病毒可视化：冠状病毒怀疑论者如何在线使用正统的数据实践来推广非正统的科学

文献标题

Viral Visualizations: How Coronavirus Skeptics Use Orthodox Data Practices to Promote Unorthodox Science Online

文献信息

• 主题领域: 数据可视化、科学传播、社交媒体研究
• 关键词: 数字人类学, 网络分析, Twitter, Facebook, 数据素养, 数据可视化

研究背景与问题

• 作者发现的问题或挑战:
  • 新冠疫情期间，社交媒体成为关于科学数据和政策的争论场所。反对戴口罩者通过科学数据的正统方法创建所谓的“反可视化”来提出不主流的、新颖的论点。
  • 数据可视化不仅作为科学沟通的表达工具，还成为政治和社会分歧的战场。
• 为什么这个问题很重要:
  • 数据可视化被认为是决策支持的重要工具，易被公众接受。然而，这类工具也可以被用来传播不主流的观点，削弱主流科学的可信度。
  • 了解反对戴口罩群体如何利用数据可视化反对公共卫生措施，有助于揭示疫情期间信息流动的复杂动态。
• 研究动机与相关工作:
  • 相关研究多致力于通过改进数据可视化工具提高公众数据理解力，以打击错误信息。本研究旨在探讨数据素养和社会政治环境如何共同形塑公众对科学和政策的认知。

解决方案

• 作者提出的解决方案:
  • 量化分析Twitter上的近50万条与新冠疫情数据可视化相关的推文，并通过特征嵌入和聚类方法分析其中的可视化类型和用户网络。
  • 质化分析Facebook上的反对戴口罩小组，通过数字人类学挖掘讨论动态。
• 解决方案的创新之处:
  • 将量化技术（如网络分析、图像分类）和数字人类学的质性方法结合，深入剖析反对者如何利用数据驱动的工具形成异见。
  • 定义“反可视化”（counter-visualizations）这一新术语，指通过正统的科学方法生成不主流论点的可视化。
• 实施步骤与关键技术:
  1. Twitter数据量化分析：
     • 依据图像嵌入特征，使用聚类方法（k-means, UMAP等）分类可视化类型。
     • 构建社交网络图，通过Louvain方法检测用户社区。
  2. Facebook群组质化分析：
     • 观察和记录反戴口罩群体的在线活动、数据讨论及图表创建过程。
     • 采用扎根理论标记帖子的主题和互动模式。

研究成果

• 具体成果:
  • Twitter分析发现，反戴口罩群体高频使用条形图、折线图等“正统”可视化方法以论证其观点。
  • Facebook研究表明，尽管反戴口罩者质疑主流科学权威，他们采用独立研究和数据严谨性来支持重新开放经济、反对口罩政策。
  • 反对者的可视化设计与主流科学几乎无异，但意图服务于异见群体。
• 与现有解决方案的优势:
  • 摒弃传统“数据素养不足”理论，展现这些群体反而表现出卓越的数据分析和可视化能力。
• 实验或评估结果:
  • 反戴口罩群体不仅分享大量可视化内容，且高度内聚，促进内部讨论和观点推广。
  • 可视化不仅为数据理解服务，更成为抗争主流科学和政策的政治工具。
• 局限性与未来方向:
  • 局限性：由于反戴口罩者的参与方式高度动态，研究可能未涵盖其最新的策略。
  • 未来方向：探索如何沟通科学中固有的不确定性，并将社会和文化环境纳入数据可视化设计方案。

结论与启示

1. 反戴口罩者通过深入的数据素养实践，重新定义数据可视化用于科学争论的意义，他们将其作为政治化运动的核心工具。
2. 数据素养并非单一标准化技能，其在不同社会情境中的表现差异显著。
3. 科学家和可视化研究者需认识到视觉化并非单向的信息工具，而是社会政治互动的重要场域。未来研究应关注数据与公众沟通的社会、历史背景及多维度影响。