自COVID-19大流行開始以來，圖表和圖形幫助傳達了有關感染率、死亡和疫苗接種的信息。在某些情況下，這種可視化可以鼓勵減少病毒傳播的行為，如佩戴口罩。這次大流行被譽為數據可視化的突破性時刻。
不過新的發現展現了一個更複雜的情況。麻省理工學院(MIT)的一項研究顯示，新冠病毒懷疑論者如何在網上利用數據可視化來反對公共衛生正統的口罩規定的好處。這種“反視覺化”通常相當複雜，其使用的是官方來源的數據集和最先進的視覺化方法。
研究人員梳理了數十萬條社交媒體帖子，結果發現新冠病毒懷疑論者經常會在使用跟公共衛生專家相同的“遵循數據”的言論的同時部署反視覺化，然而懷疑論者主張的政策卻完全不同。研究人員得出結論，數據可視化並不足以傳達COVID-19大流行病的緊迫性，因為即使是最清晰的圖表也可以通過各種信仰系統進行解釋。
“很多人認為感染率等指標是客觀的，”Crystal Lee說道，“但它們顯然不是，基於對如何思考大流行病的爭論有多大。這就是為什麼我們說數據可視化已經成為一個戰場。”
這項研究將在5月舉行的ACM計算機系統中人的因素會議上發表。Lee是這項研究的第一作者，也是MIT歷史、人類學、科學、技術和社會(HASTS)項目和MIT計算機科學和人工智能實驗室(CSAIL)的博士生，同時也是哈佛大學伯克曼-克萊因互聯網和社會中心的研究員。共同作者ZE 包括人類學領域的瑪格麗特-麥克維加學院研究員Graham Jones、電氣工程與計算機科學系和CSAIL的NBX職業發展助理教授Arvind Satyanarayan、MIT本科生Tanya Yang和韋爾斯利學院本科生Gabrielle Inchoco。
隨着數據可視化在這一流行病早期的崛起，Lee和她的同事們開始了解它們是如何在整個社交媒體領域被部署的。“一個最初的假設是，如果我們有更多的數據可視化並以系統的方式收集的數據，那麼人們會得到更好的信息，”Lee指出。為了測試這一假設，她的團隊將計算技術與創新的人種學方法相結合。
他們在Twitter上使用他們的計算方法收集了近50萬條提到“COVID-19”和 “數據(data)”的推文。通過這些推文，研究人員生成了一個網絡圖以找出“誰在轉發誰，誰喜歡誰”。Lee表示：“我們基本上創建了一個相互交流的社區網絡。”群組包括“美國媒體社區”或“反口罩者”等群體。研究人員發現，反口罩者群體在創建和分享數據可視化方面跟其他群體一樣多，甚至比他們更多。
然而這些可視化的東西並不馬虎。Satyanarayan指出：“它們跟主流來源分享的數據幾乎沒有區別。它們往往和你期望在數據新聞或公共衛生儀錶板中遇到的圖表一樣精巧。”
“這是一個非常引人注目的發現。它表明，將反口罩群體定性為數據文盲或不參與數據，這在經驗上是錯誤的，”Lee說道。另外，他還表示，這種計算方法使他們對COVID-19數據的可視化有了廣泛的了解。“這項定量工作真正令人激動的是，我們在一個巨大的規模上做這種分析。我不可能閱讀50萬條推文。”
但Twitter的分析存在一個缺點。“我認為它錯過了人們正在進行的對話的很多顆粒性。你不一定能跟隨一條對話線的展開，”Lee說道。為此，研究人員轉向了一種更傳統的人類學研究方法–帶有互聯網時代的扭曲。
Lee的團隊跟蹤並分析了反口罩Facebook群組中關於數據可視化的對話–他們將這種做法稱為“深度潛伏”。“理解一種文化需要你觀察日常的非正式活動–而不僅僅是大型的正式活動。深度潛伏是將這些傳統的人種學方法移植到數字時代的一種方式，”Lee說道。
深度潛伏的定性發現似乎跟Twitter的定量發現一致。Facebook上的反潛者並沒有迴避數據。相反，他們討論了如何收集不同種類的數據以及為什麼。Lee說道：“他們的論點真的很細微。這往往是一個衡量標準的問題。比如，反口罩小組可能會爭辯說，感染數字的可視化可能會產生誤導，部分原因是，跟死亡人數等衡量標準相比，感染率的不確定性範圍很廣。作為回應，小組成員往往會創造他們自己的反可視化，甚至在數據可視化技術方面相互指導。”
Jones則指出，反口罩團體的科學理念不是被動地聽着MIT這樣的地方的專家告訴其他人應該相信什麼。他認為這種行為標誌着一種古老文化潮流的新轉折。“反口罩者對數據素養的使用反映了美國根深蒂固的自力更生和反專家的價值觀，這種價值觀可以追溯到建國之初，但他們的在線活動將這些價值觀推向了公共生活的新領域。”
此外，他還補充稱：“如果沒有Lee富有遠見的領導力，策劃一個跨越SHASS和CSAIL的跨學科合作，就不可能對這些複雜的動態產生意義。”
來自華盛頓大學的數據科學家Jevin West表示，這項混合方法研究推進了他們對數據可視化在塑造公眾對科學和政治的看法方面的理解。West沒有參與這項研究。West說道：“數據可視化帶有客觀性和科學精確性的外衣。但正如本文所顯示的，數據可視化可以有效地用於一個問題的對立面。它強調了問題的複雜性–‘僅僅教授媒體素養’是不夠的。它需要對那些創造和解釋數據圖表的人有更細緻的社會政治理解。”
結合計算學和人類學的見解，研究人員對數據素養有了更細緻的理解。Lee表示，他們的研究顯示，跟公共衛生的正統觀念相比，反口罩者以不同的方式看待大流行病，然而使用的數據卻相當相似。Lee稱，他們的發現指出了“在美國，我們對科學和專業知識的思考存在着更大的裂痕”。這種裂痕也貫穿了氣候變化和疫苗接種等問題，在社交媒體的討論中經常會出現類似的動態。
為了讓公眾了解這些結果，Lee和她的合作者–CSAIL博士生Jonathan Zong帶領了一個由7名MIT本科生研究人員組成的團隊。他們開發了一個互動式的敘述，這樣讀者就可以自己探索可視化和對話。
Lee將該團隊的研究描述為在這些更廣泛的辯論中理解數據和可視化的作用的第一步。“數據可視化是不客觀的。它不是絕對的。事實上，它是一個令人難以置信的社會和政治努力。我們必須注意人們在科學機構之外如何解釋它們，”Lee說道。