Desde o início da pandemia COVID-19, tabelas e gráficos ajudaram a comunicar informações sobre as taxas de infecção, mortes, e vacinações. Em alguns casos, tais visualizações podem encorajar comportamentos que reduzem a transmissão do vírus, como usar uma máscara. De fato, a pandemia foi saudada como o momento decisivo para a visualização de dados.

Mas novas descobertas sugerem um quadro mais complexo. Um estudo do MIT mostra como os céticos do coronavírus organizaram visualizações de dados online para argumentar contra a ortodoxia da saúde pública sobre os benefícios dos mandatos de máscara. Essas "contra-visualizações" costumam ser bastante sofisticadas, usando conjuntos de dados de fontes oficiais e métodos de visualização de última geração.

Os pesquisadores vasculharam centenas de milhares de postagens de mídia social e descobriram que os céticos do coronavírus costumam implantar contra-visualizações junto com a mesma retórica "siga os dados" dos especialistas em saúde pública, no entanto, os céticos defendem políticas radicalmente diferentes. Os pesquisadores concluíram que as visualizações de dados não são suficientes para transmitir a urgência da pandemia COVID-19, porque mesmo os gráficos mais claros podem ser interpretados por meio de uma variedade de sistemas de crenças.

"Muitas pessoas pensam em métricas como as taxas de infecção como objetivos, "diz Crystal Lee." Mas eles claramente não, com base em quanto debate existe sobre como pensar sobre a pandemia. É por isso que dizemos que as visualizações de dados se tornaram um campo de batalha. "

A pesquisa será apresentada na Conferência ACM sobre Fatores Humanos em Sistemas Computacionais em maio. Lee é o principal autor do estudo e um Ph.D. estudante de História do MIT, Antropologia, Ciência, Tecnologia, e o programa Sociedade (HASTS) e o Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL), além de membro do Berkman Klein Center for Internet and Society da Universidade de Harvard. Os co-autores incluem Graham Jones, Margaret MacVicar Docente Fellow em Antropologia; Arvind Satyanarayan, o NBX Career Development Assistant Professor no Departamento de Engenharia Elétrica e Ciência da Computação e CSAIL; Tanya Yang, um graduando do MIT; e Gabrielle Inchoco, um graduando do Wellesley College.

À medida que as visualizações de dados ganharam destaque no início da pandemia, Lee e seus colegas começaram a entender como eles estavam sendo implantados em todo o universo da mídia social. "Uma hipótese inicial era que, se tivéssemos mais visualizações de dados, a partir de dados coletados de forma sistemática, então as pessoas estariam mais bem informadas, "diz Lee. Para testar essa hipótese, sua equipe combinou técnicas computacionais com métodos etnográficos inovadores.

Eles usaram sua abordagem computacional no Twitter, conseguindo quase meio milhão de tuítes que se referiam tanto a "COVID-19" quanto a "dados". Com esses tweets, os pesquisadores geraram um gráfico de rede para descobrir "quem está retuitando quem e quem gosta de quem, "diz Lee." Basicamente, criamos uma rede de comunidades que estão interagindo entre si. "Os clusters incluíam grupos como a" comunidade da mídia americana "ou" antimaskers ". Os pesquisadores descobriram que os grupos antimask estavam criando e compartilhando visualizações de dados tanto quanto , se não mais do que, outros grupos.

E essas visualizações não eram desleixadas. "Eles são virtualmente indistinguíveis daqueles compartilhados por fontes convencionais, ", diz Satyanarayan." Eles geralmente são tão polidos quanto os gráficos que você esperaria encontrar em jornalismo de dados ou painéis de saúde pública. "

"É uma descoberta muito impressionante, "diz Lee." Isso mostra que caracterizar grupos antimask como analfabetos de dados ou não engajados com os dados, é empiricamente falso. "

Lee diz que esta abordagem computacional deu a eles uma visão ampla das visualizações de dados COVID-19. "O que é realmente empolgante sobre este trabalho quantitativo é que estamos fazendo essa análise em grande escala. Não há como eu ter lido meio milhão de tweets."

Mas a análise do Twitter teve uma lacuna. "Acho que perde muito da granularidade das conversas que as pessoas estão tendo, "diz Lee." Você não pode necessariamente seguir um único fio de conversa à medida que se desenrola. "Para isso, the researchers turned to a more traditional anthropology research method—with an internet-age twist.

Lee's team followed and analyzed conversations about data visualizations in antimask Facebook groups—a practice they dubbed "deep lurking, " an online version of the ethnographic technique called "deep hanging out." Lee says "understanding a culture requires you to observe the day-to-day informal goings-on—not just the big formal events. Deep lurking is a way to transpose these traditional ethnography approaches to digital age."

The qualitative findings from deep lurking appeared consistent with the quantitative Twitter findings. Antimaskers on Facebook weren't eschewing data. Rather, they discussed how different kinds of data were collected and why. "Their arguments are really quite nuanced, " says Lee. "It's often a question of metrics." For example, antimask groups might argue that visualizations of infection numbers could be misleading, in part because of the wide range of uncertainty in infection rates, compared to measurements like the number of deaths. In response, members of the group would often create their own counter-visualizations, even instructing each other in data visualization techniques.

"I've been to livestreams where people screen share and look at the data portal from the state of Georgia, " says Lee. "Then they'll talk about how to download the data and import it into Excel."

Jones says the antimask groups' "idea of science is not listening passively as experts at a place like MIT tell everyone else what to believe." He adds that this kind of behavior marks a new turn for an old cultural current. "Antimaskers' use of data literacy reflects deep-seated American values of self-reliance and anti-expertise that date back to the founding of the country, but their online activities push those values into new arenas of public life."

He adds that "making sense of these complex dynamics would have been impossible" without Lee's "visionary leadership in masterminding an interdisciplinary collaboration that spanned SHASS and CSAIL."

The mixed methods research "advances our understanding of data visualizations in shaping public perception of science and politics, " says Jevin West, a data scientist at the University of Washington, who was not involved with the research. Data visualizations "carry a veneer of objectivity and scientific precision. But as this paper shows, data visualizations can be used effectively on opposite sides of an issue, " he says. "It underscores the complexity of the problem—that it is not enough to 'just teach media literacy." It requires a more nuanced sociopolitical understanding of those creating and interpreting data graphics."

Combining computational and anthropological insights led the researchers to a more nuanced understanding of data literacy. Lee says their study reveals that, compared to public health orthodoxy, "antimaskers see the pandemic differently, using data that is quite similar. I still think data analysis is important. But it's certainly not the salve that I thought it was in terms of convincing people who believe that the scientific establishment is not trustworthy." Lee says their findings point to "a larger rift in how we think about science and expertise in the U.S." That same rift runs through issues like climate change and vaccination, where similar dynamics often play out in social media discussions.

To make these results accessible to the public, Lee and her collaborator, CSAIL Ph.D. student Jonathan Zong, led a team of seven MIT undergraduate researchers to develop an interactive narrative where readers can explore the visualizations and conversations for themselves.

Lee describes the team's research as a first step in making sense of the role of data and visualizations in these broader debates. "Data visualization is not objective. It's not absolute. It is in fact an incredibly social and political endeavor. We have to be attentive to how people interpret them outside of the scientific establishment."

This story is republished courtesy of MIT News (web.mit.edu/newsoffice/), a popular site that covers news about MIT research, innovation and teaching.