ARTYKUŁ: Jakie kompetencje mają aktywistki danych?

W 2022 roku w ramach programu Landecker Democracy Fellowship zająłem się projektem Od umiejętności pracy z danymi do aktywizmu danych^[1] . Był on wynikiem krytycznych spostrzeżeń, jakie zgromadziłem w mojej podwójnej roli badacza i nauczyciela, a także pokłosiem zjawisk dotyczących życia społecznego i technologii, którym w ostatnim czasie poświęca się dużo uwagi. Komisja Europejska wskazuje transformację cyfrową jako jeden z głównych motorów zmiany w miejscach pracy w UE. Rosnąca ilość danych, ich wykorzystanie w różnych branżach i stanowiskach, rozwój prac nad sztuczną inteligencją oraz jej potencjalnie zakłócający charakter dla rynku pracy sprawiają, że coraz ważniejsza staje się umiejętność ich analizy.

Zauważyłem ciekawy paradoks: podczas gdy kursy matematyczne i analityczne są często postrzegane jako trudne, dane empiryczne przeczą tej percepcji. Według statystyk Centralnej Komisji Egzaminacyjnej średni wynik z matematyki na maturze w Polsce w 2023 roku wyniósł 71% i jest nieco wyższy niż średnia z języka polskiego wynosząca 66%. Ta rozbieżność pomiędzy postrzeganiem matematyki jako czegoś trudnego a rzeczywistymi wynikami uczniów i uczennic może być wynikiem pewnego błędu poznawczego. Jako dydaktyk w dziedzinach społecznych i humanistycznych zauważyłem, że moi studenci i studentki często wykazywali opór wobec analizy ilościowej i niechętnie włączali ją do swoich projektów lub używali jej do pogłębionego badania tekstów.

Współpraca ze studentami i studentkami kulturoznawstwa uświadomiła mi ogromny potencjał młodych ludzi – chęć walki, włączenia się w debatę i wprowadzania zmian. Nie są obojętni na krzywdę grup marginalizowanych, mają bogaty aparat pojęciowy i mnóstwo motywacji do pracy. Biorąc pod uwagę skalę i znaczenie tych zjawisk lokujących się na styku technologii i rzeczywistości społeczno-kulturowej, poczułem potrzebę połączenia tych światów. Do badań zainspirowało mnie zwłaszcza jedno pytanie: jak skierować tę namacalną pasję – często przejawiającą się w formie ożywionych dyskusji, różnorodnych pomysłów i konkretnych działań inspirowanych naukami humanistycznymi – w obszary pozornie będące poza polem zainteresowań studentek i studentów? Chciałem potraktować dążenie do działania jako integralny element studiów humanistycznych; wymagało to wykroczenia poza konwencjonalne postrzeganie studiów kulturowych jako pisania rozbudowanych esejów, bez żadnego przełożenia na rzeczywistość. Miałem dostęp do grupy pasjonatów i pasjonatek dążących do zmian społecznych, więc wykorzystując dane jako efektywne narzędzie transformacji, chciałem zintegrować te elementy.

W wyniku badań i rozmów z ekspertami i ekspertkami zrozumiałem, że nie ma prostego przejścia pomiędzy umiejętnościami pracy z danymi a aktywizmem. Są to oczywiście odrębne kwestie: pierwsza, jak pokażę dalej, to raczej zestaw (przyszłych) kompetencji, które warto już dziś wzmacniać wśród jak największej liczby ludzi; druga to praca wykonywana przez osoby, które posiadają te kompetencje lub je rozwijają, dzięki czemu rozumieją, jak dane mogą stać się narzędziem zmiany. Właśnie to stało się moim celem: poprzez stworzenie transparentnego i prostego kursu z umiejętności pracy z danymi dla (stereotypowo postrzeganych) humanistów chciałem dać im dodatkowe narzędzie w działalności, która w wielu przypadkach kojarzy się z aktywizmem.

Oczywiście nie spodziewam się, że każdy badacz kultury lub student, który rozpocznie naukę podstawowych zasad zbierania i przetwarzania danych, stanie się aktywistą. Trudno byłoby to zrobić bez zrozumienia narzędzi, których się używa. W tym tekście chcę przyjrzeć się definicjom umiejętności pracy z danymi oraz aktywizmu danych, a także spróbować wypracować ich spójną definicję. Jest to również okazja, by przyjrzeć się sposobom nauczania pracy z danymi z uwzględnieniem doświadczenia oraz wiedzy aktywistów i aktywistek. To oni, dzieląc się swoim doświadczeniem, umożliwili mi pokazanie, jak praktycy definiują swoją działalność w tej dziedzinie, a także poznać ich motywacje, narzędzia, inspiracje i pomysły na prowadzenie tego rodzaju projektów.

