数据正义书籍

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。

Max Liboiron 以原住民土地关系重新理解污染，并从塑料采样与研究伦理追问环境科学如何实践反殖民责任。

这部论文集把计算技术放回殖民史、性别化劳动、企业权力与物质基础设施中；具体章节追问云端依赖什么劳动，以及学会编程是否足以改变科技业的不平等。

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。

Meredith Broussard 以程序员与记者的双重经验拆解“技术总是最佳答案”的傲慢，说明计算能力、社会判断与公共责任之间不可消除的边界。

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。

凯茜·奥尼尔通过教师评估、信贷、保险与预测警务等案例，拆解不透明算法如何扩大不平等并逃避问责。