¿Por qué necesitamos datos con perspectiva de género?

Hoy en día, la ciencia de datos está en boca de todo el mundo. Estamos en un momento histórico sin precedentes donde se registran, almacenan y utilizan inmensos volúmenes de información, que crecen diariamente. Y como sociedad cada vez más delegamos en algoritmos la tarea de tomar decisiones sobre diversos aspectos de nuestras vidas: publicidad, acceso a créditos y servicios bancarios, diagnósticos médicos, detección de delitos, administración de justicia, entre otros.

Existen muchos pasos sensibles a la hora de recolectar y analizar datos que, de no hacerse correctamente, pueden llevar a tomar decisiones erróneas. En este sentido, equivocarse tiene consecuencias concretas para la vida de las personas. Pero lo cierto es que para muchas personas no queda del todo claro cómo se producen y analizan estos datos, y cómo esto las afecta personalmente, lo cual en un sistema democrático es indispensable.

Es por eso que quienes trabajamos con datos tenemos que hacerlo de forma ética y justa. Asimismo, es un deber de la sociedad exigir esta ética y justicia a todas aquellas personas y organismos que se encargan de producir y tomar decisiones en base a datos. Para garantizar que estas decisiones sean idóneas, debemos trabajar cuidadosamente sobre cada aspecto del proceso.

De lo contrario, corremos el riesgo de reproducir o profundizar relaciones desiguales de poder, entre ellas las desigualdades de género. Dado que estas desigualdades están naturalizadas, es muy fácil alimentarlas cuando no se las tiene en agenda y no se las analiza con perspectiva crítica.

En Argentina, se ha hecho un gran esfuerzo desde los medios, desde organismos gubernamentales, ONGs y empresas para poner el eje sobre la importancia de trabajar con datos, un esfuerzo importante que debe ser profundizado siguiendo las mejores prácticas existentes.

En este artículo vamos a explicar brevemente el rol de los datos y argumentar que la perspectiva de género en datos es central para ayudar a combatir las desigualdades de género.

¿De qué hablamos cuando hablamos de datos?

Si bien no hay una única definición sobre datos que pueda satisfacer a todos los campos del conocimiento, intentaremos definir este concepto y dar algunos ejemplos.

Según D’Ignazio y Klein (2020), el origen de la palabra datos como la conocemos se remonta a mediados del siglo XVII, cuando se introdujo para complementar términos existentes como evidencia y hecho. Identificar la información como datos, más que como cualquiera de esos otros dos términos, tenía un propósito retórico: convertía información que era debatible en una base sólida, objetiva.

Mucha gente piensa que los datos son sólo numéricos. Lo cierto es que los datos también son palabras, historias, colores, sonidos o cualquier tipo de información que es recolectada, organizada y analizada de forma sistemática. (D’Ignazio, Klein, 2020:24)

Los datos no son objetivos

Un aspecto central de los datos es que son un recorte de la realidad, y no la reflejan completamente. Podemos brindar innumerables datos acerca de una persona: su DNI, su color de ojos, su altura, peso, identidad de género, a qué escuela fue, su orientación política y gusto de helado favorito. Pero nunca terminaremos de reconstruir a la persona por completo a través de los datos. Elegir qué datos nos interesan es una decisión, que se basa en juicios de valor.

Si bien muchas veces el concepto de “datos” nos remite a “objetividad” en este y otros sentidos, los datos no son objetivos. Y no son neutrales. El camino para llegar de los datos a la verdad está plagado de incertidumbres, y en muchos sentidos es en última instancia imposible. Lo que intenta la ciencia de datos es hacer la mejor aproximación posible con las herramientas de las que dispone.

Es relativamente fácil tergiversar información o encontrar patrones en nuestros datos para convencer a alguien del argumento que estamos defendiendo. Los datos se usan cotidianamente para persuadir al público, no siempre de manera bienintencionada (el libro How to Lie with Statistics brinda sobrados ejemplos).

