Termen "big data" kan föra tankarna till mängder av privat information som innehas av teknikföretag. Men mycket stor data är, faktiskt, synlig för alla – vi kanske inte tänker på det som "data".

Om du har varit på bio nyligen, du kommer att ha sett en datauppsättning av krediter – med en lista över skådespelare och besättningsmedlemmar vid sidan av deras roller. Även om krediterna från en film kanske inte är så användbara, krediterna från varje film kan utgöra ett stort dataset. På Nesta och PEC (ett nytt policy- och beviscenter för de kreativa industrierna), vi har undersökt hur dessa typer av icke-konfidentiella stora datamängder kan skina nytt ljus på könsrepresentation i de kreativa industrierna.

Könsrepresentation har traditionellt sett mätts med hjälp av undersökningar av arbetare. Men de flesta undersökningar har inte pågått så länge och det kan ta flera år (efter lansering av en ny undersökning) innan vi kan berätta hur könsmixen förändras. Också, undersökningar går ofta inte längre än att räkna antalet kvinnor och män – och kan därför inte belysa hur framträdande varje grupp var i den kreativa processen, eller hur de porträtterades i en viss konstform.

Gräver djupt

Vi tittade nyligen på medias rapportering om kvinnor i de kreativa industrierna med mer än en halv miljon artiklar från tidningen The Guardian, publicerad mellan 2000 och 2018, från avsnitt av tidningen som rör de kreativa industrierna (som böcker, Filma, Mode och spel).

Under de senaste fem åren, det har skett en stor ökning av referenser till kvinnor. Från 2000 till 2013, mindre än en tredjedel av könade pronomen i artiklar (t.ex. "han" och "hon") syftade på kvinnor. Men detta började förändras under 2014 – och 2018 hade andelen könade pronomen som var kvinnliga nått 40 %. Däremot könsmixen bland arbetare i Storbritanniens kreativa industrier har varit oförändrad de senaste åren, och ligger på cirka 37%.

Vi studerade också orden som följde efter pronomen "han" och "hon", för att få inblick i medias skildring av kreativa arbetare. Detta fick oss att upptäcka att jämfört med män, det var större fokus på speciella ljud från kvinnor, som "skrattar", "gråter", "fniss", och "coos", och icke-verbala reaktioner, som "ler", "ler" och "nickar". Dessa ord användes aldrig ofta, men när de användes, de var mer benägna att syfta på kvinnor än män (jämfört med andra ord).

I kontrast, Ord som rör tidigare kreativa prestationer och ledarskapsaktiviteter hänvisade oftare till män. Till exempel, du är mycket mer sannolikt att se "han regisserade" än "hon regisserade", och på liknande sätt "uppträdde han", "han designade", "han klarade sig" och "han grundade". Detta fynd överensstämmer med de långvariga obalanserna mellan könen i de kreativa näringarna.

I en annan studie, vi använde en datauppsättning från British Film Institute (BFI) som innehöll krediterna från varje brittisk långfilm som släpptes på bio.

Efter att BFI härledde folks kön från deras förnamn, vi fann att könsmixen på skärmen inte har förändrats på ett meningsfullt sätt sedan slutet av andra världskriget – och 2017 utgjorde kvinnor fortfarande bara cirka 30 % av rollbesättningarna och 34 % av besättningsmedlemmarna.

Denna datauppsättning visade också könsbaserade skillnader i jobben för karaktärer på skärmen. Sedan 2005, till exempel, endast 16 % av "läkarna" på skärmen (i namnlösa roller) har spelats av kvinnor, vilket stämmer överens med det faktum att kvinnor utgör 46 % av läkarna i Storbritannien.

Kreativ rättvisa

Vi är inte på något sätt de enda forskarna som visar potentialen hos icke-konfidentiella källor till stordata för att informera om könsmätningar i de kreativa industrierna. Forskare på Google, i samarbete med Geena Davis Institute, använde ansikts- och taligenkänningsteknik för att visa att i de 100 mest inkomstbringande live-actionfilmerna i USA, varje år från 2014 till 2016, kvinnor upptog bara 36 % av skärmtiden och 35 % av taltiden.

Även om stora datastudier kan berika mångfaldsmått, det finns två viktiga källor till potentiell bias. Först, vi sluter nästan alltid kön – från ett ansikte, ett förnamn eller ett enstaka pronomen — och så kan vi få fel på en persons kön. Andra, dessa slutledningsmetoder upptäcker vanligtvis bara "man" och "kvinnlig", exkludera eller felklassificera alla som identifierar sig med ett icke-binärt kön. Av dessa anledningar, big data-metoder är inte en ersättning för undersökningar – eftersom undersökningar tillåter människor att identifiera sig själv och välja bort dem helt.

Även med tanke på dessa potentiella fördomar, det finns fortfarande många stora datakällor som kan kasta nytt ljus över könsobalanser, om de bara gjordes tillgängliga för forskare. Till exempel, tillgång till stillbilder och undertexter av filmer och tv-program skulle kunna användas för att utvärdera mångfaldssystem, medan tillgång till innehållet i fler tidningar skulle möjliggöra en bredare studie av medias rapportering av kreativa arbetare.

För att inse potentialen med dessa nya metoder, vi måste uppmuntra och stödja kreativa organisationer att säkert dela sin icke-konfidentiella data. Det kommer förhoppningsvis att tillåta forskare att bli lite mer kreativa när det gäller att mäta jämställdhet i Storbritanniens kreativa industrier.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.