Gelişmiş Veri Görselleştirme Teknikleri

MIT araştırmacıları, Twitter ve Facebook’taki Covid-19 şüphecilerinin – “veri okuryazarlığı” olmaktan çok uzak – maske zorunlulukları gibi halk sağlığı önlemlerine karşı çıkmak için genellikle karmaşık veri görselleştirme teknikleri kullandığını buldu. Kredi bilgileri: Jose-Luis Olivares, MIT

Sosyal medya kullanıcıları, pandemiye karşı zıt yaklaşımları savunmak için genellikle aynı temel verilerle çizelgeleri ve grafikleri paylaşır.

Covid-19 pandemisinin başlangıcından bu yana, çizelgeler ve grafikler enfeksiyon oranları, ölümler ve aşılar hakkında bilgi iletmeye yardımcı oldu. Bazı durumlarda, bu tür görselleştirmeler, maske takmak gibi virüs bulaşmasını azaltan davranışları teşvik edebilir. Gerçekten de salgın, veri görselleştirme için bir dönüm noktası olarak selamlandı.

Ancak yeni bulgular daha karmaşık bir tablo ortaya koyuyor. dan bir çalışma İLE koronavirüs şüphecilerinin tartışmak için çevrimiçi veri görselleştirmelerini nasıl sıraladığını gösteriyor karşısında maske emirlerinin faydaları hakkında halk sağlığı ortodoksisi. Bu tür “karşı-görselleştirmeler”, resmi kaynaklardan alınan veri kümelerini ve son teknoloji görselleştirme yöntemlerini kullanarak genellikle oldukça karmaşıktır.

Araştırmacılar yüz binlerce sosyal medya gönderisini taradı ve koronavirüs şüphecilerinin halk sağlığı uzmanlarıyla aynı “verileri takip et” retoriğinin yanı sıra genellikle karşı-görselleştirmeler kullandıklarını, ancak şüphecilerin kökten farklı politikalar savunduklarını buldular. Araştırmacılar, veri görselleştirmelerinin Covid-19 pandemisinin aciliyetini iletmek için yeterli olmadığı, çünkü en net grafikler bile çeşitli inanç sistemleri aracılığıyla yorumlanabileceği sonucuna varıyor.

Twitter Kullanıcılarının Ağ Görselleştirmesi

Bu şekil, araştırmada görünen Twitter kullanıcılarının ağ görselleştirmesini göstermektedir. Renk, topluluğu kodlar ve düğümler, bağlantı derecelerine göre boyutlandırılır. Kredi: Araştırmacıların izniyle

Crystal Lee, “Birçok insan enfeksiyon oranları gibi ölçütleri objektif olarak düşünüyor” diyor. “Ancak, pandemi hakkında nasıl düşünüleceği konusunda ne kadar çok tartışma olduğuna dayanarak açıkça değiller. Bu yüzden veri görselleştirmelerinin bir savaş alanı haline geldiğini söylüyoruz.”

Araştırma, Mayıs ayında Bilgisayar Sistemlerinde İnsan Faktörleri ACM Konferansı’nda sunulacak. Lee, çalışmanın baş yazarı ve MIT’nin Tarih, Antropoloji, Bilim, Teknoloji ve Toplum (HASTS) programında ve MIT’nin Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nda (CSAIL) doktora öğrencisi ve aynı zamanda Harvard Üniversitesi Berkman Klein Merkezi’nde öğretim üyesidir. İnternet ve Toplum. Ortak yazarlar arasında Margaret MacVicar Fakülte Antropoloji Üyesi Graham Jones; Elektrik Mühendisliği ve Bilgisayar Bilimleri ve CSAIL Bölümü’nde NBX Kariyer Geliştirme Yardımcı Doçent olan Arvind Satyanarayan; MIT mezunu Tanya Yang; ve bir Wellesley College lisans öğrencisi olan Gabrielle Inchoco.

