Tìm HiểU Khả Năng Tương Thích CủA Zodiac Sign
Đã đến lúc hình ảnh hóa dữ liệu bao gồm nhiều thông tin về giới tính hơn
Phân Tích
Khi còn là sinh viên, tôi đã phân tích các hình ảnh trực quan về dữ liệu giới trong đó mô tả dữ liệu về giới từ các công ty truyền thông lớn. Đây là những gì tôi học được.

Minh họa bởi Alison Booth
Trực quan hóa dữ liệu ngày càng trở nên phổ biến trên các phương tiện truyền thông tin tức. Đặc biệt trong kỷ nguyên COVID-19, chúng ta đang sử dụng rất nhiều đồ thị, bản đồ và biểu đồ và các nhà báo hiện đang sử dụng dữ liệu làm cơ sở để phân tích và hình dung các xu hướng và hiện tượng lớn hơn tác động đến xã hội trên quy mô toàn thế giới.
Nhưng dữ liệu đôi khi có thể lừa dối. Mọi người xem dữ liệu khách quan hơn các thông tin khác, nhưng điều này không nhất thiết phải đúng. Dữ liệu phụ thuộc vào thu thập dữ liệu, thu thập khảo sát, vào các câu hỏi cụ thể để tìm kiếm câu trả lời cụ thể. Mọi người tin tưởng dữ liệu vì nó thường được coi là sự thật cụ thể - nhưng khi không đặt được câu hỏi phù hợp, việc hiển thị dữ liệu gây hiểu lầm sẽ khiến toàn bộ nhóm người bị loại ra.
Trong nhiều thập kỷ, hình ảnh hiển thị dữ liệu giới tính đã thúc đẩy tư duy nhị phân, điều này loại trừ và loại trừ những người không xác định là nam hay nữ. Các khái niệm phi nhị phân về giới tính ngày càng được chấp nhận nhiều hơn, và sự phân biệt giữa giới tính và giới tính được ấn định cuối cùng đã được công nhận trên quy mô xã hội.
Dữ liệu của chúng tôi phải phản ánh điều này.
Tôi đã phân tích 40 bài báo được xuất bản bởi Thời báo New York và Tạp chí Phố Wall vào năm 2020 bao gồm các phân tích dữ liệu hoặc trực quan hóa dữ liệu dựa trên giới tính. Trong số này, chỉ có năm - hoặc 12,5% - bao gồm các thuật ngữ hoặc dữ liệu cụ thể bao gồm những người xác định không phải là nữ hay nam. Chỉ có nhiều nghiên cứu hơn sẽ cho biết, nhưng tôi nghi ngờ kết quả sẽ tương tự.
Những câu chuyện thừa nhận danh tính phi nhị phân thường tập trung vào cộng đồng LGBTQ + và luôn là những câu chuyện mang tính phong cách, tập trung vào hồ sơ, như thế này New York Times mảnh đi sâu vào nhược điểm của các bữa tiệc tiết lộ giới tính (và được liệt kê trong phần Phong cách của Thời đại). Tuy nhiên, dữ liệu tập trung vào cuộc bầu cử năm 2020 hoặc COVID-19 - chiếm 43% các bài báo được phân tích và một tỷ lệ lớn trong tin tức của năm nay - luôn hiển thị giới tính là một hệ nhị phân, như thế này Hình ảnh của Tạp chí Phố Wall phân tích kết quả của cuộc bầu cử năm 2020.
Loại thiếu sót này không phải là mới. Về cốt lõi, sử dụng dữ liệu như một công cụ để trình bày thông tin là một thực tiễn thiếu sót. Dữ liệu luôn thiên về những gì mà lịch sử xã hội xác định là chuẩn mực: nam giới da trắng, chuyển giới.
Nó đã xảy ra với phụ nữ trong nhiều thế kỷ. Tổng hợp học của các sách giáo khoa về ngôn ngữ và ngữ pháp từ Đức, Hoa Kỳ, Úc và Tây Ban Nha cho thấy nam giới thường được sử dụng trong một câu ví dụ cao hơn phụ nữ ba lần. Giải trí của chúng tôi cho chúng tôi biết điều này: Một năm 2007 nghiên cứu trong số hơn 25.000 nhân vật truyền hình được tìm thấy rằng chỉ có 13% nhân vật phi phàm là nữ (và rất rất ít là phi phàm). Phương tiện truyền thông tin tức của chúng tôi cho chúng tôi thấy điều này: Dự án Giám sát Truyền thông Toàn cầu được tìm thấy trong Báo cáo năm 2015 rằng “phụ nữ chỉ chiếm 24% trong số những người được nghe, đọc hoặc nhìn thấy tin tức trên báo, truyền hình và đài phát thanh, chính xác như họ đã làm vào năm 2010.”
