-liberación: la idea de que los sistemas de poder opresivos nos perjudican a todas las personas, que socavan la calidad y la validez de nuestro trabajo, y que nos impiden crear un impacto social verdadero y duradero con la ciencia de datos.

Hemos escrito este libro porque somos científicas de datos y feministas de datos. Aunque en este libro hablamos como un "nosotras" y compartimos ciertas identidades, experiencias y habilidades, tenemos distintas trayectorias vitales y motivaciones para nuestro trabajo en este proyecto. Si estuviéramos sentadas con ustedes en este momento, cada una de nosotras se presentaría respondiendo a la pregunta: ¿Qué le trae hoy por aquí? Situándonos en ese escenario, esto es lo que tendríamos que decir:

Catherine: Soy una mamá hacker. Pasé quince años como desarrolladora de software independiente y artista experimental, ahora profesora, trabajando en proyectos que van desde los sistemas de recomendación de noticias serendípicas hasta la contracartografía, pasando por la alfabetización cívica de datos y haciendo que los sacaleches no apesten. Estoy aquí escribiendo este libro porque, en primer lugar, el revuelo que se da a los grandes datos y a la IA es ensordecedoramente masculino y blanco y tecno-heróico, y ha llegado el momento de replantear ese mundo con una lente feminista. La segunda razón por la que estoy aquí es que mi reciente experiencia dirigiendo un gran hackathon centrada en la equidad me enseñó hasta qué punto las personas como yo -básicamente, personas blancas liberales bien intencionadas- son parte del problema en la lucha por la justicia social. Este libro es un intento de sacar a la luz esos mecanismos de poder, que están tanto dentro como fuera de cada persona en el mundo23.

Lauren: A menudo me describo como una nerd profesional. Trabajé en el desarrollo de software antes de ir a la escuela de posgrado para estudiar inglés, con un enfoque particular en la literatura y la cultura norteamericana antigua. Como profesora en una escuela de ingeniería, ahora trabajo en proyectos de investigación que trasladan esta historia a contextos contemporáneos. Por ejemplo, estoy escribiendo un libro sobre la historia de la visualización de datos, empleando técnicas de aprendizaje automático para analizar periódicos abolicionistas y diseñando una recreación táctil de un esquema de visualización centenario que parece una manta. A través de proyectos como estos, muestro cómo el auge del concepto de "datos" (que, como resulta, realmente despegó en el siglo XVIII) está estrechamente relacionado con el auge de nuestros actuales conceptos de género y raza. Así que una de mis razones para escribir este libro es mostrar cómo los problemas de racismo y sexismo que vemos en la ciencia de los datos hoy en día no son en absoluto nuevos. La otra razón es ayudar a trasladar el pensamiento humanista a la práctica y, al hacerlo, crear más oportunidades para que las personas estudiosas de las humanidades se comprometan con activistas, organizadores y comunidades24.

Creemos firmemente que los datos pueden hacer el bien en el mundo. Pero para que lo hagan, debemos reconocer explícitamente que una forma clave en que

el poder y el privilegio operan en el mundo de hoy tiene que ver con la palabra data en sí. Dicha palabra proviene de mediados del siglo XVII, cuando se introdujo para complementar términos existentes como evidencia y hecho. Identificar la información como data, en lugar de cualquiera de esos otros dos términos, sirvió como un propósito retórico25. Esto convirtió la información, de otro modo discutible, en una base sólida para reclamos posteriores. Pero, ¿qué información debe convertirse en data antes de que se pueda confiar en ella? O, más precisamente, ¿de quién es la información que debe convertirse en datos antes de que pueda considerarse un hecho y actuar en consecuencia?26 El feminismo de datos debe responder estas preguntas.

La historia que comienza con Christine Darden entrando por las puertas de Langley, pasa por sus esfuerzos constantes para enfrentar la opresión estructural que había y concluye con su impresionante variedad de logros en la vida, es una historia sobre el poder de los datos. A lo largo de su carrera, en formas grandes y pequeñas, Darden usó datos para generar argumentos y transformar vidas. Pero eso no es todo. La esperanzadora biografía de Darden es tanto una historia sobre los sistemas de poder más grandes en donde se requerían datos, que el de su experiencia vivida para realizar ese trabajo transformador. La desconfianza institucional en el conocimiento experimental de Darden fue casi con certeza un factor en la decisión de Champine de crear su gráfico de barras. Champine probablemente reconoció que, al igual que la propia Darden, que se necesitaría el gráfico para que les creyeran.

