{"id":781,"date":"2023-05-20T12:00:48","date_gmt":"2023-05-20T10:00:48","guid":{"rendered":"podlove-2023-05-17t09:31:48+00:00-ef672450ea43266"},"modified":"2023-06-14T14:22:43","modified_gmt":"2023-06-14T12:22:43","slug":"dl038-data-feminism","status":"publish","type":"podcast","link":"https:\/\/www.datenleben.de\/index.php\/2023\/05\/20\/dl038-data-feminism\/","title":{"rendered":"dl038: data feminism"},"content":{"rendered":"\n\t\t\n            <div class=\"podlove-web-player intrinsic-ignore podlove-web-player-loading\" id=\"player-69f20bc447783\"><root data-test=\"player--xl\" style=\"max-width:950px;min-width:260px;\">\n  <div class=\"tablet:px-6 tablet:pt-6 mobile:px-4 mobile:pt-4 flex flex-col\">\n    <div class=\"flex-col items-center mobile:flex tablet:hidden\">\n      <show-title class=\"text-sm\"><\/show-title>\n      <episode-title class=\"text-base mb-2\"><\/episode-title>\n      <subscribe-button class=\"mb-4 mobile:flex tablet:hidden\"><\/subscribe-button>\n      <poster class=\"rounded-sm w-48 shadow overflow-hidden\"><\/poster>\n      <divider class=\"w-full my-6\"><\/divider>\n    <\/div>\n\n    <div class=\"tablet:flex flex-grow\">\n      <div class=\"w-64 mobile:hidden tablet:block tablet:mr-6\">\n        <poster class=\"rounded-sm shadow overflow-hidden\"><\/poster>\n      <\/div>\n      <div class=\"w-full\">\n        <div class=\"hidden tablet:block\">\n          <show-title class=\"text-base\"><\/show-title>\n          <episode-title class=\"text-xl desktop:text-2xl\"><\/episode-title>\n          <divider class=\"w-full my-4\"><\/divider>\n        <\/div>\n        <div class=\"flex items-center justify-between\">\n          <div class=\"block\">\n            <play-state on=\"active\">\n              <speed-control class=\"flex items-center\"><\/speed-control>\n            <\/play-state>\n          <\/div>\n\n          <div class=\"flex\">\n            <play-state on=\"active\">\n              <chapter-previous class=\"mx-2 block\"><\/chapter-previous>\n            <\/play-state>\n            <play-state on=\"active\">\n              <step-backward class=\"mx-2 block\"><\/step-backward>\n            <\/play-state>\n\n            <play-button class=\"mx-2 block\" :label=\"$t('PLAYER.PLAY_EPISODE')\"><\/play-button>\n\n            <play-state on=\"active\">\n              <step-forward class=\"mx-2 block\"><\/step-forward>\n            <\/play-state>\n            <play-state on=\"active\">\n              <chapter-next class=\"mx-2 block\"><\/chapter-next>\n            <\/play-state>\n          <\/div>\n\n          <div class=\"block\">\n            <play-state on=\"active\">\n              <volume-control class=\"flex items-center\"><\/volume-control>\n            <\/play-state>\n          <\/div>\n        <\/div>\n        <div class=\"flex w-full\">\n          <progress-bar><\/progress-bar>\n        <\/div>\n        <div class=\"flex w-full -mt-2\">\n          <div class=\"w-3\/12 text-left\">\n            <timer-current class=\"text-sm\"><\/timer-current>\n          <\/div>\n          <div class=\"w-6\/12 text-center truncate\">\n            <play-state on=\"active\">\n              <current-chapter class=\"text-sm\"><\/current-chapter>\n            <\/play-state>\n          <\/div>\n          <div class=\"w-3\/12 text-right\">\n            <timer-duration class=\"text-sm\"><\/timer-duration>\n          <\/div>\n        <\/div>\n      <\/div>\n    <\/div>\n    <divider class=\"w-full mt-6 mb-3\"><\/divider>\n    <div class=\"flex justify-between\">\n      <div class=\"flex mobile:w-full tablet:w-3\/12 desktop:w-3\/12 justify-between\">\n        <tab-trigger tab=\"chapters\">\n          <icon type=\"chapter\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"transcripts\">\n          <icon type=\"transcripts\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"files\">\n          <icon type=\"download\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"playlist\">\n          <icon type=\"playlist\"><\/icon>\n        <\/tab-trigger>\n        <tab-trigger tab=\"share\">\n          <icon type=\"share\"><\/icon>\n        <\/tab-trigger>\n      <\/div>\n      <subscribe-button class=\"mt-1 mobile:hidden tablet:flex\"><\/subscribe-button>\n    <\/div>\n  <\/div>\n  <div class=\"w-full relative overflow-hidden\">\n    <tab name=\"chapters\">\n      <tab-chapters><\/tab-chapters>\n    <\/tab>\n    <tab name=\"transcripts\">\n      <tab-transcripts><\/tab-transcripts>\n    <\/tab>\n    <tab name=\"files\">\n      <tab-files><\/tab-files>\n    <\/tab>\n    <tab name=\"playlist\">\n      <tab-playlist><\/tab-playlist>\n    <\/tab>\n    <tab name=\"share\">\n      <tab-share><\/tab-share>\n    <\/tab>\n    <tab-overflow><\/tab-overflow>\n  <\/div>\n  <error><\/error>\n<\/root>\n<\/div>\n            <script>\n              document.addEventListener(\"DOMContentLoaded\", function() {\n                var player = document.getElementById(\"player-69f20bc447783\");\n                podlovePlayerCache.add([{\"url\":\"https:\\\/\\\/www.datenleben.de\\\/index.php\\\/wp-json\\\/podlove-web-player\\\/shortcode\\\/publisher\\\/781\",\"data\":{\"version\":5,\"show\":{\"title\":\"datenleben\",\"subtitle\":\"der podcast \\u00fcber data science\",\"summary\":\"Was ist Data Science? Was bedeuten die Daten f\\u00fcr unser Leben? Woher kommen sie und wozu werden sie benutzt?\\r\\nDas sind alles Fragen, mit denen wir uns auseinander setzen werden.\\r\\nWer schon immer mehr \\u00fcber Daten und deren Effekt auf unser Leben wissen wollte, ist hier genau richtig.\",\"poster\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/image\\\/687474703a2f2f7777772e646174656e6c6562656e2e64652f77702d636f6e74656e742f75706c6f6164732f323032302f30362f636f7665722e706e67\\\/500\\\/0\\\/0\\\/datenleben\",\"link\":\"https:\\\/\\\/www.datenleben.de\"},\"title\":\"dl038: data feminism\",\"subtitle\":\"Was ist data feminism und was hat das mit Macht zu tun?\",\"summary\":\"Was ist data feminism und was hat das mit Macht zu tun? Diese Folge hei\\u00dft \\\"data feminism\\\", was gleichzeitig der Titel des Buches ist, \\u00fcber das wir reden werden. \\\"Data Feminism\\\" wurde von Catherine D'Ignazio und Lauren F. Klein geschrieben. Laut den Autorinnen ist Data Science eine Form von Macht mit der sowohl Gutes, als auch Schlechtes getan werden kann. Und wie das mit der von den Autorinnen pr\\u00e4sentierten Perspektive des intersektionellen Feminismus zusammenh\\u00e4ngt, werden wir uns n\\u00e4her ansehen. Daf\\u00fcr haben wir uns 3 Kapitel des Buches genauer angesehen und werden dar\\u00fcber reden, welche Beobachtungen, Beispiele und Anmerkungen wir dabei vorfinden.\",\"publicationDate\":\"2023-05-20T12:00:48+02:00\",\"duration\":\"00:56:35.300\",\"poster\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/image\\\/68747470733a2f2f7777772e646174656e6c6562656e2e64652f77702d636f6e74656e742f75706c6f6164732f323032332f30352f3033385f436f7665722e706e67\\\/500\\\/0\\\/0\\\/dl038-data-feminism\",\"link\":\"https:\\\/\\\/www.datenleben.de\\\/index.php\\\/2023\\\/05\\\/20\\\/dl038-data-feminism\\\/\",\"chapters\":[{\"start\":\"00:00:00.000\",\"title\":\"Intro\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:00:18.452\",\"title\":\"Thema des Podcasts\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:00:37.919\",\"title\":\"Thema der Folge\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:02:36.533\",\"title\":\"Warum ist dieses Thema wichtig?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:03:12.698\",\"title\":\"Einspieler: Kenne dein Messverfahren!\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:05:57.734\",\"title\":\"Was sind die Prinzipien von Datenfeminismus?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:16:04.091\",\"title\":\"Was steht in Kapitel 1 zu Machtverh\\u00e4ltnissen?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:25:19.613\",\"title\":\"Was steht in Kapitel 3 zu Emotionen?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:40:54.354\",\"title\":\"Was steht in Kapitel 5 zu Pluralismus?\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:50:26.792\",\"title\":\"Fazit\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:53:57.978\",\"title\":\"N\\u00e4chste Folge: Nat\\u00fcrliche Experimente am 17. Juni\",\"href\":\"\",\"image\":\"\"},{\"start\":\"00:55:40.506\",\"title\":\"Call to Action\",\"href\":\"\",\"image\":\"\"}],\"audio\":[{\"url\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/file\\\/162\\\/s\\\/webplayer\\\/c\\\/website\\\/DL038_data_feminism.mp3\",\"size\":\"56508495\",\"title\":\"MP3 Audio (mp3)\",\"mimeType\":\"audio\\\/mpeg\"}],\"files\":[{\"url\":\"https:\\\/\\\/www.datenleben.de\\\/podlove\\\/file\\\/162\\\/s\\\/webplayer\\\/DL038_data_feminism.mp3\",\"size\":\"56508495\",\"title\":\"MP3 Audio\",\"mimeType\":\"audio\\\/mpeg\"}]}}, {\"url\":\"https:\\\/\\\/www.datenleben.de\\\/index.php\\\/wp-json\\\/podlove-web-player\\\/shortcode\\\/config\\\/default\\\/theme\\\/datenleben\",\"data\":{\"activeTab\":\"chapters\",\"subscribe-button\":null,\"share\":{\"channels\":[\"link\",\"facebook\",\"twitter\",\"whats-app\",\"linkedin\",\"pinterest\",\"xing\",\"mail\"],\"outlet\":\"https:\\\/\\\/www.datenleben.de\\\/wp-content\\\/plugins\\\/podlove-web-player\\\/web-player\\\/share.html\",\"sharePlaytime\":true},\"related-episodes\":{\"source\":\"disabled\",\"value\":null},\"version\":5,\"theme\":{\"tokens\":{\"brand\":\"#fff\",\"brandDark\":\"#fff\",\"brandDarkest\":\"#000\",\"brandLightest\":\"#8cc240\",\"shadeDark\":\"#807E7C\",\"shadeBase\":\"#807E7C\",\"contrast\":\"#000\",\"alt\":\"#8cc240\"},\"fonts\":{\"ci\":{\"name\":\"ci\",\"family\":[\"-apple-system\",\"BlinkMacSystemFont\",\"Segoe UI\",\"Roboto\",\"Helvetica\",\"Arial\",\"sans-serif\",\"Apple Color Emoji\",\"Segoe UI Emoji\\\", \\\"Segoe UI Symbol\"],\"src\":[],\"weight\":800},\"regular\":{\"name\":\"regular\",\"family\":[\"-apple-system\",\"BlinkMacSystemFont\",\"Segoe UI\",\"Roboto\",\"Helvetica\",\"Arial\",\"sans-serif\",\"Apple Color Emoji\",\"Segoe UI Emoji\\\", \\\"Segoe UI Symbol\"],\"src\":[],\"weight\":300},\"bold\":{\"name\":\"bold\",\"family\":[\"-apple-system\",\"BlinkMacSystemFont\",\"Segoe UI\",\"Roboto\",\"Helvetica\",\"Arial\",\"sans-serif\",\"Apple Color Emoji\",\"Segoe UI Emoji\\\", \\\"Segoe UI Symbol\"],\"src\":[],\"weight\":700}}},\"base\":\"https:\\\/\\\/www.datenleben.de\\\/wp-content\\\/plugins\\\/podlove-web-player\\\/web-player\\\/\"}}]);\n                podlovePlayer(player, \"https:\/\/www.datenleben.de\/index.php\/wp-json\/podlove-web-player\/shortcode\/publisher\/781\", \"https:\/\/www.datenleben.de\/index.php\/wp-json\/podlove-web-player\/shortcode\/config\/default\/theme\/datenleben\").then(function() {\n                  player && player.classList.remove(\"podlove-web-player-loading\");\n                });\n              });\n            <\/script>\n            <style>\n              .podlove-web-player.podlove-web-player-loading {\n                opacity: 0;\n              }\n            <\/style>\n        \n\t\n\t\t\n<p>Was ist data feminism und was hat das mit Macht zu tun? Diese Folge hei\u00dft &quot;data feminism&quot;, was gleichzeitig der Titel des Buches ist, \u00fcber das wir reden werden. &quot;Data Feminism&quot; wurde von Catherine D'Ignazio und Lauren F. Klein geschrieben. Laut den Autorinnen ist Data Science eine Form von Macht mit der sowohl Gutes, als auch Schlechtes getan werden kann. Und wie das mit der von den Autorinnen pr\u00e4sentierten Perspektive des intersektionellen Feminismus zusammenh\u00e4ngt, werden wir uns n\u00e4her ansehen. Daf\u00fcr haben wir uns 3 Kapitel des Buches genauer angesehen und werden dar\u00fcber reden, welche Beobachtungen, Beispiele und Anmerkungen wir dabei vorfinden.<\/p>\n<h3>Links und Quellen<\/h3>\n<ul>\n<li>datenleben\n<ul>\n<li><a href=\"https:\/\/www.datenleben.de\/\">www.datenleben.de<\/a><\/li>\n<li>Social Media: Mastodon <a href=\"https:\/\/podcasts.social\/@datenleben\">@datenleben@podcasts.social<\/a> und Twitter <a href=\"https:\/\/twitter.com\/datenleben\">@datenleben<\/a><br \/>\nYoutube: <a href=\"http:\/\/https:\/\/www.youtube.com\/@datenleben\" title=\"@datenleben\">@datenleben<\/a><\/li>\n<\/ul>\n<\/li>\n<li>Erw\u00e4hnte datenleben-Folgen\n<ul>\n<li><a href=\"https:\/\/www.datenleben.de\/index.php\/2020\/09\/05\/folge-004-racial-profiling\/\">dl004: racial profiling<\/a><\/li>\n<li><a href=\"https:\/\/www.datenleben.de\/index.php\/2022\/04\/23\/dl025-luftdaten\/\">dl025: luftdaten<\/a><\/li>\n<li><a href=\"https:\/\/www.datenleben.de\/index.php\/2023\/04\/22\/dl037-gartenvoegel\/\">dl037: citizen science und die gartenv\u00f6gel<\/a><\/li>\n<li><a href=\"https:\/\/www.datenleben.de\/index.php\/2022\/11\/26\/dl032-wie-wird-autismus-erforscht\/\">dl032: wie wird autismus erforscht?<\/a><\/li>\n<\/ul>\n<\/li>\n<li><a href=\"https:\/\/data-feminism.mitpress.mit.edu\">Catherin D'Ignazio und Lauren F. Klein: Data Feminism<\/a><\/li>\n<\/ul>\n<h3>Schlagworte zur Folge<\/h3>\n<p>Data Science, Data Feminism, Daten, Feminismus, intersektioneller Feminismus, Messverfahren, Datenanalyse, Datenauswertung, Datenvisualisierung<\/p>\n<h3>Intro (00:00:00)<\/h3>\n<h3>Thema des Podcasts (00:00:18)<\/h3>\n<p>Helena: Willkommen zur 38. Folge beim Datenleben Podcast, dem Podcast \u00fcber Data Science. Wir sind Helena<\/p>\n<p>Janine: und Janine<\/p>\n<p>Helena: und m\u00f6chten euch die Welt der Daten n\u00e4her bringen. Was f\u00fcr Daten umgeben uns? Wie gehen wir mit diesen Daten um und was k\u00f6nnen wir aus ihnen lernen? Wer schon immer mehr dar\u00fcber wissen wollte, ist hier richtig, denn diesen Fragen gehen wir nach.<\/p>\n<h3>Thema der Folge (00:00:38)<\/h3>\n<p>Janine: Die \u00dcberschrift dieser Folge hei\u00dft Data Feminism. Gleichzeitig ist es n\u00e4mlich der Titel des Buches auch, \u00fcber das wir gleich reden werden. Das ist ein Buch, das 2020 bei the MIT Press ver\u00f6ffentlicht wurde und wurde von Catherine D'Ignazio und Lauren Klein geschrieben und zwar in einem relativ \u00f6ffentlichen Prozess mit einer gro\u00dfen Feedback-Schleife \u00fcber das Internet und es kann n\u00e4mlich auch kostenlos im Internet noch gelesen werden. Es kann auch als Buch tats\u00e4chlich erworben werden, aber eben auch im Internet im Volltext gelesen werden. Also, Data Feminism. Wir h\u00e4tten dieser Folge auch den Titel Machtstrukturen in Data Science geben k\u00f6nnen, denn darum wird es vor allem thematisch gehen, aber das Buch hei\u00dft so und deswegen haben wir die Folge auch so genannt. Es war den Autorinnen ein Anliegen aufzuzeigen, dass Data Science eine Form von Macht ist und zwar eine, mit der sowohl Gutes getan werden kann, indem zum Beispiel durch Daten etwa Ungleichgewichte aufgedeckt werden oder vielleicht auch sogar behoben werden dann in der Folge, wie im Gesundheitssystem, oder eben auch Schlechtes getan werden kann, wenn diese Macht zum Beispiel f\u00fcr Diskriminierung oder \u00dcberwachung eingesetzt wird. \u00dcber so ein Thema hatten wir ja schon gesprochen in unserer vierten Folge, damals vor fast drei Jahren, als es um das Thema Racial Profiling ging. Die beiden Autorinnen betrachten Data Science und Data Ethics laut Klappentext aus der Perspektive des intersektionellen Feminismus, das Stichwort wird hier auch eine Rolle spielen, dazu kommen wir noch und wir haben uns eben einzelne Kapitel dieses Buches vorgenommen, um herauszufinden, was da drin steckt, was diesen Data Feminism ausmacht und welche Beobachtungen da get\u00e4tigt werden und ob da vielleicht auch, ja, sogar L\u00f6sungsvorschl\u00e4ge daraus hervorgehen und dergleichen.<\/p>\n<h3>Warum ist das Thema wichtig? (00:02:37)<\/h3>\n<p>Helena: Ja, und warum besch\u00e4ftigen wir uns mit Data Feminism? Nun, unser Motto als Podcast ist, &quot;Kenne dein Messverfahren&quot; und wenn wir irgendwie Daten haben, ist halt immer auch die Frage, wo kommen die her und warum wurden die erhoben und bei der Frage, warum wurden Daten erhoben \u00fcberhaupt, spielen ja schon Machtverh\u00e4ltnisse eine Rolle, weil wer entscheidet, dass Daten \u00fcberhaupt erhoben werden und wie die ausgewertet werden? In diesem Buch geht es genau darum und deswegen dachten wir, ist das ein wichtiges Thema, mit dem wir uns einmal auseinandersetzen wollten.<\/p>\n<h3>Einspieler: Kenne dein Messverfahren (00:03:13)<\/h3>\n<p>Janine: Kenne dein Messverfahren. Warum sagen wir das eigentlich st\u00e4ndig? Ich versuche mal, es so zu erkl\u00e4ren, auch wenn es anfangs etwas dramatisch klingt: Das Leben steckt voller Entscheidungen. Wenn ich vor einer Men\u00fckarte im Restaurant stehe, werde ich eine Entscheidung treffen m\u00fcssen, was davon ich essen m\u00f6chte. Ich streiche gedanklich alle Gerichte mit Lebensmitteln raus, die ich erfahrungsgem\u00e4\u00df nicht mag. Es bleibt also eine kleine Auswahl \u00fcber. Schlie\u00dflich w\u00e4hle ich das, was ich mir zuhause selbst nicht kochen w\u00fcrde, weil es mir selbst zu aufwendig w\u00e4re. Was mir zu einer Entscheidung geholfen hat, waren Kontextinformationen, wie zum Beispiel, was ich mag, was ich selber nicht machen w\u00fcrde und genauso m\u00fcssen sich Wissenschaftler*innen, die Daten erheben oder auswerten m\u00f6chten, entscheiden, Data Scientists zum Beispiel. Nicht jedes Messverfahren eignet sich f\u00fcr alle Untersuchungen. Wie auf einer Men\u00fckarte steht die Vielfalt an Messverfahren vor ihnen. Damit sie entscheiden k\u00f6nnen, welche Messverfahren geeignet sind, m\u00fcssen sie sie kennen. Nur wenn sie Vor- und Nachteile von Messverfahren kennen, k\u00f6nnen sie auch entscheiden, welches im konkreten Fall das Richtige ist. Dabei spielt der Kontext einer Messung die gr\u00f6\u00dfte Rolle. Es gilt nicht nur zu wissen, was messe ich, sondern auch, wie lange oder wie viel muss ich messen, um genug Datenpunkte zu sammeln. Aber fast noch wichtiger ist die Frage, wof\u00fcr messe ich das, was m\u00f6chte ich damit aussagen und passt mein Messverfahren \u00fcberhaupt dazu? M\u00f6chte ich vielleicht meine Messergebnisse mit denen anderer Wissenschaftler*innen vergleichen k\u00f6nnen? Worauf muss ich dann achten, damit so ein Vergleich hergestellt werden kann? Welches Messverfahren wurde hier von anderen benutzt? Und schlie\u00dflich sind auch wir Menschen ein Kontext. Das hei\u00dft, dass auch alle Wissenschaftler*innen ihre eigenen Erfahrungen mitbringen, Annahmen und Erwartungen haben. Oft sind schon zahlreiche Gedanken in eine Untersuchung geflossen, ehe \u00fcberhaupt gemessen wird. Wie kann damit umgegangen werden? Wird davon etwas vielleicht auch das Messergebnis beeinflussen? Menschen sind n\u00e4mlich denkende und f\u00fchlende Wesen mit individuellen Standpunkten und Perspektiven, die sich nicht einfach abschalten lassen, wenn sie anfangen zu forschen. All das sind Faktoren, Kontexte, Einfl\u00fcsse, die am Ende zur Auswahl eines Messverfahrens f\u00fchren. Je besser Wissenschaftler*innen ihr Messverfahren und die begleitenden Kontexte kennen, desto besser kann all das bei einer Messung und der Auswertung der Ergebnisse \u00fcberhaupt ber\u00fccksichtigt werden. Deswegen: Kenne dein Messverfahren! <\/p>\n<h3>Was sind die Prinzipien von Datenfeminismus? (00:05:58)<\/h3>\n<p>Helena: Ja, das Buch Data Feminism startet damit, dass es erst einmal sieben Prinzipien von Datenfeminismus aufstellt, die dann jeweils in einzelnen Kapiteln abgehandelt werden und von diesen sieben Prinzipien werden wir auch drei genauer vorstellen. Und zwar ist das erste der Prinzipien Analysiere Machtverh\u00e4ltnisse, dar\u00fcber werden wir gleich noch reden. Dann das zweite ist, fordere diese Machtverh\u00e4ltnisse heraus. Im dritten Prinzip geht es darum, oder es hei\u00dft, st\u00e4rke Emotionen, auch dar\u00fcber werden wir gleich noch mal reden. Das vierte Prinzip ist, \u00fcberdenke bin\u00e4re Kategorien und Hierarchien. Damit ist gemeint, dass Datenfeminismus hinterfragt, warum man bestimmte Kategorien \u00fcberhaupt w\u00e4hlt und ob dann sowas wie Geschlechterbinarit\u00e4t \u00fcberhaupt noch eine sinnvolle Einteilung ist. Und generell geht es darum, was man warum wie z\u00e4hlt. Das f\u00fcnfte Prinzip ist, bedenke Pluralit\u00e4t, auch dar\u00fcber werden wir gleich noch n\u00e4her eingehen. Das sechste Prinzip ist, bedenke den Kontext, weil Daten sind nie einfach nur neutral oder objektiv, denn der Kontext ihrer Erhebung basiert immer auf ungleichen sozialen Kontexten und die m\u00fcssen ber\u00fccksichtigt werden. Im Grunde ist Prinzip 6 auch nicht so viel anders als kenne dein Messverfahren. Das siebte und letzte Prinzip ist, mach deine Arbeit sichtbar, insbesondere als nicht-wei\u00dfe m\u00e4nnliche Person in Data Science, sprich \u00fcber deine Arbeit und ja, zeige, dass auch wir zum Beispiel Teil der Data Science Community sind und Dinge analysieren, damit nicht immer nur die wei\u00dfe, m\u00e4nnliche Perspektive das Bild von Data Science dominiert.<\/p>\n<p>Janine: Ich muss dabei sehr an diese drei Worte denken, why representation matters, also warum Repr\u00e4sentation wichtig ist. N\u00e4mlich, ja, Sichtbarkeit ermutigt Menschen, auch Dinge zu tun, die in eine \u00e4hnliche oder gleiche Richtung gehen oder sich f\u00fcr etwas einzusetzen oder einen Lebensweg einzuschlagen. Darum wird es gleich auch kurz in der Einleitung nochmal gehen, wie ich inzwischen herausgefunden habe, nachdem ich die auch gelesen habe. Deswegen vertiefen wir kurz gleich, mach deine Arbeit sichtbar auch nochmal. Ja, aber was ich mich gefragt habe, wenn ich mir so diese Prinzipien angucke, sind da ja bis auf ein paar, wo so tats\u00e4chlich Sachen vorkommen wie Geschlechterbinarit\u00e4t und so, was erstmal wie ein absolutes feministisches Thema wirkt, klingt das insgesamt aber einfach nur nach sehr guten Punkten, die jetzt auch nicht unbedingt unter diesem Schlagwort Feminismus laufen m\u00fcssten. Und vieles hat ja, meine ich so, auch aus meinem eigenen Erfahrungsschatz mitbekommen zu haben, was Feminismus im Namen hat, muss sich immer erstmal der Frage stellen, was ist denn das Feministische daran oder warum muss es Feminismus sein? Was ist denn f\u00fcr dich jetzt zum Beispiel an diesen Prinzipien des Datenfeminismus, die du gerade vorgelesen hast, das spezifisch Feministische, warum es Datenfeminismus ist?<\/p>\n<p>Helena: Ja, also Feminismus hinterfragt per se erst einmal Machtverh\u00e4ltnisse. Und es geht nicht darum, dass nur noch Frauen Data Science machen sollen, sondern ja darum, dass im Moment der gr\u00f6\u00dfte Teil eben wei\u00df-m\u00e4nnlich dominiert ist und ich meine, das wird auch in n\u00e4chster Zeit nicht ausgeglichen sein, aber es geht darum, dass die anderen Perspektiven vorkommen m\u00fcssen und Feminismus ist eben, oder das Feministische hieran ist, dass ja diese anderen Perspektiven sichtbar gemacht werden sollen, denn sonst w\u00fcrden viele Aspekte an Daten und an Begebenheiten einfach verloren gehen. Und konkreter geht es ja auch um intersektionellen Feminismus, auch wenn das jetzt im Titel nicht vorkommt, aber im Text kommt das an sehr vielen Stellen vor und intersektionell hei\u00dft hierbei, dass es nicht nur um Diskriminierung aufgrund des Geschlechtes geht, sondern auch darum, dass wenn man verschiedene Diskriminierungsformen sich anguckt, dass die sich auch noch auf eine besondere Art und Weise aufwirken k\u00f6nnen, wenn man jetzt mehrere davon hat. Zum Beispiel, das wird, wenn wir \u00fcber Kapitel 1 kommen, noch Thema sein, das Beispiel Serena Williams, sie ist eine Schwarze Frau, sie erf\u00e4hrt in dem Beispiel, das wir gleich bringen werden, eine Form von Diskriminierung, die betrifft nur Schwarze Frauen. Das hei\u00dft, wenn man sich jetzt nur Schwarze M\u00e4nner angucken w\u00fcrde, w\u00fcrde das kein Thema sein. Wenn man sich nur wei\u00dfe Frauen angucken w\u00fcrde, w\u00fcrde man diese Diskriminierung auch nicht finden. Und intersektionell hei\u00dft hier einfach, bedenke, dass mehrere Kategorien von Diskriminierung noch mal ganz neue Formen von Diskriminierung hervorbringen k\u00f6nnen und das muss auch mit ber\u00fccksichtigt werden.<\/p>\n<p>Janine: Ja, das sind auf jeden Fall auch schon viele Punkte, die du genannt hast, die ich so auch in der Einleitung gefunden habe. Ich pers\u00f6nlich habe selber auch oft ein Problem mit dem Begriff Feminismus, weil er sich eben immer einer gro\u00dfen Kritik ausgesetzt f\u00fchlt, glaube ich, weil ich habe das Gef\u00fchl, dieser Begriff regt immer sofort Emotionen bei Menschen hervor, weswegen sie versuchen irgendwie das einzuordnen und dagegen zu steuern und diese Skepsis existiert auch in mir noch. Ich versuche mit der umzugehen und eben auch, indem ich solche Fragen stelle, weil ja, sowas habe ich eben nicht selten geh\u00f6rt, dass Menschen sagen, muss es denn Feminismus sein, kann man nicht einfach so das Richtige machen, das f\u00fcr alle gut ist? Und offenbar war ich da oder bin ich mit so einer Erfahrung auch nicht allein, denn das ist auch ein Thema f\u00fcr die Autorinnen ganz offensichtlich. Ich habe danach n\u00e4mlich gefunden, dass die Einleitung hei\u00dft, why data science needs feminism? Also fast, als w\u00fcrden sie auf so eine schweigend im Raum h\u00e4ngende Frage bereits geantwortet haben, als sie das Buch geschrieben haben, und sie beginnen deswegen die Einleitung mit einer Geschichte von Christine Mann Darden, einer Schwarzen Frau, die 1967 bei der NASA als Datenanalystin anfing. Und ja, es wird sehr ausf\u00fchrlich beschrieben, was damals so passiert ist, n\u00e4mlich sie war, wie auch viele andere, vor allem, glaube ich, auch Schwarze Frauen, wenn ich das richtig gesehen habe, lange Zeit namenlos, was ihre Arbeit anging. Und zwar waren Frauen wie sie n\u00e4mlich ma\u00dfgeblich am Erfolg des US-amerikanischen Raumfahrtprogramms beteiligt, und sie wurden teils auch von allen Mitarbeitern und auch von sich selbst Computer genannt. Sie hatten quasi keine Namen, sie waren einfach die Frauen, die mit Mathematik Datenanalysen betrieben haben, und zwar von Daten, deren Ursprung sie teils gar nicht kannten. Sie waren aber f\u00fcr Berechnungen notwendig und haben diese gemacht, und deswegen konnte alles irgendwann am Ende mit Apollo 11 dann doch funktionieren. Sie waren aber lange Zeit gar nicht bekannt, und deswegen haben die Autorinnen Darden als Beispiel herangezogen, weil sie auch nicht nur zur Forschung mit Data Science beigetragen hat damals in den 60ern, sondern sich auch f\u00fcr Frauen eingesetzt hat, die wie sie eben unter den Tisch gekehrt wurden, gefallen wurden, unter den Teppich gekehrt wurden. So durch ihre Namenlosigkeit. Und zwar definieren unsere beiden Autorinnen den Feminismus als Glauben in die politische, soziale und \u00f6konomische Gleichbehandlung der Geschlechter. Damit zitieren sie, wie sie selbst sagen, das Merriam-Webster-W\u00f6rterbuch, und das ist, warum sie sich offenbar f\u00fcr den Titel und Begriff Data Feminism dann auch entschieden haben, weil f\u00fcr sie zum Feminismus auch der Aktivismus dazugeh\u00f6rt, und um den Glauben an diese Gleichstellung, die darin anklingt, \u00fcberhaupt in die Realit\u00e4t umsetzen zu k\u00f6nnen. So. Also zusammengefasst ist f\u00fcr sie Data Feminism eine Herangehensweise, eine Art, \u00fcber Daten und alles, was daraus folgt, nachzudenken, die durch die hier genannten Traditionen des Feminismus an sich gepr\u00e4gt ist. Ja, an dieser Stelle wird dann auch das Stichwort intersektionaler Feminismus eingebracht. Das hat Helena ja gerade schon ein bisschen ausgef\u00fchrt. Also, ja, dass eben neben so Kategorien, sage ich jetzt, wie Mann und Frau, Geschlechtsidentit\u00e4t, auch Sexualit\u00e4t, Alter, Religion, Geografie, Klasse und Race wichtige Faktoren sind in Sachen Gleichstellung und Gleichbehandlung. Und deswegen sagen die Autorinnen auch, dass Feminismus allgemein relevant f\u00fcr alle Menschen ist, weil auf alle Menschen, die eine oder andere und meist mehrere Kategorien gleichzeitig zutreffen. Und ja, deswegen fassen sie ihren Standpunkt so zusammen, dass es bei intersektionellem Feminismus um ungleich verteilte Macht geht, und in unserer jetzigen Welt, wo Daten auch eine Form von Macht sind, braucht es eben auch die Betrachtung dieser Datenmacht aus der feministisch gepr\u00e4gten Perspektive. So k\u00f6nnte man zusammenfassen, wie die Autorinnen hier Data Feminism definieren. Und ja, ich f\u00fcr meinen Teil kann der Argumentation soweit ganz gut folgen. Es gibt also eine Denktradition des Feminismus, die daf\u00fcr aufgewendet wird, eine Gleichbehandlung oder auch eine Gleichstellung und \u00fcberhaupt das Aufzeigen dieser Ungleichheiten zu benutzen, und zwar im Kontext Data Science. Das meint hier Data Feminism, genau. Und ich denke, das kann dieses Buch sogar ganz gut, wie wir hoffentlich gleich sehen werden, wenn sich Menschen nicht von diesem Begriff Feminismus abschrecken lassen.<\/p>\n<p>Helena: Ja.<\/p>\n<h3>Was steht in Kapitel 1 zu Machtverh\u00e4ltnissen? (00:16:04)<\/h3>\n<p>Helena: Gut, steigen wir mal ein in Kapitel 1. Da geht es um Machtverh\u00e4ltnisse. Und wie du gerade auch schon gesagt hast, Datenfeminismus basiert eben auch darauf zu schauen, wie Macht sich heutzutage verteilt und auswirkt, und das geschieht oder das wird hier gemacht \u00fcber Wer-Fragen, also wer macht Data Science, wessen Priorit\u00e4ten werden \u00fcberhaupt zu Produkten, wer wird dabei \u00fcbersehen und wer profitiert. Ein Modell, mit dem Machtstrukturen dargestellt werden, ist die sogenannte Herrschaftsmatrix oder Matrix of Domination von Patricia Hill Collins, und die teilt sich dann eben in vier Bereiche auf. Dabei gibt es einmal den strukturellen Bereich, ja, der strukturelle Bereich organisiert die Unterdr\u00fcckung durch Gesetze und Regeln, also wenn Gesetze und Regeln schon per se diskriminierend sind, kommt das hier her, und dass Gesetze und Regeln diskriminierend sind, liegt jetzt nicht einfach nur daran, dass da explizit eine Diskriminierung drinsteht, sondern die ist da oft auch implizit mit drin, dadurch, dass zum Beispiel etwas verboten ist oder man benachteiligt wird, wenn man bestimmte Dinge tut, und die Leute, die diese Dinge tun w\u00fcrden oder diese Eigenschaften haben, sind typischerweise Leute einer bestimmten Gruppe, die eben eh schon diskriminiert wird. Gut, dann gibt es noch den ausf\u00fchrenden Bereich, das ist der Bereich, in dem die Unterdr\u00fcckung umgesetzt wird, also zum Beispiel durch Umsetzung der Regeln und Gesetze, das kann zum Beispiel die Polizei sein, aber auch Beh\u00f6rden, dann gibt es den Hegemonie-Bereich, das ist der Bereich, ja, bei dem Formen von Diskriminierung durch Medien und Kultur weitergetragen werden, also in dem zum Beispiel bestimmte Frisuren als schmutzig dargestellt werden, die dann wiederum aber zum Beispiel nur eine bestimmte Bev\u00f6lkerungsgruppe tr\u00e4gt, das Thema hatten wir ja in unserer Folge \u00fcber computergenerierte Bilder auch, dass auch hier diese Form der Diskriminierung weitergetragen wird. Und der vierte und letzte Bereich ist dann der zwischenmenschliche Bereich, also die individuelle Erfahrung der Unterdr\u00fcckung der Personen, die unterdr\u00fcckt werden durch, ja, Mitmenschen. Um diese Machtstrukturen darzustellen, gibt es mehrere Beispiele in dem Buch, und es startet mit dem Beispiel der Lungenembolie, die Serena Williams bei der Geburt ihres Kindes erlitt. Was da das Problem ist, ist, zum einen betrifft es haupts\u00e4chlich Schwarze Frauen, also deutlich h\u00e4ufiger als wei\u00dfe Frauen, das f\u00fchrt dann wiederum zu einer deutlich h\u00f6heren Geburtensterblichkeit bei Schwarzen Frauen, das ist genau das, was ich vorhin mit dem Beispiel \u00fcber Intersektionalit\u00e4t meinte, dass hier insbesondere Schwarze Frauen benachteiligt werden, und inwiefern werden sie jetzt durch diese Herrschaftsmatrix benachteiligt? Nun, diese Lungenembolien werden bisher oder wurden bis zu diesem Zeitpunkt nicht systematisch erhoben, das hei\u00dft, man wusste jetzt aus der Statistik, dass Schwarze Frauen deutlich h\u00e4ufiger sterben bei Geburten in den USA, aber jetzt konkret irgendwie L\u00f6sungsvorschl\u00e4ge machen konnten und wo die Behandlungsfehler potenziell herkommen k\u00f6nnten oder was man tun k\u00f6nnte, war nicht m\u00f6glich, weil, ja, im strukturellen Bereich der Unterdr\u00fcckung es keine Regeln gab, die vorsahen, dass man diese Todesursachen \u00fcberhaupt erfasst, und dann kann nat\u00fcrlich auch niemand was dagegen machen, wenn man immer nur denkt, ja, das ist ein tragischer Einzelfall. Das ganze Thema kochte erst dadurch hoch, dass Serena Williams als internationaler Tennisstar ein gewisses Following auf Social Media hatte, und als sie dann von diesen Erfahrungen berichtet hatte, dass sie fast an dieser Lungenembolie gestorben ist, haben sich noch ganz viele andere Schwarze Frauen gemeldet unter ihrem Post und sich danach zusammengetan, um eben zu fordern, dass das mehr untersucht wird und dass da auch Ma\u00dfnahmen, pr\u00e4ventive Ma\u00dfnahmen ergriffen werden sollen. Ja, mittlerweile wird es dann auch gez\u00e4hlt, aber bisher hat das noch nicht wirklich dazu gef\u00fchrt, dass dann wirklich Ma\u00dfnahmen ergriffen wurden, weil dadurch, dass es noch nicht so lange gez\u00e4hlt wird, wird die Datenqualit\u00e4t als noch zu niedrig angesehen, was dann ja auch wieder eine Form von Unterdr\u00fcckung ist, die sich dann fortsetzt auf die Leute, die das dann ausf\u00fchren sollen. Ja gut, wir z\u00e4hlen das jetzt, aber ist halt noch nichts wert, weil es m\u00fcssen halt noch ganz viele weitere Schwarze Frauen sterben, bevor genug Daten gesammelt werden. Das liegt eben an den Machtverh\u00e4ltnissen, die dazu gef\u00fchrt haben, dass diese Daten erst \u00fcberhaupt nicht erhoben wurden und dann wer entscheidet, was dann damit gemacht wird mit diesen Daten.<\/p>\n<p>Janine: So, und k\u00f6nnte man in diesem Fall aber sogar auch sagen, um noch mal darauf zur\u00fcckzukommen, was so das siebte Prinzip war, mach deine Arbeit sichtbar. Da geht es ja darum, dass Datenanalystinnen ihre Arbeit sichtbar machen, aber ja, es geht ja auch ganz allgemein sehr h\u00e4ufig darum, dass einzelne Menschen mit genug Reichweite \u00fcberhaupt etwas sichtbar machen, damit die Aufmerksamkeit darauf gelenkt werden kann \u00fcberhaupt erst.<\/p>\n<p>Helena: Ja, und dass dadurch \u00fcberhaupt klar wird, dass das mehr Leute betrifft. <\/p>\n<p>Janine: Ja.<\/p>\n<p>Helena: Ich meine, auch da kann es ja sein, ja gut, das ist jetzt immer noch nur ein Einzelfall und da meldet sich dann auch niemand, dem das auch betrifft, das kommt wahrscheinlich genau auch oft genug vor bei Sachen, die wirklich selten sind, aber bei etwas, das offenbar so h\u00e4ufig vorkommt, hat es dazu gef\u00fchrt, dass jetzt ja immerhin mal nachgeguckt wird.<\/p>\n<p>Janine: Ja.<\/p>\n<p>Helena: Ja, ein anderes Beispiel aus dem Buch ist das Thema Luftqualit\u00e4t in St\u00e4dten. Ja, in dem Beispiel ging es um eine Nachbarschaft, in der Leute durch eigene Messungen festgestellt haben, beziehungsweise sie hatten vorher schon den Eindruck, dass die Luft eher verschmutzt sein d\u00fcrfte und die haben es dann angefangen selber zu messen. Und das gleiche Beispiel l\u00e4sst sich, oder nicht das gleiche, aber dieses Beispiel l\u00e4sst sich auch auf Deutschland \u00fcbertragen, denn damit die Politik handeln muss, wenn Grenzwerte \u00fcberschritten werden, muss die Messung ja auch von einer staatlichen Stelle vorgenommen werden. Also wir hatten hier insbesondere die Diskussion um Stickoxide, dass die in vielen St\u00e4dten ja zu hoch sind, die Werte und jetzt ist nat\u00fcrlich die Frage, wo ist das der Fall und wo das der Fall ist, kann man ja nur feststellen, wenn der Staat auch beschlie\u00dft, ja, da m\u00fcssen jetzt Messungen durchgef\u00fchrt werden. Das hei\u00dft, erstmal ist das immer noch eine Machtfrage, wo \u00fcberhaupt die Chance besteht, was zu \u00e4ndern. Und private Messungen von Feinstaub und Stickoxiden werden dabei erstmal ignoriert, da sie ja nicht den wissenschaftlichen Standards entsprechen, die eben eingehalten werden von den staatlichen Stellen. Ich meine, dass die Messger\u00e4te, die dann ordentlich kalibriert sind, auch, ja, immer die gleichen Messumgebungen haben, dass die dann auch den Standards besser entsprechen, das ist jetzt nicht \u00fcberraschend. Trotzdem kann das halt etwas sein, wo sich der Staat drauf ausruhen w\u00fcrde und wenn man dann eben als B\u00fcrgergemeinschaft sich daf\u00fcr einsetzen will, kann man jetzt eigene Messungen eigentlich nur verwenden als Argumente, um sagen zu k\u00f6nnen, ja, ihr m\u00fcsst jetzt aber mal ein, in Anf\u00fchrungszeichen, richtiges Messger\u00e4t hinstellen. Ich meine, andere Messger\u00e4te sind ja auch richtige Messger\u00e4te, sie sind nur vielleicht ungenauer. Das macht aber nicht ihre Ergebnisse komplett automatisch falsch.<\/p>\n<p>Janine: Ja, dar\u00fcber hatten wir ja auch in Folge 25 eigentlich ziemlich viel geredet \u00fcber die Luftdaten, die wir hier selbst erhoben haben, auch verglichen mit den offiziellen Messstellen, n\u00e4mlich mit einer Messstation vom Umweltbundesamt hier in der N\u00e4he. Und ja, es gibt eine Abweichung, was wahrscheinlich auf die Eichung, Kalibrierung, wie auch immer zur\u00fcckzuf\u00fchren ist, die eben an meinem Ger\u00e4t nicht gemacht wurde, aber dennoch ist die Abweichung nicht sehr gro\u00df und da kann man sich nat\u00fcrlich schon die Frage stellen, gibt es nicht einfach M\u00f6glichkeiten, das zu integrieren und zu ber\u00fccksichtigen und dadurch einfach eine gr\u00f6\u00dfere Datenvielfalt zu haben und auch solchen Daten zu vertrauen. Und das hatten wir ja auch gerade in der letzten Folge, wo es um die Gartenv\u00f6gel ging und das Thema Citizen Science, so welcher wissenschaftliche Standard ist wirklich die Messlatte und kann es nicht auch wissenschaftliche Forschung geben, die eben mit zivilen Daten besser arbeitet, weil einfach der Kontext und die Fragestellung daran angepasst sind?<\/p>\n<p>Helena: Ja, definitiv. Also in diesem Buch gibt es zu der Frage auch nochmal eine Aussage, weil man k\u00f6nnte das ja auch so verstehen, ja, Wissenschaft ist in ihrem Elfenbeinturm, andere Sachen sind mindestens gleichwertig, das ist jetzt nicht die Aussage, die in diesem Buch getroffen wird, sondern es geht halt darum, dass man die Machtstrukturen mitdenken soll und dann eben auch herausfordern soll in dem Moment, wo man dann feststellt, ja, okay, dass jetzt diese Messungen auf diese Weise gemacht werden, liegt halt an den Machtstrukturen, nicht daran, dass die wissenschaftliche Methode an sich ein Problem h\u00e4tte, sondern dass man da halt einfach noch andere Aspekte reinbringen muss.<\/p>\n<h3>Was steht in Kapitel 3 zu Emotionen? (00:25:20)<\/h3>\n<p>Janine: Ja, und andere Aspekte k\u00f6nnen zum Beispiel auch Emotionen sein, um mich mal an einer \u00dcberleitung zu versuchen. Ich habe mir Kapitel 3 angeguckt, das Kapitel 3 besch\u00e4ftigt sich mit dem dritten Prinzip, das hat Helena \u00fcbersetzt mit St\u00e4rke Emotionen, im Original Elevate Emotion and Embodiment, also es geht um die F\u00f6rderung, also St\u00e4rkung von Emotionen, aber auch um K\u00f6rperlichkeit oder Verk\u00f6rperung, das hei\u00dft der, K\u00f6rper wird hier auch in irgendeiner Form mitbedacht, kommen wir gleich zu. Ich werde mich vermutlich nicht ganz so kurzfassen k\u00f6nnen wie Helena zu ihrem Kapitel, weil ich einfach ich bin. Die \u00dcberschrift des Kapitels lautet On Rational Scientific Objective Viewpoints from Mythical Imaginary Impossible Standpoints, ja, \u00fcber rationale wissenschaftliche objektive Perspektiven von mythischen, bildlichen, unm\u00f6glichen Standpunkten. So.<\/p>\n<p>Helena: Ja.<\/p>\n<p>Janine: Und ja, das klingt erstmal etwas wirr, vielleicht dachte deswegen Helena auch, das ist das richtige Kapitel f\u00fcr mich. Ich versuche da mal Ordnung reinzubringen.<\/p>\n<p>Helena: Sehr gut<\/p>\n<p>Janine: Der Ausgangspunkt ist hier, dass, wie eingangs beschrieben, Data Feminism zur Grundlage haben soll, verschiedene Formen von Wissen zu integrieren oder eben Standpunkte. Gemeint ist dabei auch, in diesem Kapitel vor allem, dass Wissen auch durch Menschen erzeugt wird, weil sie lebendige und f\u00fchlende K\u00f6rper sind, die in dieser Welt sich bewegen. Das hei\u00dft, wir sammeln nicht nur Erfahrungen, weil wir eine bestimmte Herkunft haben, weil wir in einer bestimmten finanziellen Klasse aufwachsen oder wie man das beschreiben will, sondern wir sammeln auch Erfahrungen, weil wir Emotionen haben und weil wir K\u00f6rper haben, die mit der Welt interagieren. Das hei\u00dft, es geht auch um diese Form von Wissen, die durch diese Form der Interaktion erzeugt wird. Was Sie so an dieser Stelle noch nicht direkt sagen, ich aber als Leserin im Kopf f\u00fcr mich schon mal erg\u00e4nzt habe, weil ich die Einleitung kenne, auf die gleiche Art, wie halt diese verschiedenen Kategorien des intersektionellen Feminismus nicht ignoriert werden k\u00f6nnen, m\u00f6chten die Autorinnen hier offenbar sagen, dass auch das mit Emotionen nicht passieren kann. Die k\u00f6nnen wir nicht ignorieren. Das ist Teil meiner Erfahrungswelt, die ich daran herantrage, wie ich mit der Welt um mich herum umgehe, also auch wie ich Daten aufnehme, analysiere, verarbeite und anderen pr\u00e4sentiere. So als Idee vorweg schon mal, so wie wirkt sich das jetzt auf Data Science aus und welchen Punkt macht dann der Data Feminism hier? Es f\u00e4ngt mit einem Beispiel an, was f\u00fcr die USA sehr pr\u00e4gnant ist, n\u00e4mlich haben sie sich eine Grafik rausgepickt, die Tode durch Schusswaffen in den USA darstellt. Das ist eine Grafik, die hat eine Firma hergestellt, die hei\u00dft Periscopic und so eine Tagline oder das Motto dieser Firma ist, do good with data, tue Gutes mit Daten. Und sie haben eine Grafik hergestellt auf einer Webseite, da sieht man ja eine kleine orangene Linie, die so aus der x-Achse heraus von der linken Seite der Grafik sich nach oben wie so einen Bogen bewegt und dann pl\u00f6tzlich wei\u00df wird, diese Linie mittendrin. Und dann kommt ein schmaler Punkt und daneben steht Alexander Lipkins Killed at 29. Danach f\u00fchrt die Linie ihren Weg fort in diesem Bogen und bleibt wei\u00df, bis sie am Ende wieder die x-Achse ber\u00fchrt und da kommt ein neuer Satz, could have lived to be 93. So, also es geht hier um eine Linie, die stellt das Leben von Alexander Lipkins dar, der im Alter von 29 Jahren get\u00f6tet wurde, aber nach statistischen Berechnungen bis zum Jahr, also bis zum Alter von 93 Jahren gelebt h\u00e4tte haben k\u00f6nnen. So, dann taucht eine zweite Linie auf, die das gleiche macht, mit einem anderen Namen, mit anderen Lebensdaten und dann wird diese Animation pl\u00f6tzlich schneller und es tauchen immer mehr Linien auf und es geht auch ein Counter hoch, also eine Z\u00e4hlung oben und zwar steht auf der einen Seite, wie viele Tote es gibt und auf der anderen Seite, wie viele Jahre gestohlen wurden und die Zahlen sind auch, naja, entsprechend betr\u00fcblich, denn am Ende geht der Z\u00e4hler hoch bis 11.419 get\u00f6tete Menschen und eine Gesamtanzahl von 502.025 gestohlenen Jahren.<\/p>\n<p>Helena: Im Jahr 2013.<\/p>\n<p>Janine: Im Jahr 2013, genau. Was passiert mit dieser Grafik? Es werden, wenn man die jetzt interpretieren will, Emotionen geweckt, es soll begreiflich gemacht werden, was die Daten tats\u00e4chlich bedeuten und was hier eben auf dem Spiel steht, n\u00e4mlich Verlust. Diese ganze Darstellung erhielt auch sehr viel Beachtung und wurde breit geteilt in der \u00d6ffentlichkeit und dann kam nat\u00fcrlich, was auch ein bisschen kommen musste, \u00c4u\u00dferungen von eher klassischen Positionen, die sich mit Daten auseinandersetzen, die eher diese Argumentationskette verfolgen, dass Datenvisualisierung sehr neutral gehalten werden muss. Es muss sehr minimal gehalten werden, neutral, und je neutraler es ist, desto objektiver ist es. Ja, dass... die Objektivit\u00e4t ist quasi das Ziel. Also klassische Data Science, so die Autorinnen in diesem Buch, will, dass Objektivit\u00e4t hergestellt wird. Und es wird sehr stark hinterfragt, wie viele Emotionen \u00fcberhaupt transportiert werden d\u00fcrfen. Eine Person, die die Autorinnen hier zitieren, kritisiert, dass die Daten durch diese Form der Darstellung aktiv in Form gebracht w\u00fcrden und einem Ziel dienen, statt dass sie nur ein Ergebnis eines automatisierten Prozesses darstellten. So, das war die Kritik. Kann's das sein? F\u00fcr die Autorinnen ist hier Donna Haraway, die Philosophin entscheidend, die hat bereits in den Achtzigern damit