Es ist an der Zeit, dass Datenvisualisierungen Geschlechtsinformationen stärker einbeziehen

Als Student habe ich Visualisierungen von Geschlechterdaten analysiert, die Geschlechterdaten von großen Medienunternehmen darstellten. Hier ist, was ich gelernt habe.

Illustration von Alison Booth

Die Datenvisualisierung wird in den Nachrichtenmedien von Tag zu Tag beliebter. Besonders in einer COVID-19-Ära konsumieren wir Diagramme, Karten und Diagramme in Hülle und Fülle, und Journalisten verwenden jetzt Daten als Grundlage, um größere Trends und Phänomene zu analysieren und zu visualisieren, die sich weltweit auf die Gesellschaft auswirken.

Aber Daten können manchmal täuschen. Menschen betrachten Daten als objektiver als andere Informationen, aber das ist nicht unbedingt wahr. Daten hängen von der Datensammlung ab, von der Erhebung von Umfragen, von spezifischen Fragen, die nach spezifischen Antworten suchen. Menschen vertrauen Daten, weil sie normalerweise als konkrete Tatsachen wahrgenommen werden – aber wenn nicht die richtigen Fragen gestellt werden, grenzt die Anzeige irreführender Daten eine ganze Gruppe von Menschen aus.

Jahrzehntelang haben Visualisierungen, die Geschlechtsdaten anzeigen, eine binäre Denkweise gefördert, die diejenigen an den Rand drängt und ausschließt, die sich nicht als streng männlich oder weiblich identifizieren. Nichtbinäre Konzepte von Geschlecht werden immer mehr akzeptiert, und die Unterscheidung zwischen zugewiesenem Geschlecht und Geschlecht wird endlich gesellschaftlich anerkannt.

Unsere Daten sollten dies widerspiegeln.

Ich habe 40 Artikel analysiert, die von veröffentlicht wurden Die New York Times und Das Wall Street Journal im Jahr 2020, die Datenanalysen oder Visualisierungen von geschlechtsspezifischen Daten beinhalteten. Von diesen enthielten nur fünf – oder 12,5 % – Begriffe oder spezifische Daten, die sich auf Personen bezogen, die sich weder als weiblich noch als männlich identifizieren. Nur mehr Forschung wird es zeigen, aber ich vermute, dass die Ergebnisse ähnlich sein würden.

Geschichten, die nicht-binäre Identitäten anerkannten, konzentrierten sich typischerweise auf die LGBTQ+-Community und waren konsequent profilzentrierte, stilistische Stücke wie diese Artikel der New York Times das auf die Nachteile von Gender-Enthüllungspartys eintaucht (und im Abschnitt „Times‘ Style“ aufgeführt ist). Daten, die sich auf die Wahlen 2020 oder COVID-19 konzentrierten – die 43 % der analysierten Artikel und einen großen Teil der diesjährigen Nachrichten ausmachten – zeigten das Geschlecht jedoch immer als Binärzahl, wie hier Visualisierung des Wall Street Journals die die Ergebnisse der Wahlen 2020 analysiert.

Diese Art der Auslassung ist nicht neu. Im Kern ist die Verwendung von Daten als Werkzeug zur Präsentation von Informationen eine fehlerhafte Praxis. Daten waren schon immer auf das ausgerichtet, was die Gesellschaft historisch als Norm definiert hat: den cisgender, weißen Mann.

Es passiert Frauen seit Jahrhunderten. Kompiliert Studien von Sprach- und Grammatiklehrbüchern aus Deutschland, den Vereinigten Staaten, Australien und Spanien fanden heraus, dass Männer dreimal häufiger in einem Beispielsatz verwendet wurden als Frauen. Unsere Unterhaltung sagt uns das: A 2007 lernen von über 25.000 TV-Charakteren fand heraus, dass nur 13 % der nichtmenschlichen Charaktere weiblich waren (und sehr, sehr wenige waren nicht-binär). Unsere Nachrichtenmedien zeigen uns dies: Das Global Media Monitoring Project fand in seinem Bericht 2015 dass „Frauen nur 24 % der Personen ausmachen, die in Zeitungs-, Fernseh- und Radionachrichten gehört, gelesen oder gesehen werden, genau wie im Jahr 2010.“

