Metodologi Penelitian Kami

Kami mengirimkan kuesioner kepada lebih dari 90 brand untuk memberikan kesempatan kepada mereka untuk menunjukkan usaha yang mereka lakukan untuk membayar upah layak kepada semua buruh dalam rantai pasok mereka dan untuk mengungkap lokasi produksi mereka (jika mereka belum melakukannya melalui Tranparency Pledge). Tekanan kami adalah pada mengekspresikan usaha brand-brand untuk membayar upah layak melalui data SMART yang dikumpulkan melalui penelitian dalam format yang transparan dan komprehensif kepada konsumen, buruh garmen dan pembuat kebijakan. Diharapkan, dalam jangka panjang, representasi brand di Fashion Checker akan menjadi komponen dalam proses uji kelayakan (due diligence) dan proses validasi CSR sebuah brand.

Karena konteks yang menantang, termasuk keengganan buruh untuk berbicara dengan peneliti karena takut akan tindakan balasan, penelitian lapangan di tempat kerja pada awalnya hanya dilakukan di lima negara di mana akses ke buruh garmen mudah didapat; Indonesia, China, Kroasia, India dan Ukraina. Kami mengumpulkan slip gaji buruh, melakukan wawancara untuk menginterpretasikan informasi yang tertera di slip gaji, dipilah berdasarkan gender (misalnya tentang kesenjangan upah berdasarkan gender, tanggung jawab kerja, jam kerja, bonus, lembur). Kami kemudian mencocokkan upah ini dengan respon yang diberikan oleh brand tentang patokan upah layak mereka dan persentase pemasok yang dibayar menurut patokan ini. Kami akan menambahkan data dari lebih banyak negara seiring dengan berjalannya proyek ini.

Kami bekerja dengan, WikiRateseorang pakar data terbuka (open data), dalam pengumpulan dan konsolidasi informasi rantai pasok yang dirilis oleh brand. Kami juga menggunakan data yang dikumpulkan oleh Open Apparel Registry dan OpenCorporates antara lain. Database ini, beserta data dari mitra-mitra terpercaya yang memiliki pengalaman panjang memungkinkan berbagai bukti ini bisa tersedia untuk umum dan mudah digunakan. Kami menguji berbagai metode penyajian data dengan bantuan para ahli terutama tentang bagaimana kemungkinan data ini bisa digunakan. Semcon.