angefangen, sich mit scheinbarer Objektivit\u00e4t von Daten und ihrer visuellen Darstellung auseinanderzusetzen. Sie hat kritisiert, also Haraway, dass Datenvisualisierung einen Trick macht, n\u00e4mlich the God-Trick of seeing everything from nowhere, also den Gott-Trick, alles von nirgendwo zu sehen. Also, dass Datenvisualisierung einen allwissenden Blick ohne Standpunkt einnimmt. Das ist sozusagen, was das Ideal ist, aber gleichzeitig auch der Trick, den Haraway kritisiert, weil es beim betrachtenden Menschen zum einen den Glauben erzeugen k\u00f6nnte, selbst alles so objektiv sehen zu k\u00f6nnen und alles andere ausklammern zu k\u00f6nnen, aber auch, weil es eben nur den Eindruck erweckt, diesen Standpunkt \u00fcberhaupt darstellen zu k\u00f6nnen. Weil n\u00e4mlich, was passiert, wenn etwas dargestellt wird, etwas so objektiv und klassisch dargestellt wird, dass man nur ein Balkendiagramm hat, um darzustellen, in welchem Jahr wie viele Menschen durch Schusswaffen get\u00f6tet wurden? Das zeigt halt nur einen Teil der Gesamtperspektive, und zwar n\u00e4mlich den Teil der dominierenden Standardgruppe. Und das ist eben diese Machtposition, die Helena auch schon ausgef\u00fchrt hat. Und was ich als Leserin bis zu diesem Zeitpunkt mitnehme, ist vor allem die Kritik, dass auch die klassische Datenvisualisierung, so nenne ich das jetzt auch einfach mal weiterhin, nur den Eindruck von Objektivit\u00e4t \u00fcberhaupt erzeugt. Weil, ja, ich habe mich jetzt ja auch schon eine Weile mit Daten besch\u00e4ftigt und wie wir sie darstellen, und wei\u00df irgendwo schon, dass jede Person, die Daten ausw\u00e4hlt und eine Grafik gestaltet, auch Entscheidungen trifft und damit auch eine Einflussnahme aus\u00fcbt, wie es ja kritisiert wurde bei dieser emotionalen Darstellung. Das ist eine Darstellung mit einem konkreten Ziel, also, ja, das klingt so nach Manipulation. Falls sich jetzt an dieser Stelle jemand fragt, was das spezifisch Feministische ist, das kommt jetzt. N\u00e4mlich geht es darum, dass das Abwerten von Emotionen in solchen Datenvisualisierungen den Autorinnen zufolge aus dieser Haltung herauskommt, dass Frauen emotionaler sind als M\u00e4nner und deswegen M\u00e4nner auch rationaler denken k\u00f6nnen als Frauen. Das ist, sagen Sie, einer der st\u00e4rksten verbreiteten Stereotypen durch die meisten westlichen Kulturen.<\/p>\n<p>Helena: Ja, das sieht man immer wieder, in allen m\u00f6glichen Medien auch, um wieder bei der Hegemonie zu bleiben. Und ja, mein pers\u00f6nlicher Eindruck ist, dass das Quatsch ist, weil, wenn man sich dann irgendwelche Aufzeichnungen von M\u00e4nnern, die irgendwie behaupten, rational zu sein, anguckt, die schreien dann rum oder was auch immer, tun total emotionale Dinge, aber sie sagen, sie seien ja rational, w\u00e4hrend sie total emotional aufgeladen sind. Es ist also ein komplettes Vorurteil, was jede Realit\u00e4t ignoriert, aber aus irgendwelchen Gr\u00fcnden ist das ein sehr starkes Vorurteil.<\/p>\n<p>Janine: Genau. Und das sagen die hier auch, dass die Herausforderung sozusagen ist, insgesamt, diese fehlgeleitete Binarit\u00e4t zwischen Verstand oder rationalem Denken und Emotionen auf der anderen Seite aufzul\u00f6sen. Also das muss das Ziel sein, weil eben dadurch Hierarchien etabliert werden, weil, ja, es wird halt einfach so \u00fcberliefert und bleibt deswegen auch erhalten. Warum kann das passieren? Weil die Gruppe derer, die die Entscheidung trifft dar\u00fcber, was wir als wissenschaftlich, objektiv etc. befinden, halt die ist, die bereits jetzt schon on top ist, n\u00e4mlich nach Haraway und den Autorinnen hier, die elit\u00e4ren wei\u00dfen M\u00e4nner. Und so k\u00f6nnen halt Sachen reproduziert werden und erhalten bleiben. Jetzt m\u00fcsste man nat\u00fcrlich noch beweisen k\u00f6nnen, dass jede Datenvisualisierung immer schon auch eine Entscheidung mit sich bringt, die auch die Daten schon formt, die wir betrachten, und das tun sie, das k\u00f6nnen sie n\u00e4mlich aufzeigen, indem sie auf eine Grafik oder beziehungsweise zwei Grafiken verweisen, die die gleiche Datengrundlage haben, aber von unterschiedlichen Urhebern stammen. Sie sagen, die Konsequenz solcher Entscheidungen, welche Daten wie dargestellt werden, wird erst dann richtig sichtbar, wenn man sieht, dass sie mit alternativen Entscheidungen verglichen werden, die auf den gleichen Daten gr\u00fcnden. So, und da hatte, zitieren sie ein Buch, und zwar den Journalisten Jonathan Stray, der in seinem Buch The Curious Journalist's Guide to Data, also der neugierige Journalistenf\u00fchrer zu Daten \u00fcbersetzt, das ist 2012 im September erschienen, in diesem Buch wird diskutiert, dass es in den New York Times im September 2012 einen Jobreport gab, also sowas wie bei uns die Arbeitsmarktver\u00f6ffentlichung, Arbeitslosenzahlen, etc., und ja, die New York Times hat zwei Grafiken erstellt, einmal aus Perspektive der Demokraten, die die Partei war, die zu der Zeitpunkt regierend war, und einmal aus Perspektive der Republikaner, die die andere Seite war. Jedenfalls wurden diese beiden Grafiken erstellt, und unterm Strich kann keine f\u00fcr sich genommen wirklich als manipulativ wahrgenommen werden, dennoch haben sie halt signifikante Unterschiede in der Art und Weise, wie sie die Daten darstellen, und deswegen auch eine andere Aussage, die daraus abgelesen werden kann. Jonathan Stray, der das analysiert hat, sagt, dass die Wahrheit, an der sich hier ja auch gehalten wird, immer noch einen sehr gro\u00dfen Raum f\u00fcr Interpretationen offenl\u00e4sst. <\/p>\n<p>Helena: Ja.<\/p>\n<p>Janine: Also, man kann Interpretationen nicht vermeiden, au\u00dfer man w\u00fcrde halt einfach diesen Bericht so ver\u00f6ffentlichen, wie er ist, aber dann w\u00e4re es ja gar nicht mehr visualisiert worden, das hei\u00dft, wann immer es um Datenvisualisierung geht, wird eine Entscheidung dar\u00fcber getroffen, wie ich sie darstelle, und das hat eine Konsequenz, wie sie bei Menschen ankommt. So. Und aus diesem Grund haben die Autorinnen auch, wie sie an dieser Stelle sagen, in ihren Eingangsstatements in der Einleitung, ihre eigenen Standpunkte, also ihre eigenen Kategorien sichtbar gemacht, was Race, Gender, Klasse, Bildung etc. angeht, um klarzumachen, das sind Positionen, die haben wir, und die haben Einfluss darauf, wie dieses Buch entstanden ist, was in diesem Buch steht, und wie wir Daten selber interpretieren. Das ist so, finde ich, der wichtigste Punkt dieses Kapitels, das ist nur das halbe Kapitel, es geht noch ein bisschen weiter, aber wichtig ist unterm Strich, dass Datenvisualisierungen auch rhetorisch sind, dass dabei etwas vermittelt wird, und dass es immer jemanden gibt, der etwas erzeugt, mit einer bestimmten Perspektive, und jemand, der etwas aufnimmt, mit einer bestimmten Perspektive. Man kann hier in die sch\u00f6nen Sender-Empf\u00e4nger-Kommunikationsmodelle von Schulz von Thun, war das glaube ich, gehen und sich das mal angucken, wie das \u00fcberhaupt auf Datenvisualisierung passt, und das passt sehr gut. Es kann unterm Strich keine Objektivit\u00e4t geben, Daten werden immer zurechtgemacht und behandelt, bevor sie ver\u00f6ffentlicht werden.<\/p>\n<p>Helena: Ja, ich meine, ein Beispiel daf\u00fcr ist ja auch alle Infos, die es irgendwie zur Klimakatastrophe gibt, und da gibt es ja auch die Gruppe der Leute, die sagen, ja, das muss m\u00f6glichst neutral dargestellt werden, das ist dann meistens die Gruppe derjenigen, die Ma\u00dfnahmen dagegen verlangsamen m\u00f6chte, weil sie im Moment davon profitieren, wie es gerade l\u00e4uft, w\u00e4hrend gleichzeitig eine gro\u00dfe Gruppe wie Fridays for Future sehr daf\u00fcr sind, die Sachen auch so darzustellen, so dramatisch darzustellen, wie sie eben sind. Und da hilft das rausnehmen der Emotionen der Leute, die einfach \u00c4nderungen verlangsamen und bremsen wollen.<\/p>\n<p>Janine: Ja, und was die beiden Autorinnen hier einmal noch ganz klar sagen, ist, dass eben diese... diese  pers\u00f6nlichen Standpunkte nicht als Bedrohungen wahrgenommen werden sollten oder als negative Einfl\u00fcsse, als ein negativer Bias, der an etwas herangetragen wird, sondern dass sie eben inkludiert werden sollten, dass sie einen Rahmen abstecken k\u00f6nnten f\u00fcr die Arbeit, die jemand tut, und dass dadurch eben halt auch ein neuer Zugang zu Dingen entstehen kann. Also, dass jede Person einen \u00fcbergreifenden, kategorien\u00fcbergreifenden eigenen Standpunkt mitbringt, der einzigartig ist, und dass dieser Standpunkt aber auch helfen kann, dabei Wissen zu erzeugen, Dinge zu vermitteln und eben ganz neue Fragen der Forschung aufgemacht werden k\u00f6nnen. Ich finde, das ist eigentlich ein sch\u00f6nes Fazit und in diesem Sinne kann ich da total mitgehen.<\/p>\n<p>Helena: Sehr gut.