Es hora de que las visualizaciones de datos incluyan más información de género

Como estudiante, analicé visualizaciones de datos de género que retrataban datos de género de las principales empresas de medios. Esto es lo que aprendí.

Ilustración de Alison Booth

La visualización de datos es cada vez más popular en los medios de comunicación. Particularmente en una era de COVID-19, estamos consumiendo gráficos, mapas y tablas en abundancia, y los periodistas ahora están utilizando datos como base para analizar y visualizar tendencias y fenómenos más importantes que impactan a la sociedad a escala mundial.

Pero los datos a veces pueden ser engañosos. Las personas ven los datos como más objetivos que otra información, pero esto no es necesariamente cierto. Los datos dependen de la recopilación de datos, de la recopilación de encuestas, de preguntas específicas que buscan respuestas específicas. Las personas confían en los datos porque generalmente se perciben como hechos concretos, pero cuando no se hacen las preguntas correctas, mostrar datos engañosos margina a todo un grupo de personas.

Durante décadas, las visualizaciones que muestran datos de género han promovido una mentalidad binaria que margina y excluye a quienes no se identifican estrictamente como hombres o mujeres. Conceptos no binarios de género son cada vez más aceptados, y la distinción entre sexo asignado y género finalmente se reconoce a escala social.

Nuestros datos deberían reflejar esto.

Analicé 40 artículos publicados por Los New York Times y El periodico de Wall Street en 2020 que incluyó análisis de datos o visualizaciones de datos basados ​​en el género. De estos, solo cinco, o el 12,5%, incluyeron términos o datos específicos que representaban a las personas que no se identifican ni como mujeres ni como hombres. Solo más investigaciones lo dirán, pero sospecho que los resultados serían similares.

Las historias que reconocían identidades no binarias generalmente se enfocaban en la comunidad LGBTQ+ y eran consistentemente piezas estilísticas centradas en el perfil, como esta Pieza del New York Times que se sumerge en los contras de las fiestas de revelación de género (y aparece en la sección Estilo del Times). Sin embargo, los datos que se centraron en las elecciones de 2020 o COVID-19, que constituyeron el 43 % de los artículos analizados y una gran proporción de las noticias de este año, siempre mostraron el género como un binario, como este Visualización del Wall Street Journal que analiza los resultados de las elecciones de 2020.

Este tipo de omisión no es nuevo. En esencia, el uso de datos como herramienta para presentar información es una práctica defectuosa. Los datos siempre han estado sesgados hacia lo que la sociedad ha definido históricamente como la norma: el hombre blanco cisgénero.

Ha estado sucediendo a las mujeres durante siglos. compilado estudios de libros de texto de lengua y gramática de Alemania, Estados Unidos, Australia y España encontró que los hombres tenían tres veces más probabilidades de ser utilizados en una oración de ejemplo que las mujeres. Nuestro entretenimiento nos dice esto: Un 2007 estudio de más de 25,000 personajes de televisión encontró que solo el 13% de los personajes no humanos eran mujeres (y muy, muy pocos no eran binarios). Nuestros medios de comunicación nos muestran esto: El Proyecto de Monitoreo de Medios Globales encontró en su informe 2015 que “las mujeres representan solo el 24% de las personas escuchadas, leídas o vistas en las noticias de los periódicos, la televisión y la radio, exactamente como lo hicieron en 2010”.

Históricamente, las mujeres han sido vistas como el sexo inferior, y la sociedad recién ahora comienza a desmantelar los sistemas de opresión que las han mantenido subyugadas. La escritora feminista Caroline Criado Pérez, en el prólogo de su libro “Mujeres invisibles: sesgo de datos en un mundo diseñado para hombres”, resume la brecha de género en los datos en pocas palabras: “La blanquitud y la masculinidad callan precisamente porque no necesitan ser vocalizado”.

Estamos ingresando a un espacio donde la sociedad está comenzando a reconocer la existencia de más de dos géneros, de un espectro que incluye hombres y mujeres transgénero, personas no binarias, de género queer e intersexuales. Y mientras que las mujeres son cada vez más reconocidas en el análisis de datos, otros géneros no lo son. Nuestros datos deben comenzar a reflejar la existencia de múltiples géneros. De lo contrario, desplaza aún más a una comunidad ya marginada y subrepresentada.

Esta no es una hazaña fácil. No sucederá de la noche a la mañana. Los sistemas históricos de recopilación de información excluyen los géneros no definidos como masculino/femenino, incluida quizás la compilación más influyente de datos modernos: los datos del censo.

los Oficina del Censo ha estado recopilando datos sobre los ciudadanos prácticamente desde que se fundó EE.UU. , pero todavía no incluye ni siquiera una opción 'otra' para el género. Esto no sólo refuerza una estructura binaria y la hace difícil para individuos no binarios para completar: también hace que encontrar datos que incluyan personas no binarias sea increíblemente difícil, incluso para organizaciones o medios que desean incluir esos datos.

