Ante el peligro de que  la visualización de datos se use como una herramienta para la desinformación y la exclusión, Catherine D’Ignazio reflexiona sobre qué podemos aprender del feminismo para hacer mejores representaciones visuales con datos.

Mientras las visualizaciones de datos se vuelven más populares y se van creando nuevas herramientas para crearlas, menos personas están pensando de manera crítica acerca de la política y la ética de las dinámicas de representación. Esto, combinado a un público general asustado por los datos y las gráficas, conlleva que las visualizaciones de datos ejerzan una gran cantidad de poder retórico. A pesar de que de manera racional sabemos que las visualizaciones de datos no representan “el universo completo”, nos olvidamos de ello y aceptamos cualquier gráfico como un hecho porque es generalizado, científico y parece presentar un punto de vista experto y neutral.

¿Cuál es el problema de esto? La teoría feminista nos diría que el problema es que todo conocimiento es situado socialmente, y que las perspectivas de los grupos oprimidos, incluyendo a las mujeres, a las minorías y a otros grupos son excluidas sistemáticamente del conocimiento “general”.

La corriente de la cartografía crítica nos diría que los mapas son espacios de poder y que producen mundos que están íntimamente ligados a ese poder. Como Denis Wood y John Krygier explican, la elección sobre qué poner en un mapa “…trae a la superficie el problema del conocimiento, de una manera ineludible así como pasa con el simbolismo, la generalización y la clasificación”. Hasta que reconozcamos ese poder de inclusión y exclusión, y desarrollemos un lenguaje visual para ello, debemos reconocer que la visualización de datos puede ser otra herramienta poderosa y defectuosa para la opresión.

¿Puedo decir esto más claro? Donna Haraway —en su influyente ensayo sobre Conocimientos situados— ofrece una brillante crítica no sólo a la representación visual, sino al privilegio extremo y perverso de los ojos sobre los cuerpos que han dominado el pensamiento occidental. Es evidente al leer esta cita en voz alta, que funciona también como una pieza de performance:

Los ojos han sido utilizados para significar una perversa capacidad, refinada hasta la perfección en la historia de la ciencia —relacionada con el militarismo, el capitalismo, el colonialismo y la supremacía masculina— para distanciar al sujeto conocedor de todos y de todo, en interés del poder sin trabas. Los instrumentos de visualización… han compuesto estos significados de descorporalización.  Las tecnologías de visualización parecen no tener límites… La vista en esta fiesta tecnológica se ha convertido en glotonería incontenible. .. Y como truco divino, este ojo viola al mundo para egendrar monstruos tecnológicos.

— Donna Haraway en “Conocimientos situados: La cuestión científica en el feminismo y el privilegio de la perspectiva parcial” (1995)

Ver el mundo por completo es una fantasía que Michel DeCerteau llama “el ojo totalizante” y a la que Donna Haraway llamó “el truco divino”. ¿Acaso no es ésta la premisa retórica y promesa seductora de la visualización de datos? ¿Ver desde la perspectiva de ninguna persona o cuerpo? Nuestro apetito por dichas perspectivas es feroz y glotón, como dice Haraway.

Existen maneras de representar el mundo de una manera más responsable. Existen maneras de “situar” la visualización de datos y localizarla en cuerpos y geografías concretas. Los cartógrafos críticos, los indígenas mapeadores y otras comunidades han experimentado por años con estos métodos y podemos aprender de ellos.

 

Tip 1  Inventa formas de representar los datos faltantes, la incertidumbre y los métodos que fallan.

Mientras que las visualizaciones —sobre todo las populares y públicas— son una gran manera de presentar mundos completamente contenidos, no son tan buenas para presentar sus limitaciones.¿Cuáles son los lugares que la visualización no incluye o a los que no pudo llegar? ¿Podemos incluirlos en la visualización?  ¿Cómo presentamos los datