數據工作能否具備修復性？從女性主義視角看 AI 數據生產
arXiv - Computers and SocietySrravya Chandhiramowuli, Ding Wang, Alex Taylor
本文透過民族誌研究探討如何透過協作式數據開發，將數據工作轉化為修復社會傷害與重建問責制的過程。
AI 幫你先抓重點
AI 重點 1
將關注焦點從「AI 模型」轉移到「受影響的人群
滑鼠懸停看 AI 判斷理由
傳統的 AI 安全評估（如紅隊演練）往往過於技術導向，忽略了數據生產過程中的人本價值。此洞察提醒開發者，真正的責任感應建立在對被忽視與排除群體的關注上。
AI 重點 2
數據工作應被視為一種「修復性正義」的實踐
滑鼠懸停看 AI 判斷理由
這改變了我們對數據標註或收集工作的認知，將其從單純的勞動力轉化為一種修復社會不平等、重建社會連結與問責關係的政治與倫理行動。
核心研究發現
- 1
研究發現公民科技倡議正嘗試從女性主義視角出發，透過與受網路傷害影響最深的人群協作，建立線上安全數據集。
- 2
在推動數據工作的公平報酬與 AI 數據集的集體治理時，研究者面臨了顯著的挑戰與權力張力。
- 3
文章指出修復數據工作與 AI 系統的核心在於重新設定問責機制，而非僅僅關注技術層面的安全性評估。
對教育工作者的啟發
對於教育科技開發者與課程設計者而言，這提供了關於「數位公民素養」的新維度。在設計 AI 驅動的學習工具時，不應僅追求演算法的準確性，更應思考數據來源的倫理性，以及數據生產過程是否排斥了特定群體。建議在開發教育 AI 時，引入參與式設計（Participatory Design），讓學生或受技術影響的社群參與數據集的定義與治理，從而建立更具包容性與問責性的數位學習環境。
原始文獻資訊
- 英文標題：
- Can Data Work be Reparative?
- 作者：
- Srravya Chandhiramowuli, Ding Wang, Alex Taylor
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。