Umiejętność pracy z danymi jest dziś jedną z najważniejszych kompetencji, pozwala bowiem nie tylko zrozumieć ich charakter, lecz także wykorzystywać je do własnych celów. Nie oznacza to znajomości skomplikowanych narzędzi analitycznych – chodzi raczej o krytyczne podejście do procesu zbierania, analizy i używania danych. W rezultacie osoba biegła w takiej pracy staje się nie tylko ich świadomą użytkowniczką, lecz także lepszą obywatelką, pracowniczką czy członkinią lokalnej społeczności.

Ma to różne implikacje na wielu polach. W kontekście komercyjnym umiejętność pracy z danymi ściśle wiąże się z kompetencjami posiadanymi przez pracowników i pracowniczki oraz zastosowaniem ich w zadaniach zawodowych. W edukacji oznacza kompetencje związane z czytaniem i rozumieniem danych, chociaż istotne są także aspekty narracyjne i analityczne, czyli takie, które poprzez wykorzystanie i łączenie różnych zbiorów danych i budowanie w oparciu o nie jakiejś opowieści mogą dokonywać rzeczywistej zmiany społecznej.

Z perspektywy kształtowania polityki publicznej, budowania społeczeństwa obywatelskiego czy wspierania lokalnych inicjatyw taka umiejętność to nie tylko istotny element procesu zmian społecznych, lecz także fundamentalna kompetencja we współczesności, gdy dane są wszechobecne.

Catherine D’Ignazio i Rahul Bhargava (2015) definiują umiejętność pracy z danymi przez pryzmat czterech innych kompetencji. Są to:

• czytanie danych, czyli zrozumienie, czym one są i jak się je tworzy, co oznaczają oraz jakie są ich ograniczenia;
• praca z danymi, która obejmuje ich zbieranie, czyszczenie i zarządzanie nimi;
• analiza polegająca na ich filtrowaniu, sortowaniu, agregowaniu, porównywaniu i wykonywaniu różnych operacji na nich;
• prowadzenie dyskusji przy użyciu danych, czyli budowanie opartej na analizie narracji uwzględniającej wiedzę i nawyki określonej grupy odbiorców.

Badaczki zauważają również, że umiejętność pracy z danymi różni się od umiejętności pracy z ich dużymi zbiorami (ang. big data), która dodatkowo oznacza konieczność zrozumienia, jak dane mogą być zbierane pasywnie, oraz algorytmicznego wyszukiwania wzorców w dużych zbiorach; chodzi także o wymóg rozważania etycznych implikacji korzystania z takich materiałów w procesach podejmowania decyzji wpływających zarówno na jednostki, jak i na całe społeczeństwa.

Oczywiście umiejętność pracy z danymi definiowana bywa także z wielu innych perspektyw. Mogą one uwzględniać powyższą typologię umiejętności, a także zarówno tak zwane kompetencje twarde (np. znajomość narzędzi do analizy danych), jak i miękkie (związane z komunikacją). Te ostatnie podkreślane są przez Jordana Morrowa w wydanej w 2021 roku książce Be Data Literate – badacz skupia się na „3C w pracy z danymi”: ciekawości (curiosity), kreatywności (creativity) i krytycznym myśleniu (critical thinking).

Te atrybuty są wskaźnikami dla osób biegłych w pracy z takim materiałem, ale uważa się je również za fundamentalne kompetencje w świecie naznaczonym rozprzestrzenianiem się danych, rozwojem sztucznej inteligencji i ewolucją rynku pracy (Marr, 2022). Inne kompetencje miękkie obejmują współpracę, adaptacyjność i inteligencję emocjonalną, a zatem podkreślają ludzki element w sferze pracy przyszłości.

Jeden z paradygmatów wyłaniających się w dyskursie to ewolucja tego pojęcia w kierunku „umiejętności czytania danych w erze danych”^[2]. W centrum tej perspektywy leży uznanie, że nie jest ona rozwijana w izolacji od innych kompetencji – to raczej mieszanka różnych elementów takich jak konsumpcja mediów oraz kompetencje cyfrowe, obliczeniowe, statystyczne, naukowe i informacyjne. Zamiast traktować ją jako ich podzbiór lub podtyp, przesunięcie w kierunku „umiejętności czytania danych w erze danych” oznacza zrozumienie, że powinna ona mieć charakter stricte adaptacyjny. Musi obejmować zdolność dostosowania się do szybko zmieniającego się cyfrowego krajobrazu (np. powstanie nowych modeli uczenia się języków, takich jak ChatGPT). Ponadto powinna być pojmowana jako trwający proces, a nie binarny stan posiadania kompetencji albo ich braku.

