1. 3. Apunts epistemològics i la nostra proposta

Aquesta guia no té la intenció de configurar-se com una eina perquè les institucions puguin fer estadístiques políticament correctes; per tant, no intentarem donar una sèrie de receptes que permetin la transversalització formal i descafeïnada de la perspectiva de gènere interseccional per poder complir amb els imperatius legals (Biglia i Vergés, 2020). Partint d’un compromís clar, feminista i interseccional cap al qüestionament de les estructures de poder i a favor de la justícia social, pretenem estimular l’agudització d’una mirada (auto)crítica amb relació a les estadístiques i als processos de la seva producció.

En aquest sentit, és fonamental començar reconeixent que no hi ha coneixement objectiu; com a productores, analitzadores i/o distribuïdores d’estadístiques som creadores de realitat i, per tant, hem de ser conscients que totes les nostres eleccions són decisions polítiques i tindran efectes en les pràctiques socials, així com en les vides de molta gent (Haraway, 1991).

Hem de reconèixer que, històricament, la recol·lecció de les dades ha estat freqüentment utilitzada com a tècnica per conèixer la població i governar les vides de les persones més que com a pràctica alliberadora (D’Ignazio, Klein, 2020). Tant de manera conscient i deliberada, com inconscient i involuntària, l’aplicació d’aquesta eina per al control social es continua fent.

Per exemple, com explica Virginia Eubanks (2021), les famílies pobres o de classe treballadora dels Estats Units es troben sota un escrutini estricte per un model basat en les dades recollides als serveis socials. Cada vegada que es dirigeixen als serveis públics, encara que sigui per fer gestions no directament relacionades amb el seu rol com a progenitores, augmenten les dades que les qualifiquen com a família problemàtica i el control que reben en el marc de la prevenció d’abús o negligència infantil. Per contra, els fills i les filles de les famílies que no utilitzen serveis públics sinó privats, les més benestants, es poden trobar desprotegides perquè, en no registrar-se dades en el model, aquest en cap cas n’infereix risc de maltractament.

Tanmateix, les estadístiques són també extremadament útils per donar visibilitat a les injustícies i promoure un canvi en l’ordre social (Desrosières, 2014: 349). Gràcies a les dades estadístiques, realitats negades o poc valorades han aconseguit un reconeixement social que ha facilitat i/o ha forçat que les institucions públiques donin respostes específiques respecte d’aquest punt de vista. En aquest sentit, es poden configurar (i s’han configurat) com a aliades tant de la lluita feminista com de la d’altres grups socials oprimits

Per exemple, en els cas dels feminicidis i les violències masclistes, el registre i la identificació de casos han estat extremadament útils per donar visibilitat a la magnitud de la problemàtica i per al reconeixement d’una pràctica opressora cap a les dones. Tanmateix, com analitzarem en el capítol “El procés estadístic i els seus biaixos”, la manera com definim la problemàtica és extremadament rellevant, i, en aquest cas, el poc acord sobre el que s’ha de comptabilitzar no facilita promoure’n una anàlisi de conjunt i, a més a més, pot revertir en noves discriminacions.

La nostra lectura és que conviuen aquestes dues formes d’ús de l’estadística, que poden ser una eina tant per mantenir l’statu quo com per subvertir sistemes socials discriminatoris. Considerem, doncs, que les estadístiques són una eina molt potent i, per això, en aquesta guia proposem recomanacions, tant per fomentar-ne un ús transformador, com per saber-ne desxifrar l’eventual connivència amb la reproducció de lectures discriminatòries o opressives de la realitat.

En aquest sentit, hem de reflexionar sobre el procés de (co)producció de dades per reconèixer que la informació amb què treballem no és independent del que hem mirat ni de la manera com l’hem obtingut (Luxán i Azpiazu, 2016: 15). Per això, d’acord amb Donna Haraway, hem d’apostar pels coneixements situats (Biglia, Bonet, 2020), o sigui, per uns sabers que, tot i que es produeixen col·lectivament, no estan exempts de la posicionalitat de les persones implicades. De fet, “cap conjunt de dades, anàlisi, visualització, model o algorisme és el resultat d’una persona que treballa sola […] Abans que hi hagi dades, hi ha persones: persones que ofereixen la seva experiència per ser comptades i analitzades, persones que realitzen aquests recompte i anàlisi, persones que visualitzen les dades i promouen les conclusions d’un projecte concret i persones que utilitzen el producte al final” (D’Ignazio, Klein, 2020).