Frauen wurden historisch als das geringere Geschlecht angesehen, und die Gesellschaft beginnt gerade jetzt, die Unterdrückungssysteme abzubauen, die sie unterjocht haben. Die feministische Autorin Caroline Criado Perez fasst im Vorwort ihres Buches „Invisible Women: Data Bias in a World Designed for Men“ den Daten-Gender-Gap in wenigen Worten zusammen: „Weißsein und Männlichkeit schweigen, gerade weil sie es nicht müssen vokalisiert werden.“

Wir betreten einen Raum, in dem die Gesellschaft beginnt, die Existenz von mehr als zwei Geschlechtern anzuerkennen – eines Spektrums, das Transgender-Männer und -Frauen, nicht-binäre, geschlechtsspezifische und intersexuelle Personen umfasst. Und während Frauen in der Datenanalyse immer mehr erkannt werden, andere Geschlechter nicht. Unsere Daten müssen beginnen, die Existenz mehrerer Geschlechter widerzuspiegeln. Andernfalls wird eine bereits marginalisierte und unterrepräsentierte Gemeinschaft weiter verdrängt.

Das ist keine leichte Aufgabe. Es wird nicht über Nacht passieren. Historische Systeme der Informationssammlung schließen Geschlechter aus, die nicht als männlich/weiblich definiert sind, einschließlich der vielleicht einflussreichsten Zusammenstellung moderner Daten: Volkszählungsdaten.

Die Statistik Amt hat Daten über Bürger gesammelt praktisch seit der Gründung der USA , enthält aber immer noch nicht einmal eine „andere“ Option für das Geschlecht. Dies verstärkt nicht nur eine binäre Struktur und macht sie schwierig für nicht-binäre Personen zu vervollständigen – es macht es auch unglaublich schwierig, Daten zu finden, die nicht-binäre Personen enthalten, selbst für Organisationen oder Medien, die diese Daten aufnehmen möchten.

Wie arbeiten wir also als Journalisten, Datenredakteure und Designer daran, dieses System der Datenerfassung zu verbessern, insbesondere wenn so viele Faktoren gegen uns sprechen?

Hier sind einige Schritte, die Sie in Betracht ziehen könnten.

Kontextualisieren Sie Ihre Daten.

Wenn die Daten, die Sie verwenden, um eine männlich/weibliche Binärdatei herum strukturiert sind, ist das in Ordnung. Es ist schwierig, vertrauenswürdige nichtbinäre Geschlechtsdaten in einer Gesellschaft zu finden, die historisch um die Geschlechterbinärstruktur herum strukturiert ist. Wir können alte Daten nicht auf magische Weise inklusiver machen. Aber wenn Sie diese Daten verwenden, machen Sie deutlich, dass sie eine bestimmte Personengruppe ausschließen. Das Erkennen des Problems im Druck ist ein Schritt, der uns der Umsetzung von Lösungen näher bringt.

Präsentieren Sie alle Daten, egal wie klein die Margen sind.

Manchmal kann es für Designer schwierig sein, Visualisierungen zu strukturieren, die kleinere Datenanteile enthalten. Da Personen, die sich nicht als männlich/weiblich identifizieren, einen geringeren Prozentsatz derjenigen ausmachen, die dies tun, kann es manchmal schwierig sein, diese Daten auf lesbare und optisch ansprechende Weise darzustellen. Aber wir sollten nicht auswählen, was für die visuelle Ästhetik angezeigt werden soll – schließen Sie alle Datensektoren ein, die unterschiedliche Geschlechter erkennen, unabhängig davon, wie gering der Prozentsatz ist.

Wählen Sie nicht restriktive Visualisierungstools, um Ihre Daten anzuzeigen.

