A violência de gênero contra a mulher e seu resultado letal, o feminicídio, são um problema sério na América Latina e no Caribe (ALC), assim como no resto do mundo. Embora os governos tenham aprovado leis que criminalizam o feminicídio, essas leis não foram acompanhadas de políticas relevantes nem de uma coleta de dados robusta que meça o escopo e a escala do problema. Com base no Feminismo de Dados, situamos os dados sobre feminicídio como “dados ausentes” e descrevemos o trabalho de ativistas e organizações da sociedade civil que tentam preencher as lacunas compilando incidentes de feminicídio a partir de notícias. Os ativistas que fazem esse trabalho enfrentam desafios: falta de tempo e de recursos financeiros, dificuldades de acesso a dados oficiais e o ônus para a saúde mental de ler sobre mortes violentas de mulheres. Neste artigo, descrevemos nosso trabalho em andamento em um projeto de pesquisa de ação participativa criado para ajudar a sustentar os esforços dos ativistas na coleta de dados sobre feminicídio, automatizando parcialmente a detecção usando o aprendizado de máquina. Descrevemos nossas ideias para implantar esse modelo como parte de um sistema interativo de notificação de feminicídio, com base em um processo de co-design com ativistas. Na discussão, levantamos questões em andamento e tensões não resolvidas sobre as quais continuamos a refletir durante a realização deste trabalho.
D’Ignazio, C., Suárez Val, H., Fumega, S., Suresh, H., Araujo Cruxên, I., So, W., Martinez Cuba, A., & García-Montes, M. (2020, agosto 17). Feminicide & Machine learning: Detecting Gender-based Violence to Strengthen Civil Sector Activism. Mechanism Design for Social Good (MD4SG ’20), online. https://www.researchgate.net/publication/359339303_Feminicide_Machine_Learning_Detecting_Gender-based_Violence_to_Strengthen_Civil_Sector_Activism