Marcela Guerra. Datos y feminismo interseccional
De la serie Meteoritas: Por Itzel Evia Osalde
Tiritar de frío en oficinas cuya temperatura está regulada al termostato masculino, no alcanzar el estante superior colocado a la altura de un hombre o chocar en un coche cuyos test de seguridad no se han basado en las medidas de las mujeres son ejemplos que menciona Caroline Criado-Perez en su libro “La mujer invisible”, en el cual devela la brecha de datos de género y el alto precio que las mujeres pagan por vivir en un mundo construido a la medida de los hombres, tomado como la medida universal.
Esto lo sabe muy bien Marcela Guerra Osorno, maestra en políticas públicas, madre y activista, quien se he especializado en el feminismo de datos. Este término fue acuñado por Catherine D’Ignazio y Lauren Klein en 2020 y versa sobre cómo los datos son analizados desde el feminismo interseccional; es decir, no solo prestando atención a las mujeres, sino también a su raza, clase, sexualidad, edad o situación geográfica.
“Al margen que haya sido acuñada por 2 científicas de datos con la publicación propia de su libro (Data Feminism), tiene bases en la estadística y en la perspectiva de género de muchos años atrás, y la diferencia quizás con este feminismo de datos es accionar, es saber que existe una herramienta como la ciencia de datos que puede ser analizada desde estos principios del feminismo interseccional pero que su objetivo último es accionar en beneficio justo de las desigualdades que (se) empiezan a observar”
Marcela cuenta que el feminismo de datos ha transitado por un largo camino que comenzó desagregando las estadísticas por sexo y poco a poco evolucionó a estadísticas con perspectiva de género, en las cuales ya se visualizaban las asimetrías entre lo que les ocurría a hombres con ciertas características versus lo que les ocurría a mujeres (o que se auto adscriben como mujeres) con otras características. Sin embargo, la diferencia está en que en el feminismo de datos se obliga a dar el paso de accionar y ser activistas dentro de la rama de la estadística con perspectiva de género.
“Las científicas de datos refieren que es una nueva forma de ver la ciencia de datos desde el feminismo interseccional y me parece que es muy valioso considerarlo y también desde el accionar porque quizás es algo que no veíamos cuando simplemente hacíamos estadística con perspectiva de género.”
Tenía 6, tal vez 7 años cuando Marcela descubrió su amor por los números y no solo eso, su interpretación, lo que querían decirle. Matemáticas en particular le daba una satisfacción que no obtenía de ninguna otra asignatura: había una solución y, por si fuera poco, se podía comprobar esa solución. El reto de resolver un problema, la respuesta a ese problema y el cotejo de que la respuesta era la correcta la maravillaban. Sin embargo, el camino al feminismo fue más sinuoso. A los 24 años de edad nació su hija y al terminar su licencia de maternidad se enfrentó a cuestionamientos de distintos tipos.
“Empiezo a sentir esta resistencia en mi trabajo traducida en preguntas o cuestionamientos por parte de mis compañeros y compañeras de trabajo de manera muy sutil, no era un cuestionamiento directo sino sutil, con preguntas de ¿quién está cuidando a tu hija?, ¿te la está cuidando tu mamá?, si ya la estás dejando en la guardería ¿no la extrañas?, yo no hubiera podido dejarla en la guardería”
Como si se hubieran alineado los astros, a la par de que Marcela vivía estas circunstancias surgió la oportunidad de tomar un curso sobre perspectiva de género en su trabajo. Impartido por una académica de la UNAM, el curso abordaba planteamientos sobre los cuidados; lo que derivó en reflexiones sobre su maternidad y en que posteriormente, se inscribiera a la Maestría de Políticas Públicas y Género en la Facultad Latinoamericana de Ciencias Sociales (FLACSO).