Tools wie Balkendiagramme oder Tortendiagramme sind einfache Visualisierungsmöglichkeiten, aber sie können manchmal einschränkend sein, wenn es darum geht, Daten anzuzeigen, die kleiner oder nicht binär sind. Einige der von mir analysierten Datenvisualisierungen, die das Geschlecht als Binärzahl zeigten, verwendeten ein gestapeltes Balkendiagramm oder ein Tortendiagramm. Es kann schwieriger sein, kleinere Datenmargen in diesen Tools anzuzeigen. Also, werdet kreativ. Versuchen Sie, ein Blasendiagramm oder eine Baumkarte oder ein Visualisierungstool zu verwenden, mit dem kleinere Ränder in angemessenen Verhältnissen angezeigt werden können. Erwägen Sie den Wechsel zu interaktiven Visualisierungen, die nicht nur trendy und optisch ansprechend sind, sondern auch ein großartiges Werkzeug sind, um große Datenmengen anzuzeigen und gleichzeitig das Interesse des Publikums zu wecken. Vermeiden Sie die Verwendung geschlechtsspezifischer Farben zur Präsentation Ihrer Daten (z. B. blau für Männer, rosa für Frauen). . Obwohl es eine einfache Norm sein kann, auf die man sich verlassen kann, verstärkt es nur eine binäre Denkweise.

Erwägen Sie, eigene Umfragen zu erstellen, um umfassendere Daten zu sammeln.

Manchmal besteht das größte Hindernis bei der Präsentation inklusiver Daten darin, inklusive Daten zu finden. Je nach Bereich und Art der Daten, die Sie anzeigen möchten, sollten Sie Ihre eigenen Umfragen erstellen. Dies Artikel im Wall Street Journal , zum Beispiel, zeigt binäre Daten, enthält aber eine eigene Umfrage, die die Option bietet, „Andere“ für das Geschlecht auszuwählen. Die Designer leisten hier gute Arbeit, indem sie die Daten zeigen, die ihnen zur Verfügung standen, und die Aufnahme ihrer eigenen Umfrage deutet auf ihren Versuch hin, umfassendere Daten zu zeigen.

Machen Sie Ihre Frauenabteilungen inklusiver.

Von den Artikeln, die ich analysiert habe, stammten mehrere aus den Frauenredaktionen der Zeitungen, insbesondere aus der Times. „In ihren Worten“ Sektion. Alle Datenanalysen hier zeigten das Geschlecht jedoch immer noch als Binär. Ich fand das ein bisschen überraschend und ehrlich gesagt enttäuschend. Moderne Frauensektionen sollen eine inklusive und fortschrittliche Gedankensammlung sein, kein heterogenes Cis-Frauen-Archiv. Erweitern Sie Ihre Frauenabteilungen, um Transgender-Frauen, weibliche nicht-binäre Menschen usw. besser einzubeziehen.

Korrekte Daten zu präsentieren, ist eine grundlegende journalistische Verantwortung. Wir sollten einen allumfassenden vs. traditionellen Ansatz anstreben.

Die gesellschaftlichen Konnotationen von Geschlecht ändern sich, und das zugewiesene Geschlecht definiert möglicherweise nicht mehr ihre Geschlechtsidentität. Es ist wichtig, dass der moderne Journalismus dies widerspiegelt.

Wenn wir beginnen, ein System zu implementieren, bei dem es nicht die Ausnahme, sondern die Norm ist, nicht-binäre Geschlechtsidentitäten in unsere Datenstrukturen aufzunehmen, könnte dies die Denkweise der Menschen über das Geschlecht als Ganzes erheblich verändern. Die Medien sind Anstifter des Wandels; Es ist dafür verantwortlich, die richtigen Fragen zu formulieren, um bessere Antworten zu erhalten.

Wir müssen damit beginnen, alle Identitäten in unseren Journalismus einzubeziehen, insbesondere diejenigen, die seit Jahrhunderten unterrepräsentiert und marginalisiert sind.

Erzählungen – einschließlich derer, die in den Nachrichten entstanden sind – prägen unser Verständnis der Conditio Humana, ebenso wie die Art und Weise, wie wir unterschiedliche Geschlechtsidentitäten ausdrücken und verstehen. Als moderne Journalisten müssen wir dabei helfen, einfühlsame, vielfältige und integrative Erzählungen zu erstellen – und wir können damit beginnen, die Geschlechtererzählung neu zu strukturieren.