Kujtim Saliu
Вовед
Во современото дигитално општество, мобилните апликации стануваат сè поважен дел од секојдневието на милијарди луѓе ширум светот. Од комуникација и забава до здравство и образование, апликациите го обликуваат начинот на кој интерагираме
со технологијата и меѓусебно. Сепак, иако технологијата често се перципира како неутрална и објективна, дизајнот на мобилните апликации носи родови
импликации кои можат да ги зајакнат или да ги предизвикаат постоечките општествени стереотипи и нееднаквости.
Прашањето за родовата еднаквост во технологијата не е ново, но со експанзијата на мобилните платформи добива нова димензија. Дизајнерите и развивачите, често несвесно, внесуваат сопствени претпоставки и пристрасности во производите кои ги креираат. Овие “design biases” можат да се манифестираат на различни начини – од визуелни елементи и боја, преку тон на комуникација, до функционални претпоставки за тоа кој е “типичниот корисник”.
Целта на оваа семинарска работа е да ги истражи родовите аспекти на дизајнот на мобилни апликации, да ги идентификува проблематичните практики, и да понуди насоки за создавање на инклузивни дигитални искуства. Преку анализа на конкретни примери и case study на платформата Moonlight, ќе ги разгледаме предизвиците и можностите за родова еднаквост во контекст на мобилниот развој.
1. Теоретска рамка: Род и технолошки дизајн
1.1 Концептот на родово-инклузивен дизајн
Родово-инклузивниот дизајн (gender-inclusive design) претставува пристап кон креирање на производи и услуги кои ги земаат предвид различните потреби, преференции и искуства на сите родови, без да се засноваат на стереотипи или бинарни претпоставки. Овој концепт произлегува од пошироката парадигма на универзалниот дизајн (universal design), но специфично се фокусира на родовите димензии на корисничкото искуство.
Според истражувањата на Bardzell (2010), feminist HCI (Human-Computer Interaction) рамката предлага шест квалитети кои треба да ги поседува родово- инклузивниот дизајн: плурализам, партиципација, застапување, еколошки пристап, сопствена рефлексија и самоопределување. Овие принципи го предизвикуваат традиционалниот пристап кон дизајнот кој често ја третира хомогената група како “default user”.
1.2 Род и технолошко прилагодување
Истражувањата покажуваат дека родот игра значајна улога во начинот на кој луѓето ја усвојуваат и користат технологијата. Technology Acceptance Model (TAM),
развиен од Davis (1989) и понатаму проширен од Venkatesh и Morris (2000), укажува на тоа дека мажите и жените имаат различни перцепции за корисноста и лесноста
на користење на технологијата, што е под силно влијание на социјализацијата и културните норми.
Жените историски биле помалку застапени во технолошките полиња, што резултирало со тоа дека производите често се дизајнирани од машка перспектива и за машки потреби. Оваа “invisible woman” појава, како што ја опишува Caroline Criado Perez, резултира со производи и услуги кои не ги земаат предвид потребите на половина од населението.
1.3 Design bias и неговите манифестации
Design bias се однесува на систематските тенденции во дизајн процесот кои фаворизираат одредени групи корисници наспроти други. Во контекст на род, ова може да се манифестира на неколку начини:
Претпоставки за default корисникот: Развивачите често го замислуваат
“просечниот корисник” како машко, млад, технички писмен, без инвалидитет. Оваа претпоставка влијае на секој аспект на дизајнот – од големината на копчињата до јазикот користен во интерфејсот.
Естетски стереотипи: Користењето на родово-кодирани бои (розово за жени, сино за мажи), икони и визуелни елементи кои ги зацврстуваат традиционалните родови улоги.
Функционални пристрасности: Апликации дизајнирани со претпоставка дека жените примарно се интересираат за мода, убавина и грижа за децата, додека мажите за технологија, спорт и финансии.
