Which box do I check? | Am I Normal? With Mona Chalabi

Transcriber:

If you've been watching this series,

Translator: Sina Shafiezadeh Reviewer: Leila Ataei

اگر این مجموعه را تماشا کرده باشید، می‌دانید من به داده توجه می‌کنم.

you'll know I care about data.

But data has its limitations, especially when it comes to language.

اما داده محدودیت‌های خودش را دارد، مخصوصا زمانی که در مورد زبان باشند.

Basically, if you get your categories wrong,

اساسا اگر شما بفهمید دسته‌بندی‌تان اشتباه است،

you can wind up with some pretty misleading statistics,

می‌توانید با آمارهای گمراه‌کننده آن‌ را از سر باز کنید،

and the US Census is a prime example.

و سرشماری ایالات متحده یک نمونه‌بارز از آن است.

[Am I Normal? with Mona Chalabi]

[آیا من عادی هستم؟ با مونا چَلَبی]

Taken every 10 years,

هر ده سال یک بار،

this survey aims to collect demographic data

پژوهشی با هدف جمع‌آوری داده جمعیت‌شناسی

from each and every resident of the US and its territories.

از تک‌تک شهروندان آمریکایی در ایالت‌هایشان انجام می‌شود.

Those responses help the government to determine everything,

آن پاسخ‌ها به دولت‌ کمک می‌کند تا هر چیزی را بر مبنایش تعیین کند،

from the allocation of seats in Congress and the Electoral College,

از اختصاص صندلی‌ها در کنگره و کالج الکترال

to the allocation of hundreds of billions of dollars in federal funds.

تا صدها میلیارد دلار در سرمایه‌های فدرالی.

And those funds pay for things like new hospitals,

سرمایه‌‌هایی که برای چیزهایی مثل بیمارستان‌های جدید، بهبود جاده‌ها

road improvements and school lunch programs.

و برنامه‌‌های نهار مدارس پرداخت می‌شوند.

And crucially, the statisticians that work there are nonpartisan.

و از همه مهم‌تر آن که آماردان‌هایی که آنجا کار می‌کنند متعلق به حزبی نیستند.

They sit at the same desks, applying the same formulas,

آن‌ها پشت یک میز، فرمول‌‌های یکسانی را به کار می‌بندند،

no matter who is in charge at the White House.

مستقل از این که چه کسی مسئول کاخ سفید است.

So undoubtedly, the US Census Bureau does important work,

پس بدون شک مرکز سرشماری آمریکا کار مهمی را انجام می‌دهد،

but it does have some blind spots.

اما نقاط کوری هم در آن وجود دارد.

For example, there has been a decades-long effort

برای نمونه، چند دهه تلاش شد تا دسته‌بندی مِنا

to add the category Middle Eastern or Northern African or MENA to the census.

یا همان خاورمیانه و شمال آفریقا به سرشماری اضافه شود.

Currently, the census defines people from these regions,

در حال حاضر سرشماری، مردم این مناطق را جز سفیدها تعریف می‌کند که من هم شامل می‌شود.

and that includes me, as white.

Yeah, that's incorrect.

بله، این نادرست است.

In 2015, the census did test a version of this survey that included MENA.

در سال ۲۰۱۵، سرشماری نمونه‌ای از پژوهش که گزینه مِنا را دارا بود آزمایش کرد.

It found that when given the MENA option,

متوجه شدند که بعد از اضافه شدن گزینه مِنا،

the number of people from that region who identified as white

تعداد مردمی که از آن مناطق سفیدپوست شناسایی شده بودند

dropped from 86 percent to 20 percent.

از هشتادوشش درصد به بیست درصد سقوط کرد.

See, when you reconsider language, the numbers can change dramatically.

می‌بینید، وقتی در زبان تجدیدنظر می‌کنید، اعداد به طور چشم‌گیر می‌توانند تغییر کنند.

Unfortunately, though, the census still didn't make the change,

متاسفانه با این حال سرشماری هنوز تغییری را اعمال نکرد

saying that further tests were necessary to determine if MENA should appear

و مدعی است آزمایش‌های بیشتری نیاز است تا مِنا به عنوان زیرمجموعه‌ای از

under ethnicity instead of race.

قومیت به جای نژاد در نظر گرفته شود.

That means that those who have rallied for its inclusion

یعنی آن کسانی که برای گنجاندن این گزینه اتفاق‌نظر دارند

will have to wait another decade to see if our community can be recognized.