Pandeminin başlarında veri görselleştirmeleri ön plana çıktıkça, Lee ve meslektaşları sosyal medya evreninde nasıl uygulandıklarını anlamaya başladılar. Lee, “İlk hipotezimiz, sistematik bir şekilde toplanan verilerden daha fazla veri görselleştirmemiz olsaydı, o zaman insanların daha iyi bilgilendirileceğiydi” diyor. Bu hipotezi test etmek için ekibi, hesaplama tekniklerini yenilikçi etnografik yöntemlerle harmanladı.

Hesaplamalı yaklaşımlarını Twitter’da kullandılar ve hem “Covid-19” hem de “veri”ye atıfta bulunan yaklaşık yarım milyon tweet’i kazıdılar. Bu tweetlerle araştırmacılar, “kimin kimi retweetlediğini ve kimin kimi sevdiğini” bulmak için bir ağ grafiği oluşturdular, diyor Lee. “Temelde birbirleriyle etkileşime giren bir topluluklar ağı oluşturduk.” Kümeler, “Amerikan medya topluluğu” veya “karşıt maskeciler” gibi grupları içeriyordu. Araştırmacılar, antimask gruplarının, diğer gruplar kadar olmasa da, veri görselleştirmeleri oluşturduğunu ve paylaştığını buldu.

Ve bu görselleştirmeler özensiz değildi. Satyanarayan, “Ana akım kaynaklar tarafından paylaşılanlardan neredeyse ayırt edilemezler” diyor. “Genellikle veri gazeteciliğinde veya halk sağlığı gösterge tablolarında karşılaşmayı umduğunuz grafikler kadar parlaktırlar.”

Lee, “Bu çok çarpıcı bir bulgu” diyor. “Bu, maske karşıtı grupları veri okuryazarlığı olmayan veya verilerle ilgilenmeyen olarak nitelendirmenin ampirik olarak yanlış olduğunu gösteriyor.”

Lee, bu hesaplama yaklaşımının onlara Covid-19 veri görselleştirmeleri hakkında geniş bir bakış açısı sağladığını söylüyor. “Bu nicel çalışma hakkında gerçekten heyecan verici olan şey, bu analizi çok büyük bir ölçekte yapıyor olmamız. Yarım milyon tweet okumama imkan yok.”

Ancak Twitter analizinde bir eksiklik vardı. Lee, “İnsanların yaptığı konuşmaların ayrıntı düzeyinin çoğunu kaçırdığını düşünüyorum” diyor. “Giderken tek bir konuşma dizisini mutlaka takip edemezsiniz.” Bunun için araştırmacılar, internet çağındaki bir bükülme ile daha geleneksel bir antropoloji araştırma yöntemine yöneldiler.

Lee’nin ekibi, antimask Facebook gruplarındaki veri görselleştirmeleri hakkındaki konuşmaları takip etti ve analiz etti. Lee, “bir kültürü anlamak, yalnızca büyük resmi olayları değil, günlük gayri resmi olayları gözlemlemenizi gerektirir. Derinlere gizlenmek, bu geleneksel etnografi yaklaşımlarını dijital çağa aktarmanın bir yoludur.”

Derinlerde gizlenen nitel bulgular, nicel Twitter bulgularıyla tutarlı görünüyordu. Facebook’taki antimaskerler verilerden kaçınmıyordu. Bunun yerine, farklı türde verilerin nasıl ve neden toplandığını tartıştılar. Lee, “Argümanları gerçekten oldukça incelikli” diyor. “Bu genellikle bir metrik sorunudur.” Örneğin, antimaske grupları, kısmen enfeksiyon oranlarındaki belirsizliğin ölüm sayısı gibi ölçümlere kıyasla geniş bir yelpazede olması nedeniyle, enfeksiyon sayılarının görselleştirilmesinin yanıltıcı olabileceğini iddia edebilir. Buna karşılık, grubun üyeleri genellikle kendi karşı görselleştirmelerini yaratırlar, hatta birbirlerine veri görselleştirme teknikleri konusunda talimat verirlerdi.

Lee, “İnsanların ekran paylaştığı ve Georgia eyaletinden veri portalına baktığı canlı yayınlarda bulundum” diyor. “Ardından verileri nasıl indireceklerini ve Excel’e nasıl aktaracaklarını konuşacaklar.”

