Het is tijd dat datavisualisaties meer genderinformatie omvatten

Als student analyseerde ik genderdatavisualisaties die genderdata van grote mediabedrijven in beeld brachten. Dit is wat ik heb geleerd.

Illustratie door Alison Booth

Datavisualisatie wordt met de dag populairder in nieuwsmedia. Vooral in een COVID-19-tijdperk consumeren we grafieken, kaarten en grafieken in overvloed, en journalisten gebruiken nu gegevens als basis om grotere trends en fenomenen die de samenleving op wereldwijde schaal beïnvloeden, te analyseren en visualiseren.

Maar gegevens kunnen soms bedriegen. Mensen beschouwen gegevens als objectiever dan andere informatie, maar dit is niet per se waar. Gegevens zijn afhankelijk van het verzamelen van gegevens, het verzamelen van enquêtes, van specifieke vragen die op zoek zijn naar specifieke antwoorden. Mensen vertrouwen gegevens omdat het doorgaans als een concreet feit wordt gezien, maar als de juiste vragen niet worden gesteld, wordt door het weergeven van misleidende gegevens een hele groep mensen gemarginaliseerd.

Decennialang hebben visualisaties die gendergegevens weergeven een binaire mentaliteit bevorderd, die degenen die zich niet als strikt mannelijk of vrouwelijk identificeren marginaliseert en uitsluit. Niet-binaire concepten van gender worden steeds meer geaccepteerd en het onderscheid tussen toegewezen sekse en gender wordt eindelijk erkend op maatschappelijke schaal.

Onze gegevens moeten dit weerspiegelen.

Ik analyseerde 40 artikelen gepubliceerd door The New York Times en De Wall Street Journal in 2020 inclusief data-analyses of visualisaties van gendergebaseerde data. Hiervan bevatten slechts vijf - of 12,5% - termen of specifieke gegevens die verantwoordelijk waren voor mensen die zich niet als vrouwelijk of mannelijk identificeerden. Alleen meer onderzoek zal het leren, maar ik vermoed dat de resultaten vergelijkbaar zullen zijn.

Verhalen die niet-binaire identiteiten erkenden, waren meestal gericht op de LGBTQ+-gemeenschap en waren consequent profielgerichte, stilistische stukken, zoals deze New York Times stuk dat duikt in de nadelen van gender-onthullende partijen (en wordt vermeld in de Times 'Style sectie). Gegevens die zich echter richtten op de verkiezingen van 2020 of COVID-19 – die 43% van de geanalyseerde artikelen en een groot deel van het nieuws van dit jaar uitmaakten – toonden altijd gender als een binair getal, zoals dit Wall Street Journal visualisatie die de resultaten van de verkiezingen van 2020 analyseert.

Dit soort weglating is niet nieuw. In de kern is het gebruik van gegevens als hulpmiddel om informatie te presenteren een gebrekkige praktijk. Gegevens zijn altijd bevooroordeeld geweest in de richting van wat de samenleving historisch gezien als de norm heeft gedefinieerd: de cisgender, blanke man.

Het gebeurt al eeuwen met vrouwen. Gecompileerd studies van taal- en grammaticahandboeken uit Duitsland, de Verenigde Staten, Australië en Spanje bleek dat mannen drie keer meer kans hadden om in een voorbeeldzin te worden gebruikt dan een vrouw. Ons entertainment vertelt ons dit: Een 2007 studie van meer dan 25.000 tv-personages ontdekte dat slechts 13% van de niet-menselijke personages vrouwelijk was (en heel, heel weinig waren niet-binair). Onze nieuwsmedia laten ons dit zien: Het Global Media Monitoring Project gevonden in zijn verslag 2015 dat 'vrouwen slechts 24% uitmaken van de personen die in kranten-, televisie- en radionieuws worden gehoord, gelezen of gezien, precies zoals in 2010.'

Vrouwen zijn van oudsher gezien als het mindere geslacht, en de samenleving begint nu net de systemen van onderdrukking te ontmantelen die hen onderworpen hebben gehouden. De feministische schrijfster Caroline Criado Perez vat in het voorwoord van haar boek 'Invisible Women: Data Bias in a World Designed for Men' de genderkloof in slechts een paar woorden samen: 'Witheid en mannelijkheid zwijgen juist omdat ze niet hoeven te worden uitgesproken.”

We betreden een ruimte waar de samenleving het bestaan ​​van meer dan twee geslachten begint te erkennen - van een spectrum dat transgender mannen en vrouwen, niet-binaire, gender-queer en interseksuele personen omvat. En hoewel vrouwen steeds meer worden erkend in data-analyse, zijn andere geslachten dat niet. Onze gegevens moeten het bestaan ​​van meerdere geslachten gaan weerspiegelen. Anders verdringt het een reeds gemarginaliseerde en ondervertegenwoordigde gemeenschap verder.

Dit is geen gemakkelijke prestatie. Het zal niet van de ene op de andere dag gebeuren. Historische systemen voor het verzamelen van informatie sluiten geslachten uit die niet als man/vrouw worden gedefinieerd, inclusief misschien wel de meest invloedrijke compilatie van moderne gegevens: volkstellingsgegevens.

De volkstellingsbureau heeft gegevens over burgers verzameld praktisch sinds de oprichting van de VS , maar faalt nog steeds om zelfs een 'andere' optie voor geslacht op te nemen. Dit versterkt niet alleen een binaire structuur en maakt het moeilijk voor niet-binaire individuen in te vullen — het maakt het ook ongelooflijk moeilijk om gegevens te vinden die niet-binaire personen bevatten, zelfs voor organisaties of media die die gegevens willen opnemen.

