The Numbers Don't Speak for Themselves

*Kapitel 6; S. 149-174; Sitzung 9 am 08.072021

Principle: Consider Context
Data feminism asserts that data are not neutral or objective. They are the products of unequal social relations, and this context is essential for conducting accurate, ethical analysis.

Kapitelüberblick

Wissen ist situiert und daraus folgt zwangsläufig, dass die

  • sozialen
  • kulturellen
  • historischen
  • institutionellen und
  • materiellen

Bedingungen, unter denen Wissen produziert wird, nicht von diesem getrennt werden können. Context Matters!

Ebenso wichtig ist die Frage danach, wer Wissen produziert und wer dazu nicht in der Lage ist.

Eine feministische Daten-Methodologie führt gesammelte Daten und daraus gewonnene Erkenntnisse zurück auf den Kontext und die Bedingungen, unter denen diese entstanden sind.

Wichtige Kernaspekte dieser Kontextualierung sollte sein, hinter die Vorstellung von nackten Daten zu treten und anzuerkennen, dass es keine solchen gibt. Weitere Schritte zur Kontextualisierung sind diese klar in der Darstellung der Daten zu kommunizieren, sowie verloren gegangene Zusammenhänge wieder herzustellen.

Verwendete Konzepte

Big Data Projects

Die Autorinnen beziehen den Begriff Big Data Projects auf solche Anliegen, die unter dem Anspruch der (Welt)-Beherrschung opierieren und dazu einen Weg von Datensammlungen und -analysen mit der gesamten Menscheit als Bezugsgröße nutzen. Für D'Ignazio und Klein steht dahinter eine maskuline und totalitäre Weltsicht (Big Dick Data). Big Data Projects zeichnen sich aus durch

  • Ausblendung von Kontexten
  • Fetischisierung von Größe
  • Übertreibung der eigenen technischen und wissenschaftlichen Fähigkeiten.

Knowledge Infrastructure

Christine Borgman (2015) verwendet das Konzept der Wissensinfrastruktur (Knowledge Infrastructure), in dem sie dafür plädiert, diese als eine Art Ökosystem bestehend aus Menschen, Praktiken, Technologien, Institutionen, materiellen Objekten und Beziehungen dieser untereinander zu betrachten.

Zombie Data

Als Zombie Data bezeichnen die Autorinnen Datensets, die komplett ohne Kontext und ohne auch nur als einen Zweck der Datensammlung veröffentlich wurden.

Subjugated Knowledge

Als Subjugated Knowlegde wird Wissen, das im Mainstream-Diskurs keinen Platz hat bezeichnet. Es handelt sich dabei meist um Wissen, das sich vor allem innerhalb marginalisierter Gruppen herausbildet und im allgemeinen Diskurs als irrelevant abgetan und damit unterdückt wird (vgl. Hill Collins 2015).

Beispiele für mangelnde Kontexte von Daten aus dem Kapitel

Fall: //FiveThirtyEight// und Human Trafficking

Aufgearbeitet von Erin Simpson 1)

Beschriebenes Problem: Die hier beschriebene Datensammlung blieb unklar in der Bestimmung dessen, was eigentlich dargestellt wurde. Die gesammelten Daten stellten nicht das dar, was eigentlich vorgefallen war.

Open Data Sammlungen bspw. zu öffentlichen Infrastrukturen (hier Sao Paulo)

Beschriebenes Problem: Die Öffnung bzw. Veröffentlichung von Daten allein (hier zum Haushalt der brasilianischen Hauptstadt) allein sind nicht ausreichend, um einer interessierten Öffentlichkeit ein wirkliches Bild der Situation zu vermitteln.

Offizielle Datensammlungen zu Kriminalstatistiken an US-Hochschulen

Der Clery Act.

Beschriebenes Problem: Hinter den gemeldeten Daten dieser Kriminalstatistik verstecken sich unterschiedliche Machtmechanismen, die sich aus den kontextlosen Daten so nicht ablesen lassen.

Diskussionspunkte

Wie ist Wissen, das an einer deutschen Hochschule erzeugt wird, situiert. Wie lassen sich die folgenden Kontexte verorten und welche Schlüssen können wir daraus über dieses Wissen ziehen?
mögliche relevante Kontexte:
institutionelle Faktoren
kulturelle Faktoren
materielle Faktoren
soziale Einflussbedingungen
weitere?
The End of Theory vs. Data Feminism?
Gibt es einen Zustand, in dem der postulierte Satz „Correlation is enough“ stimmen kann?
Aktuelle Begriffe wie Woke und Cancelled, aber auch intersektional und Identitätspolitik landen meist erst nach einem immer wieder ähnlich ablaufenden Approbiationsprozess im Mainstreamdiskurs, dann haben diese meist ihren ursprünglichen Bezug und Kontext verloren und werden nur noch als Abwertungen genutzt. Handelt es sich dabei um eine Form des Subjugated Knowledge?
Lasst uns diese Aussage disuktieren:
„Placing numbers in context and naming racism or sexism whenit is present in those numbers should be a requirement-not only for feminist data communication, but for data communication full stop“ (166f.).
Drucken/exportieren