<\/p>\n<h3>Was steht in Kapitel 5 zu Pluralismus? (00:40:54)<\/h3>\n<p>Helena: Gut. Ja, ich rede jetzt \u00fcber das f\u00fcnfte Prinzip und gleichzeitig auch Kapitel, n\u00e4mlich Bedenke Pluralismus. Das Kapitel f\u00e4ngt damit an, dass es erstmal eine Feststellung zitiert, n\u00e4mlich, dass Daten aufbereiten eine der Hauptaufgaben von Data Scientists ist. Also, man kriegt erstmal Daten, muss die irgendwie aufr\u00e4umen, im Englischen wird das dann auch als Clean Data bezeichnet, wenn man aufger\u00e4umte Daten hat, damit man damit \u00fcberhaupt Analysen machen kann. Und was jetzt dieses Aufr\u00e4umen von Daten und was aufger\u00e4umte Daten sind, f\u00fcr Folgen haben kann, da haben sie verschiedene Beispiele. Und ein Beispiel, das ich jetzt auch noch, um was damit gemeint ist, erkl\u00e4ren zu k\u00f6nnen, habe, das kommt von mir, und zwar, man stelle sich vor, man ist zum Beispiel ein Flugzeug und man m\u00f6chte wissen, wie lange ist jetzt dieses Flugzeug geflogen bzw. wie lange braucht es von einem Ort zum anderen Ort. Und da geh\u00f6rt nat\u00fcrlich auch die Zeit zu, die es jetzt irgendwie von einem Gate zum Rollfeld geht und dann fliegt und dann landet und dann irgendwann die Leute wieder rauslassen kann. So, und da hat man im Moment drei Messverfahren. Das eine ist, ja es gibt ein automatisches Messsystem, wenn das Flugzeug andockt am Gate, wird die Zeit erfasst und wenn es dann wieder losf\u00e4hrt, wird diese Zeit auch erfasst. Dann gibt es die Messmethode, ja irgendjemand schreibt einfach die Zeit auf, wann es da losf\u00e4hrt und wann es abfliegt. Und dann gibt es noch als dritte Messmethode, die Messmethode, die das Flugzeug selber notiert, also das Flugzeug hat dann selber noch Sensoren, dass es wei\u00df, ja es bewegt sich jetzt und jetzt fliegt es und das wird dann auch gespeichert. Und am Ende hat man irgendwie drei verschiedene Messergebnisse und will damit irgendwelche Datenanalysen machen. Und das w\u00e4re an sich kein Problem, wenn eins davon einfach immer da w\u00e4re, aber das ist nicht der Fall. In der Realit\u00e4t fehlen immer irgendwelche Systeme. Irgendwas ist kaputt, ob jetzt ein Flugzeug selber mitkriegt, wann es wie fliegt, ist nicht so wichtig f\u00fcr die Sicherheit, deswegen kann das auch mal nicht funktionieren. Menschen k\u00f6nnen mal unaufmerksam sein, dann ist da irgendwie eine Minute falsch. Aber auch das System, was jetzt irgendwie am Gate misst, ja wann ist das Flugzeug da angekommen, existiert halt nicht an jedem Flughafen oder ist auch nicht immer heile. Das hei\u00dft, am Ende hat man irgendwie drei Messwerte, aber nicht alle sind immer da. Aber einer ist eigentlich immer da und dann muss man die Daten so aufr\u00e4umen, dass man am Ende nur eine Zeit noch \u00fcbrig hat. Das w\u00fcrde man dann zum Beispiel so machen, dass man erstmal die zuverl\u00e4ssigste Zeit nimmt und dann analysiert, welche sind weniger zuverl\u00e4ssig und dann rechnet man die halt runter. So. Das soll jetzt einfach nur einmal ein technisches Beispiel sein f\u00fcr, wie dieses Datenaufr\u00e4umen sich gestaltet, weil das Beispiel, was jetzt hier in dem Buch gebracht wird, ist eben ein nicht so technisches Beispiel. Und zwar geht es darum, dass Menschen ja \u00fcber Orte sprechen. Und wenn Menschen \u00fcber Orte sprechen, wird nicht immer die Objektive volle Adresse genutzt, sondern oft gibt es auch einen Slang f\u00fcr Begriffe, die au\u00dferhalb bestimmter St\u00e4dte oder Communities eben nicht verstanden werden. Ein Beispiel aus Braunschweig ist, dass Franky der Spitzname f\u00fcr den Frankfurter Platz ist oder in diesem Buch gibt es das Beispiel Upstate, mit dem bestimmte Counties in South Carolina gemeint sind. Und wenn jetzt jemand von au\u00dferhalb diese Daten aufreinigt oder damit arbeitet, kennt diese Person diese Begriffe potenziell nicht. Im besten Fall kann man die dann noch nachgucken und dann irgendwie verstehen. Im schlimmsten Fall ist das aber auch nicht mehr m\u00f6glich. Und dann kann man eben die Daten zerst\u00f6ren. Also theoretisch g\u00e4be es eine objektive Adresse, so das, was man vielleicht im Internet hinterl\u00e4sst, wenn man irgendwie einen Brief haben m\u00f6chte oder ein Paket. Aber das ist nicht das, was man im Alltag sagt, wenn man einen Ort meint. Das gibt es, glaube ich, an jedem Ort, irgendwelche Spitznamen.<\/p>\n<p>Janine: Ich k\u00f6nnte zum Beispiel \u00fcberhaupt nichts mit Franky anfangen.<\/p>\n<p>Helena: Dabei wohnst du nur am anderen Ende der Stadt.<\/p>\n<p>Janine: Ja, aber am anderen Ende der Stadt. Der Standort bestimmt ja auch, welchen Park man meint, wenn man sagt, wir treffen uns im Park.<\/p>\n<p>Helena: Ja, au\u00dfer wir sind... befinden uns in Osnabr\u00fcck, dann meint man eine Disco.<\/p>\n<p>Janine: Oh okay, gut. Auch nicht schlecht. Ja und in Braunschweig ist es so, wenn man eher da wohnt, wo ich wohne und sagt, wir treffen uns im Park, meine ich nat\u00fcrlich den, der hier um die Ecke ist und nicht der, der am anderen Ende der Stadt so sch\u00f6n ist. Und wenn man am anderen Ende wohnt, sagt man auch meistens, ab in den Park und meint einen bestimmten Park.<\/p>\n<p>Helena: Genau. Und wenn man jetzt eben diese Daten erfasst und nur Leute von au\u00dfen darauf zugreifen, dann gehen diese Daten halt potenziell einfach kaputt. Und in dem Buch wird das Ganze dann als epistemic violence bezeichnet, also Gewalt auf die Bedeutung bezogen. Und auf der einen Seite, klar, schafft man es vielleicht noch, Dinge durch zum Beispiel objektive Adressen zu \u00e4ndern, aber dadurch, dass in den Originaldaten ja bestimmte Worte drinstehen, sagt der Datensatz ja auch was dar\u00fcber aus, welche Gruppe \u00fcberhaupt diese Daten erhoben hat. Und wenn man das dann alles normalisiert, geht auch diese Information wieder verloren. Dabei ist das zugrundlegende Problem der Daten oder eben, dass Daten in der Regel f\u00fcr Au\u00dfenstehende aufbereitet werden, damit Leute, die nicht Teil dieser Gruppe sind, sie auswerten k\u00f6nnen. Ja, was hat das Ganze mit Pluralismus zu tun? Nun, diese Au\u00dfenstehenden sind zum einen oft wei\u00dfe M\u00e4nner, was dann insbesondere dazu f\u00fchrt, dass davon abweichende Perspektiven, also von der Perspektive von wei\u00dfen M\u00e4nnern, ja, dass diese in den Daten auch verloren gehen. Ja, dabei hei\u00dft Pluralismus jetzt nicht, dass jede Perspektive auch als gleichwertig angesehen werden muss. Das ist nicht der Fall. Es geht eher darum zu sagen, ja, jede Form von Wissen h\u00e4ngt immer nur vom Standpunkt ab und von den Lebensverh\u00e4ltnissen der Person. Wenn jetzt eine einzelne Gruppe, zum Beispiel die Gruppe wei\u00dfer M\u00e4nner, behauptet, ja, sie w\u00fcssten, was die objektive Wahrheit ist, dann sollte man das aus Prinzip erstmal nicht glauben, weil sie ja nur aus ihrem Standpunkt reden k\u00f6nnen. Und hier gibt es ja durchaus noch mehrere Beispiele, wie im Moment ist die d\u00e4monierende Wissenschaftssprache Englisch und Sachen, die jetzt irgendwie auf einer anderen Sprache ver\u00f6ffentlicht werden, werden dann in der Wissenschaft auch gerne mal ignoriert oder sind dann halt nicht hier bekannt, wie zum Beispiel zu Sowjetzeiten, dass dann Sachen in Russisch ver\u00f6ffentlicht wurden. Manche Ver\u00f6ffentlichungen werden dann auch \u00fcbersetzt, aber das muss ja auch erstmal jemand mitkriegen. Und auch das ist eben dieses, ja, pluralistischer Standpunkt. Man kann denken, dass das jetzt die objektive Wahrheit, weil die Wissenschaft das herausgefunden hat, aber vielleicht hat die das in China ja auch schon vor f\u00fcnf Jahren herausgefunden, aber es wurde halt nicht auf Englisch ver\u00f6ffentlicht.<\/p>\n<p>Janine: Da kann man ja auch ganz in die Wissenschaftshistorie zur\u00fcckgehen. Es gibt ja immer dieses Ph\u00e4nomen, dass viele Entdeckungen oder Entwicklungen oder Erfindungen relativ zeitgleich an unterschiedlichen Orten der Welt gemacht werden. Und da ist auch immer die Frage, wer wird denn als Urheber dieser Entwicklungen, Erfindungen, dieses Erkenntnisstandes genannt? Und meistens nat\u00fcrlich der, der als erstes am weitesten rezipiert wird.<\/p>\n<p>Helena: Genau, und...<\/p>\n<p>Janine: Kurz noch das Beispiel dazu, weil es gerade auch wieder durch die Medien getrieben wurde, ist halt, dass jetzt der Name Rosalind Franklin viel h\u00e4ufiger f\u00e4llt, weil darauf hingewiesen wurde, dass sie eben ma\u00dfgeblich an der Entdeckung der DNA beteiligt war.<\/p>\n<p>Helena: Ja, und ihre Ergebnisse im Wesentlichen geklaut wurden von anderen Leuten, die dann dadurch viel bekannter wurden. Der eine Wermutstropfen ist immerhin, sie hat immerhin in derselben Ausgabe der Zeitschrift Nature ihre Ergebnisse ver\u00f6ffentlicht, nur halt nicht diese Aufmerksamkeit bekommen und sie ist leider gestorben, bevor es den Nobelpreis gab. Wo es dann auch gerne hei\u00dft, ja, das hat es dem Nobelpreiskommitee leichter gemacht, sie einfach auszuschlie\u00dfen. Man h\u00e4tte den Nobelpreis ja auch fr\u00fcher geben k\u00f6nnen daf\u00fcr.<\/p>\n<p>Janine: Ja, aber auch das bekommt jetzt Aufmerksamkeit. Aber gut, ich wollte dich auch nicht zu lang vom Thema abbringen.