De esta manera, la alianza entre Darden y Champine, y su trabajo en conjunto, subraya las fallas y los compromisos que son inherentes a cualquier proyecto basado en datos. El proceso de convertir la experiencia de vida en datos siempre implica necesariamente una reducción de esa experiencia -junto con las cargas históricas y conceptuales del término. El que Darden y Champine pudieran ver su trabajo como un éxito a pesar de estas limitaciones inherentes resalta aún más la importancia de escuchar y aprender de las personas cuyas vidas y voces están detrás de los números. Ningún conjunto de datos, análisis, visualización, modelo o algoritmo es el resultado del trabajo de una sola persona. El feminismo de datos puede ayudarnos a recordar que antes de que haya datos, hay personas: personas que ofrecen su experiencia para ser contadas y analizadas, personas que realizan ese conteo y análisis, personas que visualizan los datos y promueven los hallazgos de cualquier proyecto en particular y las personas que usan el producto al final. A su vez, siempre hay gente que no es contada, para bien o para mal. Y también existen problemas que no se pueden representar -o abordar- solo con datos. Es así que el feminismo de datos, como la justicia, debe seguir siendo tanto un objetivo como un proceso, uno que guíe nuestros pensamientos y nuestras acciones, a medida que avanzamos hacia nuestro objetivo de rehacer el mundo.

Data y Poder

Se necesitaron cinco máquinas IBM System/360 Model 75 de última generación para guiar a los astronautas del Apolo 11 a la luna. Cada una era del tamaño de un automóvil y costaba 3,5 millones de dólares. Avance rápido hacia el presente: ahora tenemos computadoras en forma de teléfonos que caben en nuestros bolsillos y, en el caso del Apple iPhone XR de 2019, pueden realizar más de 140 millones de instrucciones más por segundo que un IBM System/360 estándar27. Esa tasa de cambio es asombrosa; representa un crecimiento exponencial en la capacidad de cómputo (figura 0.2a). Hemos estado presenciando un crecimiento igualmente exponencial en nuestra capacidad para recopilar y registrar información en forma digital, y en la capacidad de recopilar información sobre nuestras vidas (figura 02.b).

Representación gráfica de la ley de Moore. El eje horizontal se denomina "Año" y recoge todos los años desde 1959 hasta 1975. El eje vertical está denominado como "Log2 del número de componentes por función integrada", comenzando en 0 y terminando en 16, aumentando en incrementos de 1.
En el gráfico, una línea discontinua sólida comienza en 1959 en 0 y sube vertiginosamente hasta situarse justo por debajo de 3 en 1962, justo por encima de 4 en 1963, por debajo de 5 en 1964 y justo en 6 en 1965. En este punto, la línea pasa de ser una línea sólida a una línea discontinua que sube constantemente de forma pronunciada hasta el final del gráfico con un valor del eje horizontal de 1975 y un valor del eje vertical de 16. No hay datos disponibles después de 1965, solo se muestran los valores previstos.
Una captura de pantalla de una publicación en Facebook de Katie Bouman. La imagen muestra a Bouman en su laboratorio del MIT cubriendo su sonrisa con las manos, mientras está rebosante de emoción. Frente a ella, en el computador portátil, una imagen de un agujero negro se está elaborando.
El pie de foto dice: "Observando con incredulidad cómo la primera imagen que hice de un agujero negro estaba en proceso de reconstrucción". Hay varios comentarios bajo el post felicitándola.

Figura 0.2: (a) El gráfico de series de tiempo incluido en el artículo original sobre la ley de Moore, publicado en 1965, que postulaba que la cantidad de transistores que cabrían en un circuito integrado (y, por lo tanto, contribuirían a la capacidad informática) se duplicaría cada año. Cortesía de Gordon Moore. (b) Hace varios años, los investigadores concluyeron que los transistores se estaban acercando a su tamaño más pequeño y que la ley de Moore no se cumpliría. Sin embargo, la potencia informática actual es lo que permitió a la Dra. Katie Bouman, becaria postdoctoral del MIT, contribuir a un proyecto que involucró el procesamiento y la composición de aproximadamente cinco petabytes de datos capturados por el Event Horizon Telescope para crear la primera imagen de un agujero negro. Después de la publicación de esta foto en abril de 2019 que muestra su entusiasmo, como una de las científicas del gran equipo que trabajó durante años para capturar la imagen, Bouman fue posteriormente troleada y acosada en línea. Cortesía de Tamy Emma Pepin/ Twitter.

