是时候让数据可视化更包含性别信息了

作为一名学生，我分析了描绘主要媒体公司性别数据的性别数据可视化。这是我学到的。

艾莉森·布斯的插图

数据可视化在新闻媒体中变得越来越流行。特别是在 COVID-19 时代，我们正在使用大量的图表、地图和图表，记者们现在正在使用数据作为基础来分析和可视化在全球范围内影响社会的更大趋势和现象。

但数据有时可能具有欺骗性。人们认为数据比其他信息更客观，但这不一定是真的。数据取决于数据收集、调查收集、寻找特定答案的特定问题。人们信任数据，因为它通常被视为具体事实——但当没有提出正确的问题时，显示误导性数据会使整个群体边缘化。

几十年来，显示性别数据的可视化促进了一种二元思维方式，这种思维方式将那些不完全确定为男性或女性的人边缘化并排除在外。 性别的非二元概念 越来越被接受，指定性别和性别之间的区别终于在社会范围内得到认可。

我们的数据应该反映这一点。

我分析了 40 篇发表于 纽约时报 和 华尔街日报 2020 年，其中包括基于性别的数据的数据分析或可视化。其中，只有 5 个（即 12.5%）包含了既不是女性也不是男性的人的术语或特定数据。只有更多的研究会告诉我们，但我怀疑结果会相似。

承认非二元身份的故事通常集中在 LGBTQ+ 社区，并且始终以个人资料为中心，风格化作品，像这样 纽约时报的文章 深入探讨性别揭露派对的弊端（并列在“时代”风格部分）。然而，专注于 2020 年大选或 COVID-19 的数据——占分析文章的 43% 和今年新闻的很大一部分——总是将性别显示为二进制，就像这样 华尔街日报可视化 分析了 2020 年选举的结果。

这种遗漏并不新鲜。从本质上讲，使用数据作为呈现信息的工具是一种有缺陷的做法。数据一直偏向于社会历史上定义为规范的东西：顺性别的白人男性。

几个世纪以来，这种情况一直发生在女性身上。编译 学习 来自德国、美国、澳大利亚和西班牙的语言和语法教科书发现，男性在例句中被使用的可能性是女性的三倍。我们的娱乐告诉我们：A 2007 学习 在超过 25,000 个电视角色中发现，只有 13% 的非人类角色是女性（而且非常非常少是非二元角色）。我们的新闻媒体向我们展示了这一点：全球媒体监测项目在其 2015年报告 “与 2010 年完全一样，在报纸、电视和广播新闻中听到、读到或看到的人中，女性仅占 24%。”

历史上，女性一直被视为次要性别，而社会现在才刚刚开始拆除使她们受制于人的压迫制度。女权主义作家卡罗琳·克里亚多·佩雷斯在她的书《隐形女性：为男性设计的世界中的数据偏见》的前言中用几句话总结了数据性别差距：“白人和男性之所以沉默，正是因为他们不需要发声。”

我们正在进入一个社会开始认识到存在两种以上性别的空间——包括跨性别男性和女性、非二元性别、性别酷儿和双性人。虽然女性在数据分析中得到越来越多的认可，但其他性别却没有。我们的数据需要开始反映多种性别的存在。否则，它会进一步取代已经边缘化和代表性不足的社区。

这不是一件容易的事。它不会在一夜之间发生。信息收集的历史系统不包括未定义为男性/女性的性别，包括可能最具影响力的现代数据汇编：人口普查数据。

这 人口普查局 一直在收集公民数据 几乎自美国成立以来 ，但仍然没有包括性别的“其他”选项。这不仅加强了二元结构，而且使 对非二元个体来说很难 完成——这也使得查找包含非二进制人的数据变得异常困难，即使对于想要包含该数据的组织或媒体也是如此。

那么，作为记者、数据编辑和设计师，我们如何努力改进这个数据收集系统，尤其是当有这么多因素对我们不利时？

以下是您可能会考虑采取的一些步骤。

将您的数据情境化。

如果您使用的数据是围绕男性/女性二进制构建的，那没关系。在一个历史上围绕性别二元构建的社会中，很难找到可信的非二元性别数据。我们不能神奇地让旧数据更具包容性。但是，如果您正在使用这些数据，请明确承认它不包括特定的人群。认识到印刷中的问题是使我们更接近实施解决方案的一步。

呈现所有数据，无论边距有多小。

有时，设计师可能很难构建包含较小比例数据的可视化。由于不识别为男性/女性的人在识别为男性/女性的人中所占比例较小，因此有时很难以清晰、视觉上吸引人的方式呈现这些数据。但我们不应该为了视觉美学而挑选和选择要显示的内容——包括识别不同性别的所有数据部门，不管百分比有多小。

选择非限制性的可视化工具来显示您的数据。

条形图或饼图等工具是简单的可视化选择，但有时它们在显示较小或非二进制数据方面可能会受到限制。我分析的几个将性别显示为二进制的数据可视化使用了堆积条形图或饼图。在这些工具中显示较小的数据边际可能会更加困难。所以，发挥创意。尝试使用气泡图或树状图或可视化工具，以允许以适当的比率显示较小的边距。考虑转向交互式可视化，它不仅时尚且具有视觉吸引力，是显示大量数据同时保持观众兴趣的绝佳工具，并且远离使用性别颜色来呈现您的数据（即男性为蓝色，女性为粉红色） .虽然它可以是一个容易默认的规范，但它只会进一步强化二元思维。

考虑进行自己的调查以收集更具包容性的数据。

有时，呈现包容性数据的最大障碍是找到包容性数据。根据您要显示的数据的范围和类型，考虑进行自己的调查。这 华尔街日报文章 ，例如，显示二进制数据，但包含自己的民意调查，可以选择“其他”作为性别。这里的设计师在展示他们可用的数据方面做得很好，他们自己的民意调查表明他们试图展示更具包容性的数据。

使您的女性部分更具包容性。

在我分析的文章中，有几篇来自报纸的女性版，尤其是《泰晤士报》的 “用她的话说” 部分。然而，这里的所有数据分析仍然将性别呈现为二进制。我发现这有点令人惊讶，坦率地说令人失望。现代女性的部分旨在成为一个包容和进步的思想集合，而不是一个异质的顺式女性档案。扩展您的女性部分，以更包容跨性别女性、女性非二元性人群等。

提供准确的数据是一项基本的新闻责任。我们应该努力寻求一种包罗万象的方法而不是传统方法。

性别的社会内涵正在发生变化，一个人的指定性别可能不再定义他们的性别认同。现代新闻反映这一点很重要。

如果我们开始实施一个系统，在我们的数据结构中包含非二进制性别身份不是例外而是常态，它可能会大大改变人们对整体性别的看法。媒体是变革的推动者；它负责提出正确的问题以获得更好的答案。

我们需要开始在我们的新闻中包含所有身份，尤其是那些几个世纪以来一直被低估和边缘化的人。

叙事——包括新闻中的叙事——塑造了我们对人类状况的理解，就像我们表达和理解不同性别认同的方式一样。作为现代记者，我们必须帮助制作具有同理心、多样化和包容性的叙事——我们可以从重构性别叙事开始。