É hora de as visualizações de dados incluirem mais as informações de gênero

Análise

Como estudante, analisei visualizações de dados de gênero que retratavam dados de gênero de grandes empresas de mídia. Aqui está o que aprendi.

Ilustração de Alison Booth

A visualização de dados está se tornando mais popular a cada dia na mídia de notícias. Particularmente na era COVID-19, consumimos gráficos, mapas e tabelas em abundância, e os jornalistas agora usam dados como base para analisar e visualizar tendências e fenômenos maiores que impactam a sociedade em escala mundial.

Mas os dados às vezes podem enganar. As pessoas veem os dados como mais objetivos do que outras informações, mas isso não é necessariamente verdade. Os dados dependem da coleta de dados, da coleta de pesquisas, de questões específicas que buscam respostas específicas. As pessoas confiam nos dados porque normalmente são percebidos como fatos concretos - mas quando as perguntas certas não estão sendo feitas, a exibição de dados enganosos marginaliza um grupo inteiro de pessoas.



Por décadas, as visualizações que exibem dados de gênero promoveram uma mentalidade binária, que marginaliza e exclui aqueles que não se identificam como estritamente masculinos ou femininos. Conceitos não binários de gênero estão se tornando cada vez mais aceitos, e a distinção entre sexo atribuído e gênero está finalmente sendo reconhecida em uma escala social.

Nossos dados devem refletir isso.

Analisei 40 artigos publicados por O jornal New York Times e Jornal de Wall Street em 2020, que incluiu análises de dados ou visualizações de dados baseados em gênero. Destes, apenas cinco - ou 12,5% - incluíram termos ou dados específicos que representaram pessoas que não se identificaram nem como mulheres nem como homens. Apenas mais pesquisas dirão, mas suspeito que os resultados seriam semelhantes.

Histórias que reconheciam identidades não binárias eram geralmente focadas na comunidade LGBTQ + e consistentemente centradas no perfil e peças estilísticas, como esta Artigo do New York Times que mergulha nos contras das partes reveladoras de gênero (e está listado na seção Estilo do Times). Os dados que se concentraram na eleição de 2020 ou COVID-19, no entanto - que representaram 43% dos artigos analisados ​​e uma grande proporção das notícias deste ano - sempre mostraram gênero como um binário, como este Visualização do Wall Street Journal que analisa os resultados da eleição de 2020.

Esse tipo de omissão não é novo. Basicamente, usar dados como uma ferramenta para apresentar informações é uma prática falha. Os dados sempre foram tendenciosos para o que a sociedade historicamente definiu como norma: o cisgênero, homem branco.

Isso está acontecendo com as mulheres há séculos. Compilado estudos de livros de linguagem e gramática da Alemanha, Estados Unidos, Austrália e Espanha descobriram que os homens têm três vezes mais probabilidade de serem usados ​​em uma frase de exemplo do que as mulheres. Nosso entretenimento nos diz o seguinte: A 2007 estudar de mais de 25.000 personagens de TV descobriram que apenas 13% dos personagens não humanos eram mulheres (e muito, muito poucos eram não binários). Nossa mídia de notícias nos mostra isso: O Projeto de Monitoramento de Mídia Global encontrado em seu Relatório de 2015 que “as mulheres representam apenas 24% das pessoas ouvidas, lidas ou vistas no jornal, na televisão e no rádio, exatamente como em 2010.”

que doença tinha annette funicello

As mulheres têm sido historicamente vistas como o sexo inferior, e a sociedade está apenas agora começando a desmantelar os sistemas de opressão que as mantiveram subjugadas. A escritora feminista Caroline Criado Perez, no prefácio de seu livro “Mulheres invisíveis: preconceito de dados em um mundo projetado para homens”, resume a lacuna de gênero nos dados em poucas palavras: “Brancura e masculinidade silenciam justamente porque não precisam. ser vocalizado. ”

Estamos entrando em um espaço onde a sociedade está começando a reconhecer a existência de mais de dois gêneros - de um espectro que inclui homens e mulheres trans, não binários, queer de gênero e pessoas intersex. E embora as mulheres sejam cada vez mais reconhecidas na análise de dados, outros gêneros não são. Nossos dados precisam começar a refletir a existência de vários gêneros. Caso contrário, ele desloca ainda mais uma comunidade já marginalizada e sub-representada.

Esta não é uma tarefa fácil. Não vai acontecer durante a noite. Os sistemas históricos de coleta de informações excluem gêneros não definidos como masculino / feminino, incluindo talvez a compilação mais influente de dados modernos: os dados do censo.

O Census Bureau tem coletado dados sobre os cidadãos praticamente desde que os EUA foram fundados , mas ainda assim não inclui nem mesmo uma “outra” opção de gênero. Isso não apenas reforça uma estrutura binária e a torna difícil para indivíduos não binários para completar - também torna incrivelmente difícil encontrar dados que incluam pessoas não binárias, mesmo para organizações ou mídia que desejam incluir esses dados.

