Lavorare con i dati attraverso un approccio femminista non vuol dire necessariamente occuparsi di donne o di questioni di genere: vuol dire occuparsi del potere. In particolare, di chi lo detiene e di chi no. Questa è il messaggio chiave del libro Data Feminism di Catherine D’Ignazio e Lauren F. Klein, da cui prende ispirazione la prima parte di quest’articolo.
Nella pratica, però, cosa significa essere una o un femminista dei dati? Ci sono molti modi per essere data feminist in ognuna delle varie fasi del lavoro con i dati. Dalla fase di ricerca e raccolta dati a quella della comunicazione e visualizzazione, fino a ciò che avviene dopo la pubblicazione di un lavoro. In questo pezzo però ci focalizzeremo solo sulla raccolta dati, lasciando il resto ad un altro post futuro.
Data feminism durante la raccolta dei dati: cosa sono i counterdata
Tra tutte le possibilità suggerite da D’Ignazio e Klein per fare data feminism, ce n’è una che è accessibile a chiunque, anche a chi non si sente particolarmente data nerd ma comunque ha a cuore una causa: la raccolta di quelli che le autrici definiscono “counterdata”.
I counterdata sono tutti quei “contro-dati” che offrono una visione alternativa rispetto a quella dei dati ufficialmente raccolti, per esempio conteggiando ciò che non viene altrimenti conteggiato nelle statistiche istituzionali.
Un caso di raccolta di counterdata è il lavoro dell’attivista messicana María Salguero che, da sola, dal 2016 sta mappando i casi di femminicidio in Messico, arrivando a raccogliere informazioni su oltre 5,000 storie e diventando la fonte più affidabile sul tema.
Anche le mappe del progetto Anti Eviction Mapping Project (AEMP) rappresentano un chiaro esempio di counterdata. Il progetto è nato per restituire spessore ai dati sugli sfratti a San Francisco. Sebbene infatti le istituzioni avessero statistiche sul numero degli sfratti, queste informazioni erano pubblicate senza alcun tipo di contesto che permettesse davvero di capire le dinamiche di potere che stanno dietro agli sfratti, o di raccontare le storie individuali delle persone coinvolte. Grazie a una raccolta dati più qualitativa e centrata sulle persone, il gruppo AEMP è riuscito per esempio a far emergere il ruolo delle compagnie tech di Silicon Valley, come Google, nell’esplosione degli sfratti cosiddetti “no-fault”, ovvero senza morosità o colpe del locatore.
I dati sugli assassini causati dalla polizia negli USA sono un esempio invece di come i counterdata, grazie alla forza dell’attivismo di moltissime organizzazioni, possano entrare a far parte del dibattito pubblico e della ricerca accademica, spingendo poi le istituzioni a colmare il vuoto e raccogliere i dati loro stesse. Il database di Fatal Encounters è nato su iniziativa di un giornalista, accortosi di come tutte le volte che una morte per mano della polizia finiva sui giornali non c’era alcun modo per contestualizzarla: si trattava di un episodio isolato? O del millesimo dell’anno? Raccontare queste morti senza conoscerne i numeri complessivi o i possibili pattern nelle caratteristiche delle vittime significava ignorare una storia ad altissimo interesse pubblico. Al tempo, l’FBI pubblicava in maniera centralizzata statistiche su tutti i tipi di crimini, ma non aveva alcun dataset su quante volte e in che circostanze la polizia facesse ricorso ad un uso mortale di forza bruta. Così, tra ricerca, crowdsourcing e richieste FOIA, Brian Burghart e la sua squadra sono riusciti a mettere in piedi il database più comprensivo al mondo sul tema, con oltre 26mila episodi documentati di persone morte negli USA durante un’interazione con la polizia, dal 2000 ad oggi. E grazie al suo sforzo e a quello parallelo di altri attivisti e giornalisti, dal 2015, anche l’FBI ha dichiarato che si sarebbe impegnata a raccogliere dati sull’impiego di forza, fatale o meno, ad opera delle forze dell’ordine.
Infine, non si può chiudere questa sezione senza citare il progetto counterdata italiano e femminista Obiezione Respinta. In Italia – ufficialmente per motivi di privacy – mancano i dati sugli obiettori di coscienza nelle strutture sanitarie pubbliche. Diventa quindi impossibile denunciare la pervasività del fenomeno a livello complessivo e strutturale. Soprattutto, questa mancanza di dati ha un impatto reale e concreto nella vita di chi chiede accesso a soluzioni abortive, spesso con urgenza. Per ovviare a questa mancanza di dati ufficiali, il team di Obiezione Respinta ha creato un sistema in cui chiunque può segnalare la sua esperienza con ospedali e farmacie, dando così vita in maniera collettiva a un database su medici e farmacisti che ostacolano il diritto all’aborto. Un database costruito dal basso che va a colmare un vuoto di dati “dall’alto”, con lo scopo di informare e allo stesso tempo “sanzionare tutti quei luoghi che ci privano del diritto di scegliere e di autodeterminarci“.
