Use linguagem e rótulos que priorizem a pessoa

Objetivos de aprendizagem

Após concluir esta unidade, você estará apto a:

• Gerar uma linguagem que priorize a pessoa no seu trabalho.
  
• Discutir como títulos, texto e rótulos afetam o significado.
  

O impacto dos rótulos

É importante que os comunicadores e pesquisadores de dados lembrem-se de que os dados refletem a vida e as experiências de pessoas reais. Se seus dados são sobre pessoas, deixe extremamente claro quem são elas.

Nas visualizações, os rótulos são importantes. A linguagem é viva, respira e está em constante mudança. É lógico que certos rótulos usados no passado não são mais aceitáveis, e podem, de fato, ser ofensivos. Em suas análises de dados, por exemplo, a melhor abordagem é usar rótulos, como negros e não pretos. 

A linguagem na legenda abaixo não é inclusiva. Nas escalas Mais negros e Mais pobreza, a pobreza retrata uma experiência, não uma descrição estática, e Mais negros retrata a cor da pele, não as pessoas. Uma linguagem mais inclusiva pode ser “Maior proporção de pessoas que vivem na pobreza” e “Maior população negra”. Na verdade, essa legenda foi posteriormente alterada de Mais negros para Maior população negra para enfatizar as pessoas, não a cor da pele. 

Use linguagem que priorize a pessoa

Os rótulos que você usa podem contribuir para perpetuar estereótipos raciais e outras formas de opressão. Em suas visualizações, você pode abordar isso nomeando essas forças de opressão, como elas operam e seu contexto histórico por meio de títulos, anotações, rótulos e notas, em vez de deixá-los nas entrelinhas.

Examinar as palavras que você escolhe para títulos, texto e rótulos revela muito sobre como o mundo vê um grupo de pessoas. Ao elaborar esses rótulos, os criadores de narrativas baseadas em dados podem lutar contra as diversas formas de opressão para conseguir criar uma “linguagem que priorize as pessoas”. Para fazer isso, primeiro você precisa entender os rótulos que usa atualmente.

Enfatizar a pessoa em vez da qualidade (pessoas com deficiência em vez de pessoas deficientes ou pessoas negras em vez de negros) humaniza a informação em vez de catalogar as pessoas em uma estatística. Existem muitas nuances na coleta de dados que podem ser ignoradas ou perdidas quando o rótulo possui uma descrição estática. 

Por exemplo, um estudo se referiu às pessoas encarceradas como “reclusos” ao medir a taxa de diagnósticos de saúde mental que recebem. Embora o termo reclusos possam parecer neutro e objetivo, rotular por crimes e punições desumaniza as pessoas. “Reclusos” nesse contexto também ignora o papel que o racismo e a discriminação desempenham na probabilidade de as pessoas encarceradas receberem um diagnóstico de doença mental. 

Uma reflexão mais precisa das descobertas deste estudo em particular pode ser que as pessoas de cor têm menos probabilidade de obter um diagnóstico de saúde mental ou mesmo que os brancos tenham mais diagnósticos de saúde mental. Isso muda o foco do que falta às pessoas negras para as vantagens injustas do grupo dominante e as disparidades raciais no sistema prisional, além de fazer referência a pessoas em vez de reclusos.

Os pesquisadores e analistas de dados devem conversar com as comunidades que estão estudando e com os consumidores da pesquisa para entender e identificar sua terminologia preferida para ter mais propriedade dos dados, pesquisas e recomendações de políticas.

Tenha consciência da evolução da linguagem

As pesquisas ou os conjuntos de dados que aplicam a terminologia desatualizada ou menos preferida podem apresentar uma situação complicada em termos de linguagem. Afinal, a língua é viva. Os termos e as frases usados para descrever as pessoas e comunidades estão em constante evolução. 

Por exemplo, o termo Latine está sendo usado em vez de hispânico/latino. Às vezes, os termos levam tempo para ter seu uso consagrado. Ou pode haver diferenças entre termos preferidos decorrentes de interseccionalidade política, de idade e raça ou etnia. É compreensível que você esteja relutante em mudar uma palavra ou frase usada em uma pesquisa original que faz parte de um relatório final, gráfico ou painel. Mas é necessário ao comunicar dados sob uma perspectiva empática e inclusiva.

Seja claro na intenção ao classificar dados

Geralmente não damos atenção à forma como são classificadas as estimativas em tabelas ou barras nos gráficos, só consideramos a forma como aparecem nos dados brutos. Assim, o impacto dessa classificação é negligenciado. Esta é outra área na qual você pode aplicar a inclusão. Há um legado histórico do qual deriva esse tipo de ordem e hierarquia racial velada. Muitas das maiores pesquisas demográficas realizadas nos Estados Unidos classificam raça começando com brancos e negros como as duas primeiras opções.

Aquele que aparece na primeira linha de uma tabela ou na primeira barra de um gráfico pode afetar a maneira como os leitores percebem o relacionamento ou a hierarquia entre os grupos. A forma como você classifica seus dados pode refletir involuntariamente quem você vê como o grupo padrão com o qual outros são comparados ou quem é o público-alvo de suas visualizações. Começar sempre com brancos, homens ou heterossexuais pode fazer com que esses grupos apareçam como sendo os grupos mais importantes. 

Ao decidir sobre como classificar grupos raciais e étnicos, pondere:

• Se o seu estudo se concentrar em uma comunidade específica, apresente esse grupo primeiro.
  
• A classificação final deve refletir o ponto que você está tentando provar.
  
• Se houver uma relação quantitativa para orientar a forma como os grupos são classificados (classificados alfabeticamente, por tamanho da população, tamanho da amostra ou impacto dos resultados), opte por usá-la.
  

Recursos

• Guia: Guia do Não prejudicar: Aplicar consciência de igualdade na visualização de dados
• Site da Web: Diversidade, igualdade e inclusão na visualização de dados: Recomendações gerais
• Site da Web: Raça e etnia no censo dos EUA