数据女性主义书籍

纽约大学教授、数据科学家、少数黑人女性AI研究者之一的梅雷迪思·布鲁萨德的力作。揭示技术中立是神话，算法需要被问责。从面部识别只能识别浅色皮肤，到抵押贷款算法鼓励歧视性贷款，到医学诊断算法的危险反馈循环。解决方案不是让无处不在的技术更包容，而是根除那些将某些人群视为“他者”的算法。

Kate Crawford 沿矿物、能源、隐形劳动、训练数据、分类与国家监控绘制 AI 的物质地图，揭示所谓智能背后的抽取和权力集中。《人工智能地图集》拒绝从算法或“机器能否思考”开始讨论 AI。Kate Crawford 把视线拉到更大的地理尺度：矿山、物流、数据中心、仓库、众包平台、训练数据集、警察机构与军事系统。

它提出七项实践原则，把权力分析、交叉性、情境知识和共同设计放进数据工作本身，而不是把偏见当作事后修补的问题。《数据女性主义》不是一本教人如何给算法补上“性别视角”的技术手册，而是一部关于知识生产权的政治方法论。

Sasha Costanza-Chock 从跨性别机场安检与残障正义等经验出发，主张由受影响社群领导设计，把利益、所有权与问责置于专家善意之上。

Ruha Benjamin 以“新吉姆代码”分析种族等级如何被写进技术设计、隐藏在默认设置中，并借监控或善意的技术修正继续运作。

这部令人震惊的调查著作揭露了世界如何将男性视为“默认标准”，而系统性地忽略了女性的需求和数据。从医疗、技术、城市规划到经济领域，卡罗琳揭示了那些不可见的性别数据鸿沟是如何严重影响女性的健康、安全乃至整个人生的。

Safiya Umoja Noble 以黑人女孩在商业搜索中的污名化为入口，揭示广告市场、平台垄断与知识分类如何共同制造算法压迫。《压迫算法》的起点是一项看似简单的操作：在 Google 中搜索“Black girls”。

Virginia Eubanks 调查福利、无家可归者住房和儿童保护系统，揭示自动化如何把紧缩政策伪装成中立效率，并将贫困者置于持续监控之下。