Podczas gdy pojęcie to z założenia obejmuje zrozumienie danych, podkreśla także ich przydatność we wprowadzaniu zmian w lokalnych społecznościach. W tym paradygmacie, gdzie umiejętność ich czytania postrzegana jest jako część szerszego kontinuum obejmującego różne rodzaje kompetencji, które się przenikają i wpływają na siebie nawzajem, bycie „kompetentną w zakresie danych” przybliża nas do koncepcji aktywizmu danych. Granica między tymi dwoma terminami coraz bardziej się rozmywa (Bhargava et al., 2015).

Fundamentalna różnica polega jednak na charakterze i zakresie zaangażowania w pracę z danymi. W ramach „umiejętności czytania danych w erze danych” jednostki funkcjonują w pewnym ekosystemie informacyjnym – zarówno jako odbiorcy, jak i producentki informacji. Dane mogą tu funkcjonować jako narzędzie do kontestowania lub kwestionowania zakorzenionych struktur władzy. Z drugiej strony aktywizm zagłębia się w techniczną użyteczność danych oraz modalność, w jakiej te wysiłki są organizowane. W ramach „umiejętności czytania danych w erze danych” holistycznie postrzegamy ekosystem informacyjny, rozpoznając spektrum różnych poziomów zrozumienia wśród jego uczestników. Nauka nawigowania w tej przestrzeni może pomóc w osiągnięciu celów osobistych lub tych istotnych dla określonej społeczności. Z kolei aktywizm danych może być postrzegany jako nisza w szerszym zakresie kompetencji, oparta na określonym zestawie wartości i konkretnym społecznym, politycznym lub kulturowym problemie. Dążenia aktywistek można ująć w ramy strukturalnych projektów, działań lub ruchów skupionych wokół pewnej sprawy.

Czym zatem jest umiejętność czytania danych? Na potrzeby tego tekstu przyjmę definicję zaproponowaną przez firmę Gartner, która definiuje ją jako zdolność do rozumienia, pisania i komunikowania się z danymi w kontekście, obejmującą zrozumienie źródeł i konstrukcji danych, stosowanych metod i technik analitycznych, a także zdolność do opisania przykładu ich zastosowania oraz uzyskanej wartości (Panetta, 2021). Istotnym założeniem tej definicji jest to, że taka umiejętność nie musi oznaczać „kompetencji technicznych”, czyli znajomości zaawansowanych narzędzi do gromadzenia, przetwarzania i wizualizacji danych, lecz skupia się na procesie ich zbierania i poddawania krytycznej analizie. Chodzi zatem nie tyle o to, by korzystać z Pythona przy pobieraniu danych z Twittera, ile raczej o zrozumienie, co one oznaczają, jak można je uzyskać, jakie są ich ograniczenia, a także co można i czego nie sposób powiedzieć na ich podstawie (Brown, 2021).

Istnieje wiele sposobów definiowania aktywizmu danych. Według Stefanii Milan i Lonneke van der Velden obejmuje on szereg praktyk socjotechnicznych, które pojawiają się na obrzeżach współczesnego aktywizmu i skupiają się na kwestionowaniu datafikacji, czyli rosnącego znaczenia danych, ich masowego zbierania oraz społeczno-politycznych konsekwencji tych zjawisk. Taka definicja obejmuje dwa odrębne podejścia: afirmatywne zaangażowanie w dane oraz opór wobec ich masowego zbierania; często są one postrzegane jako sprzeczne, choć oba dotyczą fundamentalnej zmiany paradygmatu wprowadzonej przez datafikację (Milan i van der Velden 2016, s. 61).

Wspomniane badaczki podkreślają rolę technologii w definiowaniu działań aktywistów i aktywistek. Argumentują, że ruch ten jest głęboko zakorzeniony w danych i oprogramowaniu, zarówno pod względem dostępności, jak i użycia. Można go zatem postrzegać jako formę społeczno-politycznej mobilizacji łączącej ludzi, informacje i technologię w celu podjęcia działań, które mogą się różnić pod względem skuteczności, wyraźnie adresując, konfrontując się lub angażując w datafikację. Ta mobilizacja obejmuje konkretne wydarzenia, takie jak indywidualne i zbiorowe akty przywłaszczania danych, sprzeciw, podważanie i opór wobec ich zbierania, a także ogólny proces wyrażania popularnych obaw dotyczących tego zjawiska, sygnalizując fundamentalną zmianę perspektywy oraz postawy w społeczeństwie obywatelskim (Milan i van der Velden 2016, s. 61–62).

