La perspectiva de género en el mundo de los datos

4 minutos de lectura.

Si hablamos de datos, se nos vienen a la cabeza conceptos como números, ecuaciones y algoritmos, y por esta razón puede resultar complejo entender cómo estos se vinculan con las problemáticas de género. Sin embargo, existe todo un universo de procesos que rodea a los datos y hoy más que nunca, debido a la creciente relevancia de la ciencia de datos, es importante cuestionar cuán inclusivos y sensibles a las problemáticas de género son los datos que se están generando, recolectando y analizando.

Hablar de datos con perspectiva de género implica preguntarnos si esos datos son realmente representativos y si consideran variables como género, identidad y sexo biológico, entre otros. El auge actual de los datos ya sea en su análisis más simple o cuando son usados para desarrollar tecnologías de inteligencia artificial, hace necesaria la perspectiva de género para no seguir reproduciendo desigualdades de poder, sesgos de género, ni la histórica invisibilización de las mujeres cisgénero y personas LGBTIQ+ en la historia. Con base en nuestra experiencia desde DataGénero creemos que, si no revisamos y reformamos los ciclos de colección y procesamiento de datos, los sesgos y la desigualdad irán en aumento.

Recomendaciones para transversalizar la perspectiva de género en el mundo de los datos

Los análisis y soluciones basados en datos tienen implicancias reales en la vida diaria de las personas. Por ejemplo, hoy en día se entrenan algoritmos de inteligencia artificial para automatizar la toma de decisiones como el acceso a créditos en el sistema bancario y la selección de perfiles para un puesto laboral. De modo que, si se reproducen sesgos de género en ellos, las mujeres cisgénero y personas LGBTI+ continuarán en situación de desventaja en relación con los varones cisgénero.

En un intento por prevenir este tipo de situación compartimos las siguientes recomendaciones para revisar los procesos de trabajo con datos con un enfoque sensible al género:

1. Considerar la perspectiva de género en todas las etapas

Nos referimos a considerar la perspectiva de género en el espectro completo que implica trabajar con datos. Desde que se planifica la forma en la que los datos serán recolectados, hasta el análisis, visualización y comunicación final. Ese proceso tiene que ser sensible al género y no limitar los cuestionamientos sobre si esta perspectiva esta presente solamente, por ejemplo, durante el entrenamiento de algoritmos. La perspectiva de género debe de ser constitutiva del proceso.

2. Formación permanente en sensibilización de género y problemáticas sociales

Los equipos y las personas que cuentan con capacitación en problemáticas de género tienen en mente las desigualdades y la invisibilización que sufren las mujeres cisgénero y personas LGBTIQ+, y suelen generar soluciones inclusivas y comprometidas con un mundo mejor. Por esta razón, los equipos interdisciplinarios son ideales para trabajar con datos que afectan a la sociedad, ya que tendrán en cuenta una mayor diversidad de problemáticas abordando de manera integral los problemas a resolver.

3. Contextualizar los datos

Los datos requieren de contexto, por ello deben contar con metadatos sobre las fuentes, definiciones y otras consideraciones especiales que ayudan a explicar quién, cómo, cuándo y por qué se crearon los datos con los que estamos trabajando. Los metadatos nos explican cómo fueron producidos los datos originales y cuál es su fórmula, a la par que nos alertan sobre cuestiones a tener en cuenta durante su análisis.

4. Responsabilidad y ética

Entre algunas consideraciones éticas durante el trabajo con datos se destacan las siguientes:

4.1 Los fondos y el financiamiento que están detrás de la producción de dichos datos: ¿quién y para qué invierte en estos relevamientos?

4.2 La privacidad de la información, la protección de las bases de datos y fuentes, así como su anonimización, resultan esenciales para garantizar el cumplimiento de los derechos de las personas y para tener datos de calidad.

4.3 ¿Datos para qué? Preguntarnos para qué requiero esa información y para qué será utilizada. Se debe tener en cuenta que también puede servir para excluir, marginar o criminalizar grupos, especialmente en unidades sub-nacionales. Por ejemplo, si estoy dando un curso de algún tema, tal vez preguntar el género de las personas participantes no sea necesario y al preguntar con qué pronombres prefieren ser llamados/as tenemos información suficiente para nuestro objetivo.

A modo de cierre

Estas recomendaciones son un punto de partida, no un punto de llegada. La tecnología y los estudios de género son dos áreas en constante cambio y expansión, y lo que ayer funcionaba hoy quedó obsoleto y a veces hasta mal visto. Por eso la formación permanente, el pensamiento crítico y la búsqueda de prácticas cada vez más justas y responsables tienen que ser pilares inclaudicables cuando trabajemos con datos.

Algunos recursos para complementar el entendimiento sobre la perspectiva de género en el mundo de los datos incluyen libros como Invisible Women de Caroline Criado Pérez, Data Feminism de Catherine D’Ignazio y Lauren F. Klein y Algorithms of Oppression de Safiya Umoja Noble, mismos que alertan y describen ejemplos y situaciones en donde los algoritmos y los datos reproducen sesgos de género.   

Sobre DataGénero

DataGénero es un Observatorio de Datos con Perspectiva de Género que busca unir el mundo técnico de los datos con los estudios de género. Es el primer Observatorio de estas características en la región. Con el objetivo de construir un futuro de datos sustentable e inclusivo desde y para América Latina, este espacio se propone observar y monitorear las diversas prácticas en materia de datos que afectan directamente la vida de mujeres cisgénero y personas LGBTI+, asesorando a gobiernos, empresas y organizaciones que trabajan con y basadas en datos.

Por Ivana Feldfeber, Directora General de DataGénero y Mailén García, Directora de Planificación Estratégica de DataGénero.

Por parte del Banco Interamericano de Desarrollo y en relación al tema de la ética en el mundo de los datos, te invitamos a leer las siguientes publicaciones:

– La gestión ética de los datos
– Miranda Ventura y el Big Data