Trong lịch sử, phụ nữ được coi là phái yếu hơn, và xã hội hiện đang bắt đầu phá bỏ các hệ thống áp bức đã khiến họ phải khuất phục. Nhà văn nữ quyền Caroline Criado Perez, trong lời tựa của cuốn sách “Phụ nữ vô hình: Sự thiên vị dữ liệu trong một thế giới được thiết kế cho nam giới”, đã tóm tắt dữ liệu về khoảng cách giới chỉ trong một vài từ: “Da trắng và ác tính chính xác là im lặng vì họ không cần được xưng hô. ”
Chúng ta đang bước vào một không gian mà xã hội bắt đầu công nhận sự tồn tại của nhiều hơn hai giới tính - trong một phạm vi bao gồm cả nam và nữ chuyển giới, những người không phải là hai giới tính, đồng tính luyến ái và khác giới. Và trong khi phụ nữ ngày càng được công nhận nhiều hơn trong phân tích dữ liệu, thì các giới tính khác lại không. Dữ liệu của chúng tôi cần bắt đầu phản ánh sự tồn tại của nhiều giới tính. Nếu không, nó sẽ thay thế một cộng đồng vốn đã bị gạt ra ngoài lề và ít được đại diện.
Đây không phải là một kỳ công dễ dàng. Nó sẽ không xảy ra trong một sớm một chiều. Các hệ thống thu thập thông tin trong lịch sử loại trừ các giới tính không được xác định là nam / nữ, bao gồm cả cách tổng hợp dữ liệu hiện đại có ảnh hưởng nhất: dữ liệu điều tra dân số.
Các Cục điều tra dân số đã và đang thu thập dữ liệu về công dân thực tế kể từ khi Hoa Kỳ được thành lập , nhưng vẫn không bao gồm ngay cả một tùy chọn 'khác' cho giới tính. Điều này không chỉ củng cố cấu trúc nhị phân và làm cho nó khó khăn cho những người không phải nhị phân để hoàn thành - nó cũng làm cho việc tìm kiếm dữ liệu bao gồm những người không phải là số thường cực kỳ khó khăn, ngay cả đối với các tổ chức hoặc phương tiện truyền thông muốn bao gồm dữ liệu đó.
Vậy, với tư cách là nhà báo, nhà biên tập dữ liệu và nhà thiết kế, chúng ta làm cách nào để cố gắng cải thiện hệ thống thu thập dữ liệu này, đặc biệt khi có quá nhiều yếu tố chống lại chúng ta?
Dưới đây là một số bước bạn có thể cân nhắc thực hiện.
Ngữ cảnh hóa dữ liệu của bạn.
Nếu dữ liệu bạn đang sử dụng được cấu trúc theo hệ nhị phân nam / nữ, điều đó không sao. Rất khó để tìm thấy dữ liệu giới tính phi nhị phân đáng tin cậy trong một xã hội có cấu trúc lịch sử xoay quanh giới tính nhị phân. Chúng tôi không thể làm cho dữ liệu cũ trở nên toàn diện hơn một cách kỳ diệu. Nhưng nếu bạn đang sử dụng dữ liệu này, hãy lưu ý rằng nó loại trừ một nhóm người cụ thể. Nhận ra vấn đề trong bản in là một bước đưa chúng tôi đến gần hơn với việc thực hiện các giải pháp.
Trình bày tất cả dữ liệu, bất kể lợi nhuận nhỏ đến mức nào.
Đôi khi, các nhà thiết kế có thể gặp khó khăn trong việc cấu trúc các hình ảnh trực quan bao gồm các tỷ lệ dữ liệu nhỏ hơn. Bởi vì những người không xác định là nam / nữ chiếm một tỷ lệ nhỏ hơn trong số những người làm vậy, đôi khi có thể khó trình bày dữ liệu đó một cách rõ ràng, hấp dẫn về mặt hình ảnh. Nhưng chúng ta không nên chọn và chọn những gì để hiển thị cho thẩm mỹ trực quan - bao gồm tất cả các phần dữ liệu nhận ra các giới tính khác nhau, bất kể tỷ lệ phần trăm nhỏ như thế nào.
Chọn các công cụ trực quan hóa phi vật chất để hiển thị dữ liệu của bạn.