Wskazane przez cytowane badaczki ograniczenia – dane oraz oprogramowanie – pozostawiają miejsce na interpretację. Na przykład czy osoba pracująca z małym zbiorem danych może być uważana za aktywistkę, czy też dotyczy to tylko tych, którzy pracują z big data? Czy hakerskie ataki na strony rządowe są formą takiego aktywizmu? Dariusz Jemielniak i Aleksandra Przegalińska dają odpowiedź na to ostatnie pytanie, wskazując haktywizm jako wspólną metodę wykorzystywania technologii do zmian społecznych. Opisują go jako dążące do takiej zmiany połączenie umiejętności programistycznych z krytyczną refleksją. Zauważają jednak również, że haktywizm może być nadużywany – wówczas staje się działaniem szkodliwym, podważa bowiem bezpieczeństwo w sieci. Chociaż dane są w tych działaniach obecne, nie są ich głównym celem; zamiast tego nacisk kładzie się na wykorzystanie technologii w celach politycznych lub społecznych (Jemielniak, Przegalińska, 2020, s. 86).

Pomimo różnorodności definicji aktywizmu danych wspólnym wątkiem we wszystkich tych ujęciach jest idea kwestionowania władzy. Prowadzony przez Stefanię Milan i Lonneke van der Velden projekt DATACTIVE charakteryzuje ten rodzaj zaangażowania jako szeroką gamę społeczno-technicznych praktyk krytycznych wobec masowego zbierania danych. Obejmuje zarówno działania reaktywne, gdy jednostki i grupy stawiają opór zagrożeniom dla praw obywatelskich lub praw człowieka wynikającym z naruszania przez korporacje prywatności i nadzoru rządowego za pomocą rozwiązań technicznych, jak i podejścia proaktywne, gdy ludzie wykorzystują duże zbiory danych do stymulowania zaangażowania obywatelskiego czy też działań promocyjnych (DATACTIVE, 2023).

Taki aktywizm ściśle wiąże się zatem z postawą obywatelską i niekoniecznie wymaga konkretnych umiejętności technicznych. Wyrasta z zaangażowania społecznego i ewoluuje w postać rozproszoną, która obejmuje zwykłych użytkowników. Występuje na styku społecznych i technologicznych wymiarów ludzkiego działania i ma na celu opór wobec masowego zbierania danych lub wykorzystanie tych, które już są dostępne, na rzecz zmian społecznych (Gutiérrez, 2018). W kontekście informatyki może obejmować używanie, mobilizację lub tworzenie zbiorów danych dla celów społecznych, a także rozwijanie i wdrażanie technologii przeciwdziałających ich masowemu gromadzeniu (Kazansky, 2010; 2015).

Zaproponowana przez Milan i van der Velden klasyfikacja form takiego aktywizmu – w wydaniu reaktywnym i proaktywnym – wydaje się najszersza. Dodatkowo Stefania Milan wspólnie z inną badaczką, Miren Gutiérrez, oferują kompleksowy przegląd różnych form proaktywnego zaangażowania na styku danych, technologii, dziennikarstwa, mediów i działań rzeczniczych. Poniższy diagram ilustruje te przecięcia.

Gdy mówię o aktywizmie danych, mam zatem na myśli działanie, które można podzielić na kilka elementów.

Po pierwsze, praca z danymi. Z mojego punktu widzenia obejmuje to wszelkie jej formy, niezależnie od ilości czy pochodzenia materiałów oraz poziomu kompetencji osób, które się nimi zajmują. Może to dotyczyć zarówno wysoko wykwalifikowanych specjalistów, jak i ludzi mających podstawową wiedzę na temat statystyki, przeprowadzających proste operacje. Przykład, który opisałem w dalszej części tekstu – Atlas nienawiści – pokazuje, że analiza nie jest koniecznym składnikiem takiego działania; może chodzić raczej o ciągłe, skrupulatne zbieranie danych i ich ujawnianie.

Po drugie, aktywizm. Oczywiście odnosi się to do zaangażowania społecznego i politycznego, do tego rodzaju działania, które jednoczy ludzi wokół pewnej kwestii, dąży do określonych zmian oraz kwestionuje władzę. W książce Resist! How to be an activist in the age of defiance Michael Segalov przedstawia osiem etapów pracy aktywistycznej: 1) wyważanie drzwi (podejście skoncentrowane raczej na konflikcie niż na przyjaznych zmianach); 2) organizowanie się (siła społeczności i tło takich działań, od spotkań po logistykę, dyskusję i refleksję nad tematem); 3) nagłośnienie sprawy, o którą się walczy (poprzez media tradycyjne i społecznościowe, wydarzenia oraz oddziaływanie na opinię publiczną); 4) projektowanie przyszłości (spekulatywne, ale także częściowo oportunistyczne podejście, w którym, używając mediów oraz siły grupy, nadaje się ruchowi tożsamość – branding – co pomaga wzmocnić przekaz); 5) wychodzenie na ulice (i wykorzystanie wcześniej opracowanej identyfikacji wizualnej); 6) znajomość swoich praw (bycie przygotowanym na każdą ewentualność); 7) robienie hałasu (poprzez różne działania, które mogą – ale nie muszą – być kontrowersyjne, przyciągając uwagę); i ostatecznie 8) gotowość do długiego wysiłku (projekty aktywistyczne zazwyczaj trwają przez dłuższy czas, trzeba się więc na to przygotować, również po to, by uniknąć wypalenia) (Segalov, 2018).

