Verwenden von "Mensch zuerst"-Sprache und -Bezeichnungen

Lernziele

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

• Verwenden von "Mensch zuerst"-Sprache bei Ihrer Arbeit
  
• Diskutieren, wie Überschriften, Text und Bezeichnungen die Bedeutung beeinflussen
  

Die Auswirkungen von Bezeichnungen

Bei der Datenkommunikation und -recherche ist es wichtig zu berücksichtigen, dass Daten das Leben und die Erfahrungen echter Menschen widerspiegeln. Wenn es in Ihren Daten um Menschen geht, müssen Sie sehr deutlich machen, wer diese Menschen sind.

Bei Visualisierungen spielen Bezeichnungen eine wichtige Rolle. Sprache lebt, atmet und entwickelt sich ständig. Da ist es logisch, dass bestimmte Bezeichnungen, die in der Vergangenheit verwendet wurden, irgendwann nicht mehr akzeptabel sind und vielleicht sogar beleidigend wirken. Bei Ihren Datenanalysen ist es beispielsweise am besten, vollständige Bezeichnungen wie "Schwarze Menschen" und nicht "Schwarze" zu verwenden. 

Die Sprache der Legende im unten gezeigten Diagramm ist nicht inklusiv. In den Beschriftungen "More Black" (Mehr Schwarze) und "More Poverty" (Mehr Armut) bezieht sich der Begriff "Poverty" (Armut) auf eine Erfahrung, nicht auf eine statische Beschreibung, und "More Black" (Mehr Schwarze) bezieht sich auf die Hautfarbe, nicht auf die Menschen. Eine inklusivere Formulierung wäre "Größerer Anteil von Menschen, die von Armut betroffen sind" und "Größerer Anteil an Schwarzer Bevölkerung". Tatsächlich wurde diese Legende später von "More Black" (Mehr Schwarze) in "Larger Black Population" (Größere Schwarze Bevölkerung) geändert, um die Betonung auf die Menschen und nicht auf die Hautfarbe zu legen. 

Verwenden Sie "Mensch zuerst"-Sprache

Die verwendeten Bezeichnungen können eine Rolle bei der Aufrechterhaltung ethnischer Stereotypen und anderer Formen der Unterdrückung spielen. Sie können das in Ihren Visualisierungen ansprechen, indem Sie diese repressiven Kräfte, ihre Funktionsweise und ihren historischen Kontext in Überschriften, Anmerkungen, Beschriftungen und Notizen beim Namen nennen, anstatt sie im Fließtext zu verbergen.

Die Begriffe, die Sie für Überschriften, Text und Beschriftungen wählen, verraten viel darüber, wie die Welt eine Gruppe von Menschen sieht. Beim Formulieren dieser Bezeichnungen kann man sich beim Daten-Storytelling gegen viele Formen der Unterdrückung wehren und sich um eine "Mensch zuerst"-Sprache bemühen. Dazu müssen Sie zunächst die Bezeichnungen verstehen, die Sie momentan verwenden.

Wenn man den Menschen und nicht die Qualität in den Vordergrund stellt ("Menschen mit Behinderungen" und nicht "Behinderte" oder "Menschen, die von Armut betroffen sind", anstatt "arme Menschen") vermenschlicht dies Informationen, anstatt die Menschen einer Statistik zuzuordnen. Es gibt viele Nuancen bei der Datenerfassung, die ignoriert werden oder verloren gehen können, wenn die Bezeichnung eine statische Beschreibung angibt. 

In einer Studie, bei der es darum ging, die Häufigkeit diagnostizierter psychischer Erkrankungen zu ermitteln, wurden beispielsweise inhaftierte Personen als "Insassen" bezeichnet. Die Bezeichnung "Insassen" mag zwar neutral und objektiv erscheinen, doch sie entmenschlicht diese Personen, indem sie sie auf ihre Verbrechen und Strafen reduziert. Der Begriff "Insassen" lässt in diesem Zusammenhang zudem außer Acht, dass Rassismus und Diskriminierung eine Rolle dabei spielen, wie hoch die Wahrscheinlichkeit ist, dass bei inhaftierten Menschen eine psychische Erkrankung diagnostiziert wird. 

