211service.com
Hvordan tackling af teknologiens mangfoldighedsudfordringer kan anspore innovation
Datalogen Nicki Washington bruger meget af sin tid på at tale med hvide og asiatiske mænd om, hvordan deres identiteter påvirker deres arbejde.
27. oktober 2021
Høflighed Foto
Nicki Washington kan forveksles med en samfundsforsker. Washington har længe argumenteret for, at dataloger som hende bedre burde forstå, hvordan deres egen identitet påvirker deres arbejde. Hun kom til Duke University i juni 2020 og lancerede et banebrydende kursus, der analyserer, hvordan race, køn og klasse påvirker den måde, teknologier udvikles på.
Vi talte om computerens udfordringer omkring diversitet, lighed og inklusion (DEI), og hvordan hun fandt vej i feltet. Dette interview er blevet forkortet og let redigeret for klarhedens skyld.
Denne historie var en del af vores november 2021-udgave
- Se resten af problemet
- Abonner
Spørgsmål: Eleverne i Dukes datalogiafdeling er overvejende hvide eller asiatiske mænd. Hvad fik dig til at beslutte dig for at diskutere race, køn og klasse i dit kursus?
A: Da jeg var udmærket klar over manglen på mangfoldighed inden for teknologi, arbejdede jeg altid på at få flere sorte og brune studerende til at begynde at computere tidligt. Efter et stykke tid indså jeg, at det ikke længere gav mening, for de vil ikke blive, hvis de oplever racisme. Vi er nødt til at ændre tankegangen hos en arbejdsstyrke, der er overvældende hvid, asiatisk og mandlig, og få dem til at erkende, at nye perspektiver fører til mere innovation.
Spørgsmål: Du siger, at datalogi har brug for en stærkere dosis samfundsvidenskab. Hvorfor?
A: Problemerne inden for teknologi begynder ikke med teknologi; de begynder med det miljø, hvor folk lærer og arbejder. Nogle discipliner, såsom sundhedspleje, underviser i kulturel kompetence, fordi de arbejder med klienter og patienter fra en række baggrunde og identiteter. Hvorfor gør vi ikke dette inden for databehandling, når den teknologi, vi udvikler, påvirker de samme mennesker på måder, der er lige så skadelige?
Spørgsmål: Hvorfor har mangfoldighedsindsatsen ikke været mere succesfuld?
Relateret historie
Hvordan vores data koder for systematisk racisme Teknologer skal tage ansvar for de giftige ideologier, som vores datasæt og algoritmer afspejler.A: Fordi de er fokuseret på at øge antal og repræsentation. Men når først du har flere minoriseret mennesker, hvad så? Hvis du ikke har ændret miljøet, mister du dem lige så hurtigt, som du får dem.
Fra college til industri har enhver indsats været fokuseret på underskuddet af mennesker med de mest marginaliserede eller minoritetsidentiteter. De er ikke problemet; problemet er alle, der marginaliserer dem.
Q: Hvad kan magthaverne gøre?
A: Folk i magtpositioner må erkende, at de ikke er de mest vidende om disse ting. Så lyt først og fremmest til sorte kvinder! Sorte kvinder har fortalt os på så mange niveauer, hvad problemerne er. For det andet, tillad dig selv at være så utilpas som muligt og sidde med det ubehag, hvilket betyder at aflære og give plads.
Spørgsmål: Hvordan påvirkede det dine karrierebeslutninger at have en mor, der var datalog?
A: Da mor dimitterede college i 1973, blev hun marginaliseret, ignoreret og skulle håndtere problematiske ledere. Hun havde også en lille gruppe venner, som dimitterede fra Black Colleges og startede hos IBM på samme tid. Så når folk taler om, hvordan repræsentation betyder noget, gjorde det virkelig for mig. Det var normalt for mig at se programmører, ingeniører og ledere, der lignede mig.