Otras veces simplemente no hay malas intenciones detrás de los errores a la hora de interpretar los datos, sino un mal análisis de los mismos. Guadalupe Nogués en el libro “Pensar con otros” pone el ejemplo de un dato popular: “los chicos que viven en casas donde hay muchos libros les suele ir mejor académicamente”. Partiendo de esa base la autora cuenta que se intentó generar una política pública en Illinois, EEUU, en el que se les entregaría a los recién nacidos un libro por mes desde que nacieran hasta que entraran al jardín de infantes. Nogués reflexiona:

“¿Suena razonable? Contando con la información que contamos ahora, la verdad que no mucho. Una casa con muchos libros suele indicar un hogar con padres que leen y que pudieron educarse. Los hijos de padres con buena educación en general rinden mejor en la escuela. Pero no sabemos si les va mejor en la escuela porque los padres tienen buena educación, o porque vienen de hogares donde se los alimentó mejor, o por otras causas.” (2018)

Observar y preguntar

Cuando estemos frente a un conjunto de datos, es importante que podamos realizarnos ciertas preguntas:

¿Qué problema se intenta responder? ¿Qué categorías o secciones son relevantes y cómo están representadas en los datos? ¿Cómo se recolectaron los datos y qué se dejó por fuera, ya sea por decisión o por imposibilidad de recolectarlos? ¿De qué manera puede afectar al resultado la falta de determinada categoría o información?

A su vez, preguntarnos por datos con perspectiva de género implica preguntarnos: ¿de qué manera se expresan las variables de género en los datos? ¿Las variables de identidad y expresión de género, sexo biológico y orientación sexual están presentes y contemplan suficientes dimensiones para representar a todas las identidades? ¿La muestra obtenida es representativa y está balanceada con respecto a la población objetivo? ¿O excluye a un determinado sector? ¿Se protegen los derechos de las personas en la recolección y uso de los datos?

En marzo de 2020 las investigadoras Catherine D’Ignazio y Lauren Klein publicaron un libro titulado Data Feminism (“Feminismo de Datos”). En este libro ambas autoras definen al feminismo de datos como “una forma de pensar sobre los datos, tanto sus usos como sus límites, que está generada por la experiencia directa, por el compromiso con la acción y por el pensamiento feminista interseccional. El punto de partida del feminismo de datos es algo que la ciencia de datos en general no reconoce: en el mundo el poder no se distribuye de manera igualitaria.” (D’Ignazio, Klein, 2020)

Los siete principios del Feminismo de Datos. Fuente: https://twitter.com/AbiertoDeDiseno/status/1312105072579481600/photo/1

Hablemos de sesgos y datos

Cuando hablamos de datos, inevitablemente debemos hablar sobre sesgos. El concepto de sesgo proviene de la estadística y hace referencia a errores sistemáticos que distorsionan los datos o los análisis efectuados sobre ellos. Los sesgos también pueden generarse de manera inconsciente, por omitir o por asumir ciertos supuestos como verdades. Es por eso que es necesario que los equipos que trabajan sobre estadísticas o que analizan datos tengan una mirada interdisciplinaria y personas con formación social que puedan vislumbrar aquellos sesgos o supuestos que debemos desarmar.

Un claro ejemplo de sesgo de género lo podemos observar en algunas pruebas médicas. A lo largo de la historia hubo una tendencia mayor a realizar pruebas de medicamentos solamente en varones cisgénero. Esta tendencia no solo sucedía con humanos, sino también con las pruebas con ratas. El resultado de realizar testeos en poblaciones 100% masculinas, en algunos casos tuvo graves efectos en las mujeres que tomaron luego esos medicamentos, ya que hormonalmente tienen reacciones diferentes respecto a la droga.

En 2013 se registraron en EEUU más de 700 accidentes vehiculares vinculados al uso de Ambien, un somnífero comúnmente utilizado para combatir el insomnio. Lo que tenían en común estos accidentes es que las personas que estaban al volante eran mujeres que seguían con los efectos de la droga al día siguiente de haberla tomado. Estudios posteriores demostraron que muchas mujeres procesaban la droga más lentamente que los varones, esto hacía que al día siguiente siguieran bajo sus efectos y que manejar se convirtiera en una actividad riesgosa. Los equipos de investigación de nuevos medicamentos consideran muchas variables al diseñar experimentos y analizar sus resultados. Lo que sucedió con Ambien demuestra la necesidad de incluir el sexo y el género como una de esas variables.

En tecnología, los sesgos pueden adoptar diversas formas, según D’Ignazio y Klein (2020). Por ejemplo en los sets de datos que construimos, en los problemas que decidimos abordar, en las prioridades que asignamos a las tareas, en las opiniones que escuchamos, en las métricas que usamos para evaluarnos a nosotros/as mismos/as, en la vista que tomamos de nuestros clientes, en los modelos de negocio que elegimos.

