询问酷儿的量化：性别谱系的数据驱动可视化

关键数据研究谴责异性恋规范化的性别身份形式使酷儿生活从数据集和计算过程中被掩盖。由于性别类别无法表达非二元性和多重性，本项目通过反分类的量化视觉方法解决酷儿与系统化之间的内在张力，结合心理测量量表与性别谱系可视化。事实上，使用酷儿和女性主义方法，我们提出了一种新的数据结构，源自与性别多样化人群迭代对话中创建的性别谱系交互式可视化的协同设计。我们的贡献是双重的：用于性别身份自我评估的包容性数据结构，以及作为关键设计对象、教育和咨询工具、以及数据收集、标注和分析基础的交互式可视化。尽管意识到这个项目可能会赋能和伤害性少数群体，但其原创性在于将非二元性和多重性视为规范性系统的附录，而非作为酷儿化设计原则。