Mi mindent kutatnak a hazai adattudósnők?

Múlt héten rendezték meg a budapesti Közép-európai Egyetem (CEU) épületében a Women in Data Science (WiDS) konferenciát egy nemzetközi kezdeményezés részeként. A konferenciát eredetileg a Stanford Egyetem indította, amelyhez már több mint 200 regionális esemény kapcsolódik világszerte. Budapest második évben csatlakozott a kezdeményezéshez, hogy bemutassa az adattudománnyal foglalkozó nők hazai kutatási eredményeit, és ezáltal inspiráljon másokat (akár férfiakat, akár nőket) az adattudományi kutatásokra és támogassa őket ebben (program pdf).

A Gitlab mint DevSecOps platform (x) Gyere el Radovan Baćović (Gitlab, Data Engineer) előadására a november 7-i DevOps Natives meetupon.

A poszterszekció és előadások tehát mind az adattudomány területéről szóltak, de ezen belül szerteágazó témakörökről, úgy mint a Prezi A/B tesztelési gyakorlatának fejlődése, a gyermekhalálozás arányának változása a nemzeti dohányozás szabályozások következtében vagy a korrupciókutatás. A panelbeszélgetésen pedig szóba került a hazai vélt és valós antiszemitizmus kutatása, a lakhatási szegénység és egyenlőtlenség kutatása, valamint a Járókelő.hu saját kimutatása az oldalon bejelentett és megoldott lakossági városi problémák kapcsán. Utóbbi kezdeményezés alapítója, Le Marietta megemlítette, hogy tervei közt szerepel API megjelentetése és hackathon szervezése is. Az adatkutatók közösen dolgozhatnak majd a városi problémák megoldásán, például felhasználnák a tervek szerint a közlekedési, a közúti adatokat és a budapesti kamerák alapján kapott adatokat is.

A rendezvény fiataloknak is lehetőséget biztosít a bemutatkozásra, melynek keretében Urbán Ida, az ELTE MSc-s hallgatója a saját startupját (Nightingale) mutatta be, amely deep learning segítségével keresi a megoldást a látássérültek matematikatanulására. Elmondása szerint a képfelismerés sokban hasonlít az offline kézírással lejegyzett képletekre, ezáltal az alkalmazás felismer, értelmet és felolvas bármilyen forrásból származó matematikai kifejezéseket. Nem csak algebra tanulásban lehet hasznos, hanem a kémiában, a fizikában és a geometriában is szeretné bevetni a megoldást.

Diverzitás és innováció

A konferencia ugyan nem kifejezetten a diverzitásról szólt, de a téma érezhetően sok előadásban felmerült. Már a Women in Data Science Konferencia nyitó előadásában elhangzott, hogy a STEM (science, technology, engineering, mathematics) tudományokban hazánkban csak a nők negyede dolgozik, és ez az arány évek óta változatlan. A problémát pedig a nyitóelőadást tartó Heal Edina, az Egyenlítő Alapítvány alapítója, a Google Magyarország korábbi vezetője is érzékeltette egy másik kutatási eredménnyel. A Yale hat egyetemen professzorokat (férfiakat és nőket egyaránt) kérdezett egy laboratóriumi menedzser pozícióról önéletrajzok alapján, hogy kit tartanak elég hozzáértőnek, felvennék-e és mentorálnák-e az adott személyt.

Az önéletrajzok ugyanazokat az információkat tartalmazták, de egyiken John, másikon Jennifer név szerepelt. A professzorok minden esetben inkább a férfiakat helyezték előtérbe. Egytől hétig terjedő skálán kompetencia és felvételi szándék szerint a férfiak átlagosan 4-es, a nők pedig inkább a 3-ashoz közeli értékelést kaptak. A mentorálást pedig átlagban 5-ös szinten vállalnák férfiaknál és 4-es szinten nőknél. Az előadó rámutatott, hogy a Google-ben a CEO kifejezésre adott képtalálatok is a rejtett előítéleteket mutatják, mivel az első találatok közt kivétel nélkül fehér, férfi vezetők szerepelnek.

Az előítéletek viszont egyáltalán nem csak a férfi-női kérdésben mutatkoznak meg az előadás szerint, például első hallásra senki nem gondolja, hogy a magasabbak okosabbak az alacsonyabbaknál. Azonban ha megnézzük Amerika TOP 500 vezérigazgatóját, akkor 90 százalékuk magasabb az átlagnál (ráadásul többségük fehér férfi), főleg választott vezetők esetében. Az előadó viszont kiemelt három ismerten alacsony technológiai cégvezetőt: Mark Zuckerberg (171 cm), Jeff Bezos (171 cm) és Jack Ma (161 cm) mind alacsonyabb az átlagnál. A közös jellemzőjük, hogy nem választott vezetők, hanem saját alapítású cégük miatt ismerjük őket – mutatott rá az előadó. Ettől független nincs bizonyíték a magasság és ész összefüggéseire, de a példa szintén a rejtett előítéletekre mutat rá.