“Al margen del título, del grado, de una superación personal, yo quería respuestas desde la academia y quería nombrar mi experiencia individual de lo que estaba atravesando. Ya estando dentro de la maestría es que me empieza a gustar el tema de la evidencia sustentada en estadística, entonces digo <bueno, esto siempre me ha gustado>, y es ahí cuando empiezo a juntar las dos áreas de interés que poco a poco fui entretejiendo”
Como dos temas que se van trenzando, el feminismo y la ciencia de datos, Marcela ha jugado para ambos bandos y en escenarios opuestos: presentarse como feminista datera en espacios donde no hay feministas con un perfil estadístico o en matemáticas; así como presentarse en espacios con compañeros de ciencia de datos y estadística que no tienen una perspectiva de género.
La resistencia está en las dos esquinas: dentro del movimiento feminista se perciben los datos como un aspecto frío, que no dimensiona la gravedad de la violencia de género o que las cifras dejan atrás el rostro de las víctimas; mientras que del otro lado, se argumenta que la estadística es dura, objetiva e imparcial, que no tiene sesgos y por eso mismo, el feminismo está de sobra.
Entre el desentendimiento hacia las ciencias duras y la rigidez de las mismas; hay otro tema que a Marcela le llama todavía más la atención: las emociones. Quienes analizan datos desde el feminismo, saben que más allá de la cifra, no se trata de una simple sumatoria tal cual productos en una tienda; sino que se entra al territorio de los problemas sociales, sistémicos, que amenazan la vida de las niñas, adolescentes y mujeres;
“Quienes lo hacemos desde este feminismo de datos, sabemos lo complejo del fenómeno y más si somos mujeres y nos identificamos como mujeres, es bien complejo desligar el que estés analizando este fenómeno con saberte que eres también población susceptible a ser objeto de ese fenómeno”
“Cuando estoy analizando esto, y también otras compañeras, empezamos a ver las probabilidades de que nos ocurra a nosotras. Y es algo muy impactante lidiar con tantas cifras y empezar a ver que el fenómeno de violencia es enorme y tan complejo (…) estamos viendo las probabilidades y estamos hilando <esto me puede ocurrir a mi> si estoy viendo que de manera sistemática esto ocurre a mujeres jóvenes de cierta edad que van a tal… bueno, empieza una incluso a cambiar de formas de habitar la ciudad <Mejor ya no salgo o de tal a tal hora porque yo ya sé a qué es propensa a que te suceda algo>”.
A Marcela le ha atravesado de distintas maneras, de repente empezó a sentir una preocupación extrema –pero fundada– de que algo pudiera ocurrirle a su hija, precisamente por todo el análisis de datos sobre la violencia hacia las mujeres. Reconocer la carga emocional es algo que mencionan Catherine D’ Ignazio y Lauren Klein en su libro Data Feminism, así como darles su justo lugar a esas emociones. Ante esto, Marcela ha optado por hacer análisis de datos sobre este tema de forma intermitente, un mes los trabaja y el siguiente mes o los siguientes dos meses descansa y así sucesivamente.
