Sevval
New member
Dataset Nedir, Nasıl Kullanılır? Sosyal Eşitsizlikler ve Toplumsal Cinsiyet Perspektifinden Bir Forum Tartışması
Dataset Nedir? Sadece Veri Değil, Toplumun Bir Kaydı
Bir dataset yani veri kümesi denildiğinde çoğumuzun aklına satır ve sütunlardan oluşan büyük tablolar, Excel dosyaları, anket sonuçları ya da yapay zekânın eğitildiği veri kümeleri geliyor. Fakat konuya biraz daha yakından baktığımızda datasetlerin yalnızca teknik araçlar olmadığını fark ediyoruz. Bir dataset, aynı zamanda toplumun kimi görünür kıldığına, kimi ölçtüğüne, kimi dışarıda bıraktığına ve hangi davranışları “normal” kabul ettiğine dair bir iz taşıyabilir.
Bence bu noktada asıl önemli soru “Dataset nedir?” değil, “Bu dataset kimin hayatını nasıl temsil ediyor?” sorusudur.
Çünkü bir veri kümesi insanların gelirini, eğitimini, cinsiyetini, yaşını, yaşadığı bölgeyi, çalışma durumunu veya sağlık bilgilerini içeriyorsa, aslında toplumdaki eşitsizliklerin bir fotoğrafını çekmektedir. Ancak fotoğrafın kadrajına kimlerin girdiği önemlidir. Örneğin yalnızca yüksek gelirli insanların cevap verdiği bir araştırmayı bütün toplumun ekonomik koşullarını anlatıyormuş gibi kullanmak ne kadar doğru olur? Benzer şekilde yalnızca erkeklerden toplanmış bir ulaşım verisi üzerinden kadınların şehirdeki güvenlik deneyimleri hakkında ne kadar sağlıklı sonuç çıkarabiliriz?
Dataset kullanımı bu nedenle yalnızca teknik bir mesele değil; aynı zamanda sosyal, etik ve politik bir meseledir.
Dataset Nasıl Kullanılır?
En basit ifadeyle dataset, belirli bir amaç doğrultusunda bir araya getirilmiş yapılandırılmış veya yapılandırılmamış veri topluluğudur. Bir araştırmacı dataset kullanarak insanların belirli özellikleri arasındaki ilişkileri inceleyebilir. Örneğin gelir ile eğitim arasındaki ilişki, yaş ile istihdam arasındaki farklılıklar veya kadın ve erkeklerin ücretsiz bakım işlerine ayırdığı zaman araştırılabilir.
Dataset kullanırken genel olarak şu süreç izlenir:
1. Araştırma sorusu belirlenir.
2. Uygun veri kümesi bulunur veya oluşturulur.
3. Verilerin nasıl toplandığı incelenir.
4. Eksik, hatalı veya tutarsız kayıtlar kontrol edilir.
5. Değişkenler analiz edilir.
6. Gruplar arasındaki farklılıklar değerlendirilir.
7. Sonuçların sosyal ve ekonomik bağlamı yorumlanır.
8. Verinin sınırlılıkları açıkça belirtilir.
Burada özellikle son iki aşama çok önemlidir. Çünkü bir dataset bize “ne olduğunu” gösterebilir ama her zaman “neden olduğunu” açıklayamaz.
Örneğin bir dataset belirli bir mahallede kadınların erkeklerden daha az ücret aldığını gösterebilir. Ancak bunun nedeni doğrudan “kadınların daha düşük ücretli işleri tercih etmesi” şeklinde yorumlanamaz. Eğitim fırsatları, mesleki ayrışma, bakım sorumlulukları, işveren tutumları, çalışma saatleri, ulaşım olanakları ve toplumsal cinsiyet normları gibi birçok faktör aynı anda rol oynayabilir.
Veri Tarafsız mıdır?
Datasetler çoğu zaman tarafsız gerçeklikler gibi sunuluyor. Oysa veri, toplumsal süreçlerin içinden çıkar.
Bir araştırmacının hangi soruyu sorduğu, hangi insanları araştırmaya dahil ettiği, hangi kategorileri kullandığı ve hangi değişkenleri ölçtüğü sonuçları etkileyebilir.