2. Проблематични практики во дизајнот на мобилни апликации
2.1 Default machine корисник претпоставки
Еден од најперзистентните проблеми во дизајнот на мобилни апликации е претпоставката дека default корисникот е машко. Ова се манифестира на различни начини:
Физички димензии: Големината и распоредот на интерактивните елементи често
се оптимизирани за поголеми раце, што е проблематично за корисници со помали раце – статистички повеќе жени. Истражувањето на Wobbrock et al. (2011) покажува дека женските раце се во просек 7-8% помали од машките, што влијае на тоа кои области на екранот се лесно достапни при еднорачно користење.
Безбедносни механизми: Биометриска автентикација понекогаш не функционира оптимално за жени. Facial recognition системите имаат повисока стапка на грешка при препознавање на жени, особено жени со потемна кожа, како што покажаа истражувањата на Buolamwini и Gebru (2018).
2.2 Родово-базирана персонализација и стереотипи
Многу апликации користат родово-базирана персонализација која честопати се заснова на стереотипи наместо на реални корисникови преференции:
Health и Fitness апликации: Апликациите за следење на здравјето често претпоставуваат дека жените примарно се интересираат за губење на тежина и естетски цели, додека мажите за градење на мускулна маса и сила. Оваа бинарна поделба не ги одразува разновидните цели на корисниците и може да биде штетна
за телесната слика и менталното здравје.
Фитнес трекерите традиционално биле дизајнирани врз основа на машки физиолошки параметри, игнорирајќи специфични женски здравствени потреби како менструалниот циклус и неговото влијание врз перформансите и метаболизмот. Тек во последниве години апликациите почнаа да вклучуваат функции за следење на менструалниот циклус, но често како “додаток” наместо интегрирана функција.
Е-трговија и шопинг апликации: Автоматската категоризација на производи “за него” и “за неа” ги зацврстува родовите стереотипи и ја ограничува слободата на изборот. Алгоритмите за препораки често претпоставуваат родово-базирани преференции, што резултира со прикажување на различна содржина на мажи и жени, дури и кога имаат слични интереси.
2.3 Јазик, тон и комуникација
Начинот на кој апликациите комуницираат со корисниците носи родови
импликации:
Voice assistants и родови улоги: Повеќето гласовни асистенти (Siri, Alexa, Google Assistant) по default имаат женски глас, што ги рефлектира стереотипите за жените
како сервисно-ориентирани, помошни и покорни. Истражувањето на UNESCO (2019) насловено “I’d Blush if I Could” го критикува овој тренд и неговото влијание врз перцепциите за родовите улоги.
Патронизирачки тон: Некои апликации користат различен јазик кога се обраќаат до машки наспроти женски корисници. Апликациите за финансии понекогаш користат пообјаснителен, попростен тон кога детектираат женски корисници, рефлектирајќи стереотипи за финансиска неписменост.
Генерички јазик: Користењето на машки род како универзален (“корисникот може да го провери својот профил”) контрибуира кон невидливоста на жените во дигиталниот простор.
2.4 Безбедност, приватност и harassment
Дизајнот на мобилните апликации често не ги разгледува адекватно различните безбедносни потреби на различните родови:
Локациско следење: Апликациите кои споделуваат локација во реално време
(датинг апликации, social media, фитнес трекери) можат да создадат безбедносни ризици, особено за жени кои се статистички повеќе изложени на вознемирување и насилство врз основа на род. Многу апликации не нудат доволно гранулирани контроли за приватност или јасни индикатори кога локацијата се споделува.
Harassment и модерација: Платформите за социјална интеракција често немаат адекватни механизми за спречување и санкционирање на родово-базирано вознемирување. Системите за пријавување често се комплицирани или неефективни, а модерацијата може да биде непостојана.
Дата приватност: Апликациите за следење на менструалниот циклус собираат чувствителни здравствени податоци, но не секогаш обезбедуваат транспарентност за тоа како овие податоци се користат, складираат или споделуваат со трети страни.
3. Case Study: Moonlight – Платформа за интерактивно раскажување приказни
3.1 Преглед на апликацијата
Moonlight е платформа за интерактивно раскажување приказни каде корисниците можат да читаат и пишуваат приказни во формат на пораки/балончиња. Апликацијата е развиена користејќи SwiftUI за iOS и вклучува AI-поддржани
алатки, blockchain интеграција, систем за натпревари помеѓу автори, и комплексен систем за коментари и интеракција.
Од родова перспектива, Moonlight претставува интересен case study затоа што делува во доменот на креативно пишување и раскажување приказни – област која традиционално не е родово-неутрална. Платформите за фанфикшн и креативно пишување имаат демографски специфични карактеристики, каде жените се значително повеќе застапени и како автори и како читатели.
3.2 Onboarding и првично корисничко искуство
Onboarding процесот на Moonlight е дизајниран да ги научи корисниците на основната tap-to-advance механика преку интерактивни туторијали. Од родова перспектива, неколку аспекти се важни:
Визуелен идентитет и естетика: Апликацијата користи палета на бои која не е експлицитно родово-кодирана. Наместо традиционалните “розови за девојки” дизајни кои се честопати среќаваат во креативни платформи, Moonlight користи неутрална, но привлечна естетика која не оттуѓува ниту еден род.
Демонстрациони содржини: Туторијалот и примерите кои се прикажуваат за
време на onboarding треба да бидат внимателно избрани да не рефлектираат родови стереотипи. На пример, ако примерните приказни секогаш прикажуваат машки јунаци или традиционални “машки” жанрови (акција, авантура), тоа може да сигнализира кој е “целната аудиторија”.
Јазик на инструкциите: Инструкциите се формулирани користејќи инклузивен јазик кој не претпоставува род на корисникот и не користи родово-специфични примери.
3.3 Contest систем и родова еднаквост
Системот за натпревари на Moonlight, каде авторите натпреваруваат врз основа на промпти со leaderboards и награди, поставува важни прашања за родова еднаквост:
Алгоритамско рангирање: Moonlight користи мултидимензионален пристап за рангирање на приказни кој вклучува број на likes, коментари, општ engagement, и метрики за читање (колку далеку читателите стигнале во приказната). Овој composite scoring систем е позитивен од родова перспектива затоа што не се потпира на еден индикатор кој може да биде пристрасен. На пример, ако само “likes” беа користени, тоа може да фаворизира автори кои веќе имаат големи
следбеници. Со вклучување на engagement metrics (колку далеку луѓето читаат), се наградува квалитетот на содржината, а не само популарноста.
Сепак, важно е да се мониторираат овие метрики за родови пристрасности. Истражувањата на онлајн платформи покажуваат дека жените понекогаш добиваат помалку engagement не затоа што нивната содржина е послаба, туку поради имплицитни пристрасности на аудиторијата. Редовна анализа на податоците може да открие дали одредени родови конзистентно имаат понизок engagement за слична содржина.
Структура на натпреварите: Моментално, Moonlight има еден општ contest формат наместо родово или жанровски сегментирани категории. Овој пристап е позитивен затоа што избегнува експлицитна категоризација која може да ги зацврсти стереотипите (на пример, “романтика за жени” наспроти “акција за
мажи”). Сите автори конкурираат под исти услови, што промовира еднаквост.
Prize систем и признание: Тројца победници добиваат парични награди, беџови (badges), и јавно признание. Од родова перспектива, комбинацијата на материјални награди (пари) и симболично признание (беџови, видливост) е добро балансирана. Некои истражувања сугерираат дека различните родови може да вреднуваат различни типови на награди, но со нудењето на комбинација, Moonlight избегнува да претпостави што е “вредно” за кого.
Транспарентност и јавност: Авторите се видливи и нивните профили се јавни. Оваа транспарентност е меч со две острици од родова перспектива. Од една страна, видливоста може да промовира accountability и да го намали анонимното вознемирување. Од друга страна, истражувањата покажуваат дека жените во конкурентни, јавни средини понекогаш се соочуваат со повеќе скептицизам, негативни коментари, или дури и harassment кога постигнуваат успех. Moonlight мора да биде vigilant за овие динамики и да обезбеди дека успешните женски
автори не се таргетирани со непримерено однесување.
