Data Feminism

Catherine D'Ignazio, Lauren F. Klein

出版社

The MIT Press

出版时间

2020-03-10

ISBN

9780262044004

评分

★★★★★
书籍介绍
A new way of thinking about data science and data ethics that is informed by the ideas of intersectional feminism. Today, data science is a form of power. It has been used to expose injustice, improve health outcomes, and topple governments. But it has also been used to discriminate, police, and surveil. This potential for good, on the one hand, and harm, on the other, makes it essential to ask: Data science by whom? Data science for whom? Data science with whose interests in mind? The narratives around big data and data science are overwhelmingly white, male, and techno-heroic. In Data Feminism, Catherine D'Ignazio and Lauren Klein present a new way of thinking about data science and data ethics―one that is informed by intersectional feminist thought. Illustrating data feminism in action, D'Ignazio and Klein show how challenges to the male/female binary can help challenge other hierarchical (and empirically wrong) classification systems. They explain how, for example, an understanding of emotion can expand our ideas about effective data visualization, and how the concept of invisible labor can expose the significant human efforts required by our automated systems. And they show why the data never, ever “speak for themselves.” Data Feminism offers strategies for data scientists seeking to learn how feminism can help them work toward justice, and for feminists who want to focus their efforts on the growing field of data science. But Data Feminism is about much more than gender. It is about power, about who has it and who doesn't, and about how those differentials of power can be challenged and changed.
作者简介
Catherine D'Ignazio is Assistant Professor of Urban Science and Planning in the Department of Urban Studies and Planning at MIT. Lauren F. Klein is Associate Professor of English and Quantitative Theory & Methods at Emory University.
AI导读
编辑书评
  • 《Data Feminism》的真正价值不在于提供技术解决方案,而在于完成了一次深刻的认知范式转移。它成功地将数据科学从神坛拉回人间,揭示了代码背后的权力肌理。与同类技术伦理书籍相比,其独特之处在于将交叉女性主义理论与数据生命周期紧密结合,避免了空洞的道德说教。虽然常被诟病缺乏“脚踏实地”的办法,但这恰恰是其策略所在:在动手之前,必须先学会质疑。对于任何试图在技术浪潮中保持清醒的人,这是一本不可或缺的解毒剂。
  • 本书的局限在于其受众门槛的双重性:对技术人员而言,社会学论述可能显得冗余;对人文学科读者而言,数据细节又略显晦涩。然而,这种跨界正是其力量源泉。它提醒我们,当权力结构未变时,技术进步只会加速异化。值得推荐的是,它并未止步于批判,而是通过大量真实案例展示了另一种可能性——数据可以成为揭露不公、赋能弱势的工具。适合在职业倦怠期或面临伦理困境时阅读,它能帮你找回工作的意义感,而非仅仅沦为算法的附庸。
核心看点
  • 本书核心在于解构“数据客观性”的神话,指出大数据并非中立的事实集合,而是权力结构的映射。作者通过交叉女性主义视角,揭示数据采集、处理及可视化过程中隐含的性别与种族偏见,强调数据背后存在“想象的客观性”,若不主动质疑,技术只会固化甚至放大既有的社会不平等。
  • 提出“谁的数据?为谁的数据?”这一根本伦理追问,将数据科学从纯粹的技术工具转化为政治实践场域。书中不仅批判白人男性主导的科技英雄叙事,更倡导一种包容性的数据伦理,主张关注那些在算法中被隐形化的群体(invisible groups),呼吁建立以正义为导向的数据治理框架,而非仅追求效率或利润。
  • 提供了一套基于行动主义的方法论,试图弥合理论批判与实践操作之间的鸿沟。尽管被部分读者诟病缺乏具体落地方案,但其核心价值在于重塑数据从业者的认知框架:要求技术人员在编码前审视权力关系,在建模时考虑边缘群体利益,从而将女性主义关怀嵌入数据生命周期的每一个环节,实现从“被动记录”到“主动赋权”的转变。
读者共识
  • 普遍认可其振聋发聩的批判力度,尤其是“Data can't speak for themselves”这一观点引发强烈共鸣。读者一致认为,在大数据时代,技术中立性是一种危险的幻觉,必须时刻警惕数据如何被用作监控、歧视和强化不平等的工具,这种觉醒本身具有极高的价值。
  • 争议集中在“实操性不足”。部分读者批评书中缺乏具体的落地办法,认为其过于理想化或空泛,难以直接指导工程实践;另一部分读者则反驳称,改变观念是行动的前提,不能因未提供代码而否定其方法论意义,认为这是思想启蒙的必要阶段。
  • 评价呈现两极分化但总体偏正面。支持者视其为“Women in Tech”领域的必读指南,感动于其对边缘群体的关怀;反对者或持保留意见者则认为内容深度有限,前后重复较多,若作为纯女权读本显得冗长,作为技术书又不够硬核,定位略显尴尬。
用户评论
大数据时代人人转码,除了最直白的经济利益,数据背后带来的权利也很可怕。数据表面象征着客观和事实,但其实只是一种imagined objectivity,无形之中加深了原有不平等权利的结构,如果不是专门停下来question这些根本不会想到吧…读完的感受就是大学真的应该把Data Ethics设为必修课
读下来酣畅淋漓 虽然某些论证自我重合度比较高 但某种程度上称得上women in tech 小组的guideline(我瞎讲的
油管上的Readinggroup也挺好玩的
闲聊到我的专业 manager一脸不可置信说data和gender有啥关联啊……当即想把这本书的pdf云给他……
Data can't speak for themselves 振聋发聩啊
3.5星。
后几章明显力不足,前几章还是有很多好观点。数据是信息,是知识,也是人为的构造,一定会受文化、政治、社会的影响。数据道德的话题应该成为每个人的必修课。
想法很好,但其实更适合想出如何先做起来,想出响亮的呼号,而不是七个略有重叠的章节标题。现在 Ethical AI 乃至泛 CS 的道德和平等话题讲得很多,却还不够多。从 GitHub 拐弯抹角讲到 data attribution 和 crowdsourcing 最后又绕回现实权力结构的散文集,太文质彬彬了,需要再有力一点。从 IEEE Spectrum 的文章看到这本书,书中却没有一个比“女性语音助手的温柔刻板印象”更让人印象深刻的好例子。
个人很喜欢的一本书。上课的时候大部分同学还是蛮悲观的觉得书里提的太空,里面提的project没啥用,不会改变,或者世界不会被feminism改变,拜托,能不能乐观点,因为你只有相信,才能想出办法改变世界,一点点改变,得好几百年的努力。的确,大数据时代,对手更难缠了。难道我们就眼睁睁的放弃挣扎?联系4.12炸组,其他组努力发声,删了发,发了删,网络平台不是只属于capitalism的,不仅仅是方便舆情管控的,最开始互联网的精神就是对抗不公平的,我们普通用户也是一股力量,而不是被玩弄的对象和提供数据(oil)的资源。
全部深度解读 →主题书单高分榜最近更新