Z perspektywy aktywizmu danych wszystkie te elementy mogą się pojawić, a oczywistym narzędziem w tej walce są właśnie dane. Odwołując się do cytowanego już diagramu autorstwa Milan i Gutiérrez, mogę stwierdzić, że istnieje szansa, iż niektóre takie działania przybiorą formę dziennikarstwa lub aktywizmu medialnego, chociaż oczywiście będą się różnić metodami, dostępnymi zasobami, celem czy motywacją. Pytanie, czy można być aktywistą i otrzymywać za to wynagrodzenie, pozostaje otwarte – ten problem często powracał w moich rozmowach z ekspertami.

Aktywizm danych będę więc rozumiał jako praktykę społeczną, która wykorzystuje dane w dowolnej formie do konkretnych zmian społecznych w imię określonych wartości i zasad, a także do kwestionowania władzy. To działanie może dotyczyć zarówno kwestii technologicznych (monitorowanie czy nieprzejrzyste wykorzystanie danych przez Big Tech), jak i innych zagadnień. Jego celem może być nie tylko podniesienie świadomości publicznej na wybrany temat, lecz także lobbowanie na rzecz konkretnych zmian czy też odkrywanie i ujawnianie nieprzejrzystych procesów i zjawisk, inspirowane zarówno przez firmy i korporacje, jak i rządy i organizacje.

Podczas pracy nad projektem zebrałem i przeanalizowałem ponad czterdzieści różnych pomysłów na działania z zakresu aktywizmu danych. Ich lista dostępna jest tutaj.

Jednym z ciekawszych jest Atlas nienawiści (2023) – mapa dyskryminacyjnych uchwał lokalnych władz (przeciwko „ideologii LGBT”), regionalnych Kart Praw Rodzin itp. Opiera się ona na stale aktualizowanym arkuszu kalkulacyjnym (stan na sierpień 2023 roku). Oprócz znacznego wysiłku włożonego w zbieranie danych autorzy i autorki starali się dokładnie je oznaczyć, dać punkty odniesienia i stworzyć bazę ze wszelkimi powiązanymi informacjami, które mogą pomóc w interpretacji. Publiczna recepcja tego projektu – razem z projektem fotograficznym Barta Staszewskiego (Jakubowska, 2021) – była świetna. Według jego twórców w wyniku tych działań uchylono ponad połowę homofobicznych uchwał. Przedsięwzięcie to wydaje się interesujące przede wszystkim dlatego, że opiera się na stosunkowo niewielkim zestawie danych (small data); jego zebranie było pracochłonnym procesem, ponieważ nie znaleziono metody jego zautomatyzowania – każda uchwała czy decyzja lokalnych władz musiała zostać zweryfikowana. Oczywiście skala działania ułatwiała ręczne zbieranie danych, ale jednocześnie rzuca to światło na zakres kompetencji potrzebnych w tego rodzaju przedsięwzięciach: wśród umiejętności technicznych warto wymienić zręczne korzystanie z arkuszy i map Google. Najistotniejsza wydaje się jednak trudna praca związana ze zbieraniem materiałów oraz ich kontekstualizacją, a także podstawowe kompetencje związane z porównywaniem tych danych z innymi, na przykład wysokością wycofanych dotacji UE (w wyniku przyjęcia dokumentu) lub rozwiązaniem umów przez miasta partnerskie.

Drugi przykład to Global Detention Project (2023), który śledzi przypadki zatrzymań ludzi na całym świecie „z powodów związanych z ich statusem wynikającym z braku obywatelstwa”. Jak informują autorzy strony internetowej, „codziennie dziesiątki tysięcy mężczyzn, kobiet i dzieci są przetrzymywani na całym świecie w związku z ich statusem imigracyjnym: osoby ubiegające się o azyl, imigranci, uchodźcy, ofiary handlu ludźmi, ocaleni od tortur, bezpaństwowcy i inni. GDP nieustannie poszukuje informacji na temat tego, gdzie są oni przetrzymywani i jak są traktowani, by zapewnić, że ich prawa są respektowane”.

Ten projekt różni się od pierwszego pod wieloma względami: skalą, używanymi zasobami, ilością zebranych danych, liczbą społeczności potencjalnie objętych oddziaływaniem przedsięwzięcia itd. Podczas przeglądania strony można natknąć się na interaktywną mapę wskazującą „centra detencji” – to pomysł wykorzystania danych podobny do tego w Atlasie nienawiści, oferujący jednak również dogłębną analizę na poziomie poszczególnych krajów oraz przedstawiający czytelnikom i czytelniczkom szczegółowe raporty wraz z konkretnymi zaleceniami.