3.4 Систем за коментари и интеракција
Системот за коментари на Moonlight, развиен во SwiftUI со поддршка за споменување (@mentions) и rich text приказ, претставува критична компонента од родова перспектива:
Модерација на содржина: Моментално, Moonlight користи систем за пријавување (reporting) сличен на другите социјални платформи, каде корисниците можат да пријават проблематични коментари. Овој crowd-sourced пристап кон модерација е распространет, но има родови импликации. Истражувањата покажуваат дека
родово-базираното вознемирување често не се препознава или пријавува од
сведоци, а жртвите понекогаш се воздржуваат од пријавување поради страв од одмазда или скептицизам.
За подобра заштита, Moonlight може да размисли за:
– Automated detection на потенцијално проблематичен јазик (сексистички термини, заканувачки јазик)
– Приоритизирање на пријави од корисници кои веќе биле таргетирани
– Јасни, транспарентни guidelines за тоа што е прифатливо однесување
– Брза response time на пријави – одложената модерација може да дозволи harassment да ескалира
Mention систем и унакрсна-корисничка интеракција: @mention функцијата овозможува директно таргетирање на други корисници во коментари. Моментално, нема ограничувања на mention системот, што значи дека секој може да биде споменат од секого. Ова може да биде двоен меч:
Позитивни аспекти:
– Олеснува конструктивен дијалог и соработка
– Дозволува признавање и crediting на други автори
– Промовира community building
Ризици:
– Можност за harassment преку повторливи, непосакувани mentions
– “Brigading” – координирано таргетирање на одреден корисник
– Notification flooding како форма на вознемирување
Препораки за подобрување:
– Имплементирај опција корисниците да контролираат кој може да ги спомене
– Notification филтри кои можат да блокираат mentions од блокирани корисници
– Rate limiting за да се спречи spam mentions
– Јасни индикатори кога корисникот е блокиран или пријавен
Контрола над коментари: Моментално, авторите не можат да ги оневозможат коментарите на своите приказни. Ова е важно прашање од родова перспектива. Многу женски автори на платформи за креативна содржина пријавуваат повисоки
нивоа на непосакувани критики, сексуални коментари, или patronizing “совети”. Можноста да се контролираат коментарите (целосно оневозможување, approval required, или ограничување на кој може да коментира) би им дала на авторите повеќе agency над нивното дигитално искуство.
Community guidelines и култура: Без јасни, видливи community guidelines, корисниците може да имаат различни очекувања за прифатливо однесување. Moonlight треба да развие и комуницира јасни норми за:
– Конструктивна критика vs. вознемирување
– Прифатливи теми за дискусија
– Последици за прекршување
– Процес на жалба ако корисниците чувствуваат дека се неправедно санкционирани
3.5 AI-поддржани алатки и родова пристрасност
Moonlight вклучува AI-поддржани алатки кои им помагаат на авторите во креативниот процес. Системот користи GPT модели и нуди различни функционалности: генерирање на текст, suggestions за продолжување на
приказната, помош со заплет, граматичка корекција, и повеќе. Корисниците можат да интерагираат со AI на два начини – преку custom промпти каде можат да прашаат што сакаат, или преку pre-defined опции како “Continue story” или “Give me ideas
how to continue”.
Овие AI алатки носат потенцијални родови импликации:
Language models и вграден bias: GPT моделите, како и другите large language models (LLMs), се обучени на огромни корпуси на текст од интернетот, кој содржи родови пристрасности од реалниот свет. Истражувањата на Bolukbasi et al. (2016) и Lucy и Bamman (2021) покажуваат дека овие модели можат да perpetuираат стереотипи на различни начини:
– Ликови и улоги: AI може да тежи кон креирање на повеќе машки протагонисти или да им доделува стереотипни улоги на женските ликови (пасивни, емотивни, фокусирани на изглед).