“También por salud mental, dejé de compartir fichas de desaparecidas en mis redes sociales, es algo que me afecta mucho, empiezo a ver la ficha y me empiezo a angustiar mucho y sí lo asocio con una cuestión de mi hija, sobre todo cuando veo jóvenes. Me afecta muchísimo y dejé de compartirlas en mis redes sociales, (porque) era algo que estaba sintiendo como carga hacia mi cuerpo”
Ahora hay un consenso general que lo que no se nombra, no existe. Y, sin embargo, no basta con nombrarlo… hay que cuantificarlo. En México existe la Encuesta Nacional sobre la Dinámica de las Relaciones en los Hogares (ENDIREH) generada por el Instituto Nacional de Estadística y Geografía (Inegi) en conjunto con el Instituto Nacional de las Mujeres (Inmujeres) que se realiza cada 5 años y brinda información sobre la violencia física, psicológica, económica, sexual y patrimonial que han experimentado las mujeres de 15 años y más. Además, proporciona información de los victimarios y los espacios donde tuvieron lugar las agresiones. Aun con la información que ofrece la ENDIREH y otras fuentes, si el rostro de la violencia fuera una imagen, todavía sería una que está muy pixeleada
“Sí seguir analizando la violencia, pero cada vez irle sumando más categorías de análisis que nos permita ir desmenuzando e ir dando (un) rostro más fino a la violencia (…) todavía no indagamos más o no nos preguntamos la identidad de género (…), quizás en temas de diversidad sexual hace falta más; también sobre los mismos temas de violencia pero vistos desde la óptica de la condición por discapacidad (…) entonces (es) empezar a cuestionar sobre otras categorías de análisis que nos permitan seguir dando rostro a un tema en el que ya se ha avanzado mucho”
Por otro lado, hay temas urgentes de los cuales los datos aún son insuficientes o la información sigue muy centralizada. Sobre esto, Marcela argumenta
“Hay temas que quizás todavía no los volteamos a ver o no tenemos suficiente información como puede ser el tema del aborto, hay información, pero todavía no es tan fina por el mismo contexto de acceder al derecho de aborto (…) En el tema de cuidados, del sistema de cuidados, tener más información, no tanto desde una perspectiva económica que sí la ha habido, sino un poco más integrar, hay temas que ya están desarrollados, pero hace falta cuestionarlos desde otras categorías y hay temas que todavía están pendientes de desarrollo”
Sobre la inteligencia artificial
En un proyecto de universidad, la activista informática Joy Buolamwini muestra como el sistema de análisis facial no reconoce su rostro de piel oscura y es hasta que se dibuja una cara en su palma (de un tono más claro), que el software reconoce un rostro. Después de ese descubrimiento, se consigue una máscara de color blanco para corroborar lo que intuía: el sistema de reconocimiento facial tenía un sesgo. Ante esto, se va a analizar la base de datos con los que se construyó ese software de reconocimiento facial y ve que todas las imágenes que se incluyeron para “alimentarlo” son rostros de personas blancas.
Además, el software predice de forma errónea los rostros de las mujeres afroamericanas. En un vídeo, Buolamwini refiere que las mujeres afroamericanas están siendo identificadas como hombres por sus rasgos. Es decir, introducen más información sobre mujeres blancas, porque cuando se analiza el rostro de una mujer afroamericana, lo predicen como si se tratara de un hombre. Sobre esto, Marcela añade:
“En temas de análisis de datos y de inteligencia artificial o de lenguaje automatizado de máquina, no es que exista desigualdad per se (…) sino que más bien estos reproducen lo que ya sucede en nuestra sociedad, por eso la importancia del feminismo de datos porque nos dice qué una máquina va a absorber instrucciones que una persona le dé”.
Además, detalla en las categorías que muchas veces no nos atraviesan –como, por ejemplo, podría ser la discapacidad- y que por eso mismo, no se cuestionan. Y así, se reproduce un sesgo. Para finalizar, Marcela puntualiza:
“No es que los datos aumenten la desigualdad sino que quienes estamos detrás de los análisis de datos reproducimos esa desigualdad (…) la indicación para las compañeras es (que) hay que entrarle a la ciencia de datos porque es una herramienta de poder y necesitamos entrarle de lleno para poder hacer análisis que necesitamos y a las otras compañeras y compañeros que quizás están muy centrados en el análisis de datos sin perspectiva de género, sí les invito a sumarse y entenderlo como una obligación social que sí tenemos que saber que lo que analizamos tiene repercusiones y que no podemos asumir que no las tiene, y que si las no las asumimos como tal simplemente vamos a seguir reproduciendo los sesgos que tenemos en este escenario de la ciencia de datos”.
*Esta entrevista forma parte de Meteoritas, un proyecto de periodismo narrativo feminista que entrevista a mujeres de a pie, que día a día mueven el mundo. Es un retrato escrito de su vida, sus oficios y su relación con la comunidad. Es coordinado por Itzel Evia Osalde.