Pero, el acto de recopilar y registrar datos sobre las personas no es nada nuevo. Desde los registros de fallecimiento que publicaron responsables de la iglesia a principios de la era moderna, hasta los conteos de las poblaciones indígenas que aparecieron en los relatos coloniales de las Américas, la recopilación de datos se ha empleado durante mucho tiempo como una técnica para consolidar el conocimiento sobre las personas cuyos datos son recogidos, por lo tanto consolidando el poder sobre sus vidas28. La estrecha relación entre los datos y el poder es quizás más visible en el marco histórico que comienza con los registros de personas capturadas y colocadas a bordo de barcos de esclavos, reduciendo vidas enteras a números y nombres. Pasa por el movimiento eugenésico, a finales del siglo XIX y principios del XX, que buscaba emplear datos para cuantificar la superioridad de las personas blancas sobre todas las demás. Hoy en día se continúa la proliferación de tecnologías biométricas que, como ha demostrado la socióloga Simone Browne, se utilizan de manera desproporcionada para vigilar cuerpos de las personas Negras29.

Cuando Edward Snowden, el excontratista de la Agencia de Seguridad Nacional de los Estados Unidos filtró su caché de documentos clasificados a la prensa en 2013, reveló el grado en que el gobierno federal recopila datos sobre la ciudadanía de forma rutinaria, a menudo sin tener en cuenta la legalidad o la ética30. A nivel municipal, los gobiernos también están comenzando a recopilar datos, desde el movimiento del tráfico hasta las expresiones faciales, con el fin de hacer que las ciudades sean "más inteligentes"31. Esto a menudo se traduce en la reinscripción de patrones urbanos tradicionales de poder, tales como la segregación, el control excesivo de las comunidades Negras y latinas y la distribución de los servicios de la ciudad que son cada vez más escasos32.

Pero el gobierno no está solo en estos esfuerzos de recopilación de datos; las corporaciones también lo hacen, con su propio beneficio como guía. Las palabras y frases que buscamos en Google, las horas del día en que registramos más actividad en Facebook y la cantidad de artículos que agregamos a nuestros carritos de Amazon se rastrean y almacenan como datos, los cuales luego se convierten en ganancias financieras corporativas. Las acciones cotidianas más triviales (buscar una forma de esquivar el tráfico, dar "me gusta" al video del gato de un contacto o incluso salir por la mañana) ahora son productos de gran demanda. Esto no quiere decir que ninguna de estas acciones sea excepcionalmente interesante (aunque hacemos una excepción con los gatos de Catherine), sino a que estas pequeñas acciones se pueden combinar con otras pequeñas acciones para generar anuncios dirigidos y recomendaciones personalizadas; en otras palabras, para darnos más cosas para darle clic, gustar o comprar33.

Esta es la economía de datos, y las corporaciones, a menudo con la ayuda de personas que investigan desde la academia se esfuerzan por ver qué comportamientos, tanto en línea como fuera de ella existen, para así convertirlos en datos y luego monetizarlos. Nada está fuera de la datificación, como a veces se denomina este proceso, ni su historial de búsqueda, ni los gatos de Catherine, ni el almohadón que Lauren está usando actualmente para sentarse en su asiento, por ejemplo Shigeomi Koshimizu, un profesor de ingeniería con sede en Tokio, ha estado diseñando matrices de sensores que recopilan datos en 360 diferentes posiciones alrededor de la parte trasera mientras está cómodamente instalado en una silla34. Propone que las personas tengan firmas únicas en sus glúteos, tan únicas como sus huellas dactilares. En el futuro, sugiere que nuestros autos pudieran estar equipados con escáneres de glúteos en lugar de llaves o alarmas para identificar al conductor.