– Професии и атрибути: Кога генерира содржина за докторите, инженерите или лидерите, моделот може да подразбира машки род, додека за медицински сестри, учителки или секретарки да подразбира женски род.
–Описи на ликови: Женските ликови може да бидат описани приоритетно низ физичкиот изглед, додека машките низ акции и достигнувања.
– Дијалог и тон: Различен стил на говор може да се генерира за машки и женски ликови, perpetuирајќи стереотипи за тоа како различните родови “треба” да комуницираат.
– Романтични трописи: AI може да го засилува “damsel in distress”, “manic pixie dream girl”, или другите проблематични наративни шаблони.
Конкретен пример во Moonlight: Кога корисник користи функцијата “Continue story” или “Give me ideas”, AI suggestion може несвесно да внесе gender bias. На пример, ако приказната е за жена која е успешна бизнис-лидер, AI може да предложи заплет кој вклучува romance или семејни конфликти наместо професионални предизвици, додека за машки лидер може да фокусира на power struggles или бизнис стратегија.
Жанровска специфичност: Moonlight моментално не нуди genre-specific AI suggestions, што е всушност позитивно од родова перспектива. Жанровски- таргетираните suggestions можат да зацврстат стереотипи за тоа кои родови пишуваат или читаат одредени жанрови. Општите suggestions дозволуваат поголема флексибилност и избегнуваат претпоставки.
Mitigating bias – можности за подобрување:
1. Prompt engineering: Интерно модификување на промптите испратени до GPT за да се насочи моделот кон поинклузивни генерации (на пример, експлицитно барање разновидни ликови).
2. Post-processing filtering: Детекција на потенцијално стереотипна содржина и нудење на алтернативи.
3. Корисничка контрола: Moonlight веќе нуди добра корисничка контрола со можноста за custom промпти. Корисниците можат експлицитно да специфицираат какви ликови, теми, или наративни елементи сакаат.
4. Транспарентност: Едукација на корисниците за ограничувањата на AI и можноста за bias во генерираната содржина.
5. Итеративност: Дозволување на корисниците да регенерираат suggestions и да ги изберат оние кои најдобро одговараат на нивната визија.
3.6 Accessibility и инклузивност
SwiftUI миграцијата на Moonlight од UIKit обезбедува можности за подобрена accessibility, што е критична компонента на инклузивниот дизајн со директни родови импликации:
VoiceOver поддршка: Moonlight има comprehensive VoiceOver имплементација, што е особено важно од родова перспектива. Искуството со развојот на REMA 1000 апликацијата, каде слеп корисник редовно тестира и дава best practices, директно се применува на Moonlight. Оваа практика на вклучување на корисници со
инвалидитет во тест процесот е модел на инклузивен дизајн.
Родовата димензија на VoiceOver поддршката се манифестира на неколку начини:
– Статистички, жените имаат повисока стапка на одредени видови оштетен
вид (на пример, macular degeneration се јавува почесто кај жени), што значи дека accessibility features не се “gender-neutral” во нивното влијание.
– Квалитетот на accessibility влијае на кој може да учествува во платформата како автор и како читател, директно влијаејќи на родовата застапеност во
заедницата.
Dynamic Type и текстуална приспособливост: Имплементацијата на Dynamic
Type (text zoom) во Moonlight е критична за корисници со намалена острина на
видот. Иако ова влијае на сите родови, постојат возрасни и здравствени фактори кои имаат родова компонента:
– Жените живеат подолго во просек, што значи повеќе старечки корисници се жени
– Одредени очни состојби (како што е Sjögren’s syndrome) се значително почести кај жени
– Accessibility за текст е особено важна за платформа која е text-heavy како
Moonlight
Колористичка приспособливост: Moonlight обезбедува опции за прилагодување
на бои, што е важно за color blindness. Интересно, color blindness е значително почест кај мажи (околу 8% од мажите наспроти 0.5% од жените имаат некаков вид на color blindness). Ова е пример каде accessibility feature примарно влијае на еден род.
