156221388 863334434571375 334336917258167409 n

Virág helyett – Előszó a közép-kelet európai adattudós nők első konferenciájához

Vásárhelyi Orsolya adattudós, oktató, de TEDWomen előadóként is felhívta már magára a figyelmet. Doktori fokozatát a Közép-Európai Egyetem Hálózat és Adattudományi tanszékén szerezte 2020-ban. Kutatásai során hatalmas adatokon (adatállományokon) vizsgálja, hogy miképp hatnak a tudatalatti előítéletek a nők előremenetelére a tudomány és a technológia területén. A Women in Data Science Conference at Stanford University magyarországi nagykövete, és az első, naná hogy március 8-ra meghirdetett Közép-Kelet Európai Women in Data Science Konferencia szervezője. Kérésünkre megírta, hogyan és miért állt bele abba, hogy megszülessen ez a tudományos találkozó.

Dajer_Tamogatom

Amikor 2020 júniusában –  a pandémiának hála, kicsit méltatlan körülmények között, egy online előadás keretében – megvédtem a doktori disszertációmat, csak úgy özönlöttek a gratulációk a Messengeren. Jó érzés volt látni, hogy pár percig mindenki elismeri annak az 5 évnek a kemény munkáját, aminek az eredménye mindössze két betű: dr.

Aztán írt az egyik közeli barátnőm:

– Olyan büszke vagyok rád! Gratulálok!

– Köszi. Te is már olyan közel jársz a végéhez.

– Annyival jobban csináltad, mint én…. Előbb a doktori… és majd utána család. Én ezt már elszúrtam, sosem lesz kész ez a sz@r….

Azt hittem,  meghasad a szívem, amikor ezt az üzenetet láttam. Most 2021 februárja van, Lili azóta sem fejezte be disszertációját. Lili nincs egyedül ezzel a problémával, a nők közel 12%-kal nagyobb eséllyel hagyják félbe tudományos pályájukat már a doktori képzés alatt, mint a férfiak. Később ez az arány tovább romlik. Ennek egyik oka valóban a család-munka konfliktusban rejlik, de számos más kulturális és társadalmi elvárás is kihat rá. Amikor 2015-ben elkezdtem a doktori képzésemet a CEU-n adattudományból, nem gondoltam bele, hogy mekkora darázsfészekbe nyúlok.  Azt a kérdést kezdtem el objektív,  nagy adatállományokat (big data) vizsgálva kutatni, hogy miért is nincsenek nők a tudomány és technológia világában.

Minden év márciusában egy tucat cikk jelenik meg, arról, hogy még legalább 250 év, hogy a nők és a férfiak ugyanannyit keressenek, hogy a nemi szerepek erősítése senkinek nem jó és, hogy ajjaj, semmi nem változik. Nőnek lenni rossz. Egy hétig azzal van tele mindenkinek a hírfolyama, hogy mennyire fontos lenne, hogy több nő legyen aktív és látható a politikában,a technológiában és a tudományban. Aztán zajlik az élet tovább, majd a következő márciusban ismét adunk egy hetet a felháborodásunknak és konstatáljuk, hogy lassú a fejlődés…

wids 20210201

Forrás: WIDS2021

Először 2018-ban hallottam a Stanford Egyetem által rendezett Women in Data Science Konferenciáról, melynek a hazai eseményére meghívtak  – jobb híján – engem előadni. Hatalmas volt az érdeklődés, közel százan vettek részt a Budapesti Corvinus Egyetemen tartott rendezvényen. A konferencia legizgalmasabb része az volt, amikor élőben kapcsolták Kaliforniát, ahol különböző tech óriásoknál dolgozó adattudós nők beszéltek szuper izgalmas technológiákról. Majd jött a magyar szekció, amiben rajtam kívül senki nem dolgozott technológiában. HR vezetők és managerek magyaráztak zavarosan arról, hogy mekkora baj, hogy nincsenek nők  az adattudomány területén. Kínos volt. A konferencia végén már tudtam, hogy jövőre én fogom megszervezni a WiDS Budapestet.

49252781457 6df562362d c

Vásárhelyi Orsolya; Forrás:TEDxLibertyBridgeWomen 

2018 novemberében, amikor rányomtam a publish gombra az Eventrbite-on (egyedi rendezvények kezelésére, jegyértékesítésre szolgáló weboldal – a szerk.), hogy meghirdessük az első – igazi WiDS Budapestet, nagyon izgultunk dr. Koltai Júlia kollégámmal együtt. Vajon érdekel ez bárkit? Eljön azért 50 ember?  A meghirdetett 200 jegy 1 órán belül elkelt. Másnap a hazai tech cégek vezetői hívogattak, hogy szerezzek nekik helyet, és hogy miképp tudják szponzorálni az eseményt. 2019. március 8-án 400 fős teltházzal ment le az esemény, ahol csak hazai női adattudósok adtak elő: adatokról és matematikáról, közérthetően, érdekesen és tudományosan.

