डेटा विज़ुअलाइज़ेशन के लिए लिंग संबंधी जानकारी को अधिक समावेशी बनाने का समय आ गया है

एक छात्र के रूप में, मैंने प्रमुख मीडिया कंपनियों के लिंग डेटा को चित्रित करने वाले लिंग डेटा विज़ुअलाइज़ेशन का विश्लेषण किया। यहाँ मैंने जो सीखा है।

एलिसन बूथ द्वारा चित्रण

समाचार मीडिया में डेटा विज़ुअलाइज़ेशन दिन पर दिन अधिक लोकप्रिय होता जा रहा है। विशेष रूप से एक COVID-19 युग में, हम रेखांकन, मानचित्र और चार्ट प्रचुर मात्रा में उपभोग कर रहे हैं, और पत्रकार अब डेटा का उपयोग अधिक से अधिक रुझानों और घटनाओं का विश्लेषण और कल्पना करने के लिए कर रहे हैं जो दुनिया भर में समाज को प्रभावित करते हैं।

लेकिन डेटा कभी-कभी धोखा दे सकता है। लोग डेटा को अन्य जानकारी की तुलना में अधिक उद्देश्य के रूप में देखते हैं, लेकिन यह आवश्यक रूप से सत्य नहीं है। डेटा डेटा एकत्र करने पर, सर्वेक्षण संग्रह पर, विशिष्ट प्रश्नों पर निर्भर करता है जो विशिष्ट उत्तरों की तलाश करते हैं। लोग डेटा पर भरोसा करते हैं क्योंकि इसे आमतौर पर ठोस तथ्य के रूप में माना जाता है - लेकिन जब सही प्रश्न नहीं पूछे जाते हैं, तो भ्रामक डेटा प्रदर्शित करने से लोगों का एक पूरा समूह हाशिए पर चला जाता है।

दशकों से, लिंग डेटा प्रदर्शित करने वाले विज़ुअलाइज़ेशन ने एक द्विआधारी मानसिकता को बढ़ावा दिया है, जो उन लोगों को हाशिए पर रखता है और बाहर करता है जो सख्ती से पुरुष या महिला के रूप में पहचान नहीं करते हैं। लिंग की गैर-द्विआधारी अवधारणाएं अधिक से अधिक स्वीकृत होते जा रहे हैं, और नियत लिंग और लिंग के बीच के अंतर को अंततः सामाजिक स्तर पर पहचाना जा रहा है।

हमारे डेटा को यह प्रतिबिंबित करना चाहिए।

मैंने द्वारा प्रकाशित 40 लेखों का विश्लेषण किया न्यूयॉर्क समय तथा वॉल स्ट्रीट जर्नल 2020 में जिसमें डेटा विश्लेषण या लिंग-आधारित डेटा के विज़ुअलाइज़ेशन शामिल थे। इनमें से केवल पांच - या 12.5% ​​- में ऐसे शब्द या विशिष्ट डेटा शामिल थे जो न तो महिला और न ही पुरुष के रूप में पहचान करने वाले लोगों के लिए जिम्मेदार थे। केवल और शोध ही बताएंगे, लेकिन मुझे संदेह है कि परिणाम समान होंगे।

गैर-द्विआधारी पहचान को स्वीकार करने वाली कहानियां आमतौर पर LGBTQ+ समुदाय पर केंद्रित थीं, और लगातार प्रोफ़ाइल-केंद्रित, शैलीगत टुकड़े थीं, जैसे न्यूयॉर्क टाइम्स टुकड़ा जो लिंग के पक्ष में गोता लगाता है, पार्टियों को प्रकट करता है (और टाइम्स के स्टाइल सेक्शन में सूचीबद्ध है)। डेटा जो 2020 के चुनाव या COVID-19 पर केंद्रित था, हालांकि - जिसमें विश्लेषण किए गए लेखों का 43% और इस वर्ष की खबरों का एक बड़ा अनुपात था - हमेशा लिंग को एक द्विआधारी के रूप में दिखाया, इस तरह वॉल स्ट्रीट जर्नल विज़ुअलाइज़ेशन जो 2020 के चुनाव के परिणामों का विश्लेषण करता है।

