DIGITAL ISSN 2953-4739
Revista de Seguridad Operacional#1 – (diciembre-2022)
[30-35]
http://id.caicyt.gov.ar/ark:/s29534739/l2718eenc
ARTÍCULO DE DIVULGACIÓN
¿POR QUÉ NECESITAMOS DATOS Y ESTADÍSTICAS CON PERSPECTIVA DE GÉNERO EN EL TRANSPORTE?
Why do we need gender-sensitive data and statistics in transportation?
Autor: Ivana Feldfeber. Directora Ejecutiva de la Asociación Civil DataGénero.
Resumen
El estudio de la movilidad con perspectiva de género contribuye a crear políticas públicas en el ámbito del transporte que garanticen la seguridad de todas las personas, tengan sensibilidad hacia las problemáticas sociales y no reproduzcan desigualdades.
En este trabajo se aportan claves para responder a la siguiente pregunta: ¿qué son los datos con perspectiva de género? Las soluciones y los análisis basados en datos tienen implicancias reales en la vida diaria de las personas. De modo que, si se reproducen sesgos de género en ellos, las mujeres cisgénero y personas LGBTTINB+ continuarán en situación de desventaja en relación con los varones cisgénero.
Abstract
The study of mobility with a gender perspective contributes to the creation of public policies in the field of transportation that guarantee the safety of all people, are sensitive to social problems and do not reproduce inequalities.
This paper provides keys to answering the question: what is gender-sensitive data? Data-driven solutions and analyses have real implications for people's daily lives. So if gender biases are reproduced in data, cisgender women and LGBTTINB+ people Will continue to be disadvantaged relative to cisgender men.
Palabras clave: TRANSPORTE- SEGURIDAD OPERACIONAL- MOVILIDAD UNIVERSAL- GÉNERO- ANÁLISIS DE DATOS.
Keywords: TRANSPORT- SAFETY- UNIVERSAL MOBILITY- GENDER- DATA ANALYSIS.
Recibido: 15/10/2022.
Aceptado: 12/11/2022.
Este trabajo está bajo una Licencia Creative Commons Atribución 4.0 Internacional
¿POR QUÉ NECESITAMOS DATOS Y ESTADÍSTICAS CON PERSPECTIVA DE GÉNERO EN EL TRANSPORTE?
El estudio de la movilidad con perspectiva de género contribuye a crear políticas públicas en el ámbito del transporte que garanticen la seguridad de todas las personas, que tengan sensibilidad hacia las problemáticas sociales y que no reproduzcan desigualdades.
Hoy en día se producen grandes volúmenes de datos y cada vez más gobiernos y empresas los utilizan para tomar decisiones estratégicas y proyectar su crecimiento o desarrollo, y también para analizar lo sucedido con anterioridad. Pero de lo que se habla poco es sobre los datos con perspectiva de género. Y aquí surge la pregunta: ¿qué son los datos con perspectiva de género?
Para responder a esta pregunta podríamos decir que en realidad los datos en sí mismos no tienen perspectiva de género, no son ni buenos ni malos, son herramientas conceptuales construidas de forma técnica a través de una determinada metodología. Entonces, cuando hablamos de datos con perspectiva de género nos referimos a aquellas prácticas que rodean los datos (planificación, recolección, análisis, comunicación) y a las personas que llevan a cabo estas acciones. Es allí donde se debe transversalizar la perspectiva de género. Hablar de datos con perspectiva de género implica preguntarnos, entre muchas cosas, si esos datos son realmente representativos, y si se consideran variables como género, identidad y sexo biológico, entre otros.
Los análisis y soluciones basados en datos tienen implicancias reales en la vida diaria de las personas. Por ejemplo, hoy en día los datos se utilizan para entrenar algoritmos que pueden reconocer nuestros rostros, que pueden ayudar en la toma de decisiones sobre nuestra economía (por ejemplo, si cierta persona debería recibir un crédito o no, en función de ciertas variables). De modo que si se reproducen sesgos de género en ellos, las mujeres cisgénero y personas LGBTTINB+1 continuarán en situación de desventaja en relación con los varones cisgénero.
Cuando pensamos en el sector público, los datos que tenemos y lo que hacemos con ellos importa. Y por eso es tan importante que las personas que trabajan en el Estado estén capacitadas y tengan herramientas para crear procesos de datos que tengan sensibilidad hacia las problemáticas sociales y que no reproduzcan desigualdades.
