数据工作者如何塑造数据集：计算机视觉数据收集中位置性的作用

数据工作者在大数据行业中扮演关键角色。客户雇佣数据 workers 收集和标注包含人类身份概念的数据，如人口统计类别或服装物品。通常，这样的工作者被视为计算性的——人们期望他们快速客观地完成工作，目标是获得无偏的数据用于训练和评估模型。由于该领域的偏见和不道德实践，计算机视觉尤其关注公平和公正的数据。然而，数据工作者远非 impartial，他们为计算机视觉数据注入超越正确与错误答案的"偏见"。数据工作者在收集和标注过程中嵌入他们关于身份概念的特定位置视角。通过对数据工作者（既有自由职业者也有业务流程外包员工）的访谈和民族志观察，我们展示了工作者位置性如何影响数据工作中的决策。我们还展示了当客户的指令未明确考虑位置性时，通常被称为"偏见"的非预期结果是如何发生的。我们讨论了在数据工作中采用位置性视角如何揭示数据工作者视角与客户期望之间的鸿沟，这些被超越孤立工作者的位置性参与者网络所影响。我们提出位置性（不）可读性作为一种数据工作方法，它承认分类实践中位置性的现实，而"偏见"视角未能适当考虑这一点。