इस तरह की चूक कोई नई बात नहीं है। इसके मूल में, सूचना प्रस्तुत करने के लिए एक उपकरण के रूप में डेटा का उपयोग करना एक त्रुटिपूर्ण प्रथा है। डेटा हमेशा पक्षपाती रहा है जिसे समाज ने ऐतिहासिक रूप से आदर्श के रूप में परिभाषित किया है: सिजेंडर, श्वेत पुरुष।

सदियों से महिलाओं के साथ ऐसा होता आ रहा है। संकलित अध्ययन करते हैं जर्मनी, संयुक्त राज्य अमेरिका, ऑस्ट्रेलिया और स्पेन की भाषा और व्याकरण की पाठ्यपुस्तकों में पाया गया कि एक महिला की तुलना में पुरुषों के उदाहरण वाक्य में तीन गुना अधिक उपयोग किए जाने की संभावना थी। हमारा मनोरंजन हमें यह बताता है: ए 2007 पढाई 25,000 से अधिक टीवी पात्रों में से केवल 13% अमानवीय पात्र महिला थे (और बहुत, बहुत कम गैर-बाइनरी थे)। हमारा समाचार मीडिया हमें यह दिखाता है: ग्लोबल मीडिया मॉनिटरिंग प्रोजेक्ट इसके में पाया गया 2015 की रिपोर्ट कि 'अखबार, टेलीविजन और रेडियो समाचारों में सुना, पढ़ा या देखा गया व्यक्तियों में से केवल 24% महिलाएं हैं, जैसा कि उन्होंने 2010 में किया था।'

महिलाओं को ऐतिहासिक रूप से कम सेक्स के रूप में देखा गया है, और समाज अभी से दमन की व्यवस्था को खत्म करना शुरू कर रहा है जिसने उन्हें अधीन रखा है। नारीवादी लेखिका कैरोलिन क्रिआडो पेरेज़ ने अपनी पुस्तक 'इनविजिबल वूमेन: डेटा बायस इन ए वर्ल्ड डिज़ाइन फॉर मेन' की प्रस्तावना में डेटा लिंग अंतर को कुछ ही शब्दों में सारांशित किया है: 'श्वेतता और दुर्भावना ठीक है क्योंकि उन्हें इसकी आवश्यकता नहीं है मुखर हो।'

हम एक ऐसे स्थान में प्रवेश कर रहे हैं जहां समाज दो से अधिक लिंगों के अस्तित्व को पहचानना शुरू कर रहा है - एक स्पेक्ट्रम जिसमें ट्रांसजेंडर पुरुष और महिलाएं, गैर-बाइनरी, लिंग-क्वीर और इंटरसेक्स व्यक्ति शामिल हैं। और जबकि डेटा विश्लेषण में महिलाओं को अधिक से अधिक पहचाना जा रहा है, अन्य लिंग नहीं हैं। हमारे डेटा को कई लिंगों के अस्तित्व को प्रतिबिंबित करना शुरू करना होगा। अन्यथा, यह पहले से ही हाशिए पर पड़े और कम प्रतिनिधित्व वाले समुदाय को और विस्थापित कर देता है।

यह आसान उपलब्धि नहीं है। यह रातोंरात नहीं होगा। सूचना एकत्र करने की ऐतिहासिक प्रणालियाँ उन लिंगों को बाहर करती हैं जिन्हें पुरुष / महिला के रूप में परिभाषित नहीं किया गया है, जिसमें शायद आधुनिक डेटा का सबसे प्रभावशाली संकलन: जनगणना डेटा शामिल है।

जनगणना ब्यूरो नागरिकों पर डेटा एकत्र कर रहा है व्यावहारिक रूप से यू.एस. की स्थापना के बाद से , फिर भी लिंग के लिए 'अन्य' विकल्प को भी शामिल करने में विफल रहता है। यह न केवल एक बाइनरी संरचना को मजबूत करता है और इसे बनाता है गैर-बाइनरी व्यक्तियों के लिए मुश्किल पूरा करने के लिए - यह उन डेटा को भी खोजता है जिसमें गैर-बाइनरी व्यक्ति अविश्वसनीय रूप से कठिन होते हैं, यहां तक ​​​​कि उन संगठनों या मीडिया के लिए भी जो उस डेटा को शामिल करना चाहते हैं।

तो, हम पत्रकार, डेटा संपादक और डिज़ाइनर के रूप में, डेटा-एकत्रीकरण की इस प्रणाली को बेहतर बनाने के लिए कैसे काम करते हैं, खासकर जब इतने सारे कारक हमारे खिलाफ हैं?

