Technically Wrong: Sexist Apps, Biased Algorithms, and Other Threats of Toxic Tech

by Sara Wachter-Boettcher

Buying groceries, tracking our health, finding a date: whatever we want to do, odds are that we can now do it online. But few of us realize just how many oversights, biases, and downright ethical nightmares are baked inside the tech products we use every day. It’s time we change that.

In Technically Wrong, Sara Wachter-Boettcher demystifies the tech industry, leaving those of us on the other side of the screen better prepared to make informed choices about the services we use—and to demand more from the companies behind them.

"Just as the current political climate has inspired many to pick up a sign and head out into the street for the first time, I hope Technically Wrong will inspire newcomers to start thinking more critically about the apps and algorithms around them." —Anna Lauren Hoffmann, Science

"An entertaining romp that tell us where and why the tech industry, once America's darling, went wrong, and what it might do to recover its good graces." —Tim Wu, author of The Master Switch

Genres: Nonfiction, Technology, Feminism, Design, Science, Business, Social Justice

232 pages, Paperback

First published October 10, 2017

About the author

Sara Wachter-Boettcher is a web consultant based in Philadelphia, and the author of the forthcoming Technically Wrong, from W.W. Norton, as well as two books for web professionals: Design for Real Life, with Eric Meyer, and Content Everywhere.

She helps organizations make sense of their digital content, and speaks at conferences worldwide.

Reviews

[Yulia Kryval]

Ця книжка - гарне нагадування для продуктових команд, дизайнерів, маркетологів, власників бізнесів і, в принципі, всіх причетних до створення продуктів чи сервісів перевірити свої концепти, флови і вже давно релізнуті проекти на те, чи не закралися десь упередження (через расу, стать, етнічність, ідентифікацію тощо), стереотипні неперевірені гіпотези або ідеалізована «норма» в основі вашого дітища:
- на кого ви орієнтувались при ідеації чи валідації гіпотез
- хто і на основі яких даних розробляв ваші алгоритми
- як тренували ваші ML моделі
- чи не зловживає голос вашого бренду нездоровою чи недоречною веселістю
- чи не видається ваш контент tone deaf і так далі.

Бо дуже часто компанії, які не мали на меті створити упереджені нетолерантні чи навіть небезпечні продукти, все ж доходили до цього через вузьку перспективу при дизайні ше концепту чи інтеракцій (основна теза авторки в тому, шо багато компаній створені на основі того, шо є уявленням про норму білих привілейованих чоловіків-засновників/підприємців/хаслерів).

Все ж деколи книжка сприймалась трошки драматично і приклади базуються в основному на техгігантах з Кремнієвої долини - деколи хочеться глобальнішої репрезентації (світ не сходиться клином на Фейсбуці, Гуглі і Убері). Іноді після прикладів, як робити не варто, не вистачало скерування або референсу, а як же треба робити.

Серед іншого: читається легко, багато цікавих прикладів, купа посилань для самостійного заглиблення в розбір кейсів (якшо на це є бажання).