Affecting Machines

COLLECTE DE DONNÉES INCLUSIVE

La collecte de données inclusive est une étape essentielle dans l’évaluation de l’efficacité des processus internes de votre organisation et des initiatives en matière d’équité entre les sexes. D’ailleurs, la collecte de données sur les disparités entre les sexes vous permettra d’acquérir une connaissance globale des nombreux défis – souvent sous-étudiés – auxquels sont confrontés les femmes et les personnes collaboratrices 2SLGBTQIA+ au sein de votre organisation et du secteur de la technologie en général. 

// POURQUOI ./

Lutter contr les disparités entre les sexes

Permet de repérer les disparités entre les sexes et de garantir l’égalité des chances.

Adapter les initiatives concernant l’équité entre les sexes

Aide à la conception de programmes d’équité entre les sexes.

Rétention du personnel

Comprend les besoins des employé·e·s, en particulier ceux qui viennent de milieux marginalisés. 

Stimuler le bien-être

Améliore le sentiment d’appartenance et le bien-être des employé·e·s.

Attirer les talents

Reflète l’engagement d’une organisation pour l’équité entre les sexes.

// COMMENT ./

DONNÉES QUE VOUS POUVEZ LIRE

Les données qualitatives sont définies au sens large comme « des données que vous pouvez lire ». Elles sont appropriées lorsque vous souhaitez évaluer par exemple l’efficacité d’un programme ou comprendre les besoins, les préoccupations et les aspirations de vos employé·e·s. Voir ci-dessous comment recueillir des données qualitatives de manière inclusive et respectueuse.

Entrevues

Garantir la diversité, utiliser un langage inclusif et préserver la vie privée.

Groupes de discussion

Reconnaître la dynamique de groupe et promouvoir les voix marginalisées.

Les données quantitatives sont définies comme des « données que l’on peut compter. » Les données quantitatives sont utiles afin de mesurer l’étendue d’un problème ou évaluer les répercussions générales d’un programme. Voir ci-dessous comment recueillir des données quantitatives de manière inclusive et respectueuse

DONNÉES QUE VOUS POUVEZ COMPTER

Échantillonnage

Représenter la diversité de la population de l’échantillon. 

Conception d’enquête

Utiliser un langage accessible et prendre en compte les diverses identités.

Analyse des données et transparence

Au moment d’analyser vos données, il convient d’adopter une approche collaborative et ascendante. En effet, l’analyse se fait souvent loin des personnes étudiées. Cela peut conduire à des résultats erronés et biaisés, et peut même nuire aux personnes interrogées et à leurs communautés. Pour éviter cela, il convient d’intégrer l’interprétation des données recueillies par les communautés. En donnant aux personnes répondantes ou aux partenaires communautaires la possibilité d’interpréter les données, on réduit ainsi le risque d’interprétations incorrectes et souvent préjudiciables. 

ÉTAPES + CONSIDÉRATIONS

  • Définir vos objectifs: Que souhaitez-vous mesurer et pourquoi?
  • Cerner le bassin de personnes répondantes: Quelle est votre cible? 
  • Outils de collecte: Concision et simplicité sont les mots d’ordre.
  • Mener votre étude: Beiller à créer une atmosphère sûre et accueillante.
  • Analyser vos données: Au moment d’analyser vos données, il convient d’adopter une approche collaborative et ascendante.
  • Partager vos résultats: Concevoir un plan de diffusion qui permet d’atteindre votre public par les canaux qui lui sont les plus accessibles.
  • Obtenir des commentaires: Créer des occasions de critique constructive et de retour d’information de la part des intervenants, tant à l’intérieur qu’à l’extérieur de l’organisation.
  • Planifier l’adaptation du programme: Analyser et résumer les recommandations des intervenants en vue d’adapter votre programme ou votre approche.
  • Disposition: Faire preuve de transparence quant à vos projets concernant les données après la fin du projet. Vous devez également permettre à vos personnes participantes de demander la destruction de leurs données si elles le souhaitent. 
  • Protéger les personnes participantes: Mettre en œuvre des conseils de sauvegarde visant à garantir le respect de la vie privée des personnes participantes. Toujours intégrer le consentement éclairé, même s’il n’est pas formellement requis.
  • Faire preuve de transparence: Faire preuve de transparence sur les raisons pour lesquelles vous faites la collecte de données et sur les choix qui ont été faits en matière d’accès, de budget et de temps, ainsi que sur les perspectives qui ont été incluses ou non. 
  • Veiller à ne pas catégoriser les personnes interrogées: Utiliser des questions ouvertes afin que les personnes participantes puissent se définir avec leurs propres mots.
  • Dynamique du pouvoir: Faire en sorte que chaque personne se sente libre et à l’aise pour s’exprimer. Faire preuve d’autoréflexion et s’interroger sur ses propres préjugés et résistances.
  • Veiller à ce que les outils de collecte de données soient complets et compréhensibles: Éviter le jargon et le langage technique. Utiliser un format accessible. 
  • Éviter les charges excessives: Restreindre le travail émotionnel et mental nécessaire afin que les gens réagissent en supprimant la collecte d’éléments non essentiels.  
  • Se montrer responsable: Pendant et après la collecte de données, soyez responsable de vos actions et ouvert aux critiques constructives.
Bibliographie