Enquanto aplicarmos a ciência de dados à sociedade, devemos lembrar que nossos dados podem apresentar falhas, preconceitos e ausências. Esse é um dos motivos do novo livro da professora associada do MIT, Catherine D'Ignazio, “Contando o feminicídio”, publicado nesta primavera pela MIT Press. Nele, D'Ignazio explora o mundo dos ativistas latino-americanos que começaram a usar relatos da mídia e outras fontes para tabular quantas mulheres foram mortas em seus países como resultado da violência de gênero - e descobriram que seus próprios números diferiam muito dos estatísticas oficiais.

Alguns destes ativistas tornaram-se figuras públicas proeminentes, e outros nem tanto, mas todos produziram trabalhos que fornecem lições sobre a recolha de dados, a sua partilha e a aplicação de dados em projectos que apoiam a liberdade e a dignidade humanas. Agora, as suas histórias estão a alcançar um novo público graças a D'Ignazio, professor associado de ciência urbana e planeamento no Departamento de Estudos e Planeamento Urbano do MIT, e diretor do Laboratório de Dados e Feminismo do MIT. Ela também organiza um clube do livro transnacional sobre o trabalho.  O MIT News conversou com D'Ignazio sobre o novo livro e como os ativistas estão expandindo a prática tradicional da ciência de dados.

R: Três coisas. É um livro que documenta a ascensão do ativismo de dados como uma forma realmente interessante de ciência de dados cidadã. Cada vez mais, devido à disponibilidade de dados e ferramentas, recolher e fazer a sua própria análise de dados é uma forma crescente de activismo social. Caracterizamos isso no livro como uma prática de cidadania. As pessoas estão a utilizar dados para fazer afirmações de conhecimento e apresentar exigências políticas às quais as suas instituições possam responder.

Outra conclusão é que, ao observar os ativistas de dados, há maneiras pelas quais eles abordam a ciência de dados que são muito diferentes de como ela normalmente é ensinada. Entre outras coisas, ao realizar trabalhos sobre desigualdade e violência, há uma ligação com as séries de dados. Trata-se de homenagear pessoas que se perderam. Os principais cientistas de dados podem aprender muito com isso.

A terceira coisa é sobre o feminicídio em si e a falta de informações. A principal razão pela qual as pessoas começam a recolher dados sobre o feminicídio é porque as suas instituições não o fazem. Isto inclui nossas instituições aqui nos Estados Unidos. Estamos falando de violência contra as mulheres que o Estado deixa de contabilizar, classificar ou tomar medidas. Assim, os ativistas preenchem essas lacunas e fazem isso da melhor maneira possível, e têm sido bastante eficazes. A mídia irá até as ativistas, que acabam se tornando autoridades em feminicídio.

R: Uma diferença é o que chamarei de intimidade e proximidade com as linhas do conjunto de dados. Na ciência de dados convencional, quando você analisa dados, normalmente você não é também o coletor de dados. No entanto, estes ativistas e grupos estão envolvidos em todo o processo. Como resultado, há conexão e humanização em cada linha do conjunto de dados. Por exemplo, há uma enfermeira escolar no Texas que administra o site Women Count USA, e ela passará muitas horas tentando encontrar fotografias de vítimas de feminicídio, o que representa um cuidado incomum prestado a cada linha de um conjunto de dados.

Outro ponto é a sofisticação que os ativistas de dados têm em torno do que os seus dados representam e quais são os preconceitos nos dados. Na IA convencional e na ciência de dados, ainda estamos tendo conversas em que as pessoas parecem surpresas com a existência de preconceitos nos conjuntos de dados. Mas fiquei impressionado com a sofisticação crítica com que os activistas abordaram os seus dados. Eles coletam informações da mídia e estão familiarizados com os preconceitos que a mídia tem, e estão cientes de que seus dados não são abrangentes, mas ainda assim são úteis. Podemos manter essas duas coisas juntas. Muitas vezes são dados mais abrangentes do que os que as próprias instituições têm ou irão divulgar ao público.

R: Um grande componente do livro é o desenvolvimento participativo de tecnologia em que nos envolvemos com os ativistas, e um capítulo é um estudo de caso do nosso trabalho com ativistas para coprojetar o aprendizado de máquina e a tecnologia de IA que apoia seu trabalho. Nossa equipe estava pensando em um sistema para os ativistas que encontraria casos automaticamente, os verificaria e os colocaria no banco de dados. Curiosamente, os ativistas recuaram nisso. Eles não queriam automação total. Eles sentiram que ser, na verdade, testemunhas é uma parte importante do trabalho. A carga emocional é uma parte importante do trabalho e também muito central para ele. Isso não é algo que eu sempre esperaria ouvir dos cientistas de dados.

Manter o ser humano informado também significa que ele toma a decisão final sobre se um item específico constitui feminicídio ou não. Lidar com isso dessa forma está alinhado com o fato de que existem múltiplas definições de feminicídio, o que é algo complicado do ponto de vista computacional. A proliferação de definições sobre o que conta como feminicídio é um reflexo do fato de que esta é uma conversa global e transnacional em curso. O feminicídio foi codificado em muitas leis, especialmente em países latinoamericanos, mas nenhuma dessas leis é definitiva. E nenhuma definição ativista é definitiva. As pessoas estão a criar isto em conjunto, através do diálogo e da luta, por isso qualquer sistema computacional tem de ser concebido tendo em mente essa compreensão do processo democrático.