Aunque la datificación puede ocasionalmente inclinarse a lo absurdo, sigue siendo un problema muy serio. Las decisiones de importancia cívica, económica e individual están siendo tomadas cada vez más mediante sistemas automatizados que analizan grandes cantidades de datos. Por ejemplo, PredPol, una empresa de vigilancia predictiva fundada en 2012 por un profesor de antropología de la Universidad de California en Los Ángeles, ha sido contratada por la misma ciudad durante casi una década para determinar cuáles vecindarios patrullar con mayor intensidad, y cuáles (en su mayoría) ignorar. Pero debido a que PredPol se basa en datos históricos de delitos y las prácticas policiales de EE. UU. siempre han vigilado y patrullado de manera desproporcionada a los vecindarios de negros y latinos, las predicciones de dónde ocurrirán los delitos en el futuro se parecen mucho a las prácticas racistas del pasado35. Estos sistemas crean lo que la matemática y escritora Cathy O'Neil, en Armas de destrucción matemática: cómo los grandes datos aumentan la desigualdad y amenazan la democracia, llama un “círculo de retroalimentación pernicioso”, que amplifica los efectos del prejuicio racial y de la criminalización de la pobreza que ya son endémicos en los Estados Unidos.

La solución de O'Neil es abrir los sistemas computacionales que producen estos resultados racistas. Ella argumenta que solo sabiendo lo que entra, podemos entender lo que sale. Este es un paso clave en el proyecto de mitigar los efectos de los sesgos en los datos. El feminismo de datos requiere además que rastreemos esos datos sesgados hasta su origen. PredPol y los "tres puntos de datos más objetivos" que emplea, ciertamente amplifican los sesgos existentes, pero no son la causa principal36. Más bien, la causa, es la larga historia de criminalización hacia la comunidad negra en los Estados Unidos, que produce prácticas policiales sesgadas, que producen datos históricos sesgados, que luego se utilizan para desarrollar modelos de predicción de riesgo para el futuro37. Rastrear estos vínculos con las fuerzas de opresión históricas y actuales puede ayudarnos a responder la pregunta ética: ¿Debería existir este sistema?38 En el caso de PredPol, la respuesta es un rotundo no.

El comprender esta larga y complicada reacción en cadena es lo que motivó a Yeshimabeit Milner, junto con activistas, organizadores/as y profesionales de la matemática con sede en Boston, a fundar Data for Black Lives, una organización dedicada a “usar la ciencia de datos para crear cambios concretos y medibles en las vidas de las comunidades Negras”39. Grupos como la coalición Stop LAPD Spying están utilizando métodos explícitamente feministas y antirracistas para cuantificar y desafiar la recopilación invasiva de datos por parte de las fuerzas del orden40. Las personas especializadas en periodismo de datos usan algoritmos de ingeniería inversa y recopilan datos cualitativos a escala sobre violencia obstétrica41. Las personas dedicadas al arte están invitando a participar a realizar mapas ecológicos y usar IA para hacer las memorias familiares intergeneracionales (figura 0.3a)42.

Todos estos proyectos son ciencia de datos. Muchas personas piensan que los datos son solo números, pero también pueden consistir en palabras o historias, colores o sonidos o cualquier tipo de información sistemáticamente recolectada, organizada y analizada (figuras 0.3b, 0.3c)43.

La ciencia en la ciencia de datos simplemente implica un compromiso con los métodos sistemáticos de observación y experimentación. A lo largo de este libro, colocamos deliberadamente diversos ejemplos de ciencia de datos uno al lado del otro. Provienen de personas individuales y pequeños grupos, y de organizaciones académicas, artísticas, comunitarias, sin fines de lucro, periodísticas y con fines de lucro. Esto se debe a nuestra creencia en una definición amplia de la ciencia de datos, que busca incluir en lugar de excluir y no crea barreras basadas en credenciales formales, afiliación profesional, tamaño de los datos, complejidad de los métodos técnicos u otros marcadores externos de experiencia. Estos marcadores, después de todo, se han utilizado durante mucho tiempo para evitar que las mujeres se involucren plenamente en cualquier número de campos profesionales, incluso cuando esos campos, que incluyen la ciencia de datos y la informática, entre muchos otros, se basaron en gran medida en el conocimiento de mujeres autodidactas44. Un intento de hacer retroceder esta historia de género también es fundamental para el feminismo de datos.

