Verbindung zu gelebter Erfahrung und Gruppierung

Lernziele

Nachdem Sie diese Lektion abgeschlossen haben, sind Sie in der Lage, die folgenden Aufgaben auszuführen:

• Beschreiben der Bedeutung von gelebter Erfahrung in Bezug auf Daten
  
• Erkennen, dass Daten nicht neutral sind, und Eindämmen von Voreingenommenheit
  
• Erläutern von Methoden, mit denen man Gruppierungen in Datenrecherchen einbindet, um die Ergebnisse zu verbessern
  

Nicht jeder Mensch macht im Leben dieselben Erfahrungen. Unsere individuellen Eigenschaften wie ethnische Zugehörigkeit, Geschlecht, Neurodiversität und Alter haben tiefgreifende Auswirkungen auf die Art und Weise, wie wir Recherchen und Datenvisualisierungen durchführen und darstellen. Während uns unsere Unterschiede einzigartig machen, haben sie auch enormen Einfluss auf unsere Sicht der Dinge. 

Gute Daten zu erheben bedeutet, dass Sie die gelebten Erfahrungen der Menschen berücksichtigen, mit Empathie und Fairness vorgehen, die persönlichen Erfahrungen der Menschen in Ihren Daten widerspiegeln und mit den Menschen, die im Mittelpunkt Ihrer Recherche stehen, in Verbindung treten müssen.

Außerdem müssen Sie Beziehungen zu den Menschen und Gruppierungen aufbauen, die Sie untersuchen, überlegen, was in Ihrer Arbeit möglicherweise fehlt, und die Menschen aufsuchen, die Ihnen helfen können, ein vollständigeres Bild zu vermitteln. Beim Daten-Storytelling sollten Sie ihre Recherchen und Analysen immer mit den Gruppierungen durchführen, nicht in deren Namen. 

Daten sind nicht neutral. Seien Sie vorsichtig.

Struktureller Rassismus, historische Diskriminierung, andere Hindernisse und Ungleichheiten sowie die Mechanismen, durch die sie wirken, können und sollten bei der Planung für Ihre Recherche und die erstellten Datenvisualisierungen ganz bewusst angesprochen werden, damit sie vermieden werden können. Sie können sich nicht darauf verlassen, dass Daten und Visualisierungen für sich selbst sprechen: Daten sind nicht neutral oder objektiv, und Datenvisualisierungen sind das auch nicht. 

Ohne einen Standpunkt, der Diversität, Chancengleichheit und Inklusion berücksichtigt, neigen Datenvisualisierungen dazu, die Sichtweise der in der Gesellschaft dominanten Gruppe auszudrücken und verschleiern vielleicht ungewollt eine Vielzahl von Problemen im Hintergrund. Als Kontext sollten Sie über verschiedene Literaturbezüge und Zitate verfügen, insbesondere von People of Colour aus der Wissenschaft oder Fachleuten, die der untersuchten Gruppierung angehören. Sie sollten die Aussagen dieser Gruppierungen hervorheben und die gelebte Erfahrung unterstreichen, wo immer dies möglich ist.

Kratzen Sie nicht nur an der Oberfläche

Scheuen Sie sich nicht vor Details und dem notwendigen Kontext, sondern erkennen Sie die inhärente Komplexität vieler sozialer Themen an. Dies sorgt für eine genauere Darstellung des Themas und fördert ein besseres Verständnis. Mit diesen Informationen kann der Betrachter dann die richtigen Schlüsse ziehen.

Der Betrachter fühlt sich auch besser angesprochen und eingebunden, wenn ihm solide, nuancierte Visualisierungen präsentiert werden. Die Berücksichtigung qualitativer Informationen sowie der Hinweis auf Subjektivität und Unsicherheit ergeben eine wertvollere Erfahrung für den Betrachter. Dichte, individuell gestaltete Datenvisualisierungen, die mehrere Informationsebenen darstellen, können sorgfältigeres Lesen, einen besseren persönlichen Zugang und ein tieferes Verständnis fördern, da sich dem Leser verschiedene Wege zur Erkundung der Daten bieten. Sie können Ihre Visualisierungen klar und informativ halten, ohne sie zu sehr zu vereinfachen.

Müssen alle Daten visualisiert werden? Nicht immer. Manchmal kann eine einfache Gruppe von Zahlenwerten wirkungsvoller sein als ein Diagramm. In manchen Fällen ist ein Diagramm die falsche Wahl, wenn es darum geht, die Komplexität oder Verzerrungen in den Daten oder den Visualisierungen zu vermitteln. Denken Sie auch daran, dass Sie beim Storytelling vielleicht feststellen werden, dass herkömmliche Diagramme und Grafiken nicht annähernd so wirkungsvoll sind wie traditionelle Erzählmedien wie etwa Fotos oder Videos. 

Schaffen Sie Beziehungen zu Menschen

Mit Ihrem wachsenden Toolset und Bewusstsein müssen Sie vielleicht auch qualitative Recherchemethoden berücksichtigen, die gelebte Erfahrungen widerspiegeln. Wenn Sie die Methoden an die Menschen anpassen, mit denen Sie arbeiten, werden Sie feststellen, dass sich die Ergebnisse dramatisch verbessern, zumal die Reaktionen der Menschen auf Datenvisualisierungen oft durch ihre persönlichen Erfahrungen bestimmt oder geprägt werden (z. B. durch ihren Wohn- oder Arbeitsort, ihren Bildungsstand oder ihre politische Identität). 

Detaillierte Umfragen, Interviews und Schwerpunktgruppen können eine wichtige Gelegenheit für Mitglieder der Gemeinschaft darstellen, ihre Erfahrungen zu teilen und sich Gehör zu verschaffen. Menschen, die Sie interviewen, sollten sich durch Ihre Arbeit in der Lage sehen, Datenvisualisierungen zu hinterfragen, sie zur Darstellung ihrer eigenen Geschichte zu nutzen und zu bewirken, dass sich Bewusstsein in Handeln wandelt. Die Transparenz der Methodik und die Einbindung von Befragten können die Beteiligung an Interviews erheblich steigern. Datenvisualisierung sollte Benutzer in die Lage versetzen, die Darstellungen zu hinterfragen.

Wir behaupten hier nicht, dass für qualitative Recherchen nur ein paar Interviews geführt werden müssen. Wenn qualitative und quantitative Rechercheure zusammenarbeiten, kann ein aussagekräftigeres Narrativ entstehen, das einen größeren Teil der Bevölkerung abbildet.

Abschließende Betrachtungen

Bei der Datenkommunikation haben Sie die einmalige Gelegenheit, wichtige Narrative in Gesellschaft und Kultur zu gestalten. Wenn Sie die Grundsätze von "Do No Harm" bei Ihrem Daten-Storytelling umsetzen, tragen Sie zu einer besseren Zukunft mit mehr Gleichberechtigung bei. Besuchen Sie den Data Equity Hub von Tableau, um von führenden Experten mehr über die Schnittstelle von Daten und Gleichberechtigung zu erfahren.

Ressourcen

• Video: Do No Harm Guide
• Videotranskription: Do No Harm Guide
• PDF: Diversität, Chancengleichheit und Inklusion in Datenvisualisierungen: Allgemeine Empfehlungen" (in englischer Sprache)
• PDF: Gleichberechtigung ethnischer Gruppen in der Datenvisualisierung – Checkliste
• PDF: Do No Harm Guide