És hora que les visualitzacions de dades siguin més inclusives de la informació de gènere

Com a estudiant, vaig analitzar visualitzacions de dades de gènere que mostraven dades de gènere de les principals empreses de mitjans. Aquí teniu el que vaig aprendre.

Il·lustració d'Alison Booth

La visualització de dades és cada dia més popular als mitjans de comunicació. Particularment en l'era de la COVID-19, estem consumint gràfics, mapes i gràfics en munt, i ara els periodistes utilitzen les dades com a base per analitzar i visualitzar tendències i fenòmens més grans que afecten la societat a escala mundial.

Però les dades de vegades poden enganyar. La gent veu les dades com a més objectives que altra informació, però això no és necessàriament cert. Les dades depenen de la recollida de dades, de la recollida d'enquestes, de preguntes específiques que cerquen respostes específiques. La gent confia en les dades perquè normalment es perceben com un fet concret, però quan no es fan les preguntes adequades, mostrar dades enganyoses margina tot un grup de persones.

Durant dècades, les visualitzacions que mostren dades de gènere han promogut una mentalitat binària, que margina i exclou aquells que no s'identifiquen estrictament com a homes o dones. Conceptes no binaris de gènere s'accepten cada cop més i la distinció entre sexe assignat i gènere s'està reconeixent finalment a escala social.

Les nostres dades haurien de reflectir-ho.

Vaig analitzar 40 articles publicats per The New York Times i El Wall Street Journal el 2020 que incloïa anàlisis de dades o visualitzacions de dades basades en el gènere. D'aquests, només cinc —o el 12,5%— van incloure termes o dades específiques que representaven persones que no s'identifiquen com a dones ni com a homes. Només més investigacions ho dirà, però sospito que els resultats serien similars.

Les històries que reconeixien identitats no binàries es centraven normalment en la comunitat LGBTQ+ i eren peces estilístiques constantment centrades en el perfil, com aquesta Peça del New York Times que s'endinsa en els contres de les festes de revelació de gènere (i s'enumeren a la secció Estil de Times). Les dades que es van centrar en les eleccions de 2020 o COVID-19, però, que representaven el 43% dels articles analitzats i una gran proporció de les notícies d'enguany, sempre van mostrar el gènere com a binari, com aquest. Visualització del Wall Street Journal que analitza els resultats de les eleccions del 2020.

Aquest tipus d'omissió no és nou. En el fons, utilitzar dades com a eina per presentar informació és una pràctica defectuosa. Les dades sempre han estat esbiaixades cap al que la societat ha definit històricament com la norma: el cisgènere, el mascle blanc.

Fa segles que els passa a les dones. Compilat estudis de llibres de text de llengua i gramàtica d'Alemanya, Estats Units, Austràlia i Espanya van trobar que els homes tenien tres vegades més probabilitats de ser utilitzats en una frase d'exemple que una dona. El nostre entreteniment ens diu això: A 2007 estudiar de més de 25.000 personatges de televisió van trobar que només el 13% dels personatges no humans eren dones (i molt, molt pocs no eren binaris). Els nostres mitjans de comunicació ens mostren això: el Global Media Monitoring Project que es troba al seu Informe 2015 que 'les dones representen només el 24% de les persones escoltades, llegides o vistes als diaris, la televisió i la ràdio, exactament com ho van fer el 2010'.

Històricament, les dones s'han vist com el sexe menor, i la societat ara comença a desmantellar els sistemes d'opressió que les han mantingut sotmeses. L'escriptora feminista Caroline Criado Perez, en el pròleg del seu llibre 'Dones invisibles: biaix de dades en un món dissenyat per a homes', resumeix la bretxa de gènere de dades en poques paraules: 'La blancura i la masculinitat callen precisament perquè no necessiten ser vocalitzat'.

Estem entrant en un espai on la societat comença a reconèixer l'existència de més de dos gèneres, d'un espectre que inclou homes i dones transgènere, persones no binaris, queer de gènere i intersexuals. I mentre que les dones són cada cop més reconegudes en l'anàlisi de dades, altres gèneres no ho són. Les nostres dades han de començar a reflectir l'existència de múltiples gèneres. En cas contrari, desplaça encara més una comunitat ja marginada i poc representada.

Aquesta no és una gesta fàcil. No passarà d'un dia per l'altre. Els sistemes històrics de recollida d'informació exclouen els gèneres no definits com a homes/dones, inclosa potser la recopilació de dades modernes més influent: les dades del cens.

El Oficina del Cens ha estat recopilant dades sobre els ciutadans pràcticament des que es van fundar els EUA , però encara no inclou ni tan sols una 'altra' opció per al gènere. Això no només reforça una estructura binària i la fa difícil per als individus no binaris per completar: també fa que trobar dades que incloguin persones no binàries sigui increïblement difícil, fins i tot per a organitzacions o mitjans que volen incloure aquestes dades.

