In der Arbeit wird die Frage behandelt, ob und inwiefern die Entstehung und Bearbeitung großer Datenmengen den Gender Bias verstärkt.
Die Arbeit geht zunächst auf die grundlegende Fragestellung ein, wonach die Definitionen relevanter Begriffe folgen. Im folgenden Kapitel wird die Problemstellung auf Grundlage des UN Women Reports umrissen, woraufhin die drei Dimensionen Politik, Sprache und Medizin genauer betrachtet werden. Darauffolgend werden mögliche Lösungsansätze aus der Literatur herausgearbeitet. Das Kapitel darauf soll das Verständnis der Autorinnen über die Problemstellung zusammenfassen. Zuletzt folgt das Fazit..
Inhaltsverzeichnis
1. Einleitung
2. Definition relevanter Begriffe
2.1 Big Data
2.2 Gender Bias
2.3 Gender Data Gap
3. Relevante Organisationen
4. Gender Data Gaps in fünf Bereichen
5. Lösungsansätze
6. Fazit
Zielsetzung und thematische Schwerpunkte
Die vorliegende Arbeit untersucht den Einfluss von Big Data auf den Gender Bias. Ziel ist es, mittels literaturgestützter Recherche aufzuzeigen, wie datenbasierte Prozesse bestehende gesellschaftliche Ungleichheiten zwischen den Geschlechtern reproduzieren oder verstärken können und welche Lösungsansätze existieren, um diese Entwicklung entgegenzuwirken.
- Grundlagen und Definitionen von Big Data, Gender Bias und Gender Data Gaps
- Analyse der Rolle internationaler Organisationen bei der Identifikation geschlechtsspezifischer Datenlücken
- Untersuchung von Gender Data Gaps in spezifischen gesellschaftlichen Feldern
- Diskussion von Lösungsstrategien und Handlungsdimensionen zur Reduktion von Bias in Algorithmen
Auszug aus dem Buch
1. Einleitung
Big Data begeistert seit jeher verschiedene Bereiche: Ob Wissenschaft und Forschung, Marketing und E-Commerce oder Social-Media, viele profitieren von der Generierung großer Datenmengen. Im Marketing kann das Nutzer:innenverhalten tiefgründiger analysiert werden. Im E-Commerce können diese großen Datenmengen zur Reduktion von Retouren genutzt werden. Auch in der aktuell noch bestehenden Covid-19-Pandemie kommt Big Data zum Einsatz. In China wurden u.a. Flugdaten ausgewertet, um die Verbreitung des Virus ausgehend von Wuhan vorherzusagen. Viele Städte und Länder mit besonders hohem Risiko wurden identifiziert und gewarnt (vgl. Kreuzhuber, 2020). Diese berechtigte Euphorie lässt jedoch auch Fragen zur Schattenseite von Big Data aufkommen (vgl. Davenport, 2014). In der Tat kann die Frage gestellt werden, ob Big Data Fluch oder Segen ist. In dieser Arbeit soll die Schattenseite unter dem Gesichtspunkt des Gender Bias beleuchtet werden.
„Die Vorstellung der Welt ist, wie die Welt selbst, das Produkt der Männer: Sie beschreiben sie von ihrem Standpunkt aus, den sie mit dem der absoluten Wahrheit gleichsetzen.“ (Simone de Beauvoir, in Criado-Perez, 2020, S. 9)
Mit dieser Aussage aus den 1950-er Jahren trifft die Philosophin Simone de Beauvoir den Kern eines Problems, das im Zentrum der Ausarbeitung steht. Durch den Blick nur eines Geschlechts, wird die Realität nicht bzw. falsch abgebildet (vgl. Criado-Perez, 2020, S. 10). Die Relevanz des Themas begründet sich im Global Gender Gap Report 2021. Dieser hält fest, dass „another generation of women will have to wait for gender parity […].” (World Economic Forum, 2021). Frauen sind demnach noch immer eine marginalisierte Gruppe, denn „data on women and girls is lacking globally (Buvinvi et al., 2014, S. 9). Das bedeutet, dass in vielen Bereichen Benachteiligungen vorliegen (vgl. Criado-Perez, 2020, S.44).