Chociaż działania aktywistów i aktywistek przynoszą oczywiste korzyści i wprowadzają istotne zmiany, nie każde takie działanie musi być skuteczne, postrzegane jako odpowiednie, pożądane czy sumiennie przeprowadzone. Przy ich ocenie należy uwzględniać nie tylko motywacje, lecz także kompetencje, jakie zostały wykorzystane do ich realizacji. Na przykład w jednym z badań profesora Jonathana Cinnamona, w którym analizował on sprawozdania aktywistów i dyskutował na temat ich skuteczności, okazało się, że organizacje, których działania są sprawdzane w ramach projektu, mogą być podważone z powodu słabej metodologii lub nienaukowego podejścia. „Istnieje przekonanie, że dane potrafią mówić same za siebie – tłumaczy autor. – Może to być dość niebezpieczne na poziomie ruchów oddolnych, ponieważ można po prostu kwestionować jakość danych. Wyniki moich badań pokazują, że możliwość wykorzystania danych do opowiadania swojej historii i osiągnięcia celu politycznego bywa ograniczona” (Cinnamon, 2020).

Jakie ograniczenia możemy zatem wyróżnić w tego rodzaju projektach i na co powinniśmy uważać? Po pierwsze, nie wszystkie dane są równie dostępne, nie wszystkie można pobrać w sposób czytelny dla używanych narzędzi (mogą być na przykład w formacie PDF), a niektóre mogą pozostawać nieosiągalne. Dlatego powinniśmy dążyć nie tylko do udostępniania jak największej ilości danych generowanych przez instytucje publiczne (i prywatne, chociaż to bywa trudniejsze), lecz także do zwiększania umiejętności analitycznych osób pracujących nad takimi projektami. Jeśli lepiej zrozumiemy, czym są dane i jakie ograniczenia niesie ich analiza, łatwiej będzie unikać potencjalnych błędów, nadinterpretacji czy wyciągania wniosków na podstawie niewystarczającego materiału.

Kolejnym ograniczeniem jest jakość danych. Aktywiści powinni się zastanowić: czy te, których używam, są kompletne? Kto je zbierał i w jakim celu? Czy dostrzegam w nich jakiekolwiek nieścisłości lub potencjalne uprzedzenia? Te pytania można zredukować do „biografii ” lub, zgodnie z propozycją Timnit Gebru i in. (2018), „arkuszy danych”. Badaczki sugerują, że warto spróbować udzielić odpowiedzi na szereg pytań dotyczących procesu ich zbierania, aby kolejni użytkownicy zrozumieli ich pierwotny kontekst oraz cel ich użycia.

Kolejną kwestią jest znajomość narzędzi i języków programowania, ale także infrastruktury technicznej. W moim ujęciu projekty aktywizmu danych angażują ludzi odpowiednio do tego przygotowanych, pojawia się jednak pytanie, czy ich umiejętności (i praca, którą wykonują) są adekwatne do charakteru i złożoności tych przedsięwzięć. Upraszczając: nie każdy aktywista danych musi znać Pythona i nie każdy projekt wymaga tej umiejętności, jednak jej brak może stanowić poważne ograniczenie w jakości i skuteczności działania. Kolejną sprawą jest dostępność zasobów: czy mamy wystarczającą liczbę osób o odpowiednich umiejętnościach? Czy możemy pozwolić sobie na wynagradzanie ich za pracę? Jak rozwiązać te problemy w mniejszych grupach?

Warto również rozważyć kwestie związane z osadzeniem takich projektów w szerszym kontekście. Wymaga to podejścia, które krytycznie umieszczałoby je w szerokiej sieci połączeń i relacji, co może zwiększyć ich skuteczność. Równie ważne jest autorefleksyjne podejście aktywistek do ich własnej pozycji, posiadanych przywilejów oraz tego, jak ich sytuacja, motywacje, dostęp do zasobów czy nawet przekonania mogą wpływać na postrzeganie skuteczności ich działań, w odróżnieniu do tego, co one faktycznie przynoszą. Mam na myśli także rozważanie perspektywy osób pozbawionych dostępu do internetu ani technologii (na przykład nieposiadających smartfona), a jednocześnie będących częścią społeczności, dla której realizowany jest projekt. Do tego dochodzi kwestia szanowania prywatności ludzi, których dane są przetwarzane, oraz uzyskania ich świadomej zgody na użycie tych materiałów.