Então, como nós, jornalistas, editores de dados e designers, trabalhamos para tentar melhorar este sistema de coleta de dados, especialmente quando tantos fatores estão contra nós?

Aqui estão algumas etapas que você pode considerar realizar.

Contextualize seus dados.

Se os dados que você está usando estiverem estruturados em torno de um binário masculino / feminino, tudo bem. É difícil encontrar dados não binários confiáveis ​​de gênero em uma sociedade que foi historicamente estruturada em torno do binário de gênero. Não podemos tornar os dados antigos mais inclusivos em um passe de mágica. Mas se você estiver usando esses dados, certifique-se de reconhecer que eles excluem um grupo específico de pessoas. Reconhecer o problema na impressão é uma etapa que nos aproxima da implementação de soluções.

Apresente todos os dados, não importa quão pequenas sejam as margens.

Às vezes, pode ser difícil para os designers estruturar visualizações que incluem proporções menores de dados. Como os indivíduos que não se identificam como homem / mulher representam uma porcentagem menor daqueles que se identificam, às vezes pode ser difícil apresentar esses dados de forma legível e visualmente atraente. Mas não devemos escolher o que exibir para a estética visual - incluir todos os setores de dados que reconhecem gêneros diferentes, independentemente de quão pequena seja a porcentagem.

uma das ferramentas que discutimos é construir seu trabalho em torno de uma questão.

Escolha ferramentas de visualização não restritivas para mostrar seus dados.

Ferramentas como gráficos de barras ou gráficos de pizza são opções de visualização fáceis, mas às vezes podem ser restritivas ao mostrar dados menores ou não binários. Várias das visualizações de dados que analisei que mostravam o gênero como um binário usavam um gráfico de barras empilhadas ou gráfico de pizza. Pode ser mais difícil mostrar margens menores de dados nessas ferramentas. Então, seja criativo. Tente usar um gráfico de bolhas ou um mapa de árvore ou uma ferramenta de visualização que permite que margens menores sejam mostradas em proporções adequadas. Considere mudar para visualizações interativas que, além de serem modernas e visualmente atraentes, são uma ótima ferramenta para exibir grandes quantidades de dados, mantendo o público interessado. E evite usar cores de gênero para apresentar seus dados (ou seja, azul para homens, rosa para mulheres) . Embora possa ser uma norma fácil de padronizar, ela apenas reforça ainda mais a mentalidade binária.

Considere fazer suas próprias pesquisas para coletar dados mais inclusivos.

Às vezes, o maior obstáculo na apresentação de dados inclusivos é encontrar dados inclusivos. Dependendo da faixa e do tipo de dados que você deseja mostrar, considere fazer suas próprias pesquisas. Esta Artigo do Wall Street Journal , por exemplo, mostra dados binários, mas inclui uma enquete própria que dá a opção de selecionar “outro” para gênero. Os designers aqui estão fazendo um bom trabalho ao mostrar os dados que estavam disponíveis para eles, e a inclusão de sua própria enquete sugere sua tentativa de mostrar dados mais inclusivos.

Torne as seções femininas mais inclusivas.

Dos artigos que analisei, vários vieram de seções femininas dos jornais, especialmente do Times “Em suas palavras” seção. Todas as análises de dados aqui, no entanto, ainda apresentam o gênero como um binário. Achei isso um pouco surpreendente e francamente decepcionante. As seções femininas modernas são destinadas a ser uma coleção inclusiva e progressiva de pensamento, não um arquivo heterogêneo de mulheres cis. Expanda as seções femininas para incluir mulheres transgênero, pessoas femininas não binárias, etc.

Apresentar dados precisos é uma responsabilidade jornalística básica. Devemos nos esforçar para uma abordagem abrangente vs. tradicional.

As conotações sociais de gênero estão mudando, e o sexo atribuído de uma pessoa pode não definir mais sua identidade de gênero. É importante que o jornalismo moderno reflita isso.

Se começarmos a implementar um sistema onde não seja a exceção, mas a norma incluir identidades de gênero não binárias em nossas estruturas de dados, isso pode alterar consideravelmente a mentalidade das pessoas sobre o gênero como um todo. A mídia é um instigador de mudança; é responsável por formular as perguntas certas para obter melhores respostas.

Precisamos começar a incluir todas as identidades em nosso jornalismo, especialmente aquelas que foram sub-representadas e marginalizadas por séculos.

As narrativas - incluindo aquelas criadas nas notícias - moldam nossa compreensão da condição humana, assim como a maneira como expressamos e entendemos as diferentes identidades de gênero. Como jornalistas modernos, devemos ajudar a construir narrativas que sejam empáticas, diversas e inclusivas - e podemos começar reestruturando a narrativa de gênero.

polícia mata homem branco desarmado