यहां कुछ कदम दिए गए हैं जिन पर आप विचार कर सकते हैं।

अपने डेटा को प्रासंगिक बनाएं।

यदि आप जिस डेटा का उपयोग कर रहे हैं वह पुरुष/महिला बाइनरी के आसपास संरचित है, तो ठीक है। एक ऐसे समाज में विश्वसनीय गैर-द्विआधारी लिंग डेटा खोजना मुश्किल है, जिसे ऐतिहासिक रूप से लिंग बाइनरी के आसपास संरचित किया गया है। हम जादुई रूप से पुराने डेटा को अधिक समावेशी नहीं बना सकते। लेकिन अगर आप इस डेटा का उपयोग कर रहे हैं, तो यह स्वीकार करें कि यह लोगों के एक विशिष्ट समूह को बाहर करता है। प्रिंट में समस्या को पहचानना एक ऐसा कदम है जो हमें समाधानों को लागू करने के करीब लाता है।

सभी डेटा प्रस्तुत करें, चाहे मार्जिन कितना भी छोटा क्यों न हो।

कभी-कभी डिजाइनरों के लिए विज़ुअलाइज़ेशन की संरचना करना मुश्किल हो सकता है जिसमें डेटा के छोटे अनुपात शामिल होते हैं। क्योंकि जो लोग पुरुष/महिला के रूप में पहचान नहीं रखते हैं, वे ऐसा करने वालों का एक छोटा प्रतिशत बनाते हैं, कभी-कभी उस डेटा को सुपाठ्य, नेत्रहीन रूप से प्रस्तुत करना कठिन हो सकता है। लेकिन हमें यह नहीं चुनना चाहिए कि दृश्य सौंदर्यशास्त्र के लिए क्या प्रदर्शित करना है - डेटा के सभी क्षेत्रों को शामिल करें जो विभिन्न लिंगों को पहचानते हैं, भले ही प्रतिशत कितना छोटा हो।

अपना डेटा दिखाने के लिए अप्रतिबंधित विज़ुअलाइज़ेशन टूल चुनें।

बार ग्राफ़ या पाई चार्ट जैसे टूल आसान विज़ुअलाइज़ेशन विकल्प होते हैं, लेकिन कभी-कभी वे छोटे, या गैर-बाइनरी डेटा दिखाने में प्रतिबंधात्मक हो सकते हैं। मैंने जिन डेटा विज़ुअलाइज़ेशन का विश्लेषण किया उनमें से कई में लिंग को बाइनरी के रूप में दिखाया गया था जिसमें स्टैक्ड बार ग्राफ़ या पाई चार्ट का उपयोग किया गया था। इन उपकरणों में डेटा के छोटे मार्जिन को दिखाना अधिक कठिन हो सकता है। तो, रचनात्मक हो जाओ। बबल चार्ट या ट्री मैप या विज़ुअलाइज़ेशन टूल का उपयोग करने का प्रयास करें जो छोटे मार्जिन को पर्याप्त अनुपात में दिखाने की अनुमति देता है। इंटरेक्टिव विज़ुअलाइज़ेशन की ओर बढ़ने पर विचार करें, जो ट्रेंडी और नेत्रहीन होने के साथ-साथ, दर्शकों की दिलचस्पी बनाए रखते हुए डेटा की प्रचुर मात्रा में प्रदर्शित करने के लिए एक महान उपकरण हैं और अपना डेटा प्रस्तुत करने के लिए लिंग वाले रंगों का उपयोग करने से दूर रहें (यानी पुरुषों के लिए नीला, महिलाओं के लिए गुलाबी) . हालांकि यह डिफ़ॉल्ट के लिए एक आसान मानदंड हो सकता है, यह केवल एक द्विआधारी मानसिकता को और मजबूत करता है।

