Page 122 - Studia Universitatis Hereditati, vol 13(1) (2025)

preobražen v podatek. Neka druga značilnost se z upodatkovljenjem vrednosti spreminjajo v
pa ni izbrana, zato ne postane podatek in posle- ordinalne (ali intervalne oz. razmernostne) vred-
dično tudi ne postane realnost, ki jo raziskuje- nosti, kajti to je način delovanja računalnikov
mo. Ključna je odločitev, »kaj šteje« za podatek, (Bolin 2022, 171). Upodatkovljenje pospešuje
in posledično, kaj šteje za realnost. Rečeno prep- predhodno uveljavljen proces kvantifikacije, na-
rosteje: surovi podatki so oksimoron (Gitelman mreč »v številkah izraziti tisto, kar je bilo prej iz-
2013), torej bistroumni nesmisel. Čeprav torej za- raženo z besedami« (Desrosières 2016, 184). Za-
govorniki velikega podatkovja govorijo o »suro- govorniki upodatkovljenja menijo, da »podatki
vini«, o »novi nafti digitalne ekonomije« (To- govorijo sami zase«, zato proces upodatkovljenja
onders 2014) in o surovih podatkih, pa najdemo postaja sredstvo in končni cilj, ob tem pa se spre-
tudi zapise, ki razkrivajo načrtnost (Holmes minja tudi pogled, kaj iskati in »videti« v upo-
2019, 17): »[D]a bi iz njih lahko izluščili uporab- datkovljenih procesih. Če je klasična statistična
122 ne informacije, potrebujemo nove algoritmične analiza iskala vzročno-posledične odnose med
tehnike.« Zaključimo lahko torej, da tip podat- neodvisno in odvisno spremenljivko, se sodob-
kov, ki jih zbiramo, zelo natančno odraža priori- no upodatkovljenje pogosto omeji na evidenti-
studia universitatis hereditati, letnik 13 (2025), številka 1 / volume 13 (2025), number 1
tete sodobnih družb. Hkrati pa se dogajajo tudi ranje informacij in na iskanje korelacij, na raču-
temeljiti premiki na ravni razumevanja družbe- nanje verjetnostnih napovedi, ki pa nikakor ne
nosti, ki so posledica popreproščenega razume- zagotavljajo zanesljive vednosti (Mittelstadt idr.
vanja velikega podatkovja. Za uvod navajamo iz- 2016, 4). Proces avtomatiziranega napovednega
javo (World Economic Forum 2011, 5): modeliranja bi po mnenju zagovornikov ščitil
manjšine in druge šibke skupine, velja pa opozo-
Zbirajo se podatki o tem, kdo smo, koga riti, da bi se problem skrite pristranskosti lahko
poznamo, kje smo, kje smo bili in kam na- preselil na področje avtomatizacije. Tako je av-
črtujemo iti. Rudarjenje in analiziranje teh
podatkov nam daje možnost razumevanja tomatizirano napovedovanje za pripadnike veči-
in celo napovedovanja, kam posamezniki ne slabost, za pripadnike manjšine pa avtomati-
zirani procesi povečajo možnost za objektivno in
usmerjajo svojo pozornost in aktivnosti na nepristransko razsojanje (angl. blind justice), saj
individualni, skupinski in globalni ravni. Ti
osebni podatki – digitalni podatki, kreirani človeške presoje za manjšine pogosto niso pri-
jetne (Zarsky 2012, 35). Ključno težavo predsta-
s strani ljudi in o ljudeh – generirajo nov val vljajo zbrani podatki, ki načeloma kažejo »vna-
možnosti za ekonomsko in družbeno krei- zajsko« situacijo, reproducirajo obstoječe (tudi
ranje vrednosti.
statistične) pristranskosti. Avtomatizirano spre-
Proces upodatkovljenja in kvantifikacije za- jemanje odločitev temelji na obstoječih podat-
jema vse več plasti vsakdanjega življenja; v proce- kovnih bazah, ki so zaradi večletnih neuravno-
su kvantifikacije družbenosti se skriva tudi »fan- teženih podatkovnih zbirk lahko pristranske do
tazija« enkrat za vselej »prebrati« in razumeti obstoječih manjšin, zlasti pa ne zajamejo prihaja-
človeško družbo. Upodatkovljene digitalne sle- jočih trendov (Splichal 2019, 8): »Bistvenih zna-
di se pogosto tudi ne uporabijo za namene, za ka- čilnosti družbenega pojava ali dejstva nikoli ne
tere so bile zbrane. Pogosto se individualne zna- določajo ostanki starega, čeprav kvantitativno
čilnosti spregledajo v prid širših kvantitativnih (še) prevladujejo, pač pa smer in cilj sprememb,
značilnosti. Upodatkovljenje pomeni transfor- torej elementi novega, čeprav so slednji videti
macijo kvalitete v kvantiteto oz. je proces trans- kvantitativno nepomembni ali celo zanemarljivi
formacije »mehkih« oblik v numerične oblike (na primer statistično neznačilni).«
vednosti. Če v vsakdanjem življenju vrednotimo Ker je v kvantitativnem raziskovanju velik
predmete ali pojave v obliki nominalnih vrednos- del raziskave določen vnaprej in se vnaprej izbe-
ti (dobro/slabo; grdo/lepo; občuteno/razumsko), re, kaj so relevantni podatki (Ragin 2007, 151),