A lo largo de su propia historia, el feminismo ha tenido que trabajar constantemente para convencer al mundo de que es relevante para personas de todos los géneros. Tenemos el mismo argumento: que el feminismo de datos es para todas las personas (y aquí tomamos prestada una línea de bell hooks)45. Puede observar que los ejemplos que usamos no son solo sobre mujeres, ni son creados solo por mujeres. Eso es porque el feminismo de datos no se trata solo de mujeres. Se necesita más de un género para tener desigualdad y más de un género para trabajar hacia la justicia. Asimismo, el feminismo de datos no es solo para mujeres. Los varones, las personas no binarias y las personas de género queer se enorgullecen de llamarse feministas y de utilizar el pensamiento feminista en su trabajo. Además, el feminismo de datos no se trata solo de género. Las feministas interseccionales nos han explicado cómo la raza, la clase, la sexualidad, la capacidad, la edad, la religión, la geografía y más son factores que juntos influyen en la experiencia y las oportunidades de cada persona en el mundo. Finalmente, el feminismo de datos trata sobre el poder -sobre quién lo tiene y quién no. El feminismo interseccional examina el poder desigual. Y en nuestro mundo contemporáneo, los datos también son poder. Debido a que el poder de los datos se ejerce injustamente, debe ser desafiado y transformado.

Feminismo de datos en Acción

Los datos son una espada de doble filo. En un sentido muy real, quienes están en el poder han utilizado los datos como un arma para consolidar su control sobre lugares y cosas, así como personas. De hecho, un objetivo central de este libro es mostrar cómo los gobiernos y las corporaciones llevan mucho tiempo empleando datos y estadísticas como técnicas de gestión para preservar un status quo desigual.

Un artefacto negro con forma de bola de masa se encuentra en un expositor rectangular de madera en un museo. De los lados del objeto salen rostros que representan a los miembros de una familia negra americana multigeneracional. El artefacto es interactivo al escuchar una voz. Tiene una abertura en la parte superior por la que los individuos pueden hablar y obtener una respuesta.

Figura 0.3 (continuación)

Un collage de cuatro imágenes más pequeñas que provienen de un trabajo de investigación sobre el procesamiento del lenguaje natural. Cada imagen tiene un pie de foto. El lenguaje y la sintaxis de los pies de foto ayudan a clasificar la imagen. Esto se indica con un pequeño cuadro debajo de cada imagen que muestra una marca de verificación o una cruz para "Etiqueta humana" y "Etiqueta visual" para un término dado. En las dos imágenes superiores el término es "Bicicleta" y en las dos inferiores el término es "Amarillo". La imagen de arriba a la izquierda es una mujer de pie junto a su bicicleta, el pie de foto dice "(a) Una mujer de pie junto a una bicicleta con una cesta". El gráfico tiene marcas de verificación tanto para la etiqueta humana como para la etiqueta visual. La imagen de arriba a la derecha es un grupo de personas caminando bajo la lluvia, el pie de foto dice "(b) Una calle de la ciudad llena de mucha gente caminando bajo la lluvia". El gráfico tiene una marca de verificación para la etiqueta visual pero una marca de cruz para la etiqueta humana. La imagen de abajo a la izquierda es una motocicleta amarilla aparcado, el pie de foto dice "c) Una Vespa amarilla aparcada en un solar con otros coches". El gráfico tiene marcas de verificación tanto para la etiqueta humana como para la etiqueta visual. La imagen final en la parte inferior derecha contiene varios estantes de plátanos en la estantería de una tienda, el pie de foto dice "d) Un expositor de una tienda que tiene muchos plátanos en venta". El gráfico tiene una marca de verificación para la etiqueta visual pero una marca de cruz para la etiqueta humana.

Figura 0.3 (continuación)

Un histograma invertido titulado "2.000 guiones: diálogo desglosado por género". El eje horizontal es el porcentaje de palabras pronunciadas en un guión por un determinado género. El eje comienza por el lado izquierdo con que "el 100% de las palabras son masculinas", dice "50/50 dividido por géneros" directamente en el centro, y termina en la mano derecha con que "el 100% de las palabras son femeninas". El eje también tiene una pendiente de color azul brillante (100% de hombres) que cambia a gris (división por género 50/50) y luego a rojo brillante (100% de mujeres). El eje vertical muestra el recuento de la frecuencia de los guiones que se encuentran dentro de cada porcentaje. Cada guión está representado por un punto de color. El gráfico comienza con un recuento de frecuencias muy alto para “100% de las palabras son masculinas", pero muestra que el recuento de frecuencias disminuye rápidamente a medida que aumenta el porcentaje de palabras que son femeninas. 

