データ・フェミニズム

『データ・フェミニズム』は、完成したアルゴリズムに「ジェンダーの視点」を付け足すための技術マニュアルではない。誰が知識をつくる権力を持つのかを検討する、政治的な方法論の書である。Catherine D’Ignazio と Lauren F. Klein はインターセクショナル・フェミニズムを出発点に、データを発見されるのを待つ自然な事実として扱う考えを退ける。問いの設定、分類、標本の選択、クリーニング、可視化、公開のどの段階にも価値判断があり、資金、組織の権限、労働分業がその判断を形づくる。したがって問うべきなのは、モデルがなぜ偏ったかだけではなく、誰が現実を定義し、他者を測り、どの損失を数えるに値すると決めたのかである。

本書は七つの原則によって議論を組み立てる。権力を検証する、権力に挑戦する、感情と身体性を重んじる、二項対立とヒエラルキーを捉え直す、多元性を受け入れる、文脈を考慮する、そして労働を可視化する、という原則である。これらは並列した倫理的な飾りではなく、相互に支え合う作業の連鎖だ。インフラを誰が支配しているかを確認しなければ「参加型デザイン」は意見聴取に終わりうる。男／女、正常／異常、合法／違法といった分類自体を問い直さなければ、精度の高い統計ほど既存制度を強固にする。誰がどの条件でデータを集めたかを示さない透明性は、結果だけを見せて生産過程を隠してしまう。

本書の最も重要な転換の一つは、制度的権力の下側に置かれた人びとを「研究対象」ではなく、知識の共同生産者として扱うことにある。フェミサイド、立ち退き、環境被害、あるいは公的制度が数えることを拒む経験をコミュニティが記録するとき、それは国家データの空白を補うだけの活動ではない。問題を命名する権利、証拠を所有する権利、行動の時間軸を誰が決めるのかを争う実践でもある。「データがない」ことは制度的無視を意味する場合がある一方、監視から身を守るために不可視性が必要な場合もある。データ正義とは何でも収集することではなく、可視性、説明責任、同意、捕捉されない権利の間で政治的に判断することなのだ。

D’Ignazio と Klein が感情と身体性を擁護することは、女性や周縁化された人びとを「客観的知識」から排除してきた歴史への修正でもある。怒り、悲嘆、恐怖、ケアの経験は分析を汚すノイズとは限らず、変数設計がまだ捉えていない被害を示すことがある。可視化についての議論も同じ点を明らかにする。図表は量を伝えるだけでなく、見る者との距離をつくり、注意を導き、共感が生じる方向を整える。身体性を認めることは証拠を放棄することではない。証拠はつねに、特定の位置にいて、危険を負い、結果の影響を受ける人によって解釈されると認めることである。

「労働を可視化する」という原則は、批判をデータ産業の物質的基盤へ進める。自動化されたように見えるシステムの背後には、入力作業者、コンテンツ・モデレーター、アノテーター、翻訳者、コミュニティとの仲介者、保守担当者、そして自らの困窮を繰り返し証明させられる当事者がいる。一般的な革新の物語は、モデル、研究所、創業者に功績を集中させ、データベースの維持、誤りの訂正、心理的負担を伴う仕事を歴史の外に置く。ここでデータ・フェミニズムは社会的再生産論と接続する。システムを支えるのが誰かを明らかにして初めて、資源、著者性、決定権、有害な仕事を拒む権利を誰が持つべきかを論じられる。

さらに本書は、フェミニズムを「女性についてのデータ」に縮小しない。ブラック・フェミニズム、ポストコロニアル理論、クィア研究、先住民の知識伝統を参照し、ジェンダーを人種、階級、障害、植民地支配の歴史、地理的位置とともに分析する必要を示す。オープンアクセスとコミュニティ・レビューを取り入れた出版過程も、知識は部分的であり、複数の視点から修正されるべきだという主張を本そのものに適用する試みである。データ科学を批判しながら、研究、報道、デザイン、公共政策、運動を変えるための語彙も提供する点で、稀有な分野横断的テキストとなっている。

ただし、七原則が組織によって無害なチェックリストへ飼い慣らされる危険もある。共同設計のワークショップを一度開くこと、属性欄を増やすこと、モデルカードを公開することは、予算や決定権の移譲と同じではない。事例の多くは北米の大学、非営利組織、市民技術の文脈から来ており、国家暴力がより強い地域、データ基盤が脆弱な地域、プラットフォーム労働が国境を越えて外注される地域では、現地の政治に即して読み替える必要がある。方法論だけで企業秘密、知的財産、迅速な導入を評価する制度は変えられない。権力への問いを開くことはできても、労働組合、規制、公共投資、コミュニティ所有の代わりにはならない。

FemRes の読者にとって、『データ・フェミニズム』は繰り返し使える監査の枠組みとして最も役立つ。医療統計、採用システム、生成 AI、福祉受給資格、犯罪予測を前にしたとき、モデルの精度だけでなく、誰が問題を設定したか、分類は誰を傷つけるか、欠落は沈黙か拒否か、誤りを直す労働は誰に落ちるか、影響を受ける人に拒否権があるかを問う。アルゴリズムによる抑圧、デザイン正義、プラットフォーム労働、フェミニスト認識論の著作と併読すれば、本書が滑らかな技術的解決を約束していないことがわかる。データ実践が権力関係を変えないなら、「公平」は同じ権力のより洗練されたインターフェースになりうる、という厳しく誠実な要求を突きつけている。