Warto także unikać perspektywy solujonistycznej, według której podejmowane przez nas działanie jest właściwym (lub wręcz jedynym właściwym) sposobem osiągnięcia celu. Zrozumienie skomplikowanych procesów, zjawisk i niuansów kulturowych może być możliwe inaczej niż tylko poprzez analizę danych i może wymagać większego zaangażowania, znacznie przekraczającego zakres projektu aktywistycznego. Sukces takiego przedsięwzięcia to rezultat nie tylko gruntownej pracy nad zbiorem danych, lecz także głębokiego zrozumienia i interpretacji oraz właściwej komunikacji. Projekty, które rezonują z opinią publiczną, mogą obalać rządy i prowadzić do upadku korporacji, co może wywoływać opór lub uruchamiać działania odstraszające. Przykładem jest Atlas nienawiści, który wraz z akcją fotograficzną Barta Staszewskiego zwrócił uwagę na problematyczną naturę działań lokalnych władz, a przy tym osiągnął znaczną widoczność. Jego efektem było nie tylko wycofanie się większości gmin z kontrowersyjnych uchwał, ale też zagrożenie wycofaniem lub rzeczywiste wycofanie finansowania z funduszy pochodzących z Unii Europejskiej. Moim zdaniem istotne jest utrzymanie tych projektów w zaplanowanej formie przez dłuższy czas, właśnie ze względu na opór, z jakim mogą się spotkać aktywiści. Takie działania wymagają wytrwałości, odporności i wsparcia ze strony społeczności.

Projekty aktywizmu danych są na różne sposoby splecione z procesami demokratycznymi. Obejmuje to zbieranie i analizę danych w celu ujawnienia ukrytych informacji lub rzucenia światła na kwestie, które mogą pozostać ukryte. Poprzez promowanie przejrzystości, otwartości i odpowiedzialności takie projekty pomagają rozwijać demokrację, a także sprawiają, że obywatele i obywatelki mają dostęp do informacji, dzięki którym mogą podjąć decyzję podczas wyborów lub po prostu działać na rzecz zmian w swoich społecznościach. Analizując dane dotyczące wydatków rządowych, decyzji politycznych, wpływu na środowisko czy naruszeń praw człowieka, aktywistki mogą dostarczyć dowodów i domagać się większej odpowiedzialności od osób sprawujących władzę. Należy jednak pamiętać, że potencjalny wpływ takiego działania kształtowany jest przez panujący klimat polityczny i społeczny. W społeczeństwach, gdzie instytucje demokratyczne są słabe lub podważane, dowody oparte na danych mogą nie wystarczyć do tego, by wywołać istotne zmiany lub pociągnąć rządzących do odpowiedzialności.

Oczywiście gdy dane są łatwo dostępne i przejrzyste, mogą stanowić potężne narzędzie regulowania procesów demokratycznych. Ich dostępność i przyjazność dla użytkownika umożliwia obywatelom skuteczniejsze uczestnictwo w debatach, dyskusjach politycznych i procesach podejmowania decyzji. Ponadto wgląd w zweryfikowane materiały może pomóc w zwalczaniu dezinformacji poprzez prezentowanie prawdziwych dowodów.

Z drugiej strony warto zaznaczyć, że samo zbieranie i analiza danych niekoniecznie prowadzi do osiągnięcia konkretnych rezultatów. Dane są neutralne pod względem wartości; zmiany może natomiast napędzać to, jak są używane i interpretowane. Mogą być przedmiotem manipulacji, bywają przedstawiane w sposób mylący lub selektywny w celu promowania określonych punktów widzenia czy interesów, nawet w kontekście aktywizmu. Dlatego projekty tego rodzaju muszą opierać się na etycznych i odpowiedzialnych zasadach obejmujących uczciwość, integralność i zobowiązanie do przedstawiania prawdy.

Mimi Onuoha (2016) zauważyła, że pewne zestawy danych po prostu nie istnieją, co oznacza, że na ich podstawie nie może zostać stworzona żadna polityka publiczna, na przykład pomagająca osobom transpłciowym lub ofiarom przemocy. Niezbieranie danych również jest przykładem sprawowania władzy – aktywiści i aktywistki mogą wskazywać te białe plamy i je wypełniać. Ważne jest zrozumienie, że dane mogą pomóc rzucić światło na pewne kwestie (wspomniana przemoc wobec osób transpłciowych), ale jednocześnie stanowić zagrożenie dla prywatności i bezpieczeństwa ludzi. W demokracji prywatność i ochrona informacji dotyczących obywateli mają najwyższy priorytet. Aktywiści mogą opowiadać się za silnymi prawami ochrony danych i zwiększać świadomość na temat potencjalnych naruszeń prywatności przez rządy i korporacje. Warto jednak zauważyć, że oni sami również muszą chronić wrażliwe dane i odpowiedzialnie nimi zarządzać, zwłaszcza gdy chodzi o te dotyczące osób bezbronnych lub funkcjonujących na społecznym marginesie.

