کار نامرئی در علم داده

این نوشتار، خلاصه‌ای از فصل آخر کتاب «فمینیسم داده»، نوشته کاترین دیگنازیو و لارین کلین می‌باشد که به کار نامرئی پرداخته است. کارهای نامرئی بخشی جداناپذیر از حیات هر روزه ما را تشکیل می‌دهند. نتایج این کارها را می‌توان در هر لحظه از زندگی اجتماعی و در بخش‌های گوناگون جامعه مشاهده کرد. تولید علمِ داده و محصولات آن نیز از این مساله مستثنی نیستند. گسترش علمِ داده وام‌دار کارهای کوچک و بزرگ بسیاری است که پشتوانه تولید آن را فراهم می‌کنند؛ از تمیزکردن و برچسب‌زنی داده‌ها گرفته تا پیاده‌سازی و بهینه‌سازی الگوریتم‌ها. با این‌حال، بسیاری از این کارها اغلب ناشناخته می‌مانند و دیده نمی‌شوند. هنگامی‌که یک محصولِ علمِ داده ارائه می‌شود، معمولا شرکت‌ها یا افراد مطرحی که در پیاده‌سازی آن نقش داشته‌اند مورد توجه قرار می‌گیرند، اما موفقیت آن‌ها مدیون مشارکت افراد بسیاری‌ست که داده‌ها و امکانات اولیه را فراهم کرده‌اند و وجود آن‌ها تا حد زیادی نادیده گرفته می‌شود. این فقدان به‌رسمیت‌شناختن، نشان‌دهنده موضوعی عمیق‌تر از استثمار بسیاری از کارها در اقتصادِ علمِ داده است که میریام پوسنر آن را «زنجیره تامین داده» می‌نامد [1].
بسیاری از پروژه‌های داده در مقیاس بزرگ، برای کارهایی مانند جمع‌آوری داده، ورود داده، برچسپ‌زنی آن‌ها، و حتی توسعه الگوریتم‌ها، به جمع‌سپاری (crowdsourcing) وابسته هستند و پلتفرم‌هایی مانند MTurk آمازون نقش مهمی در این رابطه بازی می‌کنند. این پلتفرم‌های جمع‌سپاری به شرکت‌ها امکان می‌دهد تا پروژه‌های خود را به کارهای کوچکی تقسیم و آن‌ها را به نیروی کار جهانی واگذار کنند. نیرویی که این کارها را با دستمزدهایی پایین، اغلب پایین‌تر از حداقل دستمزد، انجام می‌دهند و بدنه آن‌ها را اکثرا زنان، رنگین‌پوستان، یا کارگران کشورهای کم‌درآمد می‌سازند. بدون خدمات این افراد، گسترش ابزارهایی مانند ChatGPT هیچ‌گاه ممکن نبود، اما این افراد و خدمات آن‌ها اغلب اوقات نامرئی می‌مانند.
این نامرئی‌بودن تصادفی نیست. در واقع، این بخشی از یک الگوی گسترده‌تر از استثمار نیروی کار سرمایه‌داری است که کنش‌گران و پژوهشگرانی مانند سیلویا فدریچی و لیلی ایرانی به آن اشاره کرده‌اند. لیلی ایرانی با بررسی پلتفرم‌هایی مانند MTurk نشان می‌دهد که چگونه اتکا به نیروی کار ارزان و ناپایدار برای ساخت محصولات داده، در امتداد شیوه‌های تاریخی است که کارهای بازتولیدی را کم‌ارزش قلمداد کرده و مورد استثمار قرار داده‌اند [2][3][4]. کارگران این پلتفرم‌ها، که اغلب از گروه‌های به‌حاشیه‌رانده‌شده هستند، وظایف تکراری و طاقت‌فرسایی را که برای آموزش الگوریتم‌ها لازم است، انجام می‌دهند. گاهی از این کارها به‌عنوان فرصت‌های شغلی یا حتی امکاناتی خیرخواهانه یاد می‌شوند که فرصت‌های کاری برای گروه‌های گوناگون فراهم کرده است، اما این پلتفرم‌ها، در واقع، نابرابری‌های ساختاری عمیقی را بسط می‌دهند که در آن‌ها، نیروی کار برای کاهش هزینه‌ها و افزایش سود شرکت‌ها پنهان می‌ماند و دیده نمی‌شود.
