面向人工智能的数据女性主义

Lauren F. Klein 和 Catherine D’Ignazio 的这篇论文把 data feminism 推向当前 AI 语境。它不是把公平性理解成模型指标的微调，而是要求 AI 研究和实践从一开始就分析权力：谁定义问题，谁提供数据，谁被分类，谁承担错误成本，谁能拒绝系统进入自己的生活。

论文的重要性在于，它为 AI 伦理提供了更强的女性主义方法。交叉性、情境知识、共同设计和对伤害的拒绝，不是附加的价值声明，而是决定一个 AI 系统是否值得被建造、如何被评估、何时应该被停止的实践原则。

在 FemRes 中，这篇适合与 Gender Shades、Noble 的技术研究文章和 feminist data visualization 一起阅读。它能把资源库中的 AI 偏见内容提升到方法论层面：问题不只是“让 AI 更准确”，而是让技术设计对权力和伤害负责。