在20世纪初，W.E.B. 杜波依斯（W.E.B. Du Bois）撰写了关于费城黑人群体的生活条件和文化的文章，同时记录了周围白人社会中普遍存在的种族主义态度和信念。他描述了在健康等领域的不平等结果不仅可以归因于种族主义思想，还可以归因于嵌入美国制度中的种族主义。
将近125年后，“系统性种族主义”的概念成为种族研究的核心。像杜波依斯的工作一样，数百年的数据收集和分析记录了法律和制度中种族不平等的机制，并试图衡量其影响。
麻省理工学院（MIT）教授Fotini Christia解释道：“有大量研究表明，几乎所有美国社会的各个领域都存在种族歧视和系统性不平等。”她是MIT数据、系统与社会研究所（IDSS）的主任，同时也是打击系统性种族主义倡议（ICSR）的共同负责人。“较新的研究表明，通常依赖历史数据进行训练的计算技术可能会进一步加深种族偏见。但这些相同的工具也可以帮助识别种族不平等的结果，理解其原因和影响，甚至有助于提出解决方案。”
除了协调校园内关于系统性种族主义的研究外，IDSS倡议还有一个新项目，旨在赋能并支持MIT以外的研究：新的ICSR数据中心，作为ICSR研究人员收集的数据集的不断发展的公共网络存储库。
为正义而数据
“我与ICSR的主要项目涉及使用亚马逊网络服务（AWS）为其他研究人员构建数据中心，以便他们在自己的刑事司法相关项目中使用，”最近毕业于MIT科技与政策项目（TPP）的Ben Lewis SM ’24说，他目前是MIT斯隆管理学院的博士生。“我们希望数据中心成为一个集中式的地方，研究人员可以通过简单的网络或Python接口访问这些信息。”
在TPP攻读硕士学位期间，Lewis将研究重点放在美国的种族、药物政策和警务上，探讨药物非刑事化政策对监禁和过量死亡率的影响。他作为ICSR警务团队的一员，参与了MIT的研究，研究数据在警务政策和程序设计中的作用，以及数据如何突出或加剧种族偏见。
“警务领域开始时提出了一个非常具有挑战性的基本问题，”团队负责人、电气工程与计算机科学（EECS）教授Devavrat Shah说。“我们能否利用数据更好地理解种族在刑事司法系统中不同决策中的作用？”
到目前为止，数据中心提供了来自美国40个最大城市的911调度信息和警察拦截数据，这些数据由ICSR研究人员收集。Lewis希望这一努力能够扩展，不仅包括其他城市，还包括其他相关且通常被孤立的信息，如判刑数据。
“我们希望将数据集整合在一起，以便对执法系统有一个更全面和整体的视角，”ICSR研究员、IDSS社会与工程系统（SES）博士生Jessy Xinyi Han解释说。Han表示，因果推断等统计方法可以帮助揭示不平等背后的根本原因——“解开一张可能性之网”，更好地理解种族在刑事司法过程不同阶段的因果影响。
“我进行这个项目的动机是个人的，”Lewis说，他在很大程度上是因为有机会研究系统性种族主义而被MIT吸引。作为TPP的学生，他还创立了剑桥的“结束过量”分支，这是一个致力于阻止药物过量死亡的非营利组织。他的倡导使数百人接受了救生药物干预的培训，并为他赢得了2024年科利尔奖，这是MIT为社区服务颁发的荣誉，以纪念为MIT警察服务而献身的肖恩·科利尔（Sean Collier）。
“我有家人被监禁。我看到这对我的家庭和社区产生的影响，并意识到过度警务和监禁只是对贫困和药物使用等问题的权宜之计，这些问题可能会使人们陷入贫困的循环。”
教育与影响
现在，数据中心的基础设施已经建立，ICSR警务团队也开始分享数据集，下一步是其他ICSR团队也开始分享数据。跨学科的系统性种族主义研究倡议包括在住房、医疗保健和社交媒体等领域工作的团队。
“我们希望利用今天可用的大量数据来回答关于种族如何通过多个系统的相互作用而产生的困难问题，”EECS教授、IDSS创始主任和ICSR共同负责人Munther Dahleh说。“我们关注的是各种机构如何延续种族主义，以及技术如何加剧或对抗这一现象。”
对于数据中心的创建者来说，项目成功的主要标志是看到数据在MIT及其他地方的研究项目中被使用。作为一种资源，数据中心可以支持来自不同经验和背景的用户的研究。
“数据中心还涉及教育和赋能，”Han说。“这些信息可以用于旨在教用户如何使用大数据、如何进行数据分析，甚至学习机器学习工具的项目，所有这些都是为了揭示数据中的种族差异。”
“推动数据技能的传播自第一天起就是IDSS的使命之一，”Dahleh说。“我们对使这些数据可用所带来的教育机会感到兴奋，包括但不限于我们不断增长的IDSSx在线课程系列。”
这种对教育潜力的重视进一步增强了MIT各地ICSR研究人员的雄心，他们希望利用数据和计算工具为政策制定者提供可行的见解，从而带来真正的改变。
“系统性种族主义是一个证据充分的社会挑战，影响深远，”Christia说。“在IDSS，我们希望确保开发的技术与日益增加的数据访问相结合，以对抗种族主义结果，而不是继续实施这些结果。”