پرداختن به این مساله، نیازمند بازنگری اساسی در نحوه ارزش‌گذاری و به‌رسمیت‌شناختن مفهوم «کار» است. با الهام از جنبش‌هایی مانند کمپین «دستمزد برای کار خانگی» که در دهه ۱۹۷۰ مفاهیم سنتی بهره‌وری را به چالش کشید، باید درک موجود از مفهوم کار را مورد بازبینی قرار داد [5]. جنبش «دستمزد برای کار خانگی» با پشتیبانی سیلویا فدریچی، از چهره‌های شناخته‌شده‌ی نظریه کار فمینیستی، بر کارهای بدون‌دستمزد و نامرئی تأکید داشت که برای عملکرد اقتصاد سرمایه‌داری حیاتی هستند. کارهایی که عمدتا توسط زنان در محیط‌های خانگی و به‌عنوان کار «بازتولیدی» انجام می‌شوند، کارهایی مانند پخت‌وپز، نظافت، و مراقبت. اگرچه این کارها اغلب نامرئی هستند و بدون‌دستمزد انجام می‌شوند، اما اساسِ حیاتِ نیروی کار و در نتیجه چرخه اقتصاد را فراهم می‌کنند. فدریچی و هم‌فکرانش با تعریف مجدد این کارها به‌عنوان کارهای ضروری و نه «غیرمولد»، وابستگی کارهای دستمزدی و «مولد» را به آن‌ها نشان دادند. همین بینش، برای درک کارهای نامرئی در علمِ داده، که در آن بسیاری از نقش‌های ضروری برای عملکرد سیستم‌ها نادیده گرفته می‌شود، اهمیت دارد.
سارا احمد، نظریه‌پرداز فمینیست، بر لزوم اعتبار دادن به مشارکت‌های افراد به‌حاشیه‌رانده‌شده تاکید می‌کند [6]. او مطرح می‌کند زمانی که کار زنان، افراد رنگین‌پوست یا گروه‌های دیگر به‌رسمیت شناخته نشود، تلاش‌های آن‌ها نامرئی شده و دیده نمی‌شوند و همین مساله به تقویت طرد نظام‌مند آن‌ها کمک می‌کند. سارا احمد معتقد است که باید با شیوه‌های گوناگون، مانند استناد به کارها (citation)، به‌طور فعال در برابر روایت‌های غالب که برخی از اشکال کار را برجسته و برخی دیگر را حذف می‌کنند، مقاومت کرد. در علمِ داده، اطمینان از دیده‌شدن کسانی که داده‌ها را جمع‌آوری، پردازش و مدیریت می‌کنند، برای به چالش کشیدن این ساختار ضروری است. و البته آشکار ساختن کارهای نامرئی، تنها به معنای قدردانی از مشارکت‌ها نیست؛ بلکه به معنای تحول در نحوه ارزش‌گذاری و پاداش‌دهی به کارهایی است که اقتصادها و جوامع ما را پشتیبانی می‌کند. با اعتبار بخشیدن به کارهای اغلب پنهان در پشت محصولاتِ علمِ داده، می‌توان گامی به سوی آینده‌‌ای فراگیرتر و عادلانه‌تر در دنیای علمِ داده برداشت، آینده‌ای که در آن همه مشارکت‌کنندگان دیده شوند، به کار آن‌ها ارزش داده شود، و به‌طور منصفانه برای نقشی که در ساختن محصولاتِ علمِ داده داشته‌اند، پاداش دریافت کنند.

[1] Miriam Posner, "See No Evil", Logic Magazine, April 2018, https://logicmag.io/04-see-no-evil/
[2] Lilly Irani, "Difference and Dependence Among Digital Workers: The Case of Amazon Mechanical Turk", South Atlantic Quarterly 114.1, 2015: 225-234
[3] Lilly Irani, "The Cultural Work of Microwork", New Media & Society 17.5, 2015: 720-739
[4] Lilly Irani, "Justice for data janitors." Think in Public: A Public Books Reader", Columbia University Press, 2019: 23-40
[5] Silvia Federici, "Wages Against Housework", Bristol: Falling Wall Press, 1975
[6] Sara Ahmed, "Making Feminist Points", Feministkilljoys (blog), September 2013, https://feministkilljoys.com/2013/09/11/making-feminist-points/