Добрата имплементација значи:
– Информацијата не се пренесува САМО преку боја (на пример, error states користат и икони, не само црвена боја)
– Доволен contrast ratio меѓу текст и позадина
– Тестирање со различни типови на color blindness (protanopia, deuteranopia, tritanopia)
Интеракциски модалитети: SwiftUI олеснува имплементација на различни интеракциски начини (tap, swipe, long press). Ова е важно затоа што различните корисници може да имаат различни физички способности. Истражувањата покажуваат дека жените во просек имаат помали раце, што влијае на достапноста
на различни делови на екранот при еднорачно користење на телефонот.
Lessons learned од REMA 1000: Искуството со развојот на accessibility features за норвешки retail апликации донесе важни инсајти:
– Real user testing е незаменливо – никаква теоретска спецификација не може да го замени feedback-от од реални корисници со инвалидитет
– Accessibility треба да биде вграден од почеток, не додаден на крај
– Cross-platform consistency – корисниците очекуваат слични accessibility features низ различни апликации
– Континуирано тестирање – како што апликацијата еволуира, accessibility може да се наруши ако не се тестира редовно
4. Best Practices за родово-инклузивен дизајн на мобилни апликации
4.1 Принципи на инклузивен дизајн
Врз основа на анализата на проблематичните практики и case study на Moonlight, можеме да идентификуваме клучни принципи за родово-инклузивен дизајн:
1. Questioning defaults: Развивачите треба постојано да се прашуваат: “За кого претпоставуваме дека дизајнираме?” Наместо да се претпостави “типичен корисник”, треба да се разгледаат diverse personas кои вклучуваат различни родови, возрасти, способности, и позадини.
2. Избегнување родови стереотипи: Не користете родово-кодирани бои, икони, или јазик освен ако има експлицитна причина. Дозволете корисниците сами да ги изберат своите преференци наместо да претпоставувате врз основа на род.
3. Инклузивен јазик: Користете родово-неутрален јазик во интерфејсот. На пример, наместо “корисникот може да го провери својот профил”, користете “можете да го проверите вашиот профил” или множински облици.
4. Гранулирана персонализација: Наместо родово-базирана персонализација, дозволете корисниците експлицитно да ги изберат своите интереси, преференци, и цели. Не претпоставувајте дека сите жени сакаат розово или дека сите мажи се интересираат за спорт.
5. Разновидна тест група: Тестирајте ги апликациите со разновидна група корисници кои вклучуваат различни родови, возрасти, културни позадини, и нивоа на техничка писменост.
4.2 Технички имплементации
Form design и податочно собирање:
– Обезбедете опции за род кои не се бинарни (машко/женско). Вклучете опции како “не-бинарно”, “преферирам да не одговорам”, или отворено текстуално поле.
– Прашувајте за род само кога е апсолутно неопходно. Секогаш објаснете зошто ја барате оваа информација.
– Одвојте го родот од salutation (Г-дин/Г-ѓа) – не претпоставувајте дека тие се поврзани.
UI/UX дизајн:
– Тестирајте ги интерактивните елементи на различни големини на раце и екрани.
– Обезбедете multiple ways за навигација и интеракција (не само tap, туку и swipe, long press, итн.)
– Користете семантички опис за accessibility кој не претпоставува род.
Content и алгоритми:
– Редовно ревидирајте ги препораките на алгоритмите за пристрасности.
– Диверзифицирајте ја обучувачката множина за ML модели.
– Имплементирајте fairness metrics во алгоритамската евалуација.
Безбедност и модерација:
– Дизајнирајте безбедносни функции кои ги земаат предвид различните претње со кои се соочуваат различните родови.
– Овозможете гранулирана контрола на приватноста.
– Имплементирајте ефективни, транспарентни системи за пријавување и модерација.
– Обезбедете јасни community guidelines.
4.3 Организациски пристапи
Diverse teams: Истражувањата постојано покажуваат дека различните тимови креираат подобри, поинклузивни производи. Компаниите треба активно да се стремат кон родова разновидност во развојните тимови, не само заради еднаквост, туку и заради квалитет на производот.
