面向人工智慧的資料女性主義

Lauren F. Klein 和 Catherine D’Ignazio 的這篇論文把 data feminism 推向當前 AI 語境。它不是把公平性理解成模型指標的微調，而是要求 AI 研究和實踐從一開始就分析權力：誰定義問題，誰提供資料，誰被分類，誰承擔錯誤成本，誰能拒絕系統進入自己的生活。

論文的重要性在於，它為 AI 倫理提供了更強的女性主義方法。交叉性、情境知識、共同設計和對傷害的拒絕，不是附加的價值聲明，而是決定一個 AI 系統是否值得被建造、如何被評估、何時應該被停止的實踐原則。

在 FemRes 中，這篇適合與 Gender Shades、Noble 的技術研究文章和 feminist data visualization 一起閱讀。它能把資源庫中的 AI 偏見內容提升到方法論層面：問題不只是「讓 AI 更準確」，而是讓技術設計對權力和傷害負責。