अधिक समावेशी डेटा एकत्र करने के लिए अपने स्वयं के सर्वेक्षण करने पर विचार करें।

कभी-कभी समावेशी डेटा प्रस्तुत करने में सबसे बड़ी बाधा समावेशी डेटा प्राप्त करना होता है। आप जिस श्रेणी और डेटा के प्रकार को दिखाना चाहते हैं, उसके आधार पर अपने स्वयं के सर्वेक्षण करने पर विचार करें। इस वॉल स्ट्रीट जर्नल लेख , उदाहरण के लिए, द्विआधारी डेटा दिखाता है, लेकिन इसमें स्वयं का एक सर्वेक्षण शामिल होता है जो लिंग के लिए 'अन्य' का चयन करने का विकल्प देता है। यहां के डिज़ाइनर उस डेटा को दिखाने का अच्छा काम कर रहे हैं जो उनके लिए उपलब्ध था, और अपने स्वयं के सर्वेक्षण को शामिल करने से पता चलता है कि वे अधिक समावेशी डेटा दिखाने का प्रयास कर रहे हैं।

अपने महिला वर्गों को अधिक समावेशी बनाएं।

जिन लेखों का मैंने विश्लेषण किया, उनमें से कई अखबारों के महिला वर्गों से आए, खासकर टाइम्स ' 'उसके शब्दों में' अनुभाग। यहां सभी डेटा विश्लेषण करते हैं, हालांकि, अभी भी लिंग को बाइनरी के रूप में प्रस्तुत किया गया है। मुझे यह थोड़ा आश्चर्यजनक और स्पष्ट रूप से निराशाजनक लगा। आधुनिक महिलाओं के वर्गों को विचारों का एक समावेशी और प्रगतिशील संग्रह माना जाता है, न कि एक विषम सीआईएस-महिला संग्रह। ट्रांसजेंडर महिलाओं, गैर-बाइनरी महिलाओं आदि को शामिल करने के लिए अपने महिला वर्गों का विस्तार करें।

सटीक डेटा प्रस्तुत करना एक बुनियादी पत्रकारिता जिम्मेदारी है। हमें एक व्यापक बनाम पारंपरिक दृष्टिकोण के लिए प्रयास करना चाहिए।

लिंग के सामाजिक अर्थ बदल रहे हैं, और किसी का नियत लिंग अब उनकी लिंग पहचान को परिभाषित नहीं कर सकता है। यह महत्वपूर्ण है कि आधुनिक पत्रकारिता इसे प्रतिबिंबित करे।

यदि हम एक ऐसी प्रणाली को लागू करना शुरू करते हैं जहां यह अपवाद नहीं है, बल्कि हमारे डेटा संरचनाओं के भीतर गैर-द्विआधारी लिंग पहचान को शामिल करने का मानदंड है, तो यह समग्र रूप से लिंग के बारे में लोगों की मानसिकता को बदल सकता है। मीडिया परिवर्तन का उत्प्रेरक है; यह बेहतर उत्तर पाने के लिए सही प्रश्नों को तैयार करने के लिए जिम्मेदार है।

हमें अपनी पत्रकारिता में सभी पहचानों को शामिल करना शुरू करना होगा, खासकर उन लोगों को जिन्हें सदियों से कम प्रतिनिधित्व और हाशिए पर रखा गया है।

कथाएँ - समाचारों में बनाई गई कहानियों सहित - मानवीय स्थिति के बारे में हमारी समझ को आकार देती हैं, जैसे हम विभिन्न लिंग पहचानों को व्यक्त करते हैं और समझते हैं। आधुनिक पत्रकारों के रूप में, हमें उन आख्यानों को गढ़ने में मदद करनी चाहिए जो सहानुभूतिपूर्ण, विविध और समावेशी हैं - और हम लिंग कथा के पुनर्गठन से शुरुआत कर सकते हैं।