【學術演講】#活動側記 〖從女性主義方法學到資料女性主義〗

◜◝◟◞【#活動側記】從女性主義方法學到資料女性主義◜◝◟◞◜

▱ ▰▱ ▰▱ ▰▱ ▰▱ ▰▱

▍主題：從女性主義方法學到資料女性主義

▍主講人：余貞誼 副教授｜高雄醫學大學性別研究所

▍主持人：蔡麗玲 教授｜國立高雄師範大學性別教育研究所

女性主義方法論是從何而來？是為了與誰對話？講師分享這是源自於實證主義的基礎，過去因為啟蒙時代的奠基，對理性與科學的重視，區分出與神聖科學的傳統。科學的獨特性在於追求自然規律和因果實的可靠描述和解釋方法，且沒有價值關懷。在一般常識下的科學知識，是一個實存的東西，透過方法或實驗去驗證出本體。

實證主義傳統下的科學社會學，逐漸從本體論轉移到建構論，意即在生產科學的時候，像是認為什麼樣的問題值得被研究？用什麼技術去討論？這些本身就是社會建構出來的，社會因素在科學知識的生產、改變和發展過程扮演的重要角色，因此科學與技術本身就是一個社會性的存在，甚至是動態的，而非自然。

女性主義的方法論在這個脈絡裡面中成長，其與認識論與本體論是交織在一起，女性主義採取的本體論是建構主義，主張性別的概念與行動是社會建構的，舉例來說，在認定廁所的選擇時是用解剖學，在運動賽事上從基因到後來是睪固酮又變成基因。至於女性主義的認識論以經驗論主張，主張方法論只能應用在「正當化脈絡」之上，不能應用在「發現的脈絡」，像是不孕症為例，在意的是怎麼生出小孩，而不是身體為什麼會有不孕的情況，這背後發現問題的脈絡牽涉到科學家的價值觀。因此，從上述結合女性主義立足點理論，其便是從女性被壓迫的經驗，能讓他看見男性中心主義的偏誤，因而生產出更全面且不受扭曲的理解，這兩者皆挑戰實證主義信條，主張知識的生產不可忽略自我的處境。

女性主義研究常常被挑戰為什麼少少的樣本就可以值得參考？這樣就是客觀的嗎？對此，女性主義認為的客觀性來自於體現的客觀性，意即情境知識，理解科學使用的視角是如何運作，並看見其所中介出來的組織世界之方式，帶有什麼樣的局部性。畢竟科學的脈絡本身亦有地方知識、局部理解的困境，因此女性主義的方法論重視可說明性，透過反身性來披露知識的基礎，其目的是為了要讓人看見秉持的預設是什麼、分析上的限制又會是什麼，此外，還有責任感的重要，讓處於權力佈局中較為弱勢的位置得以展現其力量，極端的價值之間並沒有平等，因為終究有性別平等的想望，從中創造出可對話、可辯證的空間，讓經驗被體現出來。

AI的知識基礎有本體論，像是把事物轉成後設資料的形式，使得資料的意義轉變成能夠依據探究目的來運送處理的邏輯判準，然而這之中還是會有社會性的層面，舉例像是一場演講的分析，需要囊括時間、地點、講師等，這背後因素上的選擇牽涉到價值觀的立判。再者，以認識論切入，AI是以演算法來梳理肉眼未能察覺的模式和結構，所以得出的模式和結構是具普遍性意義的。最後，以方法論著眼，AI訴諸機械客觀性，以上皆是普遍對AI的基本且理性的想像。

AI資料的中性其實牽涉「控制」環節。第一，資料不是絕對中性的，因為「資料化的世界」與「世界本身」的對應經常是不足的。第二，大數據不能代表整體，因為在資料處理的過程中蘊含不均衡的選擇過程，像是資料來自何處（收集）？哪些「不適」資料需要被刪除（篩選）？以何種型態來儲存資料（綱要化）？第三，資料不會自己連結意義，因為資料的意義需要透過雙重管道來詮釋，因為從進入生產資料的知識基礎結構來理解資料，反過來還有理論關懷中選擇適當的框架來詮釋資料。對此，舉例來說再犯預測系統COMPAS，可以看見黑人被系統判定危險且再犯是最高機率的，然而COMPAS則說自己使用的再犯預測模型是沒有的，但這讓非營利媒體ProPublica提出「偽陽性」、「偽陰性」的模型去討論，因此可以看到演算法的模型依存著社會上所看重的價值（像是法官的意見大於犯罪者的想法），那麼我們認為哪一種演算法「最適用」？這背後的脈絡牽涉的層面是複雜的。

資料女性主義主張「資料就是權力」，指出資料可以用來鞏固既存的階層，同時蘊涵並維繫著不平等，資料計畫（像是大數據、AI應用）本身就是一種政治行動。將女性主義的關懷進入到資料計畫的目的，在於去揭露資料計畫如何成立（提出哪些提問？以何者作為解方？為誰謀福祉？）、如何被設計（誰在設計？）、以及被社會接受的脈絡和路徑。藉此看見彼此的價值判斷基礎是什麼，才能走向一個共存共榮社會的可能性。

因此，資料女性主義提醒我們，數據並非客觀中立，而是內嵌於社會權力結構中的產物。透過批判性分析，我們能夠理解資料如何反映並強化不平等，進而探索更具包容性與正義性的資料實踐。在AI與大數據驅動的時代，女性主義視角提供了一種反思框架，使我們得以審視資料生產的過程與影響，並推動更加負責任的技術發展。唯有如此，我們才能在科技與社會之間找到更平衡的對話，實現真正意義上的數據正義與社會公平。