Inclusive design training: Развивачите и дизајнерите треба да бидат обучени за родови студии, implicit bias, и инклузивен дизајн. Технолошкото образование традиционално не ги покрива овие теми, што резултира со perpetуирање на пристрасности.
User research: Спроведувајте research со разновидни корисници. Не претпоставувајте дека знаете што им треба на корисниците – прашајте ги директно.
Iterative improvement: Родово-инклузивниот дизајн не е еднократен процес, туку континуирано подобрување. Собирајте feedback, анализирајте податоци за користење, и постојано ревидирајте и подобрувајте.
4.4 Примери од индустријата
Bumble: Апликацијата за датирање која дава моќ на жените да го направат првиот чекор, активно се справува со родовите динамики во online датирањето и вознемирувањето.
Apple Health: Додавањето на менструално следење во iOS 13 беше значаен чекор, иако дојде со критика дека треба да беше вклучено многу порано.
Spotify: Избегнува експлицитна родова категоризација на музика и наместо тоа нуди персонализација врз основа на реалното слушање на корисниците.
Duolingo: Користи инклузивен јазик и разновидни примери во јазичното учење, избегнувајќи стереотипи.
5. Предизвици и иднини насоки
5.1 Технички предизвици
Имплементирањето на родово-инклузивен дизајн носи одредени технички предизвици:
Legacy systems: Многу постоечки системи се изградени со бинарни родови претпоставки длабоко вградени во базите на податоци и backend логиката. Рефакторирањето може да биде комплексно и скапо.
Интернационализација: Различните култури имаат различни разбирања и норми околу родот. Што е инклузивно во еден контекст може да не биде во друг.
Performance vs. персонализација: Поголема гранулираност во персонализацијата може да значи повеќе податоци за складирање и обработка.
5.2 Општествени и културни предизвици
Pushback од корисници: Некои корисници може да реагираат негативно на промените кон поинклузивен дизајн, особено ако ги перципираат како “политичка коректност”.
Балансирање на потреби: Понекогаш потребите на различните групи може да се конфликтни. На пример, некои функции дизајнирани за безбедност може да влијаат на приватноста или корисничкото искуство.
Комерцијални притисоци: Компаниите може да се соочат со притисок да користат родови стереотипи затоа што се “проверени” маркетинг стратегии.
5.3 Иднини насоки
AI и машинско учење: Следната генерација на апликации ќе се потпира уште повеќе на AI. Критично е да се адресира bias во ML моделите од самиот почеток.
Персонализирано здравство: Мобилните health апликации треба да станат пософистицирани во разбирањето на родовите разлики во здравјето, но без да ги зацврстат стереотипите.
Виртуелна и проширена реалност: Како што овие технологии стануваат подостапни на мобилни платформи, родово-инклузивниот дизајн мора да се прошири и на овие нови интеракциски парадигми.
Регулатива и стандарди: Можеби ќе видиме развој на регулативи и индустриски стандарди за родово-инклузивен дизајн, слично на постоечките accessibility стандарди.
Заклучок
Родово-инклузивниот дизајн на мобилни апликации не е само прашање на социјална правда – тој е фундаментален принцип на добар дизајн. Апликациите кои ги земаат предвид потребите на сите корисници, без оглед на родот, не само што се поетички, туку се и пофункционални, поприступни, и последователно имаат подобро корисничко искуство.
Преку анализата на проблематичните практики и case study на Moonlight, видовме дека родовите аспекти на дизајнот се манифестираат на многу нивоа – од визуелна естетика и јазик, преку функционални претпоставки и безбедносни механизми, до алгоритамски пристрасности и систем за модерација. Секој од овие аспекти бара
внимателно разгледување и свесен дизајн избор.
