Dall'inizio della pandemia di COVID-19, grafici e grafici hanno aiutato a comunicare informazioni sui tassi di infezione, deceduti, e vaccinazioni. In alcuni casi, tali visualizzazioni possono incoraggiare comportamenti che riducono la trasmissione del virus, come indossare una maschera. Infatti, la pandemia è stata salutata come il momento decisivo per la visualizzazione dei dati.

Ma nuove scoperte suggeriscono un quadro più complesso. Uno studio del MIT mostra come gli scettici sul coronavirus abbiano schierato le visualizzazioni dei dati online per argomentare contro l'ortodossia della salute pubblica sui benefici dei mandati delle maschere. Tali "controvisualizzazioni" sono spesso piuttosto sofisticate, utilizzando set di dati da fonti ufficiali e metodi di visualizzazione all'avanguardia.

I ricercatori hanno setacciato centinaia di migliaia di post sui social media e hanno scoperto che gli scettici sul coronavirus spesso impiegano contro-visualizzazioni insieme alla stessa retorica "follow-the-data" degli esperti di salute pubblica, tuttavia gli scettici sostengono politiche radicalmente diverse. I ricercatori concludono che le visualizzazioni dei dati non sono sufficienti per trasmettere l'urgenza della pandemia di COVID-19, perché anche i grafici più chiari possono essere interpretati attraverso una varietà di sistemi di credenze.

"Molte persone pensano a metriche come i tassi di infezione come obiettivi, " dice Crystal Lee. "Ma chiaramente non lo sono, in base a quanto dibattito c'è su come pensare la pandemia. Ecco perché diciamo che le visualizzazioni dei dati sono diventate un campo di battaglia".

La ricerca sarà presentata alla Conferenza ACM sui fattori umani nei sistemi informatici a maggio. Lee è l'autore principale dello studio e un dottorato di ricerca. studentessa di Storia del MIT, Antropologia, Scienza, Tecnologia, and Society (HATS) e Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT, così come un borsista presso il Berkman Klein Center for Internet and Society dell'Università di Harvard. I coautori includono Graham Jones, una professoressa di antropologia Margaret MacVicar; Arvind Satyanarayan, l'NBX Career Development Assistant Professor presso il Dipartimento di Ingegneria Elettrica e Informatica e CSAIL; Tanya Yang, uno studente del MIT; e Gabrielle Inchoco, uno studente universitario del Wellesley College.

Poiché le visualizzazioni dei dati sono salite alla ribalta all'inizio della pandemia, Lee e i suoi colleghi hanno cercato di capire come venivano distribuiti nell'universo dei social media. "Un'ipotesi iniziale era che se avessimo avuto più visualizzazioni dei dati, dai dati raccolti in modo sistematico, allora le persone sarebbero meglio informate, " dice Lee. Per verificare questa ipotesi, il suo team ha combinato tecniche computazionali con metodi etnografici innovativi.

Hanno usato il loro approccio computazionale su Twitter, raschiando quasi mezzo milione di tweet che si riferivano sia a "COVID-19" che a "dati". Con quei tweet, i ricercatori hanno generato un grafico di rete per scoprire "chi sta ritwittando chi e a chi piace chi, ", afferma Lee. "In pratica abbiamo creato una rete di comunità che interagiscono tra loro". I cluster includevano gruppi come la "comunità dei media americani" o gli "antimascheramento". I ricercatori hanno scoperto che i gruppi antimaschera stavano creando e condividendo visualizzazioni di dati tanto quanto , se non più di, altri gruppi.

E quelle visualizzazioni non erano sciatte. "Sono praticamente indistinguibili da quelli condivisi dalle fonti mainstream, ", afferma Satyanarayan. "Spesso sono raffinati come i grafici che ci si aspetterebbe di incontrare nel giornalismo di dati o nei cruscotti della salute pubblica".

"È una scoperta molto sorprendente, " dice Lee. "Dimostra che caratterizzare i gruppi antimaschera come analfabeti dei dati o che non interagiscono con i dati, è empiricamente falso".

Lee afferma che questo approccio computazionale ha offerto loro una visione ampia delle visualizzazioni dei dati COVID-19. "La cosa veramente eccitante di questo lavoro quantitativo è che stiamo facendo questa analisi su vasta scala. Non avrei mai potuto leggere mezzo milione di tweet".

Ma l'analisi di Twitter ha avuto una lacuna. "Penso che manchi molto della granularità delle conversazioni che le persone stanno avendo, " dice Lee. "Non puoi necessariamente seguire un singolo filo di conversazione mentre si svolge." Per questo, i ricercatori si sono rivolti a un metodo di ricerca antropologico più tradizionale, con una svolta nell'era di Internet.

Lee's team followed and analyzed conversations about data visualizations in antimask Facebook groups—a practice they dubbed "deep lurking, " an online version of the ethnographic technique called "deep hanging out." Lee says "understanding a culture requires you to observe the day-to-day informal goings-on—not just the big formal events. Deep lurking is a way to transpose these traditional ethnography approaches to digital age."

The qualitative findings from deep lurking appeared consistent with the quantitative Twitter findings. Antimaskers on Facebook weren't eschewing data. Piuttosto, they discussed how different kinds of data were collected and why. "Their arguments are really quite nuanced, " says Lee. "It's often a question of metrics." For example, antimask groups might argue that visualizations of infection numbers could be misleading, in part because of the wide range of uncertainty in infection rates, compared to measurements like the number of deaths. In risposta, members of the group would often create their own counter-visualizations, even instructing each other in data visualization techniques.

"I've been to livestreams where people screen share and look at the data portal from the state of Georgia, " says Lee. "Then they'll talk about how to download the data and import it into Excel."

Jones says the antimask groups' "idea of science is not listening passively as experts at a place like MIT tell everyone else what to believe." He adds that this kind of behavior marks a new turn for an old cultural current. "Antimaskers' use of data literacy reflects deep-seated American values of self-reliance and anti-expertise that date back to the founding of the country, but their online activities push those values into new arenas of public life."

He adds that "making sense of these complex dynamics would have been impossible" without Lee's "visionary leadership in masterminding an interdisciplinary collaboration that spanned SHASS and CSAIL."

The mixed methods research "advances our understanding of data visualizations in shaping public perception of science and politics, " says Jevin West, a data scientist at the University of Washington, who was not involved with the research. Data visualizations "carry a veneer of objectivity and scientific precision. But as this paper shows, data visualizations can be used effectively on opposite sides of an issue, " he says. "It underscores the complexity of the problem—that it is not enough to 'just teach media literacy." It requires a more nuanced sociopolitical understanding of those creating and interpreting data graphics."

Combining computational and anthropological insights led the researchers to a more nuanced understanding of data literacy. Lee says their study reveals that, compared to public health orthodoxy, "antimaskers see the pandemic differently, using data that is quite similar. I still think data analysis is important. But it's certainly not the salve that I thought it was in terms of convincing people who believe that the scientific establishment is not trustworthy." Lee says their findings point to "a larger rift in how we think about science and expertise in the U.S." That same rift runs through issues like climate change and vaccination, where similar dynamics often play out in social media discussions.

To make these results accessible to the public, Lee and her collaborator, Dottorato CSAIL student Jonathan Zong, led a team of seven MIT undergraduate researchers to develop an interactive narrative where readers can explore the visualizations and conversations for themselves.

Lee describes the team's research as a first step in making sense of the role of data and visualizations in these broader debates. "Data visualization is not objective. It's not absolute. It is in fact an incredibly social and political endeavor. We have to be attentive to how people interpret them outside of the scientific establishment."

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.