En aquest sentit, qui està (co)produint les dades, en termes de gènere però també d’altres variables com l’edat, l’estatus social, la racialització, la cultura, les capacitats o les preferències sexuals, té un efecte directe en les dades produïdes, els dona una empremta específica. Tanmateix, s’evidencia que internacionalment, les dones encara es troben lluny d’accedir a una igualtat d’oportunitats real en la professió de l’estadística, i d’ocupar càrrecs influents en les decisions polítiques que afecten els governs i comunitats (Golbeck, 2020); de la mateixa manera, és gairebé impossible saber si persones d’altres col·lectius minoritzats són representades en aquesta professió

En el cas del personal de la Generalitat, per exemple, en els Informes anuals del recompte de personal estructural de les administracions públiques catalanes hi podem trobar les dades dels empleats desagregades d’acord amb els valors “dones i homes”, però no amb altres com els de capacitat o ètnia, i no s’hi detalla la funció específica que tenen, amb la qual cosa és difícil saber qui s’encarrega de les dades. Per aquesta raó, hi ha projectes, com el Women in Data Science (WiDS), que pretenen inspirar i educar en l’àmbit mundial les persones, de qualsevol gènere, productores de dades i donar suport a les dones en aquesta disciplina.

Tenint en compte aquesta problemàtica, hem de remarcar que, tot i que en aquesta guia afegirem recomanacions per inserir la PGI en les estadístiques, aquesta introducció mai podrà ser completa sense la incorporació de subjectes minoritzats en els espais en què les dades es cultiven, es cullen, es cuinen i es distribueixen.

En el quadre següent, com a resum del que hem comentat fins ara però també com a avançament d’allò en què profunditzarem en els propers capítols, presentem les que considerem que han de ser algunes de les apostes de la incorporació de la PGI en les estadístiques:

a) Contribuir a la comprensió dels efectes del cisheteropatriarcat en les estructures i dinàmiques socials.

b) Produir dades que defugen (o intenten defugir) biaixos, específicament dels androcèntrics i sexistes.

c) Visibilitzar les discriminacions, l’opressió i la vulnerabilització de les dones (cis o trans), així com de les persones sexogenèricament no normatives i/o sexualment dissidents.

d) Afavorir la comprensió dels matisos de les experiències interseccionals dels col·lectius oprimits per raons de gènere o de preferència afectivosexual.

e) Desacreditar els processos d’homogeneïtzació de les realitats segons els estàndards de subjectes normalitzats.

f) Defugir els binarismes de gènere i altres sistemes de mesura i classificació que redunden en opressions.

g) Apostar per produccions estadístiques pluralistes, capaces de sintetitzar múltiples perspectives, per a les quals és indispensable més presència de subjectes minoritzats.

h) Obrir la cuina de la investigació, o sigui, explicitar les decisions que hem pres en el procés de producció de les dades perquè puguin ser enteses i valorades en el seu context.

i) Coadjuvar la producció col·lectiva de les dades (implicant, per exemple, la població, i especialment els col·lectius vulnerabilitzats com dones amb diversitat funcionals, persones en situacions administratives irregulars, etc., en l’elecció de què i com cal preguntar en les enquestes o en altres eines de recol·lecció de dades).

j) Desvelar els privilegis generitzats i interseccionals, i no només les opressions, ja que no es pot aconseguir una societat equitativa sostenible sense posar en qüestió les desigualtats de poder.

k) Col·laborar en la posada en qüestió de les dicotomies cartesianes en els processos de producció científica i d’interpretació de les realitats socials.

Font: elaboració pròpia.

En els capítols següents aprofundirem en aquestes anàlisis, oferint exemples concrets perquè les estadístiques puguin contribuir a visibilitzar, entendre i contribuir a la reducció, en lloc de la reproducció, de les opressions interseccionals que pateixen els col·lectius minoritzats. D’acord amb el que hem explicat en relació amb la perspectiva de gènere, els exemples que posarem no seran només de dades sobre dones.