《数据女性主义》：打破“数据客观”的神话，重塑数字时代的算法正义
“所谓‘原始数据’（Raw Data）不仅是一个自相矛盾的词，更是一个危险的借口。数据从来都不是自然生成的客观存在，它的采集、分类和运算，无一不浸透着权力的意志。”
- 原名：Data Feminism
- 作者：凯瑟琳·迪格纳齐奥 (Catherine D'Ignazio) / 劳伦·F·克莱恩 (Lauren F. Klein)
- 定位：将交叉性女性主义理论与现代数据科学（Data Science）直接缝合的开创性专著。
- 核心议题：算法霸权、数据伦理、隐形劳动可视化、女性主义认识论的工程学应用。
关于本书：当交叉性理论进入代码世界
在 21 世纪的数字资本主义语境下，“数据即石油”，算法统治着从信用评分、司法量刑到简历筛选的社会资源分配。传统科学界和硅谷精英倾向于将数据科学包装成一种“绝对中立、纯粹依靠数学逻辑运转”的客观体系。
《数据女性主义》彻底击碎了这种伪中立性。两位具有深厚计算机科学和数字人文背景的女性学者指出：目前主导全球数据科学的，依然是一个由处于社会特权阶层（白人、富裕、异性恋、四肢健全的男性）构成的高度同质化群体。如果任由这个群体在缺乏社会学反思的情况下垄断算法的编写，数据科学将不可避免地演变为现代父权制和白人至上主义的“技术洗白”工具。
本书并非单纯呼吁“让更多女性去学编程”，而是基于交叉性女性主义的思想库，系统性地提出了干预和重构数据科学的七大核心原则。
核心理论：数据女性主义的七大原则
作者将庞杂的女性主义理论提炼为七个具有高度实操性的行动准则，旨在对整个数据生产链条进行全方位的伦理审查。
原则一：审视权力 (Examine Power)
数据科学绝非在真空中运作。数据女性主义要求分析数据背后隐藏的权力结构。
- 不平等的数据采集：国家和资本倾向于收集对其实施控制、增加利润有用的数据。比如企业极其精确地收集员工的工作时长和轨迹，但社会层面却极度缺乏关于“女性遭受隐性家暴”或“原住民产妇死亡率”的系统性数据。
- 分析数据的第一步，是质问：“这项数据是由谁资助收集的？收集它为了谁的利益？谁被排除在了数据集之外？”
原则二：挑战权力 (Challenge Power)
认识到权力不平等后，必须付诸行动。
- 反数据 (Counter-data)：数据女性主义鼓励边缘群体主动建立自己的数据库。例如，针对官方对女性被谋杀（Femicide）数据的刻意淡化或掩盖，拉美的草根活动家通过手动统计新闻报道，建立了属于民间的“杀女数据库”，用数据作为反抗统治叙事的直接政治武器。
原则三：提升情感与具身性 (Elevate Emotion and Embodiment)
这一原则直接继承了唐娜·哈拉维对“上帝的诡计” (The God Trick) 的批判。
- 对“伪客观”的祛魅：传统数据可视化（如冰冷的条形图、极简的折线图）刻意剔除情感，试图营造一种“俯瞰众生的上帝般中立感”。
- 承认身体经验：数据女性主义主张打破“理智（高级）与情感（低级）”的二元对立。在呈现灾难、战争或性别暴力的数据时，应当允许情感共鸣和具身性体验的介入。因为剥离了受害者血肉的所谓“中立客观”，本质上是对苦难的二次消解。
原则四：反思二元论与等级制 (Rethink Binaries and Hierarchies)
父权制的底层逻辑是二元对立（男/女，自然/文化，理性/感性），这种逻辑被硬编码进了现代数据库的底层架构中。
- 分类的暴力：绝大多数信息系统的性别选项仍然只提供“男”和“女”的绝对二元单选。这种底层数据结构的设计，直接在系统层面上“抹杀”了跨性别者和非二元性别者，导致他们在申请贷款或医疗保障时遭遇系统性排斥。数据科学必须拒绝用简单的代码对人类复杂的身份进行削足适履。
原则五：拥抱多元主义 (Embrace Pluralism)
这一原则反抗的是科技界的“独狼天才”神话。
- 数据科学不应是由几个名校毕业的男性工程师在封闭的实验室里“闭门造车”。
- 它要求“参与式设计” (Participatory Design)。在建立任何预测模型或算法系统之前，必须将该系统可能影响到的边缘群体（如少数族裔、底层劳工）纳入决策和测试过程。只有多元的视角才能识别出算法中隐蔽的歧视。
原则六：考虑语境 (Consider Context)
“原始数据”（Raw Data）是一个伪概念。
- 数字不是真理，数字是人类在特定历史和文化背景下捕捉到的截面。
- 如果不考虑语境，直接将一个模型从一种文化平移到另一种文化，或者剥离历史去解读一组犯罪率数据，就会得出极度种族主义或性别歧视的结论。数据女性主义要求研究者必须为数据提供完整的历史与社会学注脚。
原则七：让劳动可见 (Make Labor Visible)
这是马克思主义女性主义在数字经济时代的精准平移。
- 人工智能的“人工”底座：科技巨头宣扬算法的“全自动魔力”，但刻意隐藏了维持这套系统运转的庞大底层数字劳工体系。
- 隐形劳动：是谁在为自动驾驶标注成千上万张图片？是谁在暗无天日的审核中心里人工过滤血腥和儿童色情视频，承受着极端的心理创伤？正是全球南方的底层女性和廉价劳工。数据女性主义要求，在展示任何光鲜的 AI 成果时，必须承认并显现其背后的数字再生产劳动。
现实启示：科技界的“认知游击战”
《数据女性主义》不仅仅是一本写给学者的书，它是写给每一位产品经理、程序员、数据分析师和普通互联网用户的“行动手册”。
它警告我们，如果不将交叉性女性主义的视角嵌入代码的编写和数据的清洗过程，人工智能不仅不会消除人类的偏见，反而会以“算法黑箱”的形式，将 19 世纪的种族主义和性别歧视固化为 21 世纪不可挑战的机器判决。
真正的科技向善，不能依靠硅谷科技寡头的道德施舍，而是需要所有被边缘化的群体，通过掌握数据工具，反向审查、拆解并重构整个数字控制基建。