Kada koristimo svakodnevne predmete, posjećujemo liječnika ili se krećemo kroz grad, rijetko razmišljamo o tome tko je bio primarni model pri njihovom dizajniranju. Većina nas polazi od pretpostavke da su sigurnosni pojasevi, lijekovi i urbanistički planovi stvoreni prema univerzalnim ljudskim standardima. Međutim, detaljnija analiza otkriva uznemirujuću istinu: ono što nazivamo “univerzalnim” zapravo je muški standard. Svijet je u velikoj mjeri projektiran prema muškoj anatomiji, fiziologiji i obrascima ponašanja, dok su ženska iskustva često tretirana kao odstupanja ili specifične komplikacije.
Ova sustavna nevidljivost nije rezultat svjesne zlobe u svakom pojedinačnom slučaju, već duboko ukorijenjene podatkovne pristranosti. Kada se žene izostave iz podataka koji služe kao temelj za razvoj tehnologije, medicine i infrastrukture, rezultat nije neutralnost, već okruženje koje je za žene manje funkccionalno, a ponekad i izravno opasno.
Sadržaj...
Što je podatkovna pristranost i kako utječe na stvarnost?
Podatkovna pristranost nastaje u trenutku kada skupovi podataka koji služe za donošenje ključnih odluka ne predstavljaju ravnomjerno cijelu populaciju na koju te odluke utječu. Povijesno gledano, u disciplinama poput inženjerstva, medicine i urbanizma, “prosječni čovjek” bio je muškarac. To znači da su muška iskustva postala defaultnim modelom za čovječanstvo, dok su potrebe i biološke razlike žena ostale na marginama.
Opasnost ove praznine leži u tome što ona čini diskriminaciju nevidljivom. Ako podaci o ženama uopće nisu prikupljani ili su bili nepotpuni, donositelji odluka i dizajneri često nisu ni svjesni da njihov proizvod ili politika marginalizira pola populacije. To stvara začuđan paradoks: sustav koji se proglasio objektivnim zapravo reproducira rodne predrasude kroz samu strukturu podataka.
Kritične točke: Zdravlje, sigurnost i tehnologija
Najozbiljnije posljedice podatkovne pristranosti vidljive su u sektorima gdje je ulog ljudski život. Medicina je desetljećima izostavljala žene iz kliničkih istraživanja, često pod pogrešnim opravdanjem da su ženski hormonalni ciklusi previše kompleksni za precizna mjerenja. Rezultat toga je standardizacija doza lijekova prema muškim tijelima, što značajno povećava rizik od nuspojava kod žena i dovodi do kasnijih dijagnoza ozbiljnih stanja, poput srčanog udara, jer se simptomi prepoznaju isključivo kroz “muški” obrazac.
Slična problematika postoji i u automobilskoj industriji. Crash testovi su godinama koristili lutke koje odgovaraju muškoj težini i anatomiji. Zbog razlika u gustoći kostiju i položaju centra težže, žene u prometnim nesrećama imaju statistički veći rizik od teških ozljeda, čak i kada su sigurnosni sustavi radili ispravno prema postavljenim (muškim) standardima.
U nastavku je prikazan pregled sektora u kojima se podatkovni jaz najjasnije manifestira:
- Medicina: Pogrešno doziranje lijekova i dijagnostika temeljena na muškim simptomima.
- Automobilska industrija: Airbagovi i pojasevi koji nisu optimizirani za žensku anatomiju.
- Urbanizam: Planiranje gradova prema modelu “kuća-posao-kuća”, zanemarujući složenije putne lance žena (njega djece, starih, obavljanje više errandsa).
- Tehnologija i AI: Algoritmi za zapošljavanje ili prepoznavanje lica koji diskriminiraju žene jer su trenirani na pristranim povijesnim podacima.
- Radno okruženje: Standardne temperature u uredima prilagođene muškom metabolizmu, što može negativno utjecati na kognitivnu produktivnost žena.
Urbanizam i digitalni svijet: Nevidljive prepreke
Gradovi su često projektirani za tradicionalnog “hranitelja obitelji”, što se odražava u načinu na koji funkcionira javni prijevoz i infrastruktura. Istraživanja pokazuju da žene češće koriste tzv. “putne lance” – kombiniraju više odredišta u jednom putovanju. Gradovi poput Beča i Stockholma prepoznali su ovaj problem i počeli redizajnirati javne prostore. Primjerice, prioritizacijom pješačkih staza pri čišćenju snijega izravno je smanjen broj ozljeda među ženama i starijim osobama, koji su češći pješaci u gradskim jezgrima.
U digitalnom prostoru, problem se seli u umjetnu inteligenciju. Sustavi za kreditno bodovanje ili prepoznavanje lica često pokazuju višu stopu pogreške kod žena. Iako regulative poput EU AI Act-a pokušavaju uvesti obveznu procjenu rizika, implementacija rodne perspektive u razvoj algoritama još uvijek je u ranoj fazi.
Put prema inkluzivnijim standardima u Hrvatskoj i svijetu
Hrvatska nije iznimka u ovom globalnom trendu. Podaci Eurostata i izvješća Pravobraniteljice za ravnopravnost spolova ukazuju na postojeće jazove, od razlike u plaćama do nedovoljne zastupljenosti žena u procesima odlučivanja. Ključni korak prema rješenju je rodna disagregacija podataka – prikupljanje informacija razvrstano po spolu kako bi se jasno vidjelo gdje sustav zakazuje.
Rješenje zahtijeva sustavno uključivanje žena u sve faze dizajna, istraživanja i planiranja. To uključuje uvođenje rodnih kriterija u javne nabave, urbanističke planove i zdravstvene protokole. Tek kada žene prestanu biti “iznimka” i postanu vidljive u podacima, svijet može postati funkcionalan i siguran za sve svoje građane.
Često postavljana pitanja (FAQ)
Što točno znači “podatkovna pristranost”?
To je situacija u kojoj podaci koji služe kao osnova za dizajn proizvoda, razvoj tehnologije ili donošenje zakona ne predstavljaju ravnomjerno sve korisnike. Najčešće favoriziraju jednu grupu (muškarce), čime druge grupe postaju