Femminismi, counterdata e pandemia COVID19
Durante la pandemia COVID19 si è parlato del primo evento data-informed della storia, con i dati a farla da protagonista in ogni contesto: dai bollettini giornalieri della Protezione Civile alle chat di Whatsapp. Mi verrebbe da stimare però che, nella stragrande maggioranza dei lavori data driven di questi mesi, i dataset utilizzati sono stati su un unico tema: l’andamento della pandemia, tra mortalità e letalità, contagiati e guariti, modelli di previsione e indice R0.
Per quanto tutto ciò sia stato utile, un approccio femminista ai dati ci costringe a riflettere anche su altri temi e possibili counterdata legati alla pandemia, al di fuori di questa narrazione dominante.
Già nelle prima settimane di lockdown, l’ Atlantic se ne era accorto: la pandemia è un disastro per il femminismo e i dati ci offrono degli indizi. Le donne sono quelle che probabilmente, per stereotipi culturali o ineguaglianze salariali, più spesso rinunceranno al lavoro per badare ai figli a casa da scuola. Durante una pandemia l’intero sistema sanitario si concentra sul virus, a scapito di altri settori della sanità pubblica. Tra le varie conseguenze di ciò, l’esperienza Ebola in Africa ha dimostrato che le pandemie hanno un impatto disastroso sulla mortalità legata a complicazioni durante il parto. Chi monitorerà questi numeri? E poi, quale sarà il bilancio delle vittime di violenza domestica dopo mesi di convivenze forzate? Tutti esempi di possibili counterdata da raccogliere e raccontare, per denunciare le ineguaglianze nelle conseguenze della pandemia.
Il lockdown non ha fatto emergere solo le diseguaglianze di genere, ma anche quelle economiche. Lo ha raccontato bene l’inchiesta Diseguaglianze al tempo del coronavirus del centro studi Genova Che Osa. Nel dossier, i ricercatori hanno raccolto i dati sulle dimensioni delle abitazioni, le differenze di reddito o la partecipazione culturale per mostrare come “le diseguaglianze tagliano la città in due: da una parte i quartieri benestanti, dall’altra quelli fragili”.
Quello che a mio parere è stato tra i migliori progetti con un approccio femminista e intersezionalista ai dati sulla pandemia è il blog “COVID from the margins”, coordinato dalla Big Data from the South Research Initiative. In esso, una serie di contributi raccontano l’impatto della pandemia con uno sguardo focalizzato sulle comunità “ai margini” o sulle dinamiche di potere e oppressione attivate dai sistemi di controllo del virus. Leggiamo così del dilemma nel rendere visibili i migranti durante la pandemia, dei rischi connaturati al sistema di welfare indiano basato su dati biometrici, o delle sfide del lockdown per la comunità LGBTQ+.
Per chiudere, un esempio di data feminism che si occupa di colmare un imperdonabile vuoto nei dati sul potere ai tempi del COVID: Nel dubbio… Task Forse!
L’iniziativa civica, dell’associazione Ondata, cerca di tener traccia di tutte le task force istituite dal governo per far fronte all’emergenza sanitaria e di tutte le persone che ne hanno fatto parte. Dati fondamentali, ma non pubblicati in maniera trasparente dalle istituzioni.
Il progetto si basa sul contributo di cittadine e cittadini, che posso utilizzare la piattaforma in cui sono pubblicati i dati per suggerire nuove informazioni o completare quelle esistenti. Una vera e propria mappatura del potere fatta dal basso. I dati raccolti saranno essenziali per dimostrare le disuguaglianze esistenti all’interno dei team. La più evidente già da ora è la diseguaglianze di genere: su 271 persone appartenenti alle 17 task force mappate, solo 80 sono donne. Ma, con l’aggiunta di nuovi dati nella piattaforma, le disuguaglianze che possono emergere saranno anche altre: quante persone provenienti da background umanistici? Quante provengono dalle diverse regioni italiane? Che professioni svolgono? Quante provengono da comunità minoritarie? Perché, se c’è una cosa che decenni di femminismo ci hanno insegnato, è che la diversità di prospettive è un elemento imprescindibile per un lavoro di squadra inclusivo e d’impatto.
Qualche spunto per diventare femminista dei dati
Se volete iniziare un progetto di raccolta dati femminista e siete a corto di idee, potete scorrere la lista pubblicata da The Library of Missing Datasets: un elenco di tutti i dataset che dovrebbero esistere, perché rilevanti per le comunità e le persone più vulnerabili, ma che non esistono. Sono dataset mancanti perché magari l’investimento necessario a raccoglierli non supera un’analisi istituzionale di costi-benefici, per esempio se riguardano un gruppo minoritario della popolazione. Oppure sono dati che mancano di proposito, perché a chi è al potere interessa tenerli nascosti, come potrebbe essere il caso degli assassini ad opera della polizia USA.
Stai lavorando a qualche idea di un progetto dati femminista? Oppure te ne è venuta voglia dopo aver letto quest’articolo? Raccontacelo sui social taggando l’account Dataninja su Twitter o Instagram.