En este sentido Diana Maffía afirma que un camino posible para desarmar los sesgos en ciencia es:

  • impulsar la elección de carreras en ciencias, ingenierías, tecnología y matemáticas en las niñas y jóvenes;
  • favorecer la integración de otras identidades de género en los grupos de inteligencia artificial;
  • integrar otras diversidades (raciales, culturales, de edad, etcétera) en los equipos
  • favorecer la integración de ciencias sociales vinculadas a las tecnologías, prestar atención a la reflexión y las dudas filosóficas sobre los fundamentales conceptos puestos en juego, parecen ser buenos caminos para una inteligencia artificial con menos sesgos (Maffía, 2020:336).

Cabe aclarar que no alcanza solamente con “copar” los espacios históricamente masculinos, esto no hace que estos espacios adquieran mágicamente una perspectiva de género. Las personas oprimidas no están exentas de reproducir las estructuras de poder que las oprimen. Es por esto que es necesario también poder reflexionar sobre las estructuras sociales de producción de conocimiento, crear espacios que dialoguen con diversos actores de la sociedad, con movimientos feministas y de género, que se atrevan a mirarse críticamente y repensarse en función de generar prácticas cada vez más igualitarias. Y promover desde el Estado una política clara y federal de datos, que pueda unificar registros para hacerlos comparables y de ese modo poder realizar investigaciones más completas.

Sin igualdad de datos, no hay igualdad de género

Como postulan las abogadas Yasmín Quiroga y María Antonela Mandolesi, “los datos con perspectiva de género son el cimiento de la construcción de un modelo social más igualitario” (2020:3).

Es por eso que a principios de este año fundamos el primer Observatorio de Datos con Perspectiva de Género de la región. Esta iniciativa responde a la urgencia de poder visibilizar e incidir sobre la falta de recolección de datos que puedan ayudar a resolver problemáticas de género, el difícil acceso a los datos que no son abiertos, la carencia de perspectiva de género en aquellos equipos que trabajan sobre la producción y análisis de los datos, la falta de formación de mujeres y personas LGBTIQ+ en ciencia de datos, la falta de diálogo entre las ciencias sociales y las exactas en este campo.

Somos un equipo interdisciplinario de activistas de género donde lo científico, lo técnico, lo social y las humanidades se potencian para poder generar un proceso integral de producción de datos con perspectiva de género.

Estamos trabajando activamente para poder generar y hacer disponibles datos con perspectiva de género de calidad. Esto quiere decir: datos que sean confiables, válidos y más representativos, que tengan como ideal y objetivo disminuir los sesgos de género, con una amplia cobertura nacional y regional y que también puedan ser comparables entre países en términos de conceptos, definiciones y medidas. Los datos de calidad deben tener también cierta complejidad (lo que significa que los datos de diferentes dominios en la vida de las mujeres y personas LGBTIQ+ pueden tener referencias y tabulaciones cruzadas) y granularidad (donde los datos se pueden desglosar en unidades más pequeñas por lugar de nacimiento, edad y ubicación geográfica, así como el sexo y el género autopercibido).

A su vez a nivel país es necesario poder generar estándares de datos que permitan el diálogo de los mismos dentro de las diferentes provincias, municipios y ciudades de Argentina y la región para poder tener una mirada real de nuestro territorio, agilizar procesos administrativos y en última instancia comprender e incidir mejor para mejorar la calidad de vida de los y las habitantes del país.

El Observatorio tiene como objetivos sistematizar y compartir los procesos integrales de producción de datos con perspectiva de género, disponibilizar datos y articular entre diversos actores de la sociedad para poder realizar análisis y comunicaciones responsables, que puedan colaborar a la resolución de diversas poblemáticas que afectan a mujeres y personas LGBTIQ+.

El sitio web del Observatorio estará disponible en el transcurso de las próximas semanas. Mientras tanto pueden replicar esta nota, enterarse de nuestras novedades en nuestro Twitter e Instagram y pueden comunicarse con nosotras a través de nuestro mail: datagenero@gmail.com.

* Esta nota fue escrita de manera colaborativa por Sabina Bercovich, Martina Cantaro, Ivana Feldfeber, Nadia Fusco, Mailén García, Yasmín Quiroga, Florencia Savoca Truzzo y Paloma Urtizberea

Bibliografía:

--

--

Sin igualdad de datos no hay igualdad de género 💜✊ | https://www.datagenero.org / | Twitter e Instagram: @datagenero

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
DataGénero - Observatorio

DataGénero - Observatorio

Sin igualdad de datos no hay igualdad de género 💜✊ | https://www.datagenero.org / | Twitter e Instagram: @datagenero