UN Women, toplumsal cinsiyet verilerinin yalnızca kadın ve erkekleri ayrı ayrı saymaktan ibaret olmadığını özellikle vurguluyor. Verilerin toplumsal roller, kültürel faktörler ve toplumsal cinsiyet eşitsizliklerini de dikkate alması gerekiyor.
Bu durum ırk, etnik köken ve sınıf açısından da geçerlidir. Bir veri kümesinde “gelir” değişkeninin bulunması, sınıfsal eşitsizliğin bütünüyle ölçüldüğü anlamına gelmez. Aynı gelire sahip iki kişinin konut maliyetleri, aile desteği, borçları, eğitim geçmişi veya yaşadığı bölgedeki kamu hizmetlerine erişimi birbirinden tamamen farklı olabilir.
Dolayısıyla veri kategorileri toplumdaki gerçekliği hem yansıtabilir hem de basitleştirebilir.
Toplumsal Cinsiyet Datasetlerin İçinde Nasıl Görünür?
Toplumsal cinsiyet açısından en önemli meselelerden biri, kadınların ve erkeklerin toplum içinde aynı koşullarda yaşamıyor olmasıdır. Burada “kadınlar böyledir” veya “erkekler şöyledir” şeklindeki genellemelerden özellikle kaçınmak gerekir. Çünkü kadınların da erkeklerin de deneyimleri sınıf, yaş, eğitim, etnik köken, engellilik, göçmenlik durumu, yaşanılan bölge ve aile yapısı gibi faktörlere göre değişebilir.
Örneğin bir kadın üniversite mezunu ve yüksek gelirli olabilirken başka bir kadın düşük gelirli bir hanede ücretsiz bakım emeğinin büyük bölümünü üstleniyor olabilir. Her ikisinin “kadın” kategorisinde bulunması, dataset açısından aynı sosyal deneyime sahip oldukları anlamına gelmez.
UN Women da toplumsal eşitsizliklerin birbirleriyle kesiştiğini ve cinsiyet verilerinin gelir, yaş, ırk, etnik köken, engellilik ve coğrafi konum gibi faktörlere göre ayrıştırılmasının gerekli olduğunu belirtiyor.
Bu özellikle kadınların deneyimlerini anlamak açısından önemli. Çünkü yalnızca “kadınlar” başlığı altında ortalama bir sonuç üretmek, düşük gelirli kadınların, etnik azınlıklara mensup kadınların, engelli kadınların veya göçmen kadınların karşılaştığı özgül sorunları görünmez hale getirebilir.
Kadınların Deneyimlerine Empatik Bakmak Neden Önemli?
Kadınların sosyal yapıların etkilerine ilişkin deneyimleri çoğu zaman yalnızca bireysel tercihler üzerinden açıklanamayacak kadar karmaşıktır.
Örneğin bir kadın kariyerinde ilerlemek isterken aynı zamanda çocuk, yaşlı veya hasta bir aile üyesinin bakımından sorumlu olabilir. Başka bir kadın ise bakım sorumluluğunu paylaşmasına rağmen işyerinde “nasıl olsa ileride aile kuracak” şeklindeki varsayımlarla karşılaşabilir.
Bunlar her kadının yaşayacağı deneyimler değildir. Ancak sosyal normların bireysel kararları etkileyebildiğini gösteren önemli örneklerdir.
UN Women’ın 2026 tarihli zaman kullanımı araştırması, 10 ülkeden uyumlaştırılmış veriler üzerinden ücretli iş, ücretsiz ev işi, bakım emeği, boş zaman ve zaman yoksulluğu arasındaki ilişkileri inceliyor. Araştırma, zaman kullanımının toplumsal ve ekonomik eşitsizliklerle bağlantısını ve bu eşitsizliklerin yaş, eğitim, istihdam durumu ve hane yapısıyla kesiştiğini ortaya koyuyor.
Burada datasetin gücü ortaya çıkıyor: İnsanların günlük hayatında çoğu zaman “normal” kabul edilen yükleri görünür hale getirebiliyor.
