数字女性主义论文

本文调查了人工智能系统中性别偏见与数字素养在科技领域赋权女性潜力之间的相互作用。通过综合2010-2024年的研究，探讨性别偏见如何在AI中体现及数字素养倡议的有效性。

Klein 与 D'Ignazio 将《Data Feminism》的原则应用到 AI，主张以权力分析、交叉性、共同设计、情境知识和拒绝伤害为基础重建 AI 实践。

2018年发表在FAccT会议上的开创性研究，揭示了商业面部识别系统中对深色皮肤女性的严重偏见，错误率高达34.7%，而浅色皮肤男性仅为0.8%。

D'Ignazio 与 Klein 将女性主义理论带入数据可视化，提出从权力、情感、身体、位置性和不确定性出发重新设计数据表达。

Noble 提出黑人女性主义技术研究的必要性，说明搜索、平台和数字基础设施如何复制种族化与性别化权力，而非只是中立工具。

这篇具有影响力的论文通过赛博格的隐喻 - - 机器与有机体的混合体 - - 重新构想女性主义理论。哈拉维批评人类与非人类、自然与文化之间的传统界限，提出一种植根于亲和性、反讽和技术具身的后性别、后本质主义女性主义政治。