2019 augusztusában a Stanfordon jártam, ahol megismerkedtem a WiDS alapítóival, Margot Gerritsennel, Judy Logannal és Karen Matthys-szel. Margot elmesélte, hogy a WiDS tulajdonképpen egy revans konferencia, amit azért hozott létre, mert elege lett abból, hogy a Szilikon völgy közepén, ezerszám mennek olyan konferenciák, ahol nincsenek női előadók. Mondván, a szervezők nem találtak. Így indult az első WiDS @Stanford, ahova csak nőket hívott meg előadni, olyan helyekről mint a Google, a Facebook vagy a Harvard Egyetem. Hatalmas siker volt a kezdeményezés. Ma 5 földrészen, a világ több mint 100 színhelyén, Szaud Arabiától a Fülöp Szigetekig az év egyik legfontosabb, női egyenjogúságot támogató eseménye technológiai körökben.

2020 senkinek nem volt a legjobb éve, de a nők többségének még annál is rosszabb volt. A feminizmus által kiharcolt, ma  már  hétköznapinak számító  szolgáltatások hiányában, mint például az óvoda vagy az iskola, gyakorlatilag a nők nyakába zuhant a a gyerekek tanítása is, a megnövekedett házimunka mellett. Mivel Magyarországon a férfiak átlagosan 20%-kal több pénzt kapnak ugyanazért a munkáért, mint a nők, a legtöbb háztartásban fel sem merült, hogy kinek a munkáját kell megvédeni a pandémia alatt. Viszont történt valami, ami azt gondolom, hogy alapjaiban fogja megváltoztatni a modern karrierépítést: üzleti utak, képzések és konferenciák, váltak egyik pillanatról a másikra online találkozókká. Ez lehetővé tette, hogy azok akik korábban nem tudtak ilyen eseményeken részt venni, jelen lehessenek. Egy általam online tartott nyári programozó képzés tele volt kisgyermekes szülőkkel, alacsonyabb jövedelmű országokból származó diákokkal, és a nonprofit szektorban dolgozókkal. Ők sosem jöttek volna el Belgiumba, hogy élőben sajátítsák el a programozás alapjait egy nyári egyetem keretében. Erre a sokszínűségre nagyon nagy szüksége van a technológiai szektornak.

Ahogy az életünket mindinkább algoritmusok és nagy adatokra alapuló technológiai újítások irányítják, egyre egyértelműbb, hogy a társadalomban meglévő előítéleteink sosem látott méretekben újratermelődnek. Egy olyan világban, ahol a világszerte használt technológiai megoldásokat egy igen szűk – leginkább fehér, nyugati férfiakból álló – társadalmi csoport hozza létre, tudattalanul is nekik kedvezünk. Ha nem szeretnénk, hogy például sztereotipikusan nőkhöz köthető  és ezáltal alacsonyabb presztízsű karriert válasszanak lányaink, akkor el kell érni, hogy a technológiát sokszínű csoportok hozzák létre. Kutatások alapján tudjuk, hogy a sokszínű csoportok kreatívabbak, és jobb a problémamegoldó képességük, ráadásul objektívabbak is, és kisebb eséllyel hoznak létre diszkriminatív  termékeket.

data

Én azért vagyok a Women in Data Science nagykövete immár harmadik alkalommal, mert hiszek abban, hogy a technológia tud jó célokat szolgálni és mindenkinek elérhető kell, hogy legyen. A pandémia lehetőséget adott arra, hogy a WiDS Budapest, szintet lépjen és még sokszínűbbé váljon. Idén először rendezzük meg a Közép-Kelet Európai Women in Data Science Konferenciát, amin a régió 7 országának (Ausztria, Bosznia és Hercegovina, Horvátország, Magyarország,  Románia, Szerbia, Szlovénia) női adattudósai adnak elő. Szervező társaimmal egyetértünk abban, hogy ez a régió, a kontinens másik feléhez képest messzebb van attól, hogy megszűnjön a nemiségen alapuló diszkrimináció. Van dolgunk és tesszük is. A régióban lévő tehetséges nők bemutatásával reméljük, hogy több nő kezd nagy adatállományokkal dolgozó szakmák felé kacsingatni a jövőben. Abban is bízunk, hogy több régiós együttműködés fog születni, és közösen el tudjuk érni azt, hogy nem is olyan sokára, ne legyen szükség Women in Data Science konferenciára.

Addig is várunk mindenkit szeretettel az eseményen, mely 2021. március 8-án 13 és 18 óra között online kerül megrendezésre. Itt lehet ingyen regisztrálni.

Borítókép: Triple Pundit

 

Tetszett Önnek ez az írás?! Ha igen kövessen bennünket a Facebookon és az Instagramon!

 

 

Dajer_Tamogatom