Erika Luna y Sofía Giordano
De acuerdo con los datos obtenidos por la FAO en 1995, el 50% de la comida en el mundo es producida por mujeres.
Este dato circula en muchos reportes que informan políticas públicas; sin embargo, al cuestionarlo encontramos un par de problemas. Por un lado, este dato estimado en 1995 está desactualizado, ya que en los últimos 26 años las cosas han cambiado mucho, sobre todo en el sector de la agricultura. Por otro lado, Doss et al., argumentan que el dato es un mito. De ser cierto, significaría que las mujeres agricultoras hacen una labor sobrehumana pues no sólo trabajan en el campo produciendo la comida, sino también preparándola para alimentar a sus familias. Además de otras labores no remuneradas como el cuidado de los hijos y/o personas mayores. Lo anterior nos hace preguntarnos: ¿Cómo se estimó el dato sobre la cantidad de comida que es producida por mujeres?
Colecta de datos
Antes de continuar definamos qué es un dato. Por lo general, cuando hablamos de datos, los asociamos a números, porcentajes, cantidades, y mediciones cuantitativas. Sin embargo, los datos también pueden ser cualitativos; por ejemplo, historias, anécdotas, o experiencias. Investigadoras feministas han recalcado que los estudios deben de integrar ambos tipos de datos, de manera que se refleje de mejor forma la realidad de las personas. A pesar de los grandes esfuerzos en el mundo respecto a la obtención de datos, en ámbitos como la agricultura, estos no reflejan las necesidades ni la vulnerabilidad a la que están expuestas las agricultoras, ni las proporciones de trabajo en conjunto y por separado con los hombres en el campo. Esto es consecuencia de que la recolección de datos a través de censos se hace generalmente a nivel de hogar (es decir, no están desagregados por sexo), tomando en cuenta sólo al jefe del hogar que en la mayoría de los casos es hombre.
Además, muchas veces pensamos que los datos son una representación “objetiva” de la realidad, y que al ver una gráfica estamos viendo reflejada a toda la población. Sin embargo, los datos no son más que un pedacito de realidad, la cual es construida a través de la colecta y el análisis. Por esta razón, al colectar datos debemos de asegurarnos de no seguir perpetuando estructuras de poder y opresión, ni oscurecer la realidad de personas que no se identifiquen con el sistema de clasificación que estemos imponiendo. Por ejemplo, personas que no se identifiquen con el género binario tendrán solamente una representación parcial de su realidad. Aún más, incluir sus propias narrativas, puede resultar en no sólo una mejor representación, sino también puede tener un mayor impacto en las personas que reciban esta información. En la página de Farming first, vemos un gran ejemplo de cómo se pueden integrar números con historias para visibilizar el rol de las agricultoras.
Créditos: Imagen propia
Procesamiento de datos
Una vez colectados los datos, el siguiente paso es procesarlos. Este trabajo se piensa como un proceso lineal y objetivo, sin embargo, de la misma manera en que es importante cuestionar los datos colectados, es también importante cuestionar quiénes están detrás del análisis y síntesis, ya que es en esta etapa donde información sobre grupos marginados puede ser eliminada con el objetivo de “limpiar” o remover datos “atípicos”. D’Ignazio y Klein, en su libro Data Feminism argumentan que al día de hoy se ha normalizado en la Ciencia de Datos la práctica de tener bases de datos limpias con el fin de ser una ciencia rigurosa, lo cual se transmite a los estudiantes y científicos en entrenamiento (los cuales son en su mayoría hombres). Pero como la pensadora feminista Dona Haraway argumenta, no es posible decir que la ciencia es totalmente objetiva, ya que el conocimiento científico ha sido construido por humanos, cada uno con una perspectiva parcial de la realidad. Asumir que los datos que vemos son la realidad total es muy peligroso, ya que como mencionamos anteriormente, “el proceso de trabajar con datos es un proceso dominado por la perspectiva masculina, la cual ha sido asumida como universal, mientras que la experiencia de las mujeres (quienes comprenden la mitad de la población mundial) queda sepulcrada” .
Por lo tanto, reconocer que venimos de un contexto diferente que informa el quehacer científico es parte de aceptar que nadie de nosotrxs tiene la verdad absoluta y que el mundo está formado por diferentes sistemas de conocimiento (por ejemplo, el conocimiento tradicional indígena), y que ninguno de estos saberes está por encima del otro, sino que se complementan.
Visualización de datos
Una vez que los datos han sido procesados, viene la parte más emocionante e importante del proceso: visualizarlos. Esta parte es crucial pues es mediante la cual transmitiremos al mundo la información que hemos colectado y analizado. Existe un gran debate respecto a cómo hacer visualizaciones efectivas. Es por lo general asumido que un diseño minimalista (sin tantos adornos, colores, etc.) lleva a una representación más “objetiva” de la realidad. Sin embargo, desde una perspectiva feminista, las visualizaciones no solo deben de transmitir los datos (en ese caso simples tablas de E xcel cumplirían el objetivo), sino conectar con emociones de modo que los colores, adornos o elementos interactivos comuniquen los datos y representen a las personas reales detrá s de estos, así como los sistemas de opresión en los que viven y las estructuras de poder en las que se desenvuelven.
Créditos: D’Ignazio, C., & Klein, L. (2020). Data Feminism. MIT Press.
DAMUSA
Con el fin de no reducir el rol de las agricultoras a solo un porcentaje como el que mostramos al inicio de este texto (50% de la comida en el mundo es producida por mujeres), hemos creado DAMUSA (Datos Abiertos sobre Mujeres para la Seguridad Alimentaria). Esta es una iniciativa desarrollada por mujeres que busca llevar a la práctica todo lo mencionado anteriormente, de manera que se visibilice el importante rol que desempeñan las mujeres en la producción, preparación y comercialización de alimentos para sus familias y comunidades. DAMUSA busca ser una plataforma innovadora que visibilice y ponga por delante la equidad de género en el campo mexicano por medio del acceso a datos e información asertiva reconociendo la diversidad de la participación de las mujeres como poderoso agente de cambio para alcanzar la seguridad alimentaria.
Referencias
FAO. (1995). Gender food security. http://www.fao.org/3/x0198e/x0198e02.htm#:~:text=Women%20produce%20more%20than%2050,disaggregation%20of%20data%20is%20increasing.
Doss, C., Meinzen-Dick, R., Quisumbing, A., & Theis, S. (2018). Women in agriculture: Four myths. Global Food Security, 16, 69–74. https://doi.org/10.1016/j.gfs.2017.10.001
D’Ignazio, C., & Klein, L. (2020). Data Feminism. MIT Press.
Criado Perez, C. (2019). Invisible Women: Data Bias in a World Designed for Men. Abrams.
Haraway, D. (1988). Situated Knowledges: The Science Question in Feminism and the Privilege of Partial Perspective. Feminist Studies, 14(3), 575–599. http://doi.org/10.2307/3178066
Fotografía de Dorothea Langeen en The New York Public Library, 1937, Migratory workers harvesting peas near Nipomo, California. Tomada de Unsplash.