Eine genauere Darstellung der Ergebnisse dieser Studie könnte besagen, dass bei People of Color seltener eine psychische Erkrankung diagnostiziert wird oder dass bei Weißen Menschen häufiger eine psychische Erkrankung diagnostiziert wird. Dies verschiebt den Fokus. Es wird nicht mehr betont, was People of Color fehlt, sondern legt die Betonung auf die ungerechten Vorteile der dominanten Gruppe und die auf der ethnischen Herkunft basierenden Ungleichheiten im Strafvollzugssystem und lenkt zudem das Augenmerk auf Menschen, nicht auf Insassen.

Rechercheure und Datenanalysten müssen mit den Gemeinschaften, die sie untersuchen, und mit den Nutzern der Untersuchungsergebnisse die bevorzugte Terminologie klären, um die Daten, Recherchen und politischen Empfehlungen besser in Einklang zu bringen.

Berücksichtigen Sie die Sprachentwicklung

Erhebungen oder Datensets, die veraltete oder unerwünschte Terminologie verwenden, können in sprachlicher Hinsicht problematisch sein. Sprache ist schließlich ständig im Fluss. Die Begriffe und Formulierungen, die zur Beschreibung von Menschen und Gemeinschaften verwendet werden, entwickeln sich ständig weiter. 

So wird im US-Englisch momentan der Begriff "Latinx" anstelle von "Hispano/Latino" verwendet. Manchmal dauert es eine Weile, bis sich Begriffe allgemein durchsetzen. Oder es gibt Unterschiede bei den bevorzugten Begriffen, die sich aus der Schnittmenge von Politik, Alter oder ethnischer Zugehörigkeit ergeben. Verständlicherweise widerstrebt es Ihnen vielleicht, ein Wort oder einen Ausdruck in einer Originalumfrage zu ändern, die Teil der endgültigen Fassung eines Berichts, Diagramms oder Dashboards ist. Es ist jedoch notwendig, wenn Sie Daten aus einer empathischen, inklusiven Perspektive kommunizieren.

Wählen Sie die Anordnung Ihrer Daten mit Bedacht

Es wird meist wenig darüber nachgedacht, wie die Schätzungen in Tabellen oder die Balken in Diagrammen angeordnet werden, abgesehen von ihrer Darstellung in den Rohdaten. Das heißt, auch die Wirkung dieser Anordnung wird nicht bedacht. Dies ist ein weiterer Bereich, in dem Sie Ihre Arbeit inklusiv gestalten können. Es gibt ein historisches Erbe, aus dem sich diese Art von Anordnung und implizierter ethnischer Hierarchie ableitet. Bei vielen der größten demografischen Erhebungen in den USA werden bei der Anordnung nach ethnischer Herkunft Weiß und dann Schwarz als die ersten beiden Optionen angezeigt.

Wer in der ersten Zeile einer Tabelle oder im ersten Balken eines Diagramms platziert wird, kann beeinflussen, wie der Leser die Beziehung oder Hierarchie zwischen den Gruppen wahrnimmt. Die Art und Weise, wie Sie Ihre Daten anordnen, kann ungewollt widerspiegeln, wen Sie als Standardgruppe betrachten, mit der andere verglichen werden, oder wer die Zielgruppe für Ihre Visualisierungen ist. Wenn Sie immer mit "Weiß", "männlich" oder "heterosexuell" beginnen, können diese Gruppen als die wichtigsten Gruppen erscheinen. 

Berücksichtigen Sie bei Ihrer Entscheidung, wie Sie ethnische Gruppen anordnen wollen, folgende Aspekte:

• Wenn sich Ihre Studie auf eine bestimmte Gruppierung konzentriert, platzieren Sie diese Gruppe an der ersten Stelle.
  
• Die letztendliche Reihenfolge sollte die Aussage widerspiegeln, die Sie transportieren möchten.
  
• Wenn es einen quantitativen Zusammenhang gibt, nach dem die Gruppen angeordnet werden könnten (alphabetische Sortierung, Sortierung nach Bevölkerungsanteil, Stichprobengröße oder Auswirkung der Ergebnisse), sollten Sie diese Möglichkeit wählen.
  

Ressourcen

• Anleitung: "Do No Harm Guide: Applying Equity Awareness in Data Visualization"
• Website: Diversität, Chancengleichheit und Inklusion in Datenvisualisierungen: Allgemeine Empfehlungen" (in englischer Sprache)
• Website: Ethnische Zugehörigkeit bei der Volkszählung in den USA