If you've been watching this series, you'll know I care about data. But data has its limitations, especially when it comes to language. Basically, if you get your categories wrong, you can wind up with some pretty misleading statistics, and the US Census is a prime example.
Oglądając filmy z tej serii, wiecie, że dane są dla mnie ważne. Dane mają jednak ograniczenia, zwłaszcza jeśli chodzi o język. Jeżeli na przykład źle zdefiniujemy kategorie, uzyskane przez nas statystyki mogą być mylące, czego przykładem jest spis ludności USA.
[Am I Normal? with Mona Chalabi]
Taken every 10 years, this survey aims to collect demographic data from each and every resident of the US and its territories. Those responses help the government to determine everything, from the allocation of seats in Congress and the Electoral College, to the allocation of hundreds of billions of dollars in federal funds. And those funds pay for things like new hospitals, road improvements and school lunch programs. And crucially, the statisticians that work there are nonpartisan. They sit at the same desks, applying the same formulas, no matter who is in charge at the White House.
Co 10 lat w USA odbywa się spis celem zebrania danych demograficznych od każdego mieszkańca USA i terytoriów zależnych. Dane ze spisu pomagają władzom w decydowaniu o każdym aspekcie, od podziału miejsc w Kongresie i Kolegium Elektorów do podziału setek miliardów dolarów z funduszy federalnych. Te pieniądze przeznacza się na przykład na nowe szpitale, naprawy dróg i szkolne programy dożywiania. Co najważniejsze, osoby opracowujące statystyki ze spisu są bezpartyjne. Są przy tych samych biurkach, stosując te same formuły niezależnie od tego, kto rządzi w Białym Domu.
So undoubtedly, the US Census Bureau does important work, but it does have some blind spots. For example, there has been a decades-long effort to add the category Middle Eastern or Northern African or MENA to the census. Currently, the census defines people from these regions, and that includes me, as white. Yeah, that's incorrect. In 2015, the census did test a version of this survey that included MENA. It found that when given the MENA option, the number of people from that region who identified as white dropped from 86 percent to 20 percent. See, when you reconsider language, the numbers can change dramatically. Unfortunately, though, the census still didn't make the change, saying that further tests were necessary to determine if MENA should appear under ethnicity instead of race. That means that those who have rallied for its inclusion will have to wait another decade to see if our community can be recognized.
Niewątpliwie US Census Bureau wykonuje ważną pracę, ale ma też słabe strony. Od wielu lat postuluje się dodanie do spisu kategorii “z Bliskiego Wschodu lub Afryki Północnej”, w skrócie MENA. Obecnie spis kwalifikuje osoby z tych regionów, w tym mnie, jak osobę białą. To nie jest poprawne. W 2015 roku została przeprowadzona próbna wersja spisu z uwzględnieniem MENA. Okazało się, że z opcją MENA liczba osób z tych regionów, określona jako osoby białe spadła z 86 do 20 procent. Jeśli ponownie rozważymy dobór słów, wyniki mogą radykalnie się zmienić. Niestety nie pociągneło to za sobą dodania opcji MENA do spisu. Tłumaczono to koniecznością dalszych testów, żeby zdecydować, czy MENA to pochodzenie etniczne, a nie rasa. Oznacza to, że ci, którzy walczyli o jej uwzględnienie, będą musieli czekać kolejne 10 lat, żeby ich społeczność została uznana.
This isn't the first time that language has restricted how people are represented in the census. The very first one, way back in 1790, only had three broad categories, and I quote: "slaves, free white men and women, and all other free persons." It would be another 30 years before distinct categories for free Blacks and another 40 years before American Indians would appear on the census.
Nie po raz pierwszy język powoduje ograniczenia w tym, jak ludzie są ujmowani w spisie. Po raz pierwszy stało się tak w 1790 roku, kiedy spis miał tylko 3 kategorie, czyli “niewolnicy, wolni biali ludzie oraz inne wolne osoby”. Dopiero 30 lat później pojawiły się osobne kategorie dla wolnych osób czarnych, a po kolejnych 40 latach dodano kategorie dla Indian Ameryki Północnej.
Since then, more and more categories have been added, but progress has been slow. It wasn't until 2000 that people could choose more than one race to describe themselves, and for the very first time in 2020, people who selected Black or white could go a bit more granular and provide more detail about their origins, like naming France or Somalia or spotlighting their Indigenous identity.
Od tamtego czasu dodaje się coraz więcej kategorii, ale dzieje się to powoli. Dopiero od 2000 roku można wybierać więcej niż jedną rasę, opisując swoje pochodzenie, a od 2020 roku osoby opisujące się jako osoby czarne albo białe mogą podawać szczegóły o pochodzeniu, wpisując kraje jak Francja czy Somalia albo wskazując rdzenną tożsamość.
Right now, you might be thinking: Why does the wording on a survey even matter? Race and ethnicity are social constructs anyway. But that doesn't change the lived experience of those who aren't truly reflected in these forms. Questionnaires need to ask the right questions if they want to capture what's really happening in the world. A Northern African non-binary person might be misgendered or considered white by the census, but face disproportional discrimination, health disparities or language barriers that are unique to their community. It's no wonder, then, that it's often marginalized and vulnerable communities ones whose identities are missing from these forms that lack access to governmental resources and protections.
Można się zastanawiać, czy dobór słów w spisie w ogóle ma znaczenie? Rasa i etniczność to i tak konstrukty społeczne. To jednak nie zmienia doświadczeń życiowych tych, którzy są pomijani w formularzach. Kwestionariusze powinny zadawać odpowiednie pytania, żeby uchwycić to, co naprawdę się dzieje na świecie. Osobę niebinarną z Afryki Północnej można zmisgenderować albo uznać w spisie za osobę białą. Będzie się ona zmagać z dyskryminacją, różnicami zdrowotnymi i barierami językowymi typowymi dla jej społeczności. Nic dziwnego, że jest to często lekceważone, a zagrożone społeczności, których tożsamości próżno szukać w formularzach, nie mają dostępu do rządowych środków i ochrony od państwa.
Now, there are some understandable historical reasons why people might not want to engage in this kind of data gathering. But without the data, it’s just easier to deny the inequality is real. If we want a more equitable society, we have to measure our reality, and the best way to start is by using language that recognizes our differences.
Istnieją zrozumiałe historyczne powody, dlaczego niektórzy nie chcą brać udziału w zbieraniu takich danych. Ale bez danych łatwiej zaprzeczyć istnieniu nierówności. Jeśli chcemy równego społeczeństwa, musimy mierzyć naszą rzeczywistość, a najlepiej zacząć od używania języka, który uchwyci to, co nas różni.