Azınlık Grupları: Birileri Daha Fazla Zorlanıyor
4 dk okuma
Okuma Süresi: 5 dakika
Küreselleşmenin bir gereği olarak bireyselleşme ve toplumsallaşma kavramları ile iç içeyiz. Son yıllarda sıkça kullanılan küreselleşme; gelişen bilgi ve iletişim teknolojilerinin de etkisiyle dünyanın farklı yerlerinde, birbirinden bağımsızmış gibi görünen olguların giderek bir bütünün parçası olduğunun anlaşılmasını ifade etmekte. Bireylerin kendini tanımasıyla aynı ve farklı yanlarının keşfiyle bireyselleşmeyi deneyimlerken, bizi birbirimize bağlayan bir salgınla mücadele ederken de toplumsallaşmayı deneyimliyoruz.
Sosyal yalnızlaşma, ekonomik problemler, iş yapış şekillerinin değişmesi gibi durumlar hemen herkesi alışkın olduğu rutinden kopardı. Rutinden kopuş, yeni normları ve uyumlanma gerektiren yeni koşulları da beraberinde getirdi. Bireylerin deneyimleri önem kazanırken, şirketlerin çalışanlarını desteklemek adına tek bir yaklaşım göstermesi, artık yetersiz bulunuyor.
Farklılık grupları, kadınlar, LGBTİ+lar, göçmenler, bulundukları ülkenin vatandaşı olmadan çalışmakta olan kişiler, farklı inanç gruplarından kişiler, her biri bu süreci farklı şekillerde deneyimledi. Uluslararası faaliyet gösteren öncü şirketler, farklılıkların birlikteliği için adımlar atsa da Türkiye’de bu konuya yönelik adımlar pek de gözlemlemiyoruz.
McKinsey Araştırması
McKinsey’in Avustralya, Brezilya, Kanada, Çin, Fransa, Almanya, Hindistan, İrlanda, Meksika, Birleşik Krallık ve Amerika Birleşik Devletleri’nde yürüttüğü global araştırmanın sonuçları farklılıkların birlikteliği konusunda adımlar atılmasının zorunlu olduğunu gösterdi. Demografik gruplar ve farklı coğrafyalardaki çalışanların, akıl sağlığı, iş-yaşam dengesi, işyeri sağlığı ve güvenliği, eksik bağlantı duygusu ve meslektaşlarına aidiyet ve iş fırsatları ile ilgili endişeler ile ilgili oldukça benzer bir dizi zorluklarla karşılaştığı görüldü.
Ruh sağlığı gibi zorlukların yaygınlığının, gelişmekte olan ülkelerde gelişmiş ülkelere göre çok daha yüksek olduğu görüldü. Çeşitli gruplar arasında, bu endişeler hem sayı olarak daha yüksekti hem de daha yoğun hissedildi. Özellikle kadınlar işyerlerindeki güvensiz ortam konusunda endişelendiler. Ayrıca, artan ev sorumlulukları, kadınlar için erkekler için olduğundan daha büyük bir problem olarak değerlendirildi. Bu da "çifte vardiyanın" stresinin dünya çapında bir cinsiyet meselesi olmaya devam ettiğini gösteriyor. Hindistan ve Brezilya gibi gelişmekte olan ekonomilerdeki kadınların, gelişmiş ülkelerdeki kadınlara oranla sıkıntılarını bildirme olasılıklarının iki ila üç kat daha fazla olduğu görüldü. Ve bu da toplumsal cinsiyet ve yerel bağlamın bileşik bir etkiye sahip olabileceğini düşündürmekte.
Kendini lezbiyen, gey, biseksüel, transseksüel, queer veya cinsiyet ikili olmayan (LGBTQ +) olarak tanımlayan çalışanlar, işlerini kaybetmekten korktular ve yalnız hissettiler. İş yükü artışları ve performans incelemeleri üzerindeki stresin yanı sıra, aidiyet kaybı da dahil olmak üzere, heteroseksüel ve cisgender akranlarından daha fazla işle ilgili zorlukları bildirdiler.
Kaybetme Korkusundan Daha Fazlası
Yalnızca Covid-19 sürecinde değil, genel olarak norm dışı kalan azınlık grupları işlerini kaybetme korkusunu çok boyutlu olarak yaşamakta. İşlerini kaybetmenin ardından, yeni bir arayışa gireceklerinin farkındalar. Ve bu arayış uzun ve sancılı olabileceği gibi, işe alım süreçlerinde de ayrımcılığa uğramaktan korkuyorlar.
Yeni bir iş bulmak da doğrudan bir çözüm sağlamıyor. İzin günleri, molalar ve iş yükü gibi konularda da eşit yaklaşımlarda bulunulmadığı için, özellikle azınlık gruplarının çok sık ve agresif iş değiştirme patternini uygulamaya daha az yatkın olduğu gözlemlenebiliyor. Sınıfsal olarak değişen bu durumda, daha dar gelirli azınlıkların daha da fazla sıkıntı çektiğini görüyoruz.
AI Algoritmaları ve azınlık grupların ilişkisi
Yapay Zeka geliştiricileri, farkına bile varmadan taraflı yapay zeka sistemlerini programlayabilirler ve taraflı AI algoritmaları, azınlık gruplarının ayrımcılığına yol açabilir. AI algoritmalarını eğitecek geçmiş veriler, tüm potansiyel verileri adil bir şekilde temsil etmek için yeterli olmayabilir.
Örneğin Amazon, AI işe alma aracını bir yıl kullandıktan uygulamadan vazgeçti. Nedeni Amazon'daki geliştiricilerin şunu fark etmiş olması idi; AI aracı sanki kadınları cezalandırıyor ve yaklaşık %60 oranında erkek seçimi yapıyordu.
Yapay Zeka modellemesinde insanların yapmış olduğu yanlışları kopyalayarak daha büyük yanlışlara götürme riski var. Bu nedenle etik ve sorumlu bir AI oluşturmak için, AI sistemlerindeki önyargılardan kurtulmak gerekir. Günümüzde henüz buna yeterince dikkat edilmiyor. Halbuki azınlıkları daha çok ayrıştırıcı bir modelleme riski yerine, bunun tam tersi insanların yaptığı önyargılardan arınmış çeşitliliği sağlayacak modellemeler yapmak çok mümkün, yeterki modelleyen geliştiriciler bu bilinçte olsun.
Kuruluşların yalnızca %47'si verilerde, modellerde ve algoritmaların insanlar tarafından kullanılmasında önyargı testi yapıyor.
Özetle insanların önyargılardan arınmış, önyargı testleri yapılmış Yapay Zeka modelleri azınlıkların yanında yer alabilecek, çeşitliliğe destek olabilecektir.
Kaynakça
