О противостоянии тех, кого нельзя называть, с научной точки зрения

Когда больше данных о Covid-19 не приводит к большему пониманию

Исследователи Массачусетского технологического института обнаружили, что скептики Covid-19 в Twitter и Facebook — далеко не “неграмотные в данных” — часто используют сложные методы визуализации данных, чтобы оспорить меры предосторожности в области общественного здравоохранения, такие как мандаты на маски.

Пользователи социальных сетей делятся диаграммами и графиками, часто с одними и теми же базовыми данными, но в защиту противоположных подходов к пандемии.

С начала пандемии Covid-19 диаграммы и графики помогли донести информацию о показателях инфицирования, смертности и вакцинации. В некоторых случаях такие визуализации могут стимулировать поведение, снижающее передачу вируса, например, ношение маски.

Но новые результаты показывают более сложную картину. Исследование показывает, как скептики по коронавирусу организовали визуализацию данных в Интернете, чтобы оспорить ортодоксальность общественного здравоохранения в отношении преимуществ мандатов на маски. Такие “контрвизуализации” часто являются довольно сложными, используя наборы данных из официальных источников и современные методы визуализации.

Исследователи просмотрели сотни тысяч сообщений в социальных сетях и обнаружили, что скептики по поводу коронавируса часто используют контрвизуализацию наряду с той же риторикой “слежения за данными”, что и эксперты в области общественного здравоохранения, однако скептики выступают за радикально иную политику. Исследователи приходят к выводу, что визуализации данных недостаточно для передачи актуальности пандемии Covid-19, поскольку даже самые четкие графики могут быть интерпретированы с помощью различных систем убеждений.

“Многие люди считают такие показатели, как уровень инфицирования, объективными”, - говорит Кристал Ли. “Но это явно не так, судя по тому, как много споров идет о том, как думать о пандемии. Вот почему мы говорим, что визуализация данных стала полем битвы”.

Поскольку визуализация данных стала заметной в начале пандемии, Ли и ее коллеги решили понять, как они развертываются во вселенной социальных сетей. “Первоначальная гипотеза состояла в том, что если бы у нас было больше визуализаций данных, полученных на систематической основе, то люди были бы лучше информированы”, - говорит Ли. Чтобы проверить эту гипотезу, ее команда объединила вычислительные методы с инновационными этнографическими методами.

Они использовали свой вычислительный подход в Twitter, собрав почти полмиллиона твитов, в которых упоминались как “Covid-19”, так и “данные”. С помощью этих твитов исследователи создали сетевой график, чтобы выяснить, “кто кого ретвитит и кому кто нравится”, - говорит Ли. “Мы в основном создали сеть сообществ, которые взаимодействуют друг с другом”. Кластеры включали такие группы, как “американское медиа-сообщество” или “антимаскеры”. Исследователи обнаружили, что группы противников масок создавали и обменивались визуализациями данных так же, если не больше, чем другие группы.

И эти визуализации не были небрежными.  “Они практически неотличимы от тех, которыми делятся основные источники”, - говорит Сатьянараян. “Они часто так же отшлифованы, как графики, с которыми вы могли бы столкнуться в журналистике данных или на панелях мониторинга общественного здравоохранения”.

“Это очень поразительное открытие", - говорит Ли. “Это показывает, что характеристика групп противников масок как неграмотных с данными или не взаимодействующих с данными эмпирически ложна”.

Ли говорит, что этот вычислительный подход дал им широкое представление о визуализации данных по Covid-19. “Что действительно интересно в этой количественной работе, так это то, что мы проводим этот анализ в огромных масштабах. Я ни за что не смог бы прочитать полмиллиона твитов".

Но у анализа Твиттера был недостаток. “Я думаю, что в нем упускается большая часть детализации разговоров, которые ведут люди”, - говорит Ли. "Вы не можете обязательно следить за одной нитью разговора по мере его развития”. Для этого исследователи обратились к более традиционному методу антропологических исследований — с изюминкой эпохи Интернета.

Команда Ли отслеживала и анализировала разговоры о визуализации данных в группах против масок в Facebook — практику, которую они назвали “глубоким сокрытием”, онлайн-версией этнографической техники под названием “глубокое время препровождение”. Ли говорит: “Понимание культуры требует, чтобы вы наблюдали за повседневными неформальными событиями, а не только за крупными официальными событиями. Глубокое сокрытие - это способ перенести эти традиционные этнографические подходы в цифровую эпоху".

Качественные результаты исследования deep lurking, по-видимому, согласуются с количественными результатами Twitter. Антимаскеры на Facebook не избегали данных. Скорее, они обсуждали, как были собраны различные виды данных и почему. “Их аргументы действительно довольно тонки", - говорит Ли. “Это часто вопрос показателей”. Например, группы по борьбе с масками могут утверждать, что визуализация числа инфицированных может вводить в заблуждение, отчасти из-за широкого диапазона неопределенности в показателях инфицирования по сравнению с такими измерениями, как число смертей. В ответ члены группы часто создавали свои собственные контрвизуализации, даже обучая друг друга методам визуализации данных.

Джонс говорит, что “идея антимасковых групп в науке заключается не в том, чтобы пассивно слушать, как эксперты говорят всем остальным, во что верить”. Он добавляет, что такое поведение знаменует собой новый поворот в старом культурном течении. “Использование антимаскерами информационной грамотности отражает глубоко укоренившиеся американские ценности самостоятельности и антиэкспертизы, которые восходят к основанию страны, но их онлайн-деятельность продвигает эти ценности в новые сферы общественной жизни”.

Он добавляет, что “разобраться в этой сложной динамике было бы невозможно” без “дальновидного руководства Ли в организации междисциплинарного сотрудничества, которое охватывало SHASS и CSAIL”.

Исследование смешанных методов “расширяет наше понимание визуализации данных в формировании общественного восприятия науки и политики”. Визуализации данных “несут в себе видимость объективности и научной точности. Но, как показывает эта статья, визуализация данных может быть эффективно использована на противоположных сторонах проблемы”, - говорит он. “Это подчеркивает сложность проблемы — недостаточно "просто обучать медиаграмотности". Это требует более тонкого социально-политического понимания тех, кто создает и интерпретирует графику данных”.

Сочетание вычислительных и антропологических знаний привело исследователей к более глубокому пониманию информационной грамотности. Ли говорит, что их исследование показывает, что по сравнению с ортодоксальностью общественного здравоохранения “антимаскеры видят пандемию по-другому, используя данные, которые очень похожи. Я все еще считаю, что анализ данных важен. Но это, конечно, не та основа, о которой я думал, чтобы убедить людей, которые считают, что научное учреждение не заслуживает доверия”. Ли говорит, что их выводы указывают на “больший разрыв в том, как мы думаем о науке и опыте”. Этот же разрыв проходит через такие проблемы, как изменение климата и вакцинация, где подобная динамика часто проявляется в дискуссиях в социальных сетях.

“Визуализация данных не является объективной. Это не абсолютно. На самом деле это невероятное социальное и политическое начинание. Мы должны быть внимательны к тому, как люди интерпретируют их за пределами научного истеблишмента”.