É hora de as visualizações de dados serem mais inclusivas de 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 eu 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, estamos consumindo gráficos, mapas e tabelas em abundância, e os jornalistas agora estão usando dados como base para analisar e visualizar maiores tendências e fenômenos que afetam 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 perguntas 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 masculino ou feminino. 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 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% – incluíam termos ou dados específicos que representavam pessoas que não se identificam nem como mulheres nem como homens. Apenas mais pesquisas dirão, mas suspeito que os resultados seriam semelhantes.

Histórias que reconheciam identidades não binárias eram tipicamente focadas na comunidade LGBTQ+ e eram consistentemente centradas em perfis e peças estilísticas, como esta artigo do New York Times que mergulha nos contras das festas de revelação de gênero (e está listado na seção Estilo do Times). No entanto, os dados que se concentraram na eleição de 2020 ou COVID-19 – que compuseram 43% dos artigos analisados ​​e uma grande proporção das notícias deste ano – sempre mostraram o gênero como um binário, como este Visualização do Wall Street Journal que analisa os resultados das eleições de 2020.

Esse tipo de omissão não é novo. Em sua essência, 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 a norma: o homem cisgênero e branco.

Isso vem acontecendo com as mulheres há séculos. Compilado estudos de livros didáticos de linguagem e gramática da Alemanha, Estados Unidos, Austrália e Espanha descobriram que os homens eram três vezes mais propensos a serem usados ​​em uma frase de exemplo do que uma mulher. Nosso entretenimento nos diz isso: A 2007 estude de mais de 25.000 personagens de TV descobriram que apenas 13% dos personagens não humanos eram do sexo feminino (e muito, muito poucos eram não-binários). Nossa mídia de notícias nos mostra isso: O Projeto de Monitoramento Global de Mídia encontrado em seu relatório de 2015 que “as mulheres representam apenas 24% das pessoas ouvidas, lidas ou vistas nos noticiários de jornais, televisão e rádio, exatamente como em 2010”.

As mulheres têm sido historicamente vistas como o sexo inferior, e a sociedade só agora está começando a desmantelar os sistemas de opressão que as mantinham subjugadas. A escritora feminista Caroline Criado Perez, no prefácio de seu livro “Mulheres invisíveis: viés de dados em um mundo projetado para homens”, resume em poucas palavras a lacuna de gênero de dados: “A branquitude e a masculinidade se calam 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 transgêneros, pessoas não-binárias, queer e intersexuais. E enquanto as mulheres estão sendo 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, desloca ainda mais uma comunidade já marginalizada e sub-representada.

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

O Agência de Censo vem coletando dados sobre os cidadãos praticamente desde que os EUA foram fundados , mas ainda não inclui 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, como jornalistas, editores de dados e designers, trabalhamos para tentar melhorar esse sistema de coleta de dados, principalmente quando tantos fatores estão contra nós?

Aqui estão alguns passos que você pode considerar tomar.

Contextualize seus dados.

Se os dados que você está usando estão estruturados em torno de um binário masculino/feminino, tudo bem. É difícil encontrar dados de gênero não binários confiáveis ​​em uma sociedade que foi historicamente estruturada em torno do binário de gênero. Não podemos magicamente tornar os dados antigos mais inclusivos. Mas se você estiver usando esses dados, faça questão de reconhecer que exclui um grupo específico de pessoas. Reconhecer o problema na impressão é um passo 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 estruturarem visualizações que incluam proporções menores de dados. Como os indivíduos que não se identificam como homem/mulher representam uma porcentagem menor daqueles que o fazem, às vezes pode ser difícil apresentar esses dados de maneira legível e visualmente atraente. Mas não devemos escolher o que exibir para estética visual – inclua todos os setores de dados que reconhecem diferentes gêneros, independentemente de quão pequena seja a porcentagem.

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 empilhado 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 permita 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 adotar, isso apenas reforça ainda mais uma 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 do intervalo e do tipo de dados que você deseja mostrar, considere fazer suas próprias pesquisas. este 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 pesquisa sugere sua tentativa de mostrar dados mais inclusivos.

Torne suas seções femininas mais inclusivas.

Dos artigos que analisei, vários vieram de seções femininas dos jornais, particularmente do Times. “Nas Suas Palavras” seção. Todas as análises de dados aqui, porém, ainda apresentavam gênero como um binário. Achei isso um pouco surpreendente, e francamente decepcionante. As seções femininas modernas devem ser uma coleção de pensamento inclusiva e progressiva, não um arquivo heterogêneo de mulheres cis. Expanda suas seções femininas para incluir mais mulheres transgênero, pessoas femininas não-binárias etc.

Apresentar dados precisos é uma responsabilidade jornalística básica. Devemos nos esforçar por uma abordagem abrangente versus tradicional.

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

Se começarmos a implementar um sistema em que não seja a exceção, mas a norma incluir identidades de gênero não binárias em nossas estruturas de dados, isso poderá alterar consideravelmente a mentalidade das pessoas sobre gênero como um todo. A mídia é instigadora de mudanças; 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 nos noticiários – moldam nossa compreensão da condição humana, assim como a maneira como expressamos e entendemos diferentes identidades de gênero. Como jornalistas modernos, devemos ajudar a criar narrativas empáticas, diversas e inclusivas – e podemos começar reestruturando a narrativa de gênero.