Il femminismo dei dati

Gli stereotipi di genere coinvolgono anche la produzione delle statistiche di genere. Due economiste hanno analizzato il fenomeno per Ingenere, evidenziando come gli stereotipi di genere vadano a creare delle distorsioni nelle statistiche e delle percezioni alterate della realtà. Il metodo scelto per l’analisi dei dati determina il risultato della ricerca, andando a creare una non corretta ricostruzione della realtà, vista attraverso filtri fortemente discriminatori ma non avvertiti come tali. Nella produzione di dati e statistiche bisognerebbe – questo il monito delle autrici – avere sempre presenti le dinamiche reali degli stereotipi e delle disuguaglianze, al fine di integrare un nuovo metodo di ricerca e produzione di dati: un vero e proprio “femminismo dei dati”, ossia un modo critico di produrre statistiche che tenga conto che il potere non è equamente distribuito nelle nostre società. Un metodo di produzione di statistiche orientato riflessivamente a garantire l’adeguata rappresentazione del pluralismo e, di conseguenza, un cambiamento sociale duraturo ed equo.

 

di Marcella Corsi e Giulia Zacchia 

Le statistiche di genere sono tra gli strumenti indispensabili per garantire che la gestione delle risorse del recovery plan, e in generale di tutte le risorse pubbliche, sia coerente ed efficace per il contrasto alle disuguaglianze di genere. Cerchiamo di capire meglio di cosa si tratta e come funzionano.

La produzione di statistiche di genere implica la disaggregazione dei dati per sesso, ma le statistiche di genere sono più che dati disaggregati per sesso. Queste statistiche trattano dati raccolti e riprodotti separatamente, per donne e uomini. La disaggregazione  garantisce però che gli strumenti di raccolta dati siano stati concepiti per riflettere i ruoli di genere e le disuguaglianze nelle società.

Punto di partenza nella discussione sullo sviluppo delle statistiche di genere quindi è la distinzione tra due termini spesso confusi: sesso e genere. La parola sesso si riferisce alle differenze biologiche tra donne e uomini, mentre il termine genere si riferisce a un costrutto sociale che determina ciò che è previsto, consentito e valutato consono per una donna o per un uomo in un dato contesto. Il genere è quindi modellato dalla storia delle relazioni sociali e può cambiare nel tempo e tra diverse culture.

Tenendo questo a mente, al fine di riflettere proprio le differenze di genere (e non quindi solo tra i sessi) le statistiche di genere si devono basare su concetti e definizioni che riflettano adeguatamente la diversità delle persone in tutti gli aspetti della loro vita e devono garantire che i metodi di raccolta dei dati evitino stereotipi di genere tali da creare distorsioni statistiche, che ne possano inficiare la corretta rappresentazione della realtà.

Un esempio di distorsione statistica è nella definizione di ‘attività economica’ che per l’approccio tradizionale all’economia si concentra sui settori valorizzati (ossia monetizzati/retribuiti), ma trascura il lavoro di cura non retribuito. Per comprendere la piena fornitura di beni e servizi in un paese, è importante invece disporre di dati completi su tutti tipi di lavoro, compreso il lavoro non retribuito che può essere quantificato con metodi ad hoc come le indagini sull’uso del tempo.

Altro esempio di come gli stereotipi possano portare a una ridotta percezione della realtà è la scelta di raccolta e analisi dei dati a livello familiare, piuttosto che a livello individuale. L’utilizzo dell’unità di analisi ‘famiglia’ (invece che ‘individuo’), come nel tradizionale approccio alla povertà e all’esclusione sociale, è spesso giustificato dall’assunto che all’interno della famiglia esiste un’equa distribuzione delle risorse [1]. Tuttavia, l’uso della famiglia come unità d’analisi della povertà oscura le disuguaglianze di genere nell’uso delle risorse, compreso il tempo, all’interno dei nuclei domestici. È importante quindi raccogliere dati sul reddito e sulle risorse disponibili, e conseguentemente elaborarli, a livello dei singoli individui piuttosto che a livello di nucleo familiare.

Altro modo in cui il concetto di famiglia ha reso le donne invisibili nelle statistiche è la prassi di intervistare il ‘capofamiglia’, o meglio, il membro della famiglia auto-identificato come ‘più informato’ per la raccolta dei dati relativi a tutto il nucleo familiare: spesso le caratteristiche dell’intera famiglia vengono identificate con quelle del soggetto intervistato, solitamente uomo, e si ottengono informazioni insufficienti per descrivere adeguatamente la gamma di relazioni esistenti tra i membri della famiglia.

