Lyčių duomenų atotrūkis
Lyčių duomenų atotrūkį (gender data gap) galima apibūdinti kaip informacijos apie vyrus ir moteris netolygumą. Labai svarbu suprasti lyčių duomenų atotrūkį, nes jis gali lemti didelę nelygybę ir neteisybę. Neturėdami tikslių duomenų, politikos formuotojai, tyrėjai ir organizacijos gali nesuprasti unikalių iššūkių, su kuriais susiduria skirtingų lyčių atstovai, ir dėl to gali būti kuriama politika ir priimami sprendimai, kurie ignoruoja arba didina esamus lyčių skirtumus. Duomenų apie lytį atotrūkio mažinimas yra labai svarbus siekiant sukurti teisingesnę visuomenę, kurioje pripažįstami ir tenkinami kiekvieno žmogaus poreikiai ir patirtis.
Kur tai pasireiškia?
Lyčių duomenų atotrūkis gali pasireikšti įvairiai. Vienas iš ryškiausių šio atotrūkio pavyzdžių galime pastebėti sveikatos priežiūros srityje. Istoriškai moterys klinikiniuose tyrimuose buvo nepakankamai atstovaujamos, o tai yra iššūkis, kai reikia suprasti unikalius jų sveikatos poreikius. Vienas iš tokių pavyzdžių yra širdies infarktai. Širdies infarkto metu moterų patiriami simptomai dažnai laikomi netipiniais, nes skiriasi nuo tų, kurie paprastai būdingi vyrams. Deja, dėl šios priežasties, moterims gali būti neteisingai nustatyta diagnozė arba taikomas netinkamas gydymas, o tai gali lemti sunkias pasekmes. “Leeds” universiteto atliktame tyrime buvo išnagrinėti beveik 600 000 pacientų, per beveik dešimtmetį patekusių į NHS ligonines Anglijoje ir Velse, patyrusių širdies smūgį, įrašai. Nustatyta, kad trimis iš dešimties atvejų pirminė diagnozė skyrėsi nuo galutinės diagnozės. Kaip pabrėžė tyrėjas daktaras Chris Gale, ši pradinė klaidinga diagnozė gali turėti rimtų pasekmių, įskaitant padidėjusią mirtingumo riziką. Šios išvados pabrėžia, kad būtina skubiai užtikrinti didesnį moterų įtraukimą į medicininius tyrimus, kad visiems pacientams būtų nustatytos tikslios diagnozės ir taikomas tinkamas gydymas.
Moterų ir vyrų atotrūkis pasireiškia ne tik sveikatos priežiūros srityje – jis apima ir kitas sritis, pavyzdžiui, transportą. Rašytoja Caroline Criado Perez knygoje Invisible Women rašoma, kad automobiliai dažniausiai kuriami atsižvelgiant į vidutinį vyrą. Tai reiškia, kad automobilių saugos bandymams yra naudojami manekenai, paremta vyrų kūnais. Dėl šios priežasties moterims kyla didesnė rizika nukentėti autoįvykiuose, dėl jų skirtingo sudėjimo. Ši problema yra gana rimta, nes tai reiškia, kad moterys dažniau susižaloja ar net žūsta avarijose vien dėl to, kad automobiliai, kuriuos jos vairuoja, nebuvo sukurti atsižvelgiant į jas.
Kitas pavyzdys – miestų planavimas. Daugelis miestų ir viešųjų erdvių projektuojami neatsižvelgiant į moterų poreikius. Pavyzdžiui, prastai apšviestos vietos, viešųjų tualetų trūkumas ir nepakankamas viešasis transportas daro neproporcingai didelę įtaką moterims, riboja jų judėjimą ir kelia pavojų jų saugumui. Šie trūkumai skatina smurtą dėl lyties ir priekabiavimą, sudaro kliūtis moterims visapusiškai dalyvauti viešajame gyvenime.
Lyčių duomenų atotrūkis yra labai svarbus aspektas, ypač populiarėjant dirbtinio intelekto technologijoms. Kai nepakanka duomenų, atspindinčių skirtingas lytis, dirbtinio intelekto sistemos gali būti šališkos. Šis šališkumas lemia netikslius sprendimus ar prognozes, grindžiamas stereotipais ar neišsamia informacija. Pavyzdžiui, paimkime balso atpažinimo technologiją. Ji sunkiau atpažįsta aukštesnio tono balsus, daugiausia dėl to, kad trūksta duomenų apie moterų balsus. Dauguma tokių sistemų naudoja mokomuosius duomenis, kurių didesnę dalį sudaro duomenis su yra vyriškais balsais, o tai daro įtaką modelio veikimui su rečiau pasitaikančiais moteriškais balsais. Šis pavyzdys rodo, kad dėl lyčių šališkumo technologijose moterys vis dar patiria atskirtį, o tai riboja jų galimybes visapusiškai dalyvauti ir naudotis technologine pažanga.
Kodėl tai svarbu?
Lyčių duomenų atotrūkio mažinimas yra labai svarbus. Šis procesas yra esminis siekiant sukurti visuomenę, kurioje kiekvienas individas, nepriklausomai nuo lyties, turėtų galimybę pilnavertiškai dalyvauti visuomeniniame gyvenime ir naudotis visais teisėtais ištekliais bei galimybėmis. Taigi, lyčių duomenų rinkimas ir analizė tampa ne tik būtinybe, bet ir moraliniu bei socialiniu įsipareigojimu siekiant teisingumo ir lygybės.
Šaltiniai:
- McFee A. Data Bias: Understanding the gender data gap. EHL Insights. February 2024. https://hospitalityinsights.ehl.edu/data-bias-gender-data-gap;
- Caroline Criado Perez. We Need to Close the Gender Data Gap By Including Women in Our Algorithms. Time. https://time.com/collection/davos-2020/5764698/gender-data-gap;
- Making women and girls visible: Gender data gaps and why they matter. UN Women – Headquarters. https://www.unwomen.org/en/digital-library/publications/2018/12/issue-brief-making-women-and-girls-visible Published November 15, 2018;
- Rishelle Wimmer, SWE Editorial Board. Media: Invisible Women: Exposing data bias in a world designed for men – all together. All Together. https://alltogether.swe.org/2020/05/media-invisible-women-exposing-data-bias-in-a-world-designed-for-men Published May 7, 2021;
- Seldon. The Gender Data Gap in AI: Confronting Bias in Machine Learning. Seldon. https://www.seldon.io/the-gender-data-gap-in-ai Published February 29, 2024;
- Reporter GS. Women 50% more likely to be misdiagnosed after heart attack – study. The Guardian. https://www.theguardian.com/society/2016/aug/30/women-50-more-likely-to-be-misdiagnosed-after-heart-attack-study Published November 28, 2017.