Data is not neutral. Dati, genere e potere: smascherare i bias nell'era della Data Science - 9788835194040

Data is not neutral. Dati, genere e potere: smascherare i bias nell'era della Data Science. Se i dati decidono, chi decide i dati? La tecnologia non è imparziale. E nemmeno i dati. I numeri sembrano neutri. Ma raccontano sempre una storia. Viviamo circondati dai dati. Li consideriamo oggettivi, imparziali, neutrali. Ma è davvero così? Dagli algoritmi che filtrano le informazioni ai sistemi di intelligenza artificiale che prendono decisioni emerge una verità scomoda: i dati possono amplificare bias e ingiustizie, spesso senza che ce ne accorgiamo. Capire i dati non è soltanto una questione tecnica. È una questione di consapevolezza, equità e futuro! Un'esplorazione critica e articolata del rapporto tra dati, potere e disuguaglianze di genere mette in discussione una delle narrazioni più diffuse della contemporaneità: quella che descrive iBig Data e la Data Science come strumenti oggettivi, neutrali e universalmente validi. Attraverso l'analisi dei dati di genere e dei principali indicatori internazionali, come il Global Gender Gap Report e il Gender Equality Index, emerge con chiarezza il ruolo centrale dei dati, che non costituiscono mai una rappresentazione neutrale della realtà, ma sono il risultato di processi di selezione, classificazione e interpretazione profondamente influenzati dai contesti culturali, politici ed economici. Al centro della riflessione si colloca, in particolare, la prospettiva del Data Feminism che, intrecciandosi con il femminismo intersezionale, offre strumenti teorici e pratici per ripensare radicalmente il modo in cui i dati vengono prodotti, analizzati e utilizzati: interrogarsi su chi li raccoglie, con quali finalità e con quali conseguenze significa affrontare direttamente le relazioni di potere della nostra società. La matrice del dominio dei dati e le pratiche di data collection e data analytics aiutano a comprendere queste dinamiche. Il ruolo crescente delle decisioni data-driven evidenzia i rischi di un affidamento acritico agli algoritmi e la necessità di sviluppare approcci più consapevoli e responsabili al fine di promuovere l'uguaglianza di genere attraverso strumenti misurabili e condivisi. Perché i dati non raccontano solo la realtà. La costruiscono!