D’Ignazio, Catherine and Lauren F. Klein. 2020. Data Feminism, Cambridge, MA: MIT Press.
https://mitpressonpubpub.mitpress.mit.edu/data-feminismhttps://blogs.lse.ac.uk/impactofsocialsciences/2020/10/04/book-review-data-feminism-by-catherine-dignazio-and-lauren-f-klein/1967年，美国非裔数学家克里斯汀·达登开始了在美国宇航局兰利研究中心的工作，充当“人肉计算机”，她是小说和电影《隐藏人物》的原型之一。在职业生涯早期，达登意识到虽然她和男同事拥有同样的资历，做着同样的工作，但她却没有得到晋升。她咨询了平等机会办公室的格洛里亚·尚皮纳(Gloria Champine)，尚皮纳将所有员工的资历按性别和级别进行可视化，发现这是一个系统性的问题，于是尚皮纳向高层管理人员指出这一问题，最终达登得到了迟来的晋升。达登后来成为兰利研究中心有史以来第一位担任高级服务主管的非裔美国女性，她在2007年从美国宇航局退休时担任主任一职。
达登的经历提供了一个挑战权力、努力实现正义的指南，是数据女权主义的典范。凯瑟琳·德伊格纳齐奥和劳伦·F·克莱恩合著的《数据女权主义》采用交叉性女权主义视角来审视数据领域中不平等的权力结构，并号召采取行动，提出如何创建更平等的数据科学的七个原则。出版社网站提供本书全文阅读(https://data-feminism.mitpress.mit.edu/)。数据这个词可以追溯到十七世纪中期，当时引入数据一词是为了补充已有的术语，如证据和事实。把信息作为数据，而不是证据或事实，起到了修辞的作用。它将原本有争议的信息转化为后续主张的坚实基础。但是，哪些信息需要成为数据才会被信任？或者，更准确地说，谁的信息需要成为数据，才会被视为事实并据此采取行动？数据女权主义是一种对数据的思考方式，包括数据的用途和数据的局限，数据女权主义以直接经验、行动承诺和交叉性女权主义思想为基础。数据女权主义的出发点是数据科学中很少被承认的一点：世界的权力分配不均。掌握权力的人不成比例集中于来自全球北方的白人、健康、顺性别的精英男性。
计算机科学一直由男性主导，并且这种情况在恶化。美国获得计算机科学学士学位的女性在1980年代中期达到顶峰，占37%，从那以后，我们看到男女比例在稳步上升。这一报告将性别视为二元，所以没有关于非二元性别群体的数据。数据女权主义首先要改变数据科学强化既有不平等的标准做法，其次要利用数据科学来挑战和改变权力的分配。数据女权主义的基础是对共同解放的信念和承诺：压迫性的权力体系会伤害所有人，它们低估我们工作的质量和有效性，阻碍我们利用数据科学创造真正和持久的社会影响。数据女权主义提醒我们，在数据产生之前，存在活生生的人，提供经验以供计算和分析的人，从事计算和分析的人，将数据可视化并推广项目具体发现的人，以及最终使用产品的人。但是，不管是好是坏，总是有些人没有被计算在内。并且，有些问题无法只靠数据来代表或解决。因此，与正义一样，数据女权主义必须既是一个目标，也是一个过程，在我们朝着改变世界的目标前进时，用来指导我们的思想和行动。数据女权主义不只是关于女性。性别不平等需要不止一种性别，因此也需要不止一种性别来努力实现正义。同样，数据女权主义也不只是为了女性。许多男性、非二元性别者和性别酷儿都自豪地称呼自己为女权主义者，并在工作中使用女权主义思想。更重要的是，数据女权主义不只是关于性别。交叉性女权主义者让我们认识到种族、阶级、性取向、能力、年龄、宗教、地理等诸多因素如何共同影响每个人在这个世界上的经历和机会。最后，数据女权主义关乎权力——关于谁有权力，谁没有权力。交叉性女权主义者研究不平等的权力。而在当今世界，数据也是权力。由于数据的权力被不公正地使用，因此必须对其进行挑战和改变。本书提出七项核心原则，这些原则均在交叉性女权主义思想的基础之上产生。本书每一章围绕其中一个原则展开。1.审视权力。数据女权主义从分析权力如何在世界中运作开始。2.挑战权力。数据女权主义致力于挑战不平等的权力结构，为实现正义而努力。3.提升情感和具身化。数据女权主义教我们重视多种形式的知识，包括来自活生生的人、有感觉的身体的知识。
4.反思二元论和等级制度。数据女权主义要求我们挑战性别二元论，以及其他固化压迫的计算和分类系统。5.拥抱多元主义。数据女权主义认为最全面的知识来自于综合多种观点，优先考虑本地、土著和体验的认识方式。6.考虑背景。数据女权主义认为，数据既非中立，也非客观。数据是不平等的社会关系的产物，这种背景对于进行准确、合乎伦理的分析至关重要。7.让劳动看得见。正如世上其他工作一样，数据科学的工作是许多人劳动的结晶。数据女权主义要让这些劳动变得可见，使其得到认可和重视。本书的每一章围绕其中一个原则，并引入一些关键的女权主义概念，例如支配矩阵、情景知识和情感劳动，讲述大量广义数据科学领域的例子，特别是边缘群体的案例，论述如何将这7个原则付诸行动。例如，第一章讲述审视权力的原则，以怀孕和分娩并发症的统计数字，展开了一场关于数据与权力的联系的对话。由于缺乏关于孕产妇死亡率的数据，特别是黑人孕产妇的数据，导致黑人妇女可怕的孕产妇死亡率从未被标示为值得关注。美国著名网球运动员小威廉姆斯的分娩经历成为许多有色人种妇女的一个里程碑时刻，她们意识到，她们并不是唯一一个被医生忽视痛苦的人。据估计，黑人孕产妇死亡率可能是白人孕产妇的三倍以上，对这一事实的忽视往往导致这些妇女丧命。书中讲述的有力案例还包括由玛丽亚·萨尔格罗(María Salguero)领导的反数据倡议，以公开、可获取的方式记录杀害女性的案件。由于缺乏政府公布的数据，促使萨尔格罗从报纸文章和谷歌警报中搜索，找到每一个能找到的案例，并将其记录在地图上。
另一个例子是“性别阴影(Gender Shades)”，该项目发现黑人女性被人脸识别技术错误分类的可能性是白人男性的40倍。这项研究促使IBM启动“人脸多样性”项目，旨在建立种族公平和准确的人脸识别技术；然而，对于该项目在种族侧写和大规模监控中不符合伦理的使用进行更广泛的讨论后，IBM放弃了这个项目。城读 ∣城市阅读的记录
微信公共订阅账号“城读”，每周推送城市阅读笔记
关注我们，请搜索账号 CityReads
或长按上方图片，识别二维码关注