<\/p>\n<p>Helena: Genau. Also, was man daraus eben ziehen kann, ist, naja, Wissen h\u00e4ngt immer vom Standpunkt ab und es ist auf jeden Fall hilfreich, mehrere Standpunkte zu haben. Und Datenfeminismus in diesem Kontext hei\u00dft jetzt, dass man nicht nur auf andere Perspektiven achten soll, sondern sie ganz explizit einladen sollte. Eine M\u00f6glichkeit, das zu tun, ist, f\u00fcr Daten und ihre Nutzung auch immer die Community einzubeziehen, die das konkret betrifft. Das hatten wir ja in unserer Autismusfolge ja auch. Ja, es ist halt eine Sache, wenn immer \u00fcber Autisten geredet wird und die Innenperspektive ignoriert wird. Wenn man jetzt allerdings aus der Innenperspektive zum Beispiel Diagnose-Kriterien herauskriegen w\u00fcrde, s\u00e4hen die wahrscheinlich anders aus als die angeblich objektiven, nur von au\u00dfen betrachteten Kriterien, die heute G\u00fcltigkeit haben. So als Beispiel.<\/p>\n<p>Janine: Und es w\u00e4re wahrscheinlich auch schon viel schneller zu einer \u00dcberarbeitung gekommen, wenn diese Standpunkte fr\u00fcher eine Rolle gespielt h\u00e4tten.<\/p>\n<p>Helena: Genau. Gut. Das war so der wesentliche Punkt, den ich mit diesem... oder aus diesem Kapitel rausgezogen habe.<\/p>\n<h3>Fazit (00:50:27)<\/h3>\n<p>Helena: Und dann w\u00fcrde ich sagen, es ist schon Zeit f\u00fcr ein Fazit.<\/p>\n<p>Janine: Ja, schon ist gut. Aber wir sind ja noch ganz gut im Rahmen im Vergleich zu sonst. Ja, ein Fazit. Ich wei\u00df nicht, ich habe irgendwie das Gef\u00fchl, an dieser Stelle noch irgendwie sagen zu m\u00fcssen, das war jetzt weder eine Buchrezension noch ein reines Buchreferat noch irgendwie, ich wei\u00df nicht. Ich finde, bei diesem Buch bin ich sehr schnell in den Modus gekommen, auch einfach viel zu nicken und zu sagen, ja, das sind gute und wichtige Punkte, die ich auch m\u00f6chte, dass andere Leute die auch wahrnehmen und anerkennen und integrieren in ihrer Arbeit. Also ich glaube, ich habe schnell sehr viel Ja gesagt und wenig kritisch hinterfragt und mir jetzt nat\u00fcrlich auch im Lesen einfach die Dinge rausgepickt, wo ich definitiv auch zustimmen konnte. Deswegen, das hier ist keine Kritik, keine Rezension. Aber ich fand, vielleicht kann man einfach sagen, wir haben dieses Buch als Anregung genommen, \u00fcber dieses Thema zu reden mit den Beispielen des Buches, aber auch irgendwo mit unserer eigenen Meinung da reingesch\u00fcttet. Oder wie w\u00fcrdest du das sehen?<\/p>\n<p>Helena: Definitiv. Im Grunde genommen kann man ja eigentlich den meisten dieser Prinzipien ohne zu z\u00f6gern einfach zustimmen, wenn man die aus Vogelperspektive, wie ich die ganz am Anfang referiert hatte, einmal vortr\u00e4gt. Und eine der St\u00e4rken von diesem Buch ist eben, dann auch an konkreten Beispielen aufzuzeigen, wie diese Prinzipien jetzt eigentlich Wirkung entfalten. Weil man kann ja auf einer abstrakten Ebene immer gerne Dingen zustimmen, wenn es ins Konkrete geht, wei\u00df man ja \u00fcberhaupt nicht, was gemeint ist. Und da fand ich eben, dass das Buch eine sehr gute Arbeit leistet. Und ich meine, es passt einfach auch sehr gut zu Kenne dein Messverfahren. Und was ich daraus gezogen habe, ist ja, au\u00dfer dass man das Messverfahren kennen sollte oder was da auch zugeh\u00f6rt ist, ja, bedenke, dass Daten immer von Machtstrukturen abh\u00e4ngen. Also davon h\u00e4ngt schon ab, was mit den Daten \u00fcberhaupt gemacht werden kann und was am Ende nicht mit ihnen gemacht wird und welche \u00fcberhaupt erhoben werden, dann auch, dass es keine Objektivit\u00e4t gibt, sondern der Standpunkt immer ein Faktor ist, genauso wie die Emotion. Das spielt immer mit rein. Und au\u00dferdem sorge daf\u00fcr, dass du auch weitere Perspektiven einholst. Du kannst dich nicht darauf ausruhen, dass du deine eigene Perspektive nur hast, sondern es ist besser, ja, nach anderen auch zu fragen und sich darum zu k\u00fcmmern.<\/p>\n<p>Janine: Ja, dem kann ich so zustimmen, auch als sowohl inhaltliches Fazit als auch generell als pers\u00f6nliches Fazit zu diesem Thema. Ich denke, das sind auch alles irgendwie Punkte. Wahrscheinlich habt ihr es mitbekommen, wir haben doch recht h\u00e4ufig auf andere Folgen verwiesen, vielleicht noch h\u00e4ufiger als sonst. Ich habe mir an der einen oder anderen Stelle sogar schon eine Folge verkniffen, noch zu erw\u00e4hnen, weil ich w\u00e4hrend dieser Aufnahme auch tats\u00e4chlich gemerkt habe, dass, ja, wir schon an so vielen Punkten genau dar\u00fcber versuchen, auch zu reden und eben nicht umsonst. Und Helena ja auch nochmal betont, das ist absolut einfach unser Motto. Kenne dein Messverfahren.<\/p>\n<p>Helena: Ja.<\/p>\n<p>Janine: Also wisse auch, wer du selbst bist sozusagen und gehe damit um. Ignorier es nicht, verleugne es nicht, sondern umarme es, wie die Autorinnen in diesem Buch sagen w\u00fcrden.<\/p>\n<p>Helena: Gut.<\/p>\n<p>Janine: Ein kitschiges Ende. Na gut.<\/p>\n<h3>N\u00e4chste Folge: Nat\u00fcrliche Experimente am 17. Juni (00:53:58)<\/h3>\n<p>Helena: Ja, gut, das war jetzt diese Folge. Und ja, die n\u00e4chste Folge erscheint am 17. Juni und darin geht es um nat\u00fcrliche Experimente. Ja, was sind nat\u00fcrliche Experimente und wie diese auf nat\u00fcrliche Weise stattfinden k\u00f6nnen, sind dann Thema dieser Folge. Und im Prinzip geht es darum, wie kann man Daten oder Wissen generieren, wenn man Experimente eigentlich nicht im eigentlichen Sinne machen kann, weil sie zum Beispiel ethisch nicht m\u00f6glich sind oder auch technisch nicht m\u00f6glich sind. Weil man hat zum Beispiel nicht zweimal denselben Staat und einmal mit einem Gesetz und einmal ohne ein Gesetz, wo genau dieselben Menschen drin leben. Dazu m\u00fcsste man Paralleluniversen haben. Die haben wir ja nicht. Also muss man irgendwie anders diese Experimente durchf\u00fchren. Und zum Beispiel, was ich mit ethisch meine. Gut, wir hatten letztens irgendwie vor ein paar Jahren ein neues Virus. Wir w\u00fcrden bestimmt eine ganze Menge lernen, wenn man irgendwie hundert Menschen damit erstmal ansteckt und guckt, was passiert. Aber absichtlich an Menschen diese Experimente zu machen, ist halt ethisch einfach nicht vertretbar, weil einfach nicht absehbar ist, was dann passiert. Aber wie kann man trotzdem diese Daten bekommen? Darum wird es in dieser Folge gehen.<\/p>\n<p>Janine: Wobei ich an einer Stelle jetzt ja mal widersprechen muss. Nur weil wir nicht wissen, dass es Paralleluniversen gibt, hei\u00dft es nicht, dass es sie nicht gibt. Aber wir k\u00f6nnen sie halt nicht einbeziehen, weil wir nicht wissen, ob es sie gibt.<\/p>\n<p>Helena: Nach Ockhams Rasiermesser kann ich sie einfach ignorieren,...<\/p>\n<p>Janine: Ja...<\/p>\n<p>Helena: ... weil alle meine Annahmen \u00fcber die Welt funktionieren wunderbar ohne. Und das w\u00fcrde nur Dinge komplizierter machen, aber nicht zus\u00e4tzlich erkl\u00e4rend.<\/p>\n<p>Janine: Auch wieder wahr.<\/p>\n<h3>Call to Action (00:55:41)<\/h3>\n<p>Janine: Gut, Call to Action, so hei\u00dft das hier am Ende. Wenn ihr uns weiter h\u00f6ren m\u00f6chtet, folgt uns auf Twitter unter @datenleben oder Mastodon unter @datenleben@podcasts.social. Besucht gerne unsere Webseite www.datenleben.de, da findet ihr alle Folgen, hin und wieder auch ein paar Blogbeitr\u00e4ge. Hinterlasst uns da auch gerne Feedback, wenn ihr m\u00f6gt, dar\u00fcber freuen wir uns immer. Und ja, ihr k\u00f6nnt uns auch als Data Scientist buchen f\u00fcr Analysen oder Projekte, falls euch unsere Herangehensweise gef\u00e4llt. Und falls ihr Themen oder Fragen habt, k\u00f6nnt ihr uns auch gerne schreiben an den genannten Stellen.<\/p>\n<p>Helena: Ja, dann bleibt mir nur noch f\u00fcr die Aufmerksamkeit zu danken und bis zum n\u00e4chsten Mal. Ciao!<\/p>\n<p>Janine: Tsch\u00fcss!<\/p>\n","protected":false},"author":2,"featured_media":777,"comment_status":"open","ping_status":"open","template":"","meta":{"footnotes":""},"tags":[],"class_list":["post-781","podcast","type-podcast","status-publish","has-post-thumbnail","hentry","post"],"_links":{"self":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes\/781","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes"}],"about":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/types\/podcast"}],"author":[{"embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/comments?post=781"}],"version-history":[{"count":4,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes\/781\/revisions"}],"predecessor-version":[{"id":797,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/episodes\/781\/revisions\/797"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/media\/777"}],"wp:attachment":[{"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/media?parent=781"}],"wp:term":[{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.datenleben.de\/index.php\/wp-json\/wp\/v2\/tags?post=781"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}