Dus, hoe proberen wij, als journalisten, gegevensredacteuren en ontwerpers, dit systeem van gegevensverzameling te verbeteren, vooral wanneer zoveel factoren tegen ons zijn?

Hier zijn enkele stappen die u zou kunnen overwegen te nemen.

Breng uw gegevens in een context.

Als de gegevens die u gebruikt rond een mannelijk/vrouwelijk binair getal zijn gestructureerd, is dat geen probleem. Het is moeilijk om betrouwbare niet-binaire gendergegevens te vinden in een samenleving die historisch gestructureerd is rond het binaire gender. We kunnen oude gegevens niet op magische wijze inclusiever maken. Maar als u deze gegevens gebruikt, maak er dan een punt van om te erkennen dat het een specifieke groep mensen uitsluit. Het herkennen van het probleem in print is een stap die ons dichter bij het implementeren van oplossingen brengt.

Presenteer alle gegevens, hoe klein de marges ook zijn.

Soms kan het voor ontwerpers moeilijk zijn om visualisaties te structureren die kleinere gegevensverhoudingen bevatten. Omdat individuen die zich niet als man/vrouw identificeren een kleiner percentage uitmaken van degenen die dat wel doen, kan het soms moeilijk zijn om die gegevens op een leesbare, visueel aantrekkelijke manier te presenteren. Maar we moeten niet kiezen wat we willen weergeven voor visuele esthetiek - inclusief alle gegevenssectoren die verschillende geslachten herkennen, ongeacht hoe klein het percentage is.

Kies niet-beperkende visualisatietools om uw gegevens te tonen.

Tools zoals staafdiagrammen of cirkeldiagrammen zijn gemakkelijke visualisatiekeuzes, maar ze kunnen soms beperkend zijn bij het weergeven van gegevens die kleiner of niet-binair zijn. Verschillende van de datavisualisaties die ik analyseerde en waarin gender als binair getal werd weergegeven, gebruikten een gestapeld staafdiagram of cirkeldiagram. Het kan moeilijker zijn om kleinere gegevensmarges in deze tools weer te geven. Dus wees creatief. Probeer een bellendiagram of een boomkaart of een visualisatietool te gebruiken waarmee kleinere marges in voldoende verhoudingen kunnen worden weergegeven. Overweeg om over te stappen op interactieve visualisaties die, naast trendy en visueel aantrekkelijk te zijn, een geweldig hulpmiddel zijn om grote hoeveelheden gegevens weer te geven terwijl het publiek geïnteresseerd blijft. . Hoewel het een gemakkelijke norm kan zijn om standaard aan te houden, versterkt het alleen maar een binaire denkwijze.

Overweeg om uw eigen enquêtes te maken om meer omvattende gegevens te verzamelen.

Soms is het grootste obstakel bij het presenteren van inclusieve gegevens het vinden van inclusieve gegevens. Overweeg om uw eigen enquêtes te maken, afhankelijk van het bereik en het type gegevens dat u wilt weergeven. Deze Wall Street Journal-artikel , toont bijvoorbeeld binaire gegevens, maar bevat een eigen peiling die de mogelijkheid biedt om 'anders' voor geslacht te selecteren. De ontwerpers hier zijn goed bezig met het tonen van de gegevens die voor hen beschikbaar waren, en de opname van hun eigen peiling suggereert hun poging om meer inclusieve gegevens te tonen.

Maak uw damesafdelingen inclusiever.

Van de artikelen die ik heb geanalyseerd, kwamen er verschillende uit de vrouwensecties van de kranten, met name de Times' 'In haar woorden' sectie. Alle gegevensanalyses hier presenteerden gender echter nog steeds als een binair getal. Ik vond dit een beetje verrassend, en eerlijk gezegd teleurstellend. Moderne vrouwensecties zijn bedoeld als een inclusieve en vooruitstrevende verzameling gedachten, niet als een heterogeen archief van cis-vrouwen. Breid je vrouwensecties uit om meer transgender vrouwen, vrouwelijke niet-binaire mensen, enz. te omvatten.

Het presenteren van nauwkeurige gegevens is een fundamentele journalistieke verantwoordelijkheid. We moeten streven naar een allesomvattende versus traditionele benadering.

Maatschappelijke connotaties van gender veranderen en het toegewezen geslacht bepaalt mogelijk niet langer hun genderidentiteit. Het is belangrijk dat de moderne journalistiek dit weerspiegelt.

Als we een systeem beginnen te implementeren waarin het niet de uitzondering maar de norm is om niet-binaire genderidentiteiten op te nemen in onze datastructuren, zou dit de denkwijze van mensen over gender als geheel aanzienlijk kunnen veranderen. De media is een aanstichter van verandering; het is verantwoordelijk voor het formuleren van de juiste vragen om betere antwoorden te krijgen.

We moeten beginnen met het opnemen van alle identiteiten in onze journalistiek, vooral degenen die al eeuwenlang ondervertegenwoordigd en gemarginaliseerd zijn.

Verhalen - inclusief die welke in het nieuws zijn gemaakt - vormen ons begrip van de menselijke conditie, zoals de manier waarop we verschillende genderidentiteiten uitdrukken en begrijpen. Als moderne journalisten moeten we helpen om verhalen te maken die empathisch, divers en inclusief zijn - en we kunnen beginnen met het herstructureren van het genderverhaal.