La recopilación de conjuntos de datos de género comienza con el liderazgo y un enfoque cambiado: mirar un problema específico que el bienestar quiere resolver a través de una lente de género. En sus directrices para la integración de las perspectivas de género en las estadísticas nacionales, la ONU define las estadísticas de género como «estadísticas que reflejan adecuadamente las diferencias y desigualdades en la situación de mujeres y hombres en todos los ámbitos de la vida».

Sin embargo, los datos desglosados ​​por sexo son solo el primer componente. Se deben cumplir los siguientes criterios antes de que se pueda considerar que un conjunto de datos contiene estadísticas de género:

• Los datos se recopilan y presentan por sexo como clasificación primaria y general;
• Los datos reflejan cuestiones de género;
• Los datos se basan en conceptos y definiciones que reflejan la diversidad de mujeres y hombres y capturan todos los aspectos de sus vidas;
• Los métodos de recopilación de datos consideran estereotipos y factores sociales y culturales que pueden inducir sesgos de género en los datos.

Agregar una dimensión de género a los conjuntos de datos no es simplemente una casilla para marcar. Descargue el informe para obtener más información.

La transversalidad de las cuestiones de género tiene dos componentes: análisis de género, que captura el status quo, y evaluación de impacto de género, que evalúa los posibles efectos de una política.

Este análisis de género requiere la creación de conjuntos de datos y estadísticas relevantes para el género descritos anteriormente y un examen de las causas y efectos de las desigualdades de género. Por ejemplo, un análisis de género de la malaria no solo captura datos cuantificados sobre el contagio, la muerte y las recuperaciones, sino que también tiene en cuenta el riesgo que corren las mujeres embarazadas, la influencia de los patrones de sueño y los códigos de vestimenta de género o los roles de género en las familias polígamas.

La evaluación del impacto de género luego considera criterios cualitativos como las normas y valores que influyen en los roles de género, la división del trabajo y los comportamientos y desigualdades en el valor asignado a las características de género. También da cuenta de los aspectos normativos, evaluando diferencias en el ejercicio de los derechos humanos y en el grado de acceso a la justicia.

Comenzar la transversalización de género desde la fase de planificación de políticas no solo es lógico, sino el enfoque más oportuno y rentable, ya que reduce la probabilidad de problemas en la fase de implementación. Descargue el informe para obtener más información sobre la problemática implementación de ADMS discriminatorios en tres países occidentales.

Dado que los ADMS siguen las psicologías y los prejuicios humanos, se pueden evitar muchas trampas diseñando conjuntamente las reglas que deben aplicar y las interfaces que estos sistemas utilizan para interactuar con los solicitantes.

Además, la supervisión humana es fundamental para evitar la automatización de errores y desigualdades. Precisamente debido a su razonamiento binario por el que se los percibe como neutrales, ADMS no puede captar ni reaccionar ante los innumerables matices del caso de cada solicitante de asistencia social.

La experiencia de los asistentes sociales también podría ser instructiva, ya que tratan con los solicitantes cara a cara y están acostumbrados a doblar las reglas cuando es necesario. El bienestar digital debería crear puntos de entrada para los trabajadores sociales en ADMS y mejorar sus interacciones con los sistemas en lugar de reemplazarlos por completo.

Por supuesto, con los sistemas de bienestar existen consecuencias de la vida real por los errores y juicios erróneos hechos por ADMS. En los casos de rechazo, es posible que los ciudadanos solo se enteren cuando sea demasiado tarde y, por lo tanto, necesiten una agencia sobre sus propios derechos y deberían poder ejercer esos derechos en el mundo digital. Las interacciones con el sistema deberían ser posibles en cualquier paso del proceso, y no deberían dejarse en manos de chatbots u otras formas de inteligencia artificial. Incluso la forma opaca en la que se diseña la interacción puede exponer a los demandantes a un estrés indebido, especialmente cuando se tienen en cuenta las brechas digitales.

“La explicabilidad es inútil sin el concepto de comprensión: el proceso debe ser comprensible. Además, es necesario que haya visibilidad de cómo y dónde se utiliza el sistema, la gente no lo sabe «.

– Dr. Rumman Chowdhury, Accenture

Los principios anteriores facilitan la automatización de un cierto grado de igualdad. El sistema debe considerar datos representativos de la situación para respaldar decisiones basadas en políticas sensibles al género, así como interactuar con los trabajadores de primera línea y los ciudadanos de una manera accesible y comprensible. La “equidad” de un ADMS no sería intencional, sino más bien el resultado de mejores procesos detrás de su creación.

“Existe una gran desconexión entre la realidad histórica y la realidad deseada. Si simplemente va a obtener más datos históricos sobre cualquier grupo desfavorecido, corre el riesgo de incorporar más fuertemente su desventaja histórica. Es necesario impulsar el sistema hacia un escenario deseado «.

– Dr. Angsar Koene, Universidad de Nottingham

Estos principios pueden basarse en ejercicios de diseño que pueden aplicar ingeniería inversa a situaciones de deseo, automatizando de hecho la anulación de la discriminación histórica y los sesgos de todo el sistema. Encapsulada en la noción de bienestar está la misión de mejorar las vidas de las personas, familias y comunidades vulnerables. Históricamente, las mujeres han sido tratadas como agentes pasivos, a menudo relegadas al espacio privado doméstico. Incorporar una comprensión profunda de las condiciones reales de las mujeres en los procesos de diseño detrás de ADMS ofrece un potencial revolucionario para transformar los sistemas de bienestar.