Анализата на Moonlight платформата демонстрира дека родово-инклузивниот
дизајн не е само теоретски концепт, туку бара конкретни одлуки на секое ниво на развојот. Од изборот на акцент бои (E5C77A наместо стереотипни розови/сини), преку имплементација на comprehensive accessibility features информирани од
реално корисничко тестирање, до внимателно разгледување на тоа како AI алатките можат да perpetuираат bias во креативното пишување – секоја одлука носи родови импликации. Платформата покажува дека дури и добронамерните развивачи мораат постојано да ги преиспитуваат своите претпоставки и активно да работат на креирање на инклузивни дигитални искуства.
Важно е да се нагласи дека родово-инклузивниот дизајн не значи игнорирање на родовите разлики каде што тие се релевантни (на пример, во здравствени
апликации), туку значи избегнување на непотребни претпоставки и стереотипи, и обезбедување на корисниците да имаат контрола над нивното сопствено искуство.
Како индустријата на мобилните апликации продолжува да еволуира, со зголемено користење на AI, машинско учење, и персонализација, родовите прашања ќе станат уште покритични. Развивачите, дизајнерите, и компаниите имаат одговорност да бидат vigilant, да се едуцираат, и да ги вградат принципите на родова еднаквост во
самото срце на технолошкиот дизајн. Само на тој начин можеме да креираме дигитална иднина која е навистина инклузивна за сите.
—
Библиографија
Bardzell, S. (2010). Feminist HCI: Taking stock and outlining an agenda for design.CHI ’10: Proceedings
of the SIGCHI Conference on Human Factors in Computing Systems, 1301-1310. https://doi.org/ 10.1145/1753326.1753521
Bolukbasi, T., Chang, K. W., Zou, J., Saligrama, V., & Kalai, A. (2016). Man is to computer programmer as woman is to homemaker? Debiasing word embeddings. Advances in Neural Information Processing Systems, 29, 4349-4357.
Buolamwini, J., & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research, 81, 1-15.
Criado Perez, C. (2019). Invisible Women: Data Bias in a World Designed for Men. Abrams Press.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008
Fogg, B. J., & Iizawa, D. (2008). Online persuasion in Facebook and Mixi: A cross-cultural comparison. Persuasive Technology, 5033, 35-46. https://doi.org/10.1007/978-3-540-68504-3_4
Haraway, D. (1988). Situated knowledges: The science question in feminism and the privilege of partial perspective. Feminist Studies, 14(3), 575-599.
Lucy, L., & Bamman, D. (2021). Gender and representation bias in GPT-3 generated stories. Proceedings of the Third Workshop on Narrative Understanding, 48-55. https://doi.org/10.18653/v1/2021.nuse-1.5
Noble, S. U. (2018). Algorithms of Oppression: How Search Engines Reinforce Racism. NYU Press. Oudshoorn, N., Rommes, E., & Stienstra, M. (2004). Configuring the user as everybody: Gender and
design cultures in information and communication technologies. Science, Technology, & Human Values, 29(1), 30-63.
Rode, J. A. (2011). A theoretical agenda for feminist HCI. Interacting with Computers, 23(5), 393-400. https://doi.org/10.1016/j.intcom.2011.04.005
Schiebinger, L. (2008). Gendered Innovations in Science and Engineering. Stanford University Press. UNESCO. (2019). I’d Blush if I Could: Closing Gender Divides in Digital Skills Through Education. UNESCO Publishing.
Venkatesh, V., & Morris, M. G. (2000). Why don’t men ever stop to ask for directions? Gender, social influence, and their role in technology acceptance and usage behavior. *MIS Quarterly*, 24(1), 115-139. https://doi.org/10.2307/3250981
Wajcman, J. (2010). Feminist theories of technology. *Cambridge Journal of Economics*, 34(1), 143-152. https://doi.org/10.1093/cje/ben057
Wobbrock, J. O., Morris, M. R., & Wilson, A. D. (2009). User-defined gestures for surface computing.
*CHI ’09: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems*, 1083-1092. https://doi.org/10.1145/1518701.1518866
Moonlight app store: https://apps.apple.com/mk/app/moonlight-bite-size-stories/id1510126988
или веб: https://moonlight.ink/home
Rema 1000 веб страната е за инфо: