Reimagining Data Work: Participatory Annotation Workshops as Feminist Practice
本文通过一项针对性别暴力新闻叙事的参与式标注工作坊案例，展示了基于女性主义认识论的协作实践如何打破数据劳动中的知识等级，并提出了通过“战术性共识”和情境化边界来平衡多元视角与具体行动的方法论贡献。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇文章讲述了一个关于**“如何重新设计人工智能（AI）背后的数据工作”**的故事。
想象一下，AI 就像是一个正在学习做饭的超级大厨。为了让它学会做出一道完美的“正义之菜”（比如准确报道性别暴力新闻），它需要大量的“食材”——也就是被标注过的数据。
在传统模式下，这些“食材”是由成千上万个不知名的、被付了很少钱的工人，像流水线工人一样在黑暗中默默切好的。他们不知道为什么要切这些菜，也不知道切完的菜会被用来做什么，甚至被当作可以随意替换的零件。
这篇论文的作者们（来自美国、英国、乌拉圭等地的学者和活动家）决定打破这种模式。他们不想再让 AI 的“大厨”独自决定菜谱，而是邀请了一群真正懂这道菜的人——记者、女权活动家和社区成员——走进厨房，一起切菜、一起讨论、一起决定这道菜该是什么味道。
核心故事：一场特殊的“烹饪工作坊”
作者们组织了一系列多语言的研讨会（工作坊），主题是关于“如何报道针对女性的暴力新闻”。他们不是简单地让人来贴标签，而是把整个过程变成了一场集体对话。
1. 为什么要这样做？（打破“流水线”）
- 传统做法：就像在亚马逊上买预制菜包，工人只管按说明书切菜，不管菜好不好吃，也不管吃的人是谁。这导致 AI 学歪了，比如把受害者描述成“咎由自取”，或者忽略了不同文化背景下的特殊含义。
- 新做法：作者们把大家聚在一起，像**开“社区议事会”**一样。大家围坐在一起，一边看新闻，一边讨论：“这句话是不是在指责受害者？”“在这个国家，提到受害者的名字是尊重还是冒犯？”
2. 他们是怎么做的？（三个关键策略）
A. 把“大锅饭”变成“小灶台”：有边界的共识
- 比喻：如果你让全世界 100 个人一起决定“辣度”怎么定义，大家肯定吵翻天，因为四川人、墨西哥人和印度人对“辣”的理解完全不同。
- 做法：作者们发现，一开始大家混在一起（多语言混合）讨论，很多细微的文化差别被翻译弄丢了。于是，他们把大家按语言和文化圈分开（比如西班牙语组、英语组）。
- 成果：在西班牙语组里，大家能深入讨论拉美特有的“激情犯罪”概念；在英语组里，大家能讨论不同大洲的差异。他们不追求一个“放之四海而皆准”的完美标准，而是追求**“战术性共识”——即在特定情境下，大家为了共同的目标（比如更好地揭露暴力）达成的实用协议**。
B. 给参与者“多层次的菜单”：深度对话
- 比喻：以前，参与者只是“洗碗工”，只负责把盘子洗干净（贴标签）。现在，作者们问：“你想只洗碗，还是想尝尝菜的味道，甚至想参与设计新菜谱？”
- 做法：他们提供了不同深度的参与方式。
- 浅层：只贴标签。
- 中层：参与讨论标签怎么定。
- 深层：一起头脑风暴，设计未来的 AI 工具，甚至讨论“我们到底需不需要 AI？”
- 亮点：有些人只愿意贴几个标签，有些人愿意花几个月一起讨论。作者们尊重每个人的选择，不强迫每个人都成为“超级志愿者”。
C. 看见“隐形劳动”：不仅给钱，还给爱
- 比喻：以前，切菜的人被视为没有感情的机器。现在，作者们意识到，切这些关于“女性被杀”的新闻，心里会很难受，会流泪，会愤怒。
- 做法：
- 给钱：他们支付了合理的报酬，而不是只靠大家的“爱心”免费干活。
- 给关怀：工作坊里专门安排了“哀悼和呼吸”环节，大家分享如何照顾自己的情绪。他们建立了聊天群，让参与者互相支持，把“孤独的劳动”变成了“团结的行动”。
- 给尊重：参与者不再是“数据工人”，而是共同创作者。他们的名字被列在论文致谢里，他们的智慧被真正重视。
意想不到的收获：AI 可能根本不需要？
最有趣的一点是，虽然他们一开始是为了给 AI 准备数据，但在讨论过程中，大家发现：
- 也许我们不需要一个 AI 来自动判断新闻好坏。
- 也许这个过程本身（大家聚在一起讨论、反思、互相教育）比最终做出来的 AI 工具更重要。
- 参与者们通过这个过程，学会了如何批判性地看待媒体，如何互相支持。
总结：这篇文章想告诉我们什么？
这篇文章就像是在说：“造 AI 不应该只是工程师在实验室里敲代码，然后外包给廉价劳动力贴标签。”
它提出了一种**“女性主义式”的造 AI 方法**：
- 把人当人看：尊重参与者的情感、文化和智慧。
- 把过程当目的：在合作中建立社区、互相学习，这比最终的产品更重要。
- 承认差异：不强求全球统一的标准，而是在具体的文化土壤里寻找解决方案。
这就好比，以前我们以为 AI 是**“机器”，现在我们要把它变成“社区”**。在这个社区里，每个人都是平等的，每个人都在为构建一个更公平的世界出谋划策，而不仅仅是为了训练一个冷冰冰的算法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。