باید یک دهه دیگر صبر کنند تا ببیند آیا قومیت ما به رسمیت شناخته می‌شود یا خیر.

This isn't the first time that language has restricted

این اولین‌بار نیست که خوداظهاری مردم

how people are represented in the census.

در سرشماری محدود شده است.

The very first one, way back in 1790,

خیلی قبل‌تر از این، در سال ۱۷۹۰ میلادی،

only had three broad categories,

تنها سه گزینه کلی وجود داشت،

and I quote: "slaves, free white men and women, and all other free persons."

و من مستقیم نقل می‌کنم: <<بردگان، مردان و زنان سفید آزاد، و تمام افراد آزاد دیگر>>.

It would be another 30 years

سی سال طول کشید تا سیاهان آزاد

before distinct categories for free Blacks

به صورت مجزا دسته‌بندی شوند و بعد از آن

and another 40 years before American Indians

چهل سال دیگر زمان برد تا سرخ‌پوستان آمریکایی در سرشماری اضافه شوند.

would appear on the census.

Since then, more and more categories have been added,

بعد از آن، دسته‌بندی‌های بیشتر و بیشتری اضافه شدند، اما پیشرفت کند بوده است.

but progress has been slow.

It wasn't until 2000 that people could choose more than one race

تا سال ۲۰۰۰ میلادی مردم می‌توانستند تنها یک گزینه را برای

to describe themselves,

توصیف نژادشان انتخاب کنند،

and for the very first time in 2020,

و برای اولین بار در سال ۲۰۲۰ بود که

people who selected Black or white could go a bit more granular

مردم می‌توانستند کمی دقیق‌تر بعد از انتخاب سفید یا سیاه

and provide more detail about their origins,

جزییات بیشتری از اصلیت‌شان را ارائه کنند،

like naming France or Somalia or spotlighting their Indigenous identity.

مثل فرانسوی یا سومالیایی بودن یا برجسته کردن هویت بومی‌شان.

Right now, you might be thinking:

در حال حاضر ممکن است فکر کنید:

Why does the wording on a survey even matter?

چرا وجود یک کلمه در یک پژوهش اصلا مهم است؟

Race and ethnicity are social constructs anyway.

به هر حال نژاد یا قومیت سازه‌های اجتماعی هستند.

But that doesn't change the lived experience

هر چند واقعا تجربه‌ی زیسته کسانی را که در

of those who aren't truly reflected in these forms.

این فرم‌ها نادیده گرفته شدند تغییر نمی‌دهد.

Questionnaires need to ask the right questions

پرسشنامه‌ها اگر می‌خواهند چیزهایی را که واقعا

if they want to capture what's really happening in the world.

در دنیا اتفاق می‌افتند جمع‌ کنند باید سوالات درست بپرسند.

A Northern African non-binary person might be misgendered

جنسیت فرد غیرباینری شمال آفریقا ممکن است نادیده گرفته شود

or considered white by the census,

یا بر اساس سرشماری سفید شمرده شود،

but face disproportional discrimination,

و با تبعیضات نامتناسب،

health disparities or language barriers that are unique to their community.

نابرابری‌های بهداشتی یا موانع زبانی مواجه شوند که مختص جامعه آن‌ها است.

It's no wonder, then,

پس جای تعجب نیست که

that it's often marginalized and vulnerable communities

اغلب آن‌ها به حاشیه رفته‌اند و اقشار آسیب‌پذیر که

ones whose identities are missing from these forms

هویت آن‌ها در این فرم‌ها در نظر گرفته نشده است

that lack access to governmental resources and protections.

به منابع و حمایت‌های دولتی دسترسی نداشته باشند.

Now, there are some understandable historical reasons

اکنون دلایل قابل فهم تاریخی وجود دارند که چرا مردم ممکن است

why people might not want to engage in this kind of data gathering.

تمایل به مشارکت در این‌ گونه جمع‌آوری داده نداشته باشند.

But without the data, it’s just easier to deny the inequality is real.

اما باید در نظر داشت که بدون داده انکار واقعی نبودن نابرابری ساده‌تر است.

If we want a more equitable society,

اگر ما جامعه‌ای عادلانه‌تر می‌خواهیم،

we have to measure our reality,

باید واقعیت خودمان را بسنجیم،

and the best way to start

و بهترین راه برای شروع

is by using language that recognizes our differences.

به کارگیری زبان است که تفاوت‌های ما را بازشناسی می‌کند.