% by Gender
Frequency Count

100% of Words are Male
54

99%
11

98%
12

97%
21

96%
33

95%
30

94%
38

93%
32

92%
36

91%
40

90%
56

89%
46

88%
47

87%
46

86%
50

85%
52

84%
51

83%
56

82%
52

81%
35

80%
45

79%
45

78%
45

77%
39

76%
34

75%
53

74%
44

73%
34

72%
45

71%
38

70%
33

69%
40

68%
34

67%
23

66%
31

65%
30

64%
25

63%
30

62%
25

61%
22

60%
23

59%
14

58%
25

57%
24

56%
13

55%
20

54%
17

53%
15

52%
11

51%
14

50/50 División por géneros
18

51%
17

52%
14

53%
20

54%
13

55%
10

56%
12

57%
13

58%
10

59%
11

60%
8

61%
14

62%
6

63%
5

64%
8

65%
10

66%
8

67%
9

68%
6

69%
13

70%
5

71%
12

72%
8

73%
3

74%
2

75%
7

76%
3

77%
4

78%
2

79%
0

80%
2

81%
1

82%
6

83%
6

84%
3

85%
2

86%
2

87%
3

88%
2

89%
4

90%
1

91%
0

92%
3

93%
1

94%
0

95%
0

96%
0

97%
1

98%
0

99%
1

100% de las palabras son femeninas
2

Figura 0.3: Definimos a la ciencia de datos de manera amplia en este libro; aquí hay tres ejemplos. (a) Not the Only One [No es el único] de Stephanie Dinkins (2017), es una escultura que presenta a una familia negra mediante el uso de inteligencia artificial. La IA es entrenada y enseñada por las voces subrepresentadas de personas Negras y marrones en el sector tecnológico.

(b) La investigadora Margaret Mitchell y sus colegas, en “Seeing through the Human Reporting Bias” [“Ver a través del sesgo de información humano”] (2016), han trabajado en sistemas para inferir lo que no se dice en el habla humana con el fin de clasificar imágenes. Por ejemplo, la gente dice "plátanos verdes" pero no "plátanos amarillos" porque el amarillo está implícito como el color predeterminado del plátano. De manera similar, las personas dicen “mujer doctora” pero no dicen “varón doctor”, por lo que son las palabras que no se pronuncian las que codifican el sesgo.

(c) Un análisis de género del Fdiálogo cinematográfico de Hollywood, “Film Dialogue from 2,000 Screenplays Broken by Gender and Age” [“Diálogo fílmico a partir de 2.000 guiones divididos por género y edad}], de Hanah Anderson y Matt Daniels, creado para The Pudding, una empresa emergente de periodismo de datos (2017).

Trabajar con datos desde una perspectiva feminista requiere conocer y reconocer esta historia. Para enmarcar el problema con los datos de otra manera: no es una coincidencia que la institución que empleó a Christine Darden y permitió su ascenso profesional sea la misma que usó los resultados de su análisis de datos para afirmar la superioridad tecnológica de los Estados Unidos sobre sus adversarios comunistas y plantar una bandera estadounidense en la luna. Pero esta historia defectuosa no significa ceder el control del futuro a los poderes del pasado. Sin duda, los datos son parte del problema. Pero también son parte de la solución. Otro objetivo central de este libro es mostrar cómo se puede ejercer el poder de los datos.

Para guiarnos en este trabajo, hemos desarrollado siete principios fundamentales. Individualmente y en conjunto, estos principios emergen de la base del pensamiento feminista interseccional. Cada uno de los siguientes capítulos está estructurado en torno a cada uno de ellos. Los siete principios del feminismo de datos son los siguientes:

  1. Examinar al poder. El feminismo de datos comienza analizando cómo opera el poder en el mundo.

  2. Desafíar al poder. El feminismo de datos se compromete a desafiar las estructuras de poder desiguales y trabajar por la justicia.

  3. Elevar la emoción y la encarnación. El feminismo de datos nos enseña a valorar múltiples formas de conocimiento, incluido el conocimiento que proviene de las personas como cuerpos vivos y sensibles en el mundo.

  4. Repensar el binarismo y las jerarquías. El feminismo de datos nos obliga a desafiar el género binario, junto con otros sistemas de conteo y clasificación que perpetúan la opresión.

  5. Reconocer el pluralismo. El feminismo de datos insiste en que el conocimiento más completo proviene de la síntesis de múltiples perspectivas, dando prioridad a las formas de conocimiento locales, indígenas y experienciales.

  6. Considerar el contexto. El feminismo de datos afirma que los datos no son neutrales ni objetivos. Son producto de relaciones sociales desiguales, y este contexto es esencial para realizar un análisis ético y preciso.