Es por esto que la transversalización de la perspectiva de género en las políticas públicas es un tema fundamental. Esta idea hace referencia a la presencia de una mirada sensible al género, es decir, que considere al género como variable de exclusión, en todas las políticas públicas de un Estado, y no únicamente en aquellas dirigidas a mujeres y personas LGBTTINB+ (ECOSOC, 1997). La perspectiva de género puede aplicarse en todos los ámbitos, hasta en aquellos menos pensados, como por ejemplo, qué veredas despejar cuando nieva. El libro La mujer invisible de Caroline Criado-Perez cuenta algunos casos donde no se tuvo en cuenta la perspectiva de género para tomar decisiones al nivel gubernamental, o al diseñar productos, o al pensar espacios. La autora cuenta que en el año 2011 en Suecia comenzaron a auditar todas sus políticas para ver si estas tenían o no perspectiva de género. Un oficial del gobierno un poco cansado dijo: “Al menos la auditoría no va a meterse con el trabajo de sacar la nieve de los caminos y las veredas”, asumiendo que esta tarea escapaba a cuestiones de género.
Si bien los datos existentes sobre el transporte a nivel mundial no son suficientes, estos muestran que las mujeres en general usan el transporte público o se trasladan a pie más que los hombres. En Francia dos tercios de las personas usuarias de transporte público son mujeres, en EE. UU. es alrededor de un 63%. Los hombres, al ser “jefes de hogar”, en general son los que manejan los autos. En este caso no solo importa el cómo, sino porqué las personas viajan. Los hombres en general tienen un patrón de viaje definido, dos veces por día para ir y volver del trabajo, usualmente por la misma ruta. Pero los patrones de viaje de las mujeres suelen ser más complicados, ya que las mujeres hacen el 75% del trabajo no remunerado doméstico en el mundo. Un patrón típico de viaje de mujeres involucra dejar a sus hijos o hijas en sus escuelas o jardines, para luego ir al trabajo, llevar a consultas médicas a adultos mayores a cargo e incluso ir a comprar víveres al supermercado o almacén. A este patrón se le llama viaje en cadena, ya que son varios viajes cortos encadenados entre sí. Es una forma observada de viaje de mujeres a lo largo del mundo.
En Europa una mujer con un hijo o hija menor a 5 años tiene 54% más chances de realizar estos viajes en cadena que un hombre con un hijo o hija menor a cinco años, que tiene un 19%. Por lo tanto, lo que comenzó como un comentario jocoso de un empleado gubernamental, terminó por cambiar las decisiones sobre qué espacios limpiar de nieve primero, siendo las veredas y caminos la prioridad para que las mujeres puedan transitar sin riesgos.
En el libro Feminismo de Datos, de Catherine D´ Ignazio y Lauren Klein (2020), utilizan una lente feminista interseccional para examinar las estructuras de poder desiguales en el ámbito de los datos, y destacan los intentos realizados para rectificarlas, escribe Prachi Shukla en la reseña que publicó en el blog de la London School of Economics and Political Science. Las autoras muestran a través de múltiples ejemplos cómo los datos que recopilamos son representativos de nuestra sociedad desigual y exponen muchos ejemplos de organizaciones no gubernamentales y activistas que trabajan para contrarrestarlos y exponer las consecuencias de las prácticas desiguales.
En particular cuentan un caso paradigmático que sucedió en Estados Unidos:
En 1971, el Detroit Geographical Expedition and Institute (DGEI) publicó un provocativo mapa llamado Where Commuters Run Over Black Children on the Pointes- Downtown Track [Donde los conductores atropellan a infancias Negras en la ruta Pointes-Downtown]. El mapa (Figura 1) utiliza puntos negros para ilustrar los lugares donde ocurrieron los asesinatos en la comunidad. En una sola esquina hubo seis infancias asesinadas por conductores blancos en el transcurso de seis meses. En el mapa, los puntos cubren toda la cuadra.
Las personas que vivían a lo largo de esta ruta hacía tiempo que reconocían la magnitud del problema, así como su profundo impacto en la vida de amistades y del vecindario. Pero la recopilación de datos que avalaban lo que ocurría resultó ser un gran desafío. Nadie mantenía registros detallados de estas muertes, tampoco se ponía a disposición del público información básica sobre lo que sucedía. “No conseguíamos esa información”, explica Gwendolyn Warren, quien fue la organizadora con sede en Detroit que encabezó una colaboración única: la alianza entre la juventud Negra de los vecindarios circundantes y un grupo dirigido por varones blancos geógrafos académicos de universidades cercanas.
A través de la colaboración, los y las jóvenes aprendieron técnicas de mapeo de vanguardia y, guiados por Warren, aprovecharon su conocimiento in situ para producir una serie de informes integrales, que cubrían temas como las desigualdades sociales y económicas entre las infancias del vecindario. También realizaron propuestas para que hubiera nuevos límites del distrito escolar que fueran más equitativos racialmente6” (traducción de DataGénero sobre el libro Data Feminism). Tanto en este caso como en el caso de Suecia, podemos ver que hay que prestarle atención a los datos, ya que detrás de ellos se pueden entrever las desigualdades y pujas de poder de nuestra sociedad. Por eso, al trabajar con datos de población o datos que afectan de alguna u otra manera a las personas, tenemos una gran responsabilidad. Y esa responsabilidad se traduce, por un lado, en recolectar los datos de manera sensible, en realizar análisis teniendo en cuenta las diversas situaciones de opresión en nuestra sociedad, y por otro lado, en comunicar de la mejor manera posible los resultados.