Ama empati de gerekiyor. Bir tablodaki “haftada 20 saat ücretsiz bakım emeği” ifadesi, o 20 saatin arkasındaki yorgunluğu, kaygıyı veya ekonomik bağımlılığı tek başına anlatamaz.
Erkeklerin Konuya Çözüm Odaklı Yaklaşımı Nasıl Olabilir?
Erkeklerin toplumsal cinsiyet tartışmalarındaki rolünü de genellemeden ele almak gerekiyor. Her erkek aynı sosyal konuma sahip değil; sınıf, eğitim, yaş, etnik köken, engellilik ve diğer faktörler erkeklerin deneyimlerini de farklılaştırıyor.
Ancak çözüm odaklı bir yaklaşım açısından erkeklerin yapabileceği önemli şeylerden biri, veriyi savunma mekanizması olarak değil, eşitsizliği anlamak için bir araç olarak kullanmak olabilir.
Örneğin “Bizim işyerimizde kadınlara karşı ayrımcılık yok” demek yerine şu sorular sorulabilir:
Kadın ve erkek çalışanların ücretleri aynı mı?
Terfi oranları nasıl?
Toplantılarda kimlerin fikirleri daha sık dikkate alınıyor?
Ebeveynlik izni kimler tarafından kullanılıyor?
Ücretsiz bakım emeği çalışanların kariyerlerini nasıl etkiliyor?
Bu yaklaşım suçlayıcı olmak zorunda değildir. Tam tersine, ölçülebilir problemlere ölçülebilir çözümler geliştirmeyi sağlar.
Dünya Bankası da sosyal normların kadınların ekonomik fırsatlara erişiminde önemli engeller oluşturabildiğini ve bakım sorumlulukları ile mesleki ayrışmanın kadınların işgücüne katılımını etkileyebildiğini belirtiyor.
Burada erkeklerin “kadınların sorununu çözmesi” gibi bir anlayıştan ziyade, eşitsizlik üreten kurumların ve normların değiştirilmesine ortak olmak daha sağlıklı bir yaklaşım olabilir.
Irk, Etnik Köken ve Datasetlerde Görünmezlik
Datasetlerin ırk ve etnik köken açısından da ciddi sonuçları olabilir.
Dataset Nedir? Sadece Veri Değil, Toplumun Bir Kaydı
Bir dataset yani veri kümesi denildiğinde çoğumuzun aklına satır ve sütunlardan oluşan büyük tablolar, Excel dosyaları, anket sonuçları ya da yapay zekânın eğitildiği veri kümeleri geliyor. Fakat konuya biraz daha yakından baktığımızda datasetlerin yalnızca teknik araçlar olmadığını fark ediyoruz. Bir dataset, aynı zamanda toplumun kimi görünür kıldığına, kimi ölçtüğüne, kimi dışarıda bıraktığına ve hangi davranışları “normal” kabul ettiğine dair bir iz taşıyabilir.
Bence bu noktada asıl önemli soru “Dataset nedir?” değil, “Bu dataset kimin hayatını nasıl temsil ediyor?” sorusudur.
Çünkü bir veri kümesi insanların gelirini, eğitimini, cinsiyetini, yaşını, yaşadığı bölgeyi, çalışma durumunu veya sağlık bilgilerini içeriyorsa, aslında toplumdaki eşitsizliklerin bir fotoğrafını çekmektedir. Ancak fotoğrafın kadrajına kimlerin girdiği önemlidir. Örneğin yalnızca yüksek gelirli insanların cevap verdiği bir araştırmayı bütün toplumun ekonomik koşullarını anlatıyormuş gibi kullanmak ne kadar doğru olur? Benzer şekilde yalnızca erkeklerden toplanmış bir ulaşım verisi üzerinden kadınların şehirdeki güvenlik deneyimleri hakkında ne kadar sağlıklı sonuç çıkarabiliriz?
Dataset kullanımı bu nedenle yalnızca teknik bir mesele değil; aynı zamanda sosyal, etik ve politik bir meseledir.
Dataset Nasıl Kullanılır?
