Cet article est rédigé par Silvana Fumega, directrice de la recherche et des politiques, ILDA

Souvent, lorsque nous parlons de données, nous nous référons à la manière dont les algorithmes les utilisent, aux normes et aux cadres juridiques qui façonnent leur production. Mais les données sont également à la base de la conception de politiques et d'outils permettant de résoudre les problèmes publics.

En ce sens, si nous n'utilisons pas les bonnes catégories pour comprendre pourquoi nous collectons des données, nous ne collecterons pas les bonnes données . Sans cela, concevoir des politiques qui offrent des solutions à divers groupes de personnes et, plus largement encore, qui favorisent le changement social, est incroyablement difficile.

Cela nous donne une idée claire de ce qui se passe lorsque nous excluons certaines personnes ou certains groupes dans nos choix de données: cela nous permet également de nous concentrer sur les personnes que nous excluons de notre compte. Cela montre pourquoi nous avons besoin de responsabilité et de penser à l' inclusion lorsqu'il s'agit de production de données.

Que signifie l'inclusion dans la production de données?

Tout d'abord, quand on parle de données sur le genre, il est important de noter que les gens utilisent souvent des catégories binaires pour décrire le sexe au lieu d'utiliser des catégories de genre. Cela signifie que des données ventilées par sexe sont collectées et présentées en référence aux différences biologiques entre les hommes et les femmes. Il est important de disposer de ce type de données désagrégées, mais il y a beaucoup plus à ajouter. Par exemple, si le sexe génétiquement attribué à une personne ne correspond pas à son identité de genre, vous pourriez finir par les laisser complètement en dehors des données ou en utilisant des catégories qui ne reflètent pas son identité. Ce n’est pas non plus une bonne idée.

• Tu veux écrire pour nous? Jetez un œil au guide d'Apolitical pour les contributeurs

Je travaille chez ILDA , une organisation qui cherche à comprendre et à promouvoir les politiques de données en Amérique latine, et à utiliser les données pour favoriser le développement inclusif de la région. Dans l'un de nos projets - la normalisation régionale des données sur le fémicide - nous avons constaté que si nous limitons les données à une catégorie de sexe binaire, nous rendons de nombreuses populations invisibles. Si une femme transgenre est incapable de changer son marqueur de genre sur ses documents d'identité officiels, alors, si elle est victime d'un homicide, il peut être difficile de l'identifier dans les statistiques officielles sur le fémicide. Cela dépend bien sûr du contexte culturel du pays, et certains pourraient enregistrer des décès comme des fémicides transphobes. Mais nous voyons que lorsque nous n'adoptons pas une approche féministe de la production de données et de l'utilisation des données à des fins politiques, nous risquons de rendre certaines populations invisibles.

En tant que société, nous devons être conscients des implications des données que nous produisons et consommons.

Les catégories sexuelles binaires ont d'autres conséquences. Comme les universitaires Catherine D'Ignazio et Lauren F. Klein discutent dans Data Feminism , lorsqu'il s'agit de créer un compte utilisateur en ligne, les hommes et les femmes sont souvent les seules options disponibles. Forcer les gens à faire ce choix a des conséquences. Pour les 9 à 12 millions de personnes non binaires dans le monde, la simple demande en apparence de «sélectionner le sexe» peut être difficile à répondre. Citant Maria Munir, la célèbre militante britannique, D'Ignazio et Klein écrivent: «Si vous refusez d'enregistrer des personnes non binaires comme moi avec des certificats de naissance et que vous nous excluez dans tout, de la création de comptes bancaires à l'inscription à des listes de diffusion, vous le faites n'ont pas le droit de faire demi-tour et de dire que nous ne sommes pas assez nombreux pour justifier un changement ».

Dans les statistiques officielles, les données collectées et diffusées se réfèrent encore, dans la plupart des cas, à des catégories binaires de sexe. Cela laisse de nombreuses populations invisibles et sous-représentées. Le coût des statistiques binarisées ignore les expériences de nombreuses personnes qui ne se conforment pas à ces deux catégories. Si nous n'élargissons pas notre approche, nous continuerons à regarder le monde de manière binaire, sans jamais saisir le fait que les gens et leurs réalités sont beaucoup plus complexes.

Les données devraient nous compter tous

Les questions dont nous avons discuté jusqu'à présent sont toutes cohérentes autour de l'idée de «données à inclure» . Le concept qui sous-tend le travail effectué pour améliorer la production et la publication des données est que les données devraient nous compter tous, pas seulement quelques-uns.

Au-delà des données de genre, nous pourrions rencontrer d'autres groupes marginalisés qui ont été rendus invisibles dans les statistiques officielles. À ILDA, nous travaillons avec l'organisation internationale de développement basée aux Pays-Bas HIVOS pour explorer les données sur la violence contre la communauté LGBTQ + en Amérique centrale. Il est évident que, sans données sur le sexe, l'orientation sexuelle ou d'autres variables, il est très difficile de comprendre la gravité du problème dans cette région (ou dans toute autre, d'ailleurs).

Quelle est la perspective par défaut dans la société et dans nos données?

Dans leur livre, D'Ignazio et Klein attirent l'attention sur le fait que la perspective par défaut cache le privilège. Nous avons tous des préjugés et ressentons leur impact dans notre vie quotidienne. Ils peuvent être liés au sexe, à la race, à l'âge et à la classe, entre autres, et peuvent entraîner différents types de discrimination. Cependant, ces positions de puissance finissent par se transmettre dans les données. Le pouvoir fait partie des processus par lesquels les données sont produites et, dans de nombreux cas, dans les normes qui guident leur production (j'ai soutenu, avec Michael Cañares et Brandusescu, que le biais peut se glisser dans les normes de données ouvertes ). Ne pas comprendre comment le pouvoir détermine les données peut rendre certaines populations invisibles dans les ensembles de données, les algorithmes et les visualisations, pour ne citer que quelques exemples.

La façon dont nous produisons et consommons des données affecte la vie des gens

Cette discussion peut sembler assez technique, mais elle a un impact sur toutes nos vies, en particulier sur ceux d’entre nous qui sont les plus défavorisés. Un modèle statistique qui s'applique à la majorité peut ne pas s'appliquer à un groupe minoritaire. À cet égard, les préjugés affectent la vie des gens, lorsqu'ils prennent des décisions et lorsqu'ils font l'objet de processus décisionnels d'autrui.

En tant que société, nous devons être conscients des implications des données que nous produisons et consommons. Cela affecte les informations que nous collectons sur la politique, notre compréhension des avantages auxquels nous avons droit et la question de savoir si certaines opportunités se présentent simplement parce que nous appartenons à un certain groupe démographique. Nous apprenons toujours à gérer et à atténuer les préjugés. Il y a un long chemin à parcourir, mais la première étape consiste à prendre conscience de ces dangers et de leurs implications. - Silvana Fumega

Nous voulons savoir ce que vous pensez de cet article. Envoyez-nous un article ou envoyez vos commentaires à hello @ apolitical.co

(Crédit photo: Pexels)