Należy pamiętać, że sam aktywizm danych nie zastąpi sprawnie działającej demokracji. Choć może wzmocnić procesy demokratyczne, musi iść w tandemie z innymi zasadami, takimi jak państwo prawa, wolne media, niezawisłe sądownictwo i dynamiczne społeczeństwo obywatelskie. Nadmierna zależność od danych i ich ilości może prowadzić do datafikacji, czyli wiary w wyższość decyzji podejmowanych w oparciu o ten rodzaj analiz, to zaś może marginalizować inne cenne formy wiedzy i mądrości. Musimy pamiętać, że nacisk na dane może utrwalać nierówności, ponieważ ci, którzy posiadają zasoby i umiejętności niezbędne do uzyskania efektywnego dostępu do takich materiałów, ich badania i wykorzystywania, to często najbardziej uprzywilejowane jednostki lub grupy społeczne.

^[1] Humanity in Action Polska, https://humanityinaction.org/action_project/landecker-democracy-fellowship-from-data-literacy-to-data-activism/ (dostęp: 26.11.2023).
^[2] Angielska wersja tego sformułowania jest nieco bardziej zgrabna: literacy in the age of data.

Atlas nienawiści (2023). Atlas nienawiści. https://atlasnienawisci.pl/ (dostęp: 11.07.2023).

Bhargava, R., Deahl, E., Letouzé, E., Noonan, A., Sangokoya, D., Shoup, N. (2015). Beyond Data Literacy: Reinventing Community Engagement and Empowerment in the Age of Data, DataTherapy.org. https://datatherapy.files.wordpress.com/2015/10/beyond-data-literacy- 2015.pdf (dostęp: 9.08.2023).

Brown, S. (9.02.2021). How to build data literacy in your company, MIT Sloan. https://mitsloan.mit.edu/ideas-made-to-matter/how-to-build-data-literacy-your-company (dostęp: 16.07.2023).

Cinnamon, J. (2020). How powerful is data activism?, Toronto Metropolitan University. https://www.torontomu.ca/research/publications/newsletter/2020-07/data-activism/ (dostęp: 12.07.2023).

CKE (7.07.2023). Wstępne informacje o wynikach egzaminu maturalnego przeprowadzonego w terminie głównym (w maju) 2023 r. cke.gov.pl. https://cke.gov.pl/images/_EGZAMIN_MATURALNY_OD_2015/Informacje_o_wynikach/2023/20230707%20Wstepne%20informacje%20EM23%20werFIN.pdf (dostęp: 8.08.2023).

DATACTIVE (2023). The Politics of Data According to Civil Society, Datactive. https://data-activism.net/about/ (dostęp: 16.07.2023).

D’Ignazio, C., Bhargava, R. (2015). Approaches to Building Big Data Literacy. In Bloomberg Data for Good Exchange. New York, NY, USA.

Global Detention Project (2023). https://www.globaldetentionproject.org/ (dostęp: 11.07.2023)

Gebru, T., Morgenstern, J., Vecchione, B., Wortman Vaughan, J., Wallach, H., Daumé III, H. & Crawford, K. (2018). Datasheets for Datasets, Communications of the ACM, Volume 64, Issue 12.

Gutiérrez, M. (2018). Data Activism in Light of the Public Sphere. Krisis, Issue 1, 2018: Data Activism.

Jakubowska, J. (4.01.2021). Poland: No country for LGBT+ people? Interview with an LGBT activist Bart Staszewski // PODCAST, https://www.euractiv.pl/section/praca-i-polityka-spoleczna/podcast/poland-no-country-for-lgbt-people-interview-with-lgbt-activist-bart-staszewski-podcast/ (dostęp: 12.07.2023).

Jemielniak, D., Przegalińska, A. (2020). Collaborative Society. The MIT Press.

Marr, B. (22.08.2022). The Top 10 Most In-Demand Skills For The Next 10 Years, Forbes. https://www.forbes.com/sites/bernardmarr/2022/08/22/the-top-10-most-in-demand-skills-for-the-next-10-years/ (dostęp: 17.07.2023).

Milan, S., van der Velden, L. (2016). The Alternative Epistemologies of Data Activism, Digital Culture & Society 2 (2).

Milan, S., Gutiérrez, M. (2015). Citizens’ Media Meet Big Data: The Emergence of Data Activism, Mediaciones, No. 14.

Morrow, J. (2021) Be Data Literate: The Data Literacy Skills Everyone Needs to Succeed. KoganPage.

Onuoha, M. (2016). The Library of Missing Datasets. https://mimionuoha.com/the-library-of-missing-datasets (dostęp: 17.07.2023).

Panetta, K. (26.08.2021). A Data and Analytics Leader’s Guide to Data Literacy, Gartner. https://www.gartner.com/smarterwithgartner/a-data-and-analytics-leaders-guide-to-data-literacy (dostęp: 17.07.2023).

Segalov, M. (2018). Resist! How to be an activist in the age of defiance. Laurence King Publishing.