資料女性主義

探索關於資料女性主義的優質女性主義內容

012: 12 個內容
06: 關係路徑

資料女性主義始於打開表格或訓練模型之前。它首先追問：誰有權定義問題、建立分類、收集證據，又是誰決定哪些經驗無須記錄？資料並非只是描述一個已經存在的世界。預算、制度與繼承而來的分類方式，讓某些生命高度可見，同時讓另一些勞動、傷害與身分缺席、失真，或只有在控制系統中才被看見。

紀錄缺失可能意味著制度忽視：以男性身體為預設值的醫學、抹去無償照護的經濟指標，或無法記錄邊緣群體所受暴力的公共系統。但答案並不總是收集更多。遭到忽視的社群，也可能被警察、福利機構、邊境與平台過度測量。資料正義必須區分「被統計的權利」與「不被捕獲的權利」，也要區分公共問責與偽裝成包容的資料攫取。

因此，演算法偏見不只是等待修補的壞樣本。搜尋排序、人臉分析、風險評分與自動資格審查都運行在種族化、性別化的制度內部。提高準確率，可能只是更平均地執行一個既有制度的決定，卻沒有證明那些決定本身正當。交叉性分析追問總體分類掩蓋了哪裡的集中傷害；情境知識追問誰的經驗能挑戰官方模型；設計正義則追問受影響者能否設定目標、控制資源並拒絕部署。

這個主題也把資料背後的勞動與物質條件重新顯影。標註、審核、維護、社群紀錄、礦產開採與能源消耗，支撐著被描述為無摩擦或「智能」的介面。女性主義分析把表徵連接到政治經濟：誰被描繪、誰在勞動、誰擁有基礎設施、誰承擔錯誤和環境成本、誰能要求修復。目標不是製造一個完美中立的資料集，而是民主地決定什麼值得測量、什麼可以建造、什麼有權支配生活。

帶著四個問題進入資料庫

誰定義了分類？

把風險、性別、能力與正常等標籤視為有歷史的決定，而不是模型發現的自然屬性。

缺失意味著什麼？

資料空白可能源自忽視，也可能保護人們免受監控；要問誰要求收集，又由誰承擔風險。

準確就等於正義嗎？

模型可以同樣準確地分類所有群體，同時強化一個目的、補救方式或強制權力並不正當的制度。

受影響者能改變決定嗎？

只有當社群能改變分類、預算、所有權、部署方式與拒絕選項時，參與才意味著權力。

選擇一條進入路徑

從可見的偏見案例進入交叉審計與共同設計，再沿勞動、福利、基礎設施與制度權力追蹤完整的資料系統。

15 分鐘

先質疑證據

從職場AI偏見開始，再看資料視覺化如何組織權威、不確定性、身體經驗與注意力。

1 小時

從審計走向權力

連結商業搜尋、交叉性準確率測試和社群主導設計，理解為何診斷必須通向決策權重分配。

深入研究

追蹤整個系統

先建立女性主義方法，再從基礎設施到日常後果追蹤資源攫取、自動公共服務與種族化分類。

關係路徑

相鄰議題

資料女性主義12

科技批判10 資料正義8 人工智能倫理6 數字女性主義5 種族與性別4 算法偏見3

內容構成

沿議題閱讀

12 · 資料女性主義

書籍

查看全部

書籍 · 2023年3月

不只是故障：直面科技中的種族、性別和能力偏見

More Than a Glitch: Confronting Race, Gender, and Ability Bias in Tech梅雷迪思·布魯薩德

紐約大學教授、數據科學家、少數黑人女性AI研究者之一的梅雷迪思·布魯薩德的力作。揭示技術中立是神話，算法需要被問責。從面部識別只能識別淺色皮膚，到抵押貸款算法鼓勵歧視性貸款，到醫學診斷算法的危險反饋循環。解決方案不是讓無處不在的技術更包容，而是根除那些將某些人群視為“他者”的算法。

書籍 · 2021年4月

人工智慧地圖集

Atlas of AIKate Crawford

Kate Crawford 沿礦物、能源、隱形勞動、訓練資料、分類與國家監控繪製 AI 的物質地圖，揭示所謂智慧背後的抽取和權力集中。《人工智慧地圖集》拒絕從演算法或「機器能否思考」開始討論 AI。Kate Crawford 把視線拉到更大的地理尺度：礦場、物流、資料中心、倉庫、群眾外包平台、訓練資料集、警察與軍事系統。