Reimagining Data Work: Participatory Annotation Workshops as Feminist Practice
Dit artikel presenteert een casestudie over participatieve annotatieworkshops die, gebaseerd op feministische principes, de onzichtbare arbeid van datawerkers herwaarderen en een 'tactische consensus' nastreven om AI-ontwikkeling om te vormen tot een relationele en politieke ruimte voor solidariteit.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Hoe we AI leren om te luisteren: Een verhaal over samenwerken in plaats van werken
Stel je voor dat je een enorme, slimme robot wilt bouwen die nieuwsberichten over geweld tegen vrouwen kan begrijpen en verbeteren. In de wereld van kunstmatige intelligentie (AI) is het gebruikelijk dat deze robot wordt "getraind" door duizenden anonieme mensen die ergens in een donkere kamer zitten, een computer voor zich hebben en duizenden artikelen moeten labelen. Ze krijgen weinig geld, weten niet waarom ze het doen, en hebben geen stem in hoe de robot denkt. Het is alsof je iemand vraagt om een schilderij te maken, maar je geeft ze alleen een potlood en zegt: "Kleur dit in, maar vraag niets."
Dit artikel vertelt een heel ander verhaal. Een groep onderzoekers, journalisten en activisten uit verschillende landen (zoals Uruguay, de VS en het VK) besloot: "Nee, zo doen we het niet." Ze wilden de AI niet laten trainen door een leger van onzichtbare werknemers, maar door een gemeenschap van experts.
Hier is hoe ze het deden, vertaald in alledaagse taal:
1. De Workshop als een Diner, niet als een Assemblagelijn
In plaats van mensen een taak te geven en weg te sturen, hielden ze een reeks workshops. Stel je voor dat je geen fabriek hebt waar mensen stalen bouten vastdraaien, maar een groot, warm diner waar iedereen aan tafel zit.
- Het doel: Ze wilden niet alleen data verzamelen, maar ook praten, luisteren en samen nadenken over wat "goed" en "slecht" nieuws is.
- De sfeer: Ze noemden dit een "feministische praktijk". Dat klinkt ingewikkeld, maar het betekent simpelweg: we behandelen elkaar als mensen met gevoelens en ervaringen, niet als robots. Ze zorgden voor elkaar, namen pauzes voor ademhalingsoefeningen (want het onderwerp is zwaar en verdrietig) en luisterden naar elkaars verhalen.
2. De "Tactische Consensus": Een Kaart met Grenzen
Een groot probleem was: hoe praat je met iemand in Brazilië, iemand in India en iemand in de VS over wat een "feminicide" (een moord op een vrouw omdat ze een vrouw is) is?
- Het probleem: Als je alles door elkaar haalt, wordt het een rommeltje. In sommige landen is het normaal om de naam van het slachtoffer te noemen, in andere landen is dat een groot taboe. Als je één regel voor iedereen maakt, mis je de nuance.
- De oplossing: Ze besloten om de groepen op te splitsen in "buurten". Ze hielden workshops specifiek voor Spaanssprekenden en andere voor Engelssprekenden.
- De analogie: Stel je voor dat je een wereldkaart tekent. Je kunt niet één grote lijn trekken die voor iedereen perfect is. In plaats daarvan teken je eerst de contouren van de landen (de context) en dan komen de mensen in dat land samen om te beslissen: "Oké, binnen onze grenzen zijn we het hierover eens." Dit noemen ze een "tactische consensus". Het is geen eeuwige waarheid, maar een praktische overeenkomst om op dat moment samen te kunnen werken.
3. De Werknemers zijn de Architecten, niet de Bakstenen
In de oude manier van werken zijn de mensen die data labelen "bakstenen": ze zijn uitwisselbaar en hebben geen idee wat het gebouw is dat ze bouwen.
- De nieuwe manier: In deze workshops werden de deelnemers de architecten. Ze mochten meedenken over de regels, de vragen en zelfs of AI wel nodig is.
- Het resultaat: Een journalist uit Egypte merkte bijvoorbeeld op: "In het Engels klinkt het nieuws vooruitstrevend, maar in het Arabisch is het heel anders." Zonder die lokale kennis zou de AI een foutief beeld krijgen. Door hen te laten praten, werd de AI slimmer en eerlijker.
4. Geld en Respect: Meer dan alleen een salaris
Een ander belangrijk punt was: hoe betaal je mensen voor hun emotionele en mentale werk? Het labelen van nieuws over moorden is zwaar werk.
- De uitdaging: Je kunt niet alleen zeggen "bedankt voor je tijd" (dat is vaak uitbuiting), maar je kunt ook niet alles in geld afkopen alsof het een fabrieksproduct is.
- De oplossing: Ze betaalde hen eerlijk (een basisbedrag plus extra voor meer werk), maar ze gaven ook erkenning. Ze noemden ze bij naam in het artikel, boden hen een plek in de gemeenschap en zorgden dat ze niet alleen zaten met hun zware gedachten. Het was een balans tussen "hier is geld voor je tijd" en "wij zien jou als een mens met waarde".
5. De Vraag: Moeten we AI überhaupt gebruiken?
Het mooiste aan dit project is dat ze niet blindelings dachten: "We moeten een AI-tool bouwen."
- De ontdekking: Tijdens het samenwerken merkten ze dat het proces van samen praten misschien wel belangrijker was dan het eindproduct.
- De les: Soms is het antwoord: "Misschien hebben we geen AI nodig, maar gewoon betere journalisten die samenwerken." Het project diende als een spiegel om na te denken over of technologie wel de oplossing is, of dat we soms gewoon beter moeten luisteren naar elkaar.
Samenvattend
Dit artikel is een oproep om de wereld van AI te veranderen. Het zegt: "Stop met mensen als onzichtbare machines te behandelen."
In plaats van een assemblagelijn, bouwen we een gemeenschapscentrum. Waar we samen, met respect en zorg, proberen de wereld beter te begrijpen. Of we nu een AI-tool bouwen of niet, het proces zelf wordt een plek waar mensen leren, groeien en samenwerken aan een eerlijkere toekomst.
Het is alsof je niet alleen een huis bouwt, maar ook de buren uitnodigt om te helpen met de plannen, zodat het huis echt voor iedereen werkt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.