Entonces, ¿cómo trabajamos nosotros, como periodistas, editores de datos y diseñadores, para tratar de mejorar este sistema de recopilación de datos, particularmente cuando tantos factores están en nuestra contra?

Estos son algunos pasos que podría considerar tomar.

Contextualiza tus datos.

Si los datos que está utilizando están estructurados en torno a un binario masculino/femenino, está bien. Es difícil encontrar datos de género no binarios confiables en una sociedad históricamente estructurada en torno al género binario. No podemos mágicamente hacer que los datos antiguos sean más inclusivos. Pero si está utilizando estos datos, asegúrese de reconocer que excluye a un grupo específico de personas. Reconocer el problema en la impresión es un paso que nos acerca a la implementación de soluciones.

Presente todos los datos, sin importar cuán pequeños sean los márgenes.

A veces puede ser difícil para los diseñadores estructurar visualizaciones que incluyan proporciones de datos más pequeñas. Debido a que las personas que no se identifican como hombre/mujer constituyen un porcentaje menor de los que sí lo hacen, a veces puede ser difícil presentar esos datos de una manera legible y visualmente atractiva. Pero no deberíamos elegir qué mostrar para la estética visual: incluya todos los sectores de datos que reconozcan diferentes géneros, independientemente de cuán pequeño sea el porcentaje.

Elija herramientas de visualización no restrictivas para mostrar sus datos.

Herramientas como gráficos de barras o gráficos circulares son opciones de visualización fáciles, pero a veces pueden ser restrictivas para mostrar datos que son más pequeños o no binarios. Varias de las visualizaciones de datos que analicé que mostraban el género como binario usaban un gráfico de barras apiladas o un gráfico circular. Puede ser más difícil mostrar márgenes de datos más pequeños en estas herramientas. Así que sé creativo. Intente usar un gráfico de burbujas o un mapa de árbol o una herramienta de visualización que permita mostrar márgenes más pequeños en proporciones adecuadas. Considere avanzar hacia visualizaciones interactivas que, además de ser modernas y visualmente atractivas, son una excelente herramienta para mostrar una gran cantidad de datos y mantener al público interesado. Y evite usar colores de género para presentar sus datos (es decir, azul para hombres, rosa para mujeres). . Aunque puede ser una norma fácil de usar por defecto, solo refuerza aún más una mentalidad binaria.

Considere hacer sus propias encuestas para recopilar datos más inclusivos.

A veces, el mayor obstáculo para presentar datos inclusivos es encontrar datos inclusivos. Según el rango y el tipo de datos que desee mostrar, considere realizar sus propias encuestas. Esta Artículo del Wall Street Journal , por ejemplo, muestra datos binarios, pero incluye una encuesta propia que da la opción de seleccionar 'otro' para el género. Los diseñadores aquí están haciendo un buen trabajo al mostrar los datos que tenían disponibles, y la inclusión de su propia encuesta sugiere su intento de mostrar datos más inclusivos.

Haz que tus secciones de mujeres sean más inclusivas.

De los artículos que analicé, varios procedían de las secciones de mujeres de los periódicos, en particular del Times. 'En sus palabras' sección. Sin embargo, todos los análisis de datos presentados aquí todavía presentan el género como un binario. Encontré esto un poco sorprendente y francamente decepcionante. Las secciones de mujeres modernas están destinadas a ser una colección de pensamiento inclusivo y progresista, no un archivo heterogéneo de mujeres cis. Amplíe sus secciones de mujeres para incluir más a las mujeres transgénero, las personas femeninas no binarias, etc.

Presentar datos precisos es una responsabilidad periodística básica. Deberíamos esforzarnos por lograr un enfoque integral frente a un enfoque tradicional.

Las connotaciones sociales de género están cambiando, y es posible que el sexo asignado a uno ya no defina su identidad de género. Es importante que el periodismo moderno refleje esto.

Si comenzamos a implementar un sistema en el que no sea la excepción sino la norma incluir identidades de género no binarias dentro de nuestras estructuras de datos, podría alterar considerablemente la mentalidad de las personas sobre el género en general. Los medios de comunicación son un instigador del cambio; es responsable de formular las preguntas correctas para obtener mejores respuestas.

Necesitamos comenzar a incluir todas las identidades en nuestro periodismo, especialmente aquellas que han estado subrepresentadas y marginadas durante siglos.

Las narrativas, incluidas las creadas en las noticias, dan forma a nuestra comprensión de la condición humana, como la forma en que expresamos y entendemos las diferentes identidades de género. Como periodistas modernos, debemos ayudar a elaborar narrativas que sean empáticas, diversas e inclusivas, y podemos comenzar reestructurando la narrativa de género.