Jones, anti-maske gruplarının “bilimin fikrinin, MIT gibi bir yerdeki uzmanların başkalarına neye inanacağını söylemesi gibi pasif bir şekilde dinlemediğini” söylüyor. Bu tür davranışların eski bir kültürel akım için yeni bir dönemeci işaret ettiğini ekliyor. “Karşıt maskelerin veri okuryazarlığı kullanımı, ülkenin kuruluşuna kadar uzanan köklü Amerikan özgüven ve uzmanlık karşıtı değerleri yansıtıyor, ancak çevrimiçi faaliyetleri bu değerleri kamusal yaşamın yeni alanlarına itiyor.”

Lee’nin “SHASS ve CSAIL’i kapsayan disiplinler arası bir işbirliğini yöneten vizyoner liderliği” olmasaydı “bu karmaşık dinamikleri anlamlandırmanın imkansız olacağını” da ekliyor.

ABD’de veri bilimcisi olan Jevin West, karma yöntem araştırmasının “kamuoyunun bilim ve siyaset algısını şekillendirmede veri görselleştirme anlayışımızı geliştirdiğini” söylüyor. Washington Üniversitesi, araştırmaya dahil olmayan. Veri görselleştirmeleri “bir nesnellik ve bilimsel kesinlik kaplaması taşır. Ancak bu makalenin gösterdiği gibi, veri görselleştirmeleri bir sorunun karşıt taraflarında etkili bir şekilde kullanılabilir” diyor. “Sorunun karmaşıklığının altını çiziyor – ‘sadece medya okuryazarlığı öğretmek’ yeterli değil. Veri grafiklerini oluşturan ve yorumlayanlar hakkında daha nüanslı bir sosyopolitik anlayış gerektirir.”

Hesaplamalı ve antropolojik kavrayışları birleştirmek, araştırmacıları daha incelikli bir veri okuryazarlığı anlayışına götürdü. Lee, çalışmalarının halk sağlığı ortodoksisine kıyasla, “maske önleyicilerin pandemiyi oldukça benzer verileri kullanarak farklı şekilde gördüğünü ortaya koyduğunu söylüyor. Hala veri analizinin önemli olduğunu düşünüyorum. Ama kesinlikle bilimsel kuruluşun güvenilir olmadığına inanan insanları ikna etme açısından olduğunu düşündüğüm merhem değil.” Lee, bulgularının “ABD’de bilim ve uzmanlık hakkında ne düşündüğümüzde daha büyük bir çatlağa” işaret ettiğini söylüyor.

Bu sonuçları kamuya açık hale getirmek için Lee ve iş arkadaşı, CSAIL doktora öğrencisi Jonathan Zong, yedi MIT lisans araştırmacısından oluşan bir ekibin, okuyucuların görselleştirmeleri ve konuşmaları kendileri için keşfedebilecekleri etkileşimli bir anlatı geliştirmesine öncülük etti.

Lee, ekibin araştırmasını, bu daha geniş tartışmalarda veri ve görselleştirmelerin rolünü anlamanın ilk adımı olarak tanımlıyor. “Veri görselleştirme objektif değildir. Mutlak değil. Aslında inanılmaz derecede sosyal ve politik bir çabadır. İnsanların onları bilimsel kuruluş dışında nasıl yorumladığına dikkat etmeliyiz.”

Referans: Crystal Lee, Tanya Yang, Gabrielle D Inchoco, Graham M. Jones ve Arvind Satyanarayan, 7 Mayıs 2021, CHI ’21: Bilgisayar Sistemlerinde İnsan Faktörleri Üzerine 2021 CHI Konferansı Tutanakları.
DOI: 10.1145/3411764.3445211

Bu araştırma kısmen Ulusal Bilim Vakfı ve Sosyal Bilimler Araştırma Konseyi tarafından finanse edildi.





#Daha #Fazla #COVID19 #Verisi #Daha #Fazla #Anlamaya #Eşit #Olmadığında