Aleshores, com treballem, com a periodistes, editors de dades i dissenyadors, per intentar millorar aquest sistema de recollida de dades, sobretot quan tants factors estan en contra?

Aquí teniu alguns passos que podeu considerar fer.

Contextualitza les teves dades.

Si les dades que utilitzeu s'estructuren al voltant d'un binari masculí/dona, està bé. És difícil trobar dades de gènere no binàries de confiança en una societat que històricament s'ha estructurat al voltant del binari de gènere. Màgicament, no podem fer que les dades antigues siguin més inclusives. Però si feu servir aquestes dades, feu un punt per reconèixer que exclou un grup específic de persones. Reconèixer el problema a la impressió és un pas que ens acosta a la implementació de solucions.

Presenta totes les dades, per petits que siguin els marges.

De vegades pot ser difícil per als dissenyadors estructurar visualitzacions que incloguin proporcions més petites de dades. Com que els individus que no s'identifiquen com a homes o dones representen un percentatge menor dels que ho fan, de vegades pot ser difícil presentar aquestes dades d'una manera llegible i visualment atractiva. Però no hem de triar què mostrar per a l'estètica visual: incloure tots els sectors de dades que reconeixen diferents gèneres, independentment del petit percentatge que sigui.

Trieu eines de visualització no restrictives per mostrar les vostres dades.

Eines com els gràfics de barres o els gràfics circulars són opcions de visualització fàcils, però de vegades poden ser restrictives per mostrar dades més petites o no binàries. Algunes de les visualitzacions de dades que vaig analitzar que mostraven el gènere com a binari utilitzaven un gràfic de barres apilades o un gràfic circular. Pot ser més difícil mostrar marges de dades més petits en aquestes eines. Per tant, sigueu creatius. Proveu d'utilitzar un gràfic de bombolles o un mapa d'arbres o una eina de visualització que permeti mostrar marges més petits amb proporcions adequades. Penseu en avançar cap a visualitzacions interactives que, a més de ser modernes i atractives visualment, són una gran eina per mostrar grans quantitats de dades alhora que mantenen l'interès del públic I allunyeu-vos d'utilitzar colors de gènere per presentar les vostres dades (és a dir, blau per als homes, rosa per a dones). . Tot i que pot ser una norma fàcil de predeterminar, només reforça encara més una mentalitat binària.

Penseu en fer les vostres pròpies enquestes per recollir dades més inclusives.

De vegades, el major obstacle per presentar dades inclusives és trobar dades inclusives. Segons l'abast i el tipus de dades que vulgueu mostrar, penseu a fer les vostres pròpies enquestes. Això Article del Wall Street Journal , per exemple, mostra dades binàries, però inclou una enquesta pròpia que ofereix l'opció de seleccionar 'altres' per al gènere. Els dissenyadors d'aquí estan fent un bon treball mostrant les dades que tenien a la seva disposició, i la inclusió de la seva pròpia enquesta suggereix el seu intent de mostrar dades més inclusives.

Feu que les vostres seccions femenines siguin més inclusives.

Dels articles que vaig analitzar, diversos provenien de seccions femenines dels diaris, especialment del Times. 'En les seves paraules' secció. Totes les anàlisis de dades aquí, però, encara presentaven el gènere com un binari. Vaig trobar això una mica sorprenent i francament decebedor. Les seccions de dones modernes estan pensades per ser una col·lecció de pensament inclusiva i progressiva, no un arxiu heterogeni de dones cis. Amplieu les vostres seccions de dones per incloure més dones transgènere, persones femenines no binàries, etc.

Presentar dades precises és una responsabilitat periodística bàsica. Hauríem de lluitar per un enfocament global i tradicional.

Les connotacions socials del gènere estan canviant i és possible que el sexe assignat ja no defineixi la seva identitat de gènere. És important que el periodisme modern ho reflecteixi.

Si comencem a implementar un sistema on no sigui l'excepció sinó la norma incloure identitats de gènere no binàries dins de les nostres estructures de dades, podria alterar considerablement la mentalitat de la gent sobre el gènere en el seu conjunt. Els mitjans de comunicació són un instigador del canvi; s'encarrega d'enquadrar les preguntes adequades per tal d'obtenir millors respostes.

Hem de començar a incloure totes les identitats al nostre periodisme, especialment aquelles que han estat subrepresentades i marginades durant segles.

Les narracions, incloses les creades a les notícies, configuren la nostra comprensió de la condició humana, com la manera com expressem i entenem les diferents identitats de gènere. Com a periodistes moderns, hem d'ajudar a elaborar narratives que siguin empàtiques, diverses i inclusives, i podem començar per reestructurar la narrativa de gènere.