Technologische innovatie vindt niet plaats in een vacuüm — het weerspiegelt de sociale, politieke en economische krachten van zijn tijd. Elke software, elk platform of elk algoritme wordt gevormd door de perspectieven en waarden van de mensen die ze ontwerpen — en gedurende een groot deel van de moderne geschiedenis waren dat voornamelijk mannen.

Als gevolg hiervan heeft de digitale wereld vaak de ongelijkheden van de offline wereld weerspiegeld. Technologieën zijn er niet alleen niet in geslaagd om genderongelijkheid aan te pakken — in veel gevallen hebben ze deze juist versterkt.

De genderkloof in STEM (Science, Technology, Engineering, and Mathematics) is niet zomaar een cijfermatige kwestie. Het is een complex netwerk van systemische uitsluiting: ongelijke toegang tot kwalitatief onderwijs in de vroege jaren, gendergekleurde carrièrieverwachtingen, diepgewortelde stereotiepen over de “natuurlijke” capaciteiten van vrouwen, een gebrek aan zichtbare rolmodellen en institutionele vooroordelen bij werving en promotie. Deze factoren dragen samen bij aan het beperken van de instroom, het behoud en de doorgroei van vrouwen in tech-gerelateerde vakgebieden.

In opkomende gebieden zoals kunstmatige intelligentie (AI) en datawetenschap — die economieën, politiek en samenlevingen herdefiniëren — is het gebrek aan genderdiversiteit bijzonder opvallend. Vrouwen maken minder dan 20% van de AI-professionals in Europa uit, volgens een UNESCO-rapport uit 2023, en bekleden minder dan 10% van de leidinggevende posities in grote tech-bedrijven. De ongelijkheid is nog groter voor Zwarte vrouwen, inheemse vrouwen, trans- en non-binaire personen, en vrouwen uit economisch achtergestelde regio’s.

Waarom is dit belangrijk? Omdat AI-tools nu invloed hebben op enkele van de meest cruciale levensgebieden:

• Wervings- en selectiesystemen bepalen wie er wordt uitgenodigd voor een sollicitatiegesprek.

• Gezondheidszorgalgoritmen sturen diagnoses en behandelingstrajecten.

• Gezichtsherkenning wordt gebruikt bij handhaving en toezicht.

• Kredietscore-algoritmen beslissen wie een lening of hypotheek krijgt.

Wanneer deze hulpmiddelen voornamelijk worden ontworpen en getraind door witte, mannelijke, westerse ontwikkelaars — vaak met behulp van bevooroordeelde of onvolledige gegevens — lopen ze het risico de blinde vlekken van hun makers te kopiëren en te versterken.

Dit is niet hypothetisch. Van de nu stopgezette wervings-AI van Amazon (die sollicitanten van vrouwencolleges afstrafte) tot gezichtsherkenningssystemen die Zwarte vrouwen met alarmerend hoge foutmarges verkeerd identificeren: de gevolgen van gender-vooroordelen in tech zijn heel reëel.

Bovendien speelt intersectionaliteit een rol. Gender staat niet op zichzelf — het kruist met ras, klasse, beperking, seksualiteit, geografie en meer. Een vrouw van kleur met een beperking uit het globale Zuiden ervaart heel andere barrières voor digitale toegang en inclusie dan een witte vrouw uit de middenklasse in Europa.

Volgens de Internationale Telekommunformatie-Unie (ITU, 2023) maakt wereldwijd 62% van de mannen gebruik van het internet, vergeleken met slechts 57% van de vrouwen. De kloof is groter in lagedrempellanden, waar slechts 30% van de vrouwen online is vergeleken met 43% van de mannen. UNESCO benadrukt verder dat vrouwen in het globale Zuiden 20% minder kans hebben dan mannen om een smartphone te bezitten en aanzienlijk minder vertegenwoordigd zijn in digitale vaardigheidsprogramma’s. Deze cijfers bevestigen hoe samengestelde ongelijkheden in gender, geografie en klasse de drempels voor digitale participatie versterken.

 

Het begrijpen van de werking van gender binnen technologische ontwikkeling is dus essentieel voor het bouwen aan een rechtvaardigere digitale toekomst — een toekomst waarin vrouwen en genderdiverse personen niet alleen passieve gebruikers of consumenten zijn, maar makers, vernieuwers en besluitvormers die de hulpmiddelen van morgen vormgeven.