En basit ifadeyle dataset, belirli bir amaç doğrultusunda bir araya getirilmiş yapılandırılmış veya yapılandırılmamış veri topluluğudur. Bir araştırmacı dataset kullanarak insanların belirli özellikleri arasındaki ilişkileri inceleyebilir. Örneğin gelir ile eğitim arasındaki ilişki, yaş ile istihdam arasındaki farklılıklar veya kadın ve erkeklerin ücretsiz bakım işlerine ayırdığı zaman araştırılabilir.
Dataset kullanırken genel olarak şu süreç izlenir:
1. Araştırma sorusu belirlenir.
2. Uygun veri kümesi bulunur veya oluşturulur.
3. Verilerin nasıl toplandığı incelenir.
4. Eksik, hatalı veya tutarsız kayıtlar kontrol edilir.
5. Değişkenler analiz edilir.
6. Gruplar arasındaki farklılıklar değerlendirilir.
7. Sonuçların sosyal ve ekonomik bağlamı yorumlanır.
8. Verinin sınırlılıkları açıkça belirtilir.
Burada özellikle son iki aşama çok önemlidir. Çünkü bir dataset bize “ne olduğunu” gösterebilir ama her zaman “neden olduğunu” açıklayamaz.
Örneğin bir dataset belirli bir mahallede kadınların erkeklerden daha az ücret aldığını gösterebilir. Ancak bunun nedeni doğrudan “kadınların daha düşük ücretli işleri tercih etmesi” şeklinde yorumlanamaz. Eğitim fırsatları, mesleki ayrışma, bakım sorumlulukları, işveren tutumları, çalışma saatleri, ulaşım olanakları ve toplumsal cinsiyet normları gibi birçok faktör aynı anda rol oynayabilir.
Veri Tarafsız mıdır?
Datasetler çoğu zaman tarafsız gerçeklikler gibi sunuluyor. Oysa veri, toplumsal süreçlerin içinden çıkar.
Bir araştırmacının hangi soruyu sorduğu, hangi insanları araştırmaya dahil ettiği, hangi kategorileri kullandığı ve hangi değişkenleri ölçtüğü sonuçları etkileyebilir.
UN Women, toplumsal cinsiyet verilerinin yalnızca kadın ve erkekleri ayrı ayrı saymaktan ibaret olmadığını özellikle vurguluyor. Verilerin toplumsal roller, kültürel faktörler ve toplumsal cinsiyet eşitsizliklerini de dikkate alması gerekiyor.
Bu durum ırk, etnik köken ve sınıf açısından da geçerlidir. Bir veri kümesinde “gelir” değişkeninin bulunması, sınıfsal eşitsizliğin bütünüyle ölçüldüğü anlamına gelmez. Aynı gelire sahip iki kişinin konut maliyetleri, aile desteği, borçları, eğitim geçmişi veya yaşadığı bölgedeki kamu hizmetlerine erişimi birbirinden tamamen farklı olabilir.
Dolayısıyla veri kategorileri toplumdaki gerçekliği hem yansıtabilir hem de basitleştirebilir.
Toplumsal Cinsiyet Datasetlerin İçinde Nasıl Görünür?
Toplumsal cinsiyet açısından en önemli meselelerden biri, kadınların ve erkeklerin toplum içinde aynı koşullarda yaşamıyor olmasıdır. Burada “kadınlar böyledir” veya “erkekler şöyledir” şeklindeki genellemelerden özellikle kaçınmak gerekir. Çünkü kadınların da erkeklerin de deneyimleri sınıf, yaş, eğitim, etnik köken, engellilik, göçmenlik durumu, yaşanılan bölge ve aile yapısı gibi faktörlere göre değişebilir.
Örneğin bir kadın üniversite mezunu ve yüksek gelirli olabilirken başka bir kadın düşük gelirli bir hanede ücretsiz bakım emeğinin büyük bölümünü üstleniyor olabilir. Her ikisinin “kadın” kategorisinde bulunması, dataset açısından aynı sosyal deneyime sahip oldukları anlamına gelmez.
UN Women da toplumsal eşitsizliklerin birbirleriyle kesiştiğini ve cinsiyet verilerinin gelir, yaş, ırk, etnik köken, engellilik ve coğrafi konum gibi faktörlere göre ayrıştırılmasının gerekli olduğunu belirtiyor.
Bu özellikle kadınların deneyimlerini anlamak açısından önemli. Çünkü yalnızca “kadınlar” başlığı altında ortalama bir sonuç üretmek, düşük gelirli kadınların, etnik azınlıklara mensup kadınların, engelli kadınların veya göçmen kadınların karşılaştığı özgül sorunları görünmez hale getirebilir.
Kadınların Deneyimlerine Empatik Bakmak Neden Önemli?
Kadınların sosyal yapıların etkilerine ilişkin deneyimleri çoğu zaman yalnızca bireysel tercihler üzerinden açıklanamayacak kadar karmaşıktır.
Örneğin bir kadın kariyerinde ilerlemek isterken aynı zamanda çocuk, yaşlı veya hasta bir aile üyesinin bakımından sorumlu olabilir. Başka bir kadın ise bakım sorumluluğunu paylaşmasına rağmen işyerinde “nasıl olsa ileride aile kuracak” şeklindeki varsayımlarla karşılaşabilir.
Bunlar her kadının yaşayacağı deneyimler değildir. Ancak sosyal normların bireysel kararları etkileyebildiğini gösteren önemli örneklerdir.
UN Women’ın 2026 tarihli zaman kullanımı araştırması, 10 ülkeden uyumlaştırılmış veriler üzerinden ücretli iş, ücretsiz ev işi, bakım emeği, boş zaman ve zaman yoksulluğu arasındaki ilişkileri inceliyor. Araştırma, zaman kullanımının toplumsal ve ekonomik eşitsizliklerle bağlantısını ve bu eşitsizliklerin yaş, eğitim, istihdam durumu ve hane yapısıyla kesiştiğini ortaya koyuyor.
Burada datasetin gücü ortaya çıkıyor: İnsanların günlük hayatında çoğu zaman “normal” kabul edilen yükleri görünür hale getirebiliyor.
Ama empati de gerekiyor. Bir tablodaki “haftada 20 saat ücretsiz bakım emeği” ifadesi, o 20 saatin arkasındaki yorgunluğu, kaygıyı veya ekonomik bağımlılığı tek başına anlatamaz.
Erkeklerin Konuya Çözüm Odaklı Yaklaşımı Nasıl Olabilir?
Erkeklerin toplumsal cinsiyet tartışmalarındaki rolünü de genellemeden ele almak gerekiyor. Her erkek aynı sosyal konuma sahip değil; sınıf, eğitim, yaş, etnik köken, engellilik ve diğer faktörler erkeklerin deneyimlerini de farklılaştırıyor.
Ancak çözüm odaklı bir yaklaşım açısından erkeklerin yapabileceği önemli şeylerden biri, veriyi savunma mekanizması olarak değil, eşitsizliği anlamak için bir araç olarak kullanmak olabilir.
Örneğin “Bizim işyerimizde kadınlara karşı ayrımcılık yok” demek yerine şu sorular sorulabilir:
Kadın ve erkek çalışanların ücretleri aynı mı?
Terfi oranları nasıl?
Toplantılarda kimlerin fikirleri daha sık dikkate alınıyor?
Ebeveynlik izni kimler tarafından kullanılıyor?
Ücretsiz bakım emeği çalışanların kariyerlerini nasıl etkiliyor?
Bu yaklaşım suçlayıcı olmak zorunda değildir. Tam tersine, ölçülebilir problemlere ölçülebilir çözümler geliştirmeyi sağlar.
Dünya Bankası da sosyal normların kadınların ekonomik fırsatlara erişiminde önemli engeller oluşturabildiğini ve bakım sorumlulukları ile mesleki ayrışmanın kadınların işgücüne katılımını etkileyebildiğini belirtiyor.
Burada erkeklerin “kadınların sorununu çözmesi” gibi bir anlayıştan ziyade, eşitsizlik üreten kurumların ve normların değiştirilmesine ortak olmak daha sağlıklı bir yaklaşım olabilir.
Irk, Etnik Köken ve Datasetlerde Görünmezlik
Datasetlerin ırk ve etnik köken açısından da ciddi sonuçları olabilir.