사람들을 우선적으로 고려한 표현과 레이블 사용하기

학습 목표

이 유닛을 완료하면 다음을 수행할 수 있습니다.

• 사람들을 우선적으로 고려한 표현을 사용할 수 있습니다.
  
• 제목, 텍스트 및 레이블이 의미에 미치는 영향을 파악할 수 있습니다.
  

레이블의 영향

데이터 커뮤니케이터와 연구자는 데이터가 실제 사람들의 삶과 경험을 반영한다는 점을 기억해야 합니다. 데이터가 사람에 관한 것이라면 데이터가 지칭하는 사람이 누구인지를 명확하게 밝혀야 합니다.

시각화에서는 레이블이 중요합니다. 언어는 살아 숨쉬며 끊임없이 변화합니다. 특정 레이블이 과거에 사용되었다고 해도 이제는 자연스럽게 더 이상 허용되지 않을 수 있으며, 실제로 불쾌감을 줄 수도 있습니다. 예를 들어 데이터 분석에서 가장 좋은 접근 방식은 '검은 피부색'이 아닌 '피부색이 어두운 사람들'과 같은 전체 레이블을 사용하는 것입니다. 

아래 범례의 언어는 포용적이지 않습니다. More Black(어두운 정도) 및 More Poverty(빈곤한 정도) 척도에서 Poverty(빈곤)는 정적인 설명이 아닌 경험을 의미하고 More Black(어두운 정도)은 사람 자체가 아닌 피부색을 의미합니다. 보다 포용적인 언어는 '빈곤을 경험하는 사람들의 더 많은 비율' 및 '더 많은 흑인 인구' 등이 있습니다. 이 범례는 나중에 피부색이 아닌 사람을 강조하기 위해 More Black(더 검은 피부색)에서 Larger Black Population(더 많은 흑인 인구)로 변경되었습니다. 

사람들을 우선적으로 고려한 표현 사용하기

레이블은 인종적 고정 관념과 기타 형태의 억압을 지속시키는 역할을 할 수 있습니다. 시각화에서는 제목, 주석, 레이블 및 메모를 주변 텍스트에 숨기는 대신 이러한 억압과 그 방식 및 과거 맥락에 이름을 붙여 강조하는 방식으로 문제를 해결할 수 있습니다.

제목, 텍스트 및 레이블에 대해 선택한 단어를 검토하면 세상이 특정 그룹의 사람들을 어떻게 보는지에 대해 많은 정보를 알 수 있습니다. 이러한 레이블을 만들 때 데이터 스토리텔러는 다양한 형태의 억압에 저항하고 '사람을 최우선으로 고려한' 언어를 만들기 위해 노력할 수 있습니다. 이렇게 하려면 먼저 현재 사용하는 레이블을 이해해야 합니다.

특성보다 사람을 강조('장애'보다는 '장애가 있는 사람들', '검은 피부색'보다는 '피부색이 어두운 사람들')하면 사람들을 통계로 분류하는 대신 정보를 인간적으로 만들 수 있습니다. 레이블이 정적인 설명을 제공할 때 무시되거나 손실될 수 있는 데이터 수집에는 많은 뉘앙스가 포함되어 있습니다. 

예를 들어, 한 연구에서는 투옥된 사람들이 받는 정신 건강 진단 비율을 측정할 때 '수감자'라고 언급한 바 있습니다. '수감자'는 중립적이고 객관적으로 보일 수 있지만, 범죄와 처벌을 기준으로 사람들을 분류하여 비인간화하게 됩니다. 또한 이 맥락에서 '수감자'는 투옥된 사람들이 정신 질환 진단을 받는 경향에 인종주의와 차별이 미치는 영향을 무시합니다. 

이 연구의 결과를 보다 정확하게 반영하면, 유색 인종이 정신 건강 진단을 받을 가능성이 더 낮거나 백인이 정신 건강 진단을 더 많이 받는 것으로 표현할 수 있습니다. 이러한 정보는 유색 인종의 결핍으로부터 지배 집단이 받는 부당한 이익과 감옥 시스템의 인종적 불평등으로 초점을 옮기고, 수감자가 아닌 사람 그 자체를 참조하게 됩니다.

연구자 및 데이터 분석가는 연구 중인 커뮤니티 및 연구 소비자와 대화하여 이들이 선호하는 용어를 이해하고 식별함으로써 데이터, 연구 및 정책 권장 사항에 대해 보다 큰 책임감을 가져야 합니다.

언어의 유동성 고려하기

오래되었거나 덜 선호되는 용어를 사용하는 설문 또는 데이터 세트는 언어 측면에서 까다로운 문제를 유발할 수 있습니다. 결국 언어는 유동적입니다. 사람과 커뮤니티를 설명하는 데 사용되는 용어와 문구는 끊임없이 진화하고 있습니다. 

예를 들어 이제는 Hispanic(히스패닉)/Latino(라틴) 대신 Latinx(라틴계)라는 용어를 사용합니다. 때로는 용어가 자리잡기까지 시간이 걸릴 수 있습니다. 또는 정치, 연령, 인종 또는 민족이 서로 영향을 미치면서 생겨난 선호 용어에 차이가 있을 수 있습니다. 최종 보고서, 그래프 또는 대시보드의 일부로서 원래 설문에 사용된 단어나 문구를 쉽게 변경하기에는 거부감이 들 수 있습니다. 그러나 공감적이고 포용적인 관점으로 데이터를 전달하려면 필요한 과정입니다.

의도에 따라 데이터 순서 설정하기

그래프의 막대나 표에 있는 추정값이 원시 데이터에 표시되는 방식 외로 정렬되는 방식에 대해서는 거의 생각하지 않는 경우가 많습니다. 그리고 마찬가지로 이러한 순서의 영향도 자주 간과됩니다. 이는 연구의 포용성을 높일 수 있는 또 다른 영역입니다. 역사적으로도 이러한 유형의 질서와 불평등이 함축된 인종 계층 구조에서 파생된 관습이 있습니다. 미국에서 실시되는 많은 대규모 인구통계학적 설문에서는 처음 두 가지 옵션으로 백인과 흑인을 제시하며 인종을 정렬합니다.

표의 첫 번째 행이나 그래프의 첫 번째 막대에 표시되는 사람들은 그룹 간의 관계 또는 계층 구조를 인식하는 방식에 영향을 줄 수 있습니다. 데이터를 정렬하는 방식은 여러분이 무의식적으로 다른 그룹에 대하여 누구를 기본 그룹으로 생각하는지, 또는 누구를 시각화 대상으로 의도하고 있는지를 반영할 수 있습니다. 항상 백인, 남성 또는 이성애자로 시작할 경우 이러한 그룹이 가장 중요한 그룹으로 여겨질 수 있습니다. 

인종 및 민족 그룹을 정렬하는 방법을 결정할 때 다음을 고려하세요.

• 연구가 특정 커뮤니티에 초점을 맞추는 경우 해당 그룹을 먼저 제시하세요.
  
• 최종 순서는 여러분이 전하고자 하는 요점을 반영해야 합니다.
  
• 그룹을 정렬하는 방법에 도움이 되는 양적 특성이 있는 경우(알파벳순, 모집단 크기, 표본 크기 또는 결과의 영향에 따라 정렬) 해당 특성을 선택하세요.
  

리소스

• 가이드: 'Do No Harm(해 끼치지 않기)' 가이드: 데이터 시각화에서 형평성에 대한 인식 적용하기
• 웹사이트: 데이터 시각화의 다양성, 형평성 및 포용성: 일반 권장 사항
• 웹사이트: 미국 인구조사국의 인종 및 민족 정보