دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Catherine D'Ignazio. Lauren F. Klein
سری: Strong Ideas
ISBN (شابک) : 0262044005, 9780262044004
ناشر: MIT Press
سال نشر: 2020
تعداد صفحات: 328
[327]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 39 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Data Feminism به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب فمینیسم داده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
شیوه جدیدی از تفکر در مورد علم داده و اخلاق داده که از ایده های فمینیسم متقاطع آگاه می شود. امروزه علم داده نوعی قدرت است. از آن برای افشای بی عدالتی، بهبود نتایج سلامت و سرنگونی دولت ها استفاده شده است. اما از آن برای تبعیض، پلیس و نظارت نیز استفاده شده است. این پتانسیل برای خیر، از یک سو، و آسیب، از سوی دیگر، این سوال را ضروری می کند: علم داده توسط چه کسی؟ علم داده برای چه کسی؟ علم داده با علایق کیست؟ روایات پیرامون کلان داده و علم داده عمدتاً سفیدپوست، مردانه و قهرمانانه هستند. در فمینیسم داده، کاترین دیگنازیو و لورن کلاین روش جدیدی از تفکر در مورد علم داده و اخلاق داده ارائه می دهند - روشی که از تفکر فمینیستی متقاطع آگاه می شود. D'Ignazio و Klein با نشان دادن فمینیسم داده در عمل، نشان میدهند که چگونه چالشهای دودویی مرد/زن میتواند به چالش کردن دیگر سیستمهای طبقهبندی سلسله مراتبی (و از لحاظ تجربی اشتباه) کمک کند. آنها توضیح میدهند که برای مثال، درک احساسات میتواند ایدههای ما را در مورد تجسم مؤثر دادهها گسترش دهد، و چگونه مفهوم کار نامرئی میتواند تلاشهای انسانی قابلتوجه مورد نیاز سیستمهای خودکار ما را آشکار کند. و آنها نشان میدهند که چرا دادهها هرگز و هرگز \"از طرف خودشان صحبت نمیکنند\". فمینیسم دادهها استراتژیهایی را برای دانشمندان دادهای ارائه میدهد که به دنبال یادگیری این هستند که چگونه فمینیسم میتواند به آنها کمک کند تا به سمت عدالت کار کنند، و برای فمینیستهایی که میخواهند تمرکز کنند. تلاش آنها در زمینه رو به رشد علم داده است. اما فمینیسم داده بسیار بیشتر از جنسیت است. این در مورد قدرت است، در مورد اینکه چه کسی آن را دارد و چه کسی ندارد، و در مورد اینکه چگونه می توان آن تفاوت های قدرت را به چالش کشید و تغییر داد.
A new way of thinking about data science and data ethics that is informed by the ideas of intersectional feminism. Today, data science is a form of power. It has been used to expose injustice, improve health outcomes, and topple governments. But it has also been used to discriminate, police, and surveil. This potential for good, on the one hand, and harm, on the other, makes it essential to ask: Data science by whom? Data science for whom? Data science with whose interests in mind? The narratives around big data and data science are overwhelmingly white, male, and techno-heroic. In Data Feminism, Catherine D'Ignazio and Lauren Klein present a new way of thinking about data science and data ethics-one that is informed by intersectional feminist thought. Illustrating data feminism in action, D'Ignazio and Klein show how challenges to the male/female binary can help challenge other hierarchical (and empirically wrong) classification systems. They explain how, for example, an understanding of emotion can expand our ideas about effective data visualization, and how the concept of invisible labor can expose the significant human efforts required by our automated systems. And they show why the data never, ever "speak for themselves." Data Feminism offers strategies for data scientists seeking to learn how feminism can help them work toward justice, and for feminists who want to focus their efforts on the growing field of data science. But Data Feminism is about much more than gender. It is about power, about who has it and who doesn't, and about how those differentials of power can be challenged and changed.