Các công cụ như biểu đồ thanh hoặc biểu đồ hình tròn là những lựa chọn trực quan hóa dễ dàng, nhưng đôi khi chúng có thể hạn chế trong việc hiển thị dữ liệu nhỏ hơn hoặc không nhị phân. Một số hình ảnh hóa dữ liệu mà tôi đã phân tích hiển thị giới tính dưới dạng nhị phân đã sử dụng biểu đồ thanh hoặc biểu đồ hình tròn xếp chồng lên nhau. Có thể khó khăn hơn để hiển thị biên dữ liệu nhỏ hơn trong các công cụ này. Vì vậy, hãy sáng tạo. Hãy thử sử dụng biểu đồ bong bóng hoặc bản đồ dạng cây hoặc công cụ trực quan hóa cho phép hiển thị các biên nhỏ hơn với tỷ lệ thích hợp. Cân nhắc hướng tới hình ảnh tương tác, cùng với tính hợp thời trang và hấp dẫn về mặt hình ảnh, là một công cụ tuyệt vời để hiển thị lượng dữ liệu phong phú trong khi vẫn giữ cho khán giả quan tâm và tránh sử dụng các màu theo giới tính để trình bày dữ liệu của bạn (ví dụ: màu xanh lam cho nam giới, màu hồng cho nữ giới) . Mặc dù nó có thể là một tiêu chuẩn dễ dàng để mặc định, nó chỉ củng cố thêm tư duy nhị phân.
Cân nhắc thực hiện các cuộc khảo sát của riêng bạn để thu thập dữ liệu toàn diện hơn.
Đôi khi, trở ngại lớn nhất trong việc trình bày dữ liệu bao hàm là việc tìm kiếm dữ liệu bao hàm. Tùy thuộc vào phạm vi và loại dữ liệu bạn muốn hiển thị, hãy cân nhắc thực hiện các cuộc khảo sát của riêng bạn. Cái này Bài báo trên Wall Street Journal , ví dụ: hiển thị dữ liệu nhị phân, nhưng bao gồm một cuộc thăm dò của chính nó cung cấp tùy chọn để chọn 'khác' cho giới tính. Các nhà thiết kế ở đây đang làm rất tốt việc hiển thị dữ liệu có sẵn cho họ và việc đưa vào cuộc thăm dò ý kiến của riêng họ cho thấy nỗ lực của họ để hiển thị dữ liệu toàn diện hơn.
Làm cho các mục dành cho phụ nữ của bạn trở nên bao trùm hơn.
Trong số các bài báo tôi đã phân tích, một số bài đến từ các phần phụ nữ trên các tờ báo, đặc biệt là tờ Times ' 'Theo lời của cô ấy' tiết diện. Tuy nhiên, tất cả các phân tích dữ liệu ở đây vẫn trình bày giới tính dưới dạng nhị phân. Tôi thấy điều này hơi ngạc nhiên và thật sự là rất thất vọng. Phần phụ nữ hiện đại có nghĩa là một bộ sưu tập tư tưởng tiến bộ và toàn diện, không phải là một kho lưu trữ phụ nữ không đồng nhất. Mở rộng các mục dành cho phụ nữ của bạn để bao gồm nhiều hơn phụ nữ chuyển giới, những người không phải nữ tính, v.v.
Trình bày dữ liệu chính xác là một trách nhiệm cơ bản của báo chí. Chúng ta nên phấn đấu cho một cách tiếp cận toàn diện so với truyền thống.
Ý nghĩa xã hội của giới tính đang thay đổi và giới tính được chỉ định của một người có thể không còn xác định bản dạng giới của họ nữa. Điều quan trọng là báo chí hiện đại phản ánh điều này.
Nếu chúng tôi bắt đầu triển khai một hệ thống không phải là ngoại lệ mà là tiêu chuẩn để bao gồm nhận dạng giới tính phi nhị phân trong cấu trúc dữ liệu của mình, thì hệ thống đó có thể thay đổi đáng kể suy nghĩ của mọi người về giới tính nói chung. Các phương tiện truyền thông là người xúi giục thay đổi; nó có trách nhiệm đóng khung các câu hỏi phù hợp để có được câu trả lời tốt hơn.
Chúng ta cần bắt đầu bao gồm tất cả danh tính trong báo chí của mình, đặc biệt là những người đã bị xuyên tạc và bị gạt ra ngoài lề trong nhiều thế kỷ.
Các câu chuyện kể - bao gồm cả những câu chuyện được tạo trong tin tức - hình thành sự hiểu biết của chúng ta về tình trạng con người, giống như cách chúng ta thể hiện và hiểu các bản dạng giới khác nhau. Là những nhà báo hiện đại, chúng ta phải giúp tạo ra những câu chuyện đồng cảm, đa dạng và bao trùm - và chúng ta có thể bắt đầu bằng cách cấu trúc lại câu chuyện về giới.