Con respecto al punto de la recolección, siempre es necesario entender que más datos no siempre son la solución. Desde el Observatorio de Datos con Perspectiva de Género, DataGénero, insistimos siempre en preguntar, ¿para qué se van a utilizar los datos que estamos recolectando? Reflexionar sobre el para qué incorpora la dimensión ética al análisis. Muchas veces escuchamos a grupos de programadores entusiasmados por el nivel de detalle de la información obtenida —o anhelando altos niveles de capilaridad de la información— y en este punto nos interesa hacer un llamado de atención. Primero, respecto de la normativa vigente y el deber de protección de los datos personales previsto en la Ley 253267; y segundo, sobre las consideraciones éticas. Cuando los datos individualizan a las personas podemos ponerlas en riesgo, especialmente a los grupos minorizados.
Es una hermosa ilusión pensar que vamos a llegar a resolver todos los problemas con datos con altísimo nivel de detalle, pero nunca sabemos en manos de quiénes podrían caer. Datos con estas características también pueden servir para perseguir, vigilar y violentar a las personas, aunque seguramente este no haya sido nuestro propósito inicial.
Figura 1: es una imagen de un informe que documentaba las desigualdades raciales de las infancias ubicadas en Detroit. El mapa fue creado por la directora administrativa del Instituto y Expedición Geográfica de Detroit (DGEI), Gwendolyn Warren, en una colaboración entre los y las jóvenes negros en Detroit y geógrafos académicos blancos (...).
Fuente: Gwendolyn Warren, “About the Work in Detroit”, en Field Notes No. 3: The Geography of Children, Part II (East Lansing, MI: Detroit Geographical Expedition and Institute, 1971). Crédito: Cortesía de Gwendolyn Warren, la Expedición Geográfica de Detroit y el Instituto.
Es por esto que acercamos una serie de recomendaciones para transversalizar la perspectiva de género en el mundo de los datos:
1. Transversalizar la perspectiva de género en todas las etapas
Nos referimos a transversalizar la perspectiva de género en el espectro completo que implica trabajar con datos. Desde que se planifica la forma en la que los datos serán recolectados, hasta el análisis, visualización y comunicación final. Ese proceso tiene que ser sensible al género y a sesgos de índole racistas, clasistas y capacitistas y no limitar los cuestionamientos sobre si esta perspectiva está presente solamente, por ejemplo, durante el entrenamiento de algoritmos. La perspectiva de género debe de ser constitutiva del proceso.
2. Capacitación permanente en géneros y problemáticas sociales
Es un hecho ineludible que aquellos equipos de trabajo que cuentan con capacitación permanente en problemáticas de género tienen mucho más presentes las desigualdades y la invisibilización que sufren las mujeres cisgénero y personas LGBTTINB+, y suelen generar herramientas, análisis y políticas más inclusivas y comprometidas con un mundo mejor.
3. Equipos interdisciplinarios
Los equipos interdisciplinarios son ideales para trabajar con datos que afectan a la sociedad, ya que tendrán en cuenta una mayor diversidad de problemáticas abordando de manera integral los problemas para resolver.
4. Contextualizar los datos
Los datos requieren de contexto, por ello deben contar con metadatos sobre las fuentes, definiciones y otras consideraciones especiales que ayudan a explicar quién, cómo, cuándo y por qué se crearon los datos con los que estamos trabajando.
DataGénero expresa que “los metadatos son información del contexto: de dónde provienen, quién los recolectó, a través de qué herramienta y con qué fines. ¿Por qué es importante tener esta información? Porque sin el contexto de los datos, hay información clave que nos falta”. Los metadatos nos explican cómo fueron producidos los datos originales y cuál es su fórmula, y al mismo tiempo nos alertan sobre cuestiones para tener en cuenta durante su análisis.
5. Responsabilidad, rendición de cuentas y consideraciones éticas
Entre algunas consideraciones éticas durante el trabajo con datos es fundamental preguntarnos sobre los fondos y el financiamiento que están detrás de la producción de dichos datos: ¿quién y para qué invierte en estos relevamientos? Esta información puede darnos una pista sobre las intenciones de la creación o recolección de esos datos y nos puede advertir de posibles sesgos o resultados esperados que puedan distorsionar su análisis.
A su vez, es fundamental priorizar en todo momento la privacidad de la información, la protección de las bases de datos y fuentes, así como su anonimización, ya que resultan esenciales para garantizar el cumplimiento de los derechos de las personas, y para tener datos de calidad.