Alcune distorsioni derivano anche dalle definizioni dei fenomeni da analizzare: per esempio ci sono nette differenze di genere nell’analizzare ‘l’accesso a’ o ‘l’utilizzo di’ risorse.

Pensiamo ad esempio alle risorse finanziarie: avere accesso alle risorse finanziarie non è la stessa cosa che usarle. Tuttavia, è più probabile avere disponibili dati che misurano l’utilizzo dei servizi finanziari (ad esempio avere un conto corrente bancario o attività finanziarie in portafoglio) piuttosto che indicatori sull’accesso (negato prevalentemente alle donne) ai servizi finanziari o al credito. Dati quest’ultimi che sono in grado di cogliere meglio i divari di genere nelle barriere all’inclusione finanziaria.

Infine, anche l’introduzione di nuove definizioni degli indicatori sul mercato del lavoro deve essere considerata con attenzione quando parliamo di differenze di genere. È il caso delle novità recentemente introdotte dall’Istat per rendere confrontabili i dati a livello europeo sulla condizione di ‘occupata’, che vanno a escludere dal computo statistico le lavoratrici in Cassa integrazione guadagni (Cig) e le lavoratrici autonome (se l’assenza di occupazione supera i 3 mesi), mentre vengono comprese le lavoratrici in congedo parentale (anche se l’assenza supera i 3 mesi e la retribuzione è inferiore al 50%).

La nuova classificazione, in particolare in questo periodo di crisi, può comportare consistenti variazioni nei principali aggregati utilizzati per il monitoraggio del mercato del lavoro e nella quantificazione dei conseguenti divari di genere. Con la nuova definizione, cresce infatti il numero di uomini che perdono lo status di occupato, e così la perdita di occupazione durante la pandemia risulta più equamente distribuita tra donne e uomini. E questo non per effetto di politiche, ma semplicemente perché sono variati i metodi di analisi dei dati.

È quindi essenziale, quando parliamo di statistiche di genere, indossare le giuste lenti per guardare a tutte le fasi della catena del valore dei dati ovvero all’intero ciclo di vita dei dati, dalla definizione di uno scopo, alla raccolta, all’analisi, alla diffusione e presentazione, fino all’impatto finale dei dati sul processo decisionale.

Questo vuol dire ricordare sempre l’obiettivo principale del produrre statistiche di genere in un’ottica femminista, ovvero: eliminare gli stereotipi; aumentare la consapevolezza delle disuguaglianze attraverso la lettura dei dati; ispirare la formulazione di politiche per il cambiamento; monitorare e valutare politiche e misure in essere o da intraprendere; monitorare i progressi verso la piena equità di genere.

Questo comporta percepire il genere in termini non binari, ma in una dimensione intersezionale in quanto le donne e gli uomini non sono gruppi omogenei. L’intersezionalità del dato è alla base anche del cosiddetto femminismo dei dati (data feminism), un modo di pensare ai dati informato dall’esperienza diretta, dall’impegno all’azione e dal femminismo.

Il punto di partenza del femminismo dei dati è qualcosa che rimane per lo più ignorato quando si raccolgono e analizzano i dati, ovvero che il potere non è equamente distribuito nelle nostre società. La raccolta e l’analisi dei dati deve essere quindi motivata dalla tensione al cambiamento dello status quo e dall’azione volta a riportare una redistribuzione più equa del potere e delle risorse.

Il femminismo dei dati è sia un obiettivo che un processo che guida le nostre azioni per un cambiamento sociale duraturo ed equo, che abbracci il pluralismo, consideri i diversi contesti e renda visibile il lavoro, tutto il lavoro, retribuito e non.

Gli argomenti trattati in questo articolo sono stati al centro dell’incontro “Recovery plan: l’importanza delle statistiche di genere” organizzato da Noi Rete Donne il 15 aprile 2021. 

 

Note

[1] Si veda, Botti, F., Corsi, M. e D’Ippoliti, C. (2016), “Gendered Nature of Poverty in the EU: Individualized versus Collective Poverty Measure”, Feminist economics, 22 (4): 82-100.

 

Fonte: Ingenere, 03 maggio 2021.