  7. Hacer el trabajo visible. El trabajo de la ciencia de datos, como todo trabajo en el mundo, es el trabajo de muchas manos. El feminismo de datos visibiliza esta labor para que pueda ser reconocida y valorada.

Cada uno de los siguientes capítulos aborda uno de estos principios, basándose en ejemplos del campo de la ciencia de datos, ampliamente definidos, para mostrar cómo se pueden poner en práctica. A lo largo del camino, presentamos conceptos feministas clave como la matriz de dominación (Patricia Hill Collins; véase el capítulo 1), el conocimiento situado (Donna Haraway; véase el capítulo 3) y el trabajo emocional (Arlie Hochschild; véase el capítulo 8), así como algunas de nuestras propias ideas sobre cómo se ve el feminismo de datos en la teoría y la práctica. Con este fin, les presentamos a personas a la vanguardia de los datos y la justicia. Las cuales incluyen profesionales de la ingeniería, desarrollo de software, activismo, organización comunitaria, periodismo de datos, arte y la academia. Esta gama de personas y de proyectos que han ayudado a crear, es nuestra forma de responder a la pregunta: ¿Qué hace que un proyecto sea feminista? Como quedará claro, un proyecto puede tener un contenido feminista, en el sentido de que desafía el poder mediante la elección del tema; en la forma, en tanto desafía el poder cambiando los registros estéticos y/o sensoriales de la comunicación de datos; y/o en el proceso, en tanto desafía el poder construyendo procesos participativos e inclusivos de producción de conocimiento. Lo que une este amplio alcance del trabajo basado en datos es el compromiso con la acción y el deseo de rehacer el mundo.

Nuestro objetivo general es tomar una posición contra el status quo, contra un mundo que nos beneficia a nosotras, dos profesoras universitarias blancas, a expensas de las demás personas. Para trabajar hacia este objetivo, optamos por presentar las voces de quienes hablan desde los márgenes, ya sea por su género, sexualidad, raza, capacidad, clase, ubicación geográfica o cualquier combinación de esas (y otras) posiciones temáticas. Lo hemos hecho, además, porque creemos que aquellas personas con experiencia directa de la desigualdad saben mejor que nosotras qué acciones se tienen que tomar. En este libro, prestamos especial atención a las desigualdades en la intersección de género y raza. Esto refleja nuestra ubicación en los Estados Unidos, donde los problemas de desigualdad más arraigados tienen como origen el racismo. Nuestra declaración de valores, incluida como apéndice de este libro, analiza con más detalle la justificación de estas elecciones autorales.

Cualquier libro implica tomar decisiones sobre las voces y el trabajo de quién incluir y de quién omitir. Pedimos que quienes encuentren que sus perspectivas no se abordan lo suficiente o su trabajo no se reconoce lo suficiente, vean estos vacíos como aperturas adicionales para la conversación. Nuestra sincera esperanza es contribuir de una manera pequeña a una conversación mucho más amplia, una que comenzó mucho antes de que nos embarcáramos en este proceso de escritura y que continuará mucho después de que terminen estas páginas.

Este libro tiene como objetivo proporcionar pasos concretos para la acción de la comunidad científica de datos que busca aprender cómo el feminismo puede ayudarle a trabajar hacia la justicia, y para las feministas que buscan aprender cómo su propio trabajo puede trasladarse al creciente campo de la ciencia de datos. También está dirigido a profesionales de todos los campos en los que se toman decisiones basadas en datos, así como a comunidades que quieren resistir o movilizar los datos que les rodean. Está escrito para todas las personas que buscan comprender mejor los gráficos y las estadísticas que encuentran en su vida cotidiana, y para todas aquellas personas que buscan comunicar la importancia de dichos gráficos y estadísticas a las demás.

Nuestro reclamo, una vez más, es que el feminismo de datos es para y por todas las personas de todos los géneros. Y lo más importante: se trata de mucho más que el género. El feminismo de datos trata sobre el poder, sobre quién lo tiene y quién no, y sobre cómo se pueden desafiar y cambiar esos diferenciales de poder usando datos. Las invitamos a ustedes, las personas que nos leen, a unirse a nosotras en este viaje hacia la justicia y hacia la reconstrucción de nuestro mundo basado en datos.

Connections
1 of 2
Comments
0
comment
No comments here
Why not start the discussion?