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung führt in das Potenzial von Big Data ein, stellt jedoch kritische Fragen bezüglich des Gender Bias und definiert die Forschungsfrage der Arbeit.
2. Definition relevanter Begriffe: In diesem Kapitel werden die theoretischen Grundlagen erarbeitet, indem Big Data, Gender Bias sowie Gender Data Gaps in ihrer wissenschaftlichen Bedeutung für die Arbeit definiert werden.
3. Relevante Organisationen: Es werden ausgewählte Institutionen vorgestellt, die sich mit der Identifikation von geschlechtsspezifischen Datenlücken und der Förderung von Geschlechtergerechtigkeit auseinandersetzen.
4. Gender Data Gaps in fünf Bereichen: Dieses Kapitel analysiert anhand konkreter Praxisbeispiele, wie Datenlücken in verschiedenen Lebensbereichen entstehen und zu diskriminierenden Ergebnissen führen können.
5. Lösungsansätze: Hier werden Handlungsoptionen diskutiert, um den Gender Bias in datenbasierten Systemen abzubauen und eine validere Repräsentation der sozialen Realität zu erreichen.
6. Fazit: Das Fazit fasst die Erkenntnisse zusammen und betont die Notwendigkeit eines verantwortungsvollen Umgangs mit Big Data, um diese als Lösung und nicht als Ursache für Ungleichheit zu nutzen.
Schlüsselwörter
Big Data, Gender Bias, Gender Data Gap, Datenlücken, Künstliche Intelligenz, Digitalisierung, Repräsentativität, Algorithmus, Geschlechtergerechtigkeit, Datensätze, Diskriminierung, Soziale Realität, Datenethik
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, inwiefern die Nutzung von Big Data zur Verstärkung von geschlechtsspezifischen Verzerrungen (Gender Bias) führt.
Was sind die zentralen Themenfelder der Untersuchung?
Die Arbeit behandelt die Themenfelder Big Data, geschlechtsspezifische Benachteiligung in Datensätzen, algorithmische Diskriminierung und Strategien zur Datenqualitätssicherung.
Was ist die primäre Forschungsfrage?
Die zentrale Forschungsfrage lautet: Inwiefern hat Big Data Einfluss auf den Gender Bias?
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Autorin führt eine literaturgestützte Recherche durch, die verschiedene Studien und Berichte kombiniert, um ein Kreislaufmuster des Gender Bias zu identifizieren.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die Begriffsdefinition, die Vorstellung relevanter Organisationen, die Analyse von Data Gaps in fünf spezifischen Bereichen sowie die Erarbeitung von Lösungsansätzen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den wichtigsten Begriffen zählen Big Data, Gender Bias, Gender Data Gap, Algorithmen und soziale Repräsentation.
Wie zeigt das Beispiel des Schneeräumens in Schweden die Problematik?
Das Beispiel verdeutlicht, dass unzureichende Datengrundlagen (Vernachlässigung der Wege von Fußgängerinnen bei der Verkehrsplanung) zu einer strukturellen Benachteiligung von Frauen führen können.
Welche Rolle spielt die KI bei der Reproduktion von Vorurteilen?
Algorithmen lernen aus bestehenden Daten. Wenn diese Daten gesellschaftliche Vorurteile enthalten, reproduziert und verstärkt die KI diese Vorurteile, wie das Beispiel von Übersetzungssoftware zeigt.
Was fordert die UN Women im Kontext von Big Data?
Die UN Women fordert eine „gendered data revolution“, um Inklusivität in Big Data zu erreichen und geschlechtsspezifische Datenlücken durch gezielte Maßnahmen zu schließen.
- Arbeit zitieren
- Daniela Scharf (Autor:in), 2021, Der Einfluss von Big Data auf den Gender Bias, München, GRIN Verlag, https://www.hausarbeiten.de/document/1066505
