可视化社会构建:从业者在可视化种族和性别方面的挑战和经验
荣誉提名研究背景与问题
-
作者发现了哪些问题或挑战?
作者探讨了数据可视化的社会构建性,特别是关于种族和性别人口统计数据的可视化传播过程中的挑战。这些挑战包括数据的不完整性、分类的主观性以及设计者在制作可视化时面临的权力和政治问题。 -
为什么这个问题很重要?
种族和性别人口统计数据是高度敏感和复杂的分类,涉及社会历史上的歧视和边缘化。这些数据的可视化对政策决策有直接影响,也会塑造公众对这些群体的看法,从而可能导致潜在的社会影响和资源分配的不平等。 -
研究动机与相关工作
与以往的关注受众或研究者的社会建构性工作不同,本研究将重点放在数据可视化设计者身上,探讨他们在可视化过程中面临的困境,以及他们如何理解政治、中立和价值推动设计工作的意义。
解决方案
-
作者提出了哪些方法或解决方案?
作者通过17次半结构化访谈,从设计者的视角提供质性分析,以揭示其个人信念、价值观和偏见如何影响种族和性别数据的可视化作品。提出了使用“驻点知识”(situated knowledges)的女性主义框架来解释设计者的实践。 -
该解决方案的创新之处是什么?
创新点包括从设计者的视角探讨可视化的社会构建性,突出设计者作为个体对于数据呈现的影响。此外,该研究还结合了女性主义理论,将其应用于数据可视化领域。 -
实施步骤是什么?使用了哪些关键技术?
- 通过半结构化访谈收集数据,从业者分享他们在设计过程中遇到的挑战和解决方案。
- 进行反思性主题分析以提取与中立、权力、政治和设计者身份相关的主题。
- 运用女性主义的“驻点知识”框架分析数据。
研究成果
-
取得了哪些具体成果?
- 设计者普遍认为种族和性别分类具有社会建构性,分类标准随时间和社会变化而改变。
- 参与者描述了他们在设计过程中如何尝试平衡中立、客观性和价值导向的设计策略,但强调实现完全中立是无法做到的。
- 设计者的个性和政治身份直接影响了他们在可视化中的选择。
- 强调设计者如何抵制为数据提供具体解释,并尽量保护被表示群体的隐私。
-
与现有解决方案相比,它有哪些优势?
与现有“数据中立性”或“以量化为中心”的方法相比,此研究提供了更具人性化和情境化的视角,强调设计者的身份和经历如何丰富数据呈现的复杂性。 -
实验或评估结果是什么?
通过访谈,揭示了设计者在应对数据问题、设计针对不同受众以及抵制数据误用时的策略和挣扎。设计不仅传递信息,同时包含设计者个人政治与社会价值。 -
局限性与未来方向
- 局限性:样本偏向于白人男性,并且数据的地域性(美国)限制了结论的广泛适用性;难以完全还原设计过程中的所有复杂因素。
- 未来方向:建议进一步扩大样本的多样性,研究女性、非白人、非二元性别设计者的视角。此外,呼吁开发更好的可视化工具以支持多元的知识体系和实践。
总结与建议
该论文为数据可视化领域提供了独特的见解,强调种族和性别数据的社会构建性及设计者身份的重要性。未来研究应进一步探索如何设计工具来减轻设计者的压力,提高公众对可视化作品的理解能力,以及如何防止作品被误用传播错误信息。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3- 数据可视化设计师在处理种族和性别数据时面临哪些具体挑战?分类: AI、技术与在线平台中的性别、性取向偏见与女性/LGBTQ+ 经验同类问题arrow_forward
- 设计师如何理解和应对可视化中的中立性、权力和政治等问题?分类: AI、技术与在线平台中的性别、性取向偏见与女性/LGBTQ+ 经验同类问题arrow_forward
- “情境化知识”框架如何能帮助分析数据可视化设计过程?分类: AI、技术与在线平台中的性别、性取向偏见与女性/LGBTQ+ 经验同类问题arrow_forward
现实痛点
1- 数据可视化可能强化种族和性别分类中的偏见与误导。分类: AI、技术与在线平台中的性别、性取向偏见与女性/LGBTQ+ 经验同类问题arrow_forward
- 75%
DataInk: 直接且创新的数据导向绘图
CHI '18· 交互式数据可视化
- 60%
高容量人为可设计可视标记的有意编码方法
CHI '18· 交互式数据可视化 +1
- 60%
数据动画师:创作表达性的动态数据图形
CHI '21· 交互式数据可视化 +1
- 60%
按数字着色:素描图像的交互式结构化和矢量化
CHI '21· 交互式数据可视化 +1
- 60%
VisLab: 使可视化设计师能够收集经验性设计反馈
CHI '23· 交互式数据可视化 +1
- 60%
RidgeBuilder:交互式创作表达型脊线图
CHI '25· 交互式数据可视化 +1
- 60%
可视化设计师如何感知和使用灵感
CHI '25· 交互式数据可视化 +1
- 60%
跨图形设计类型的视觉重要性预测
UIST '20· 交互式数据可视化 +1
- 60%
用于图像和视频中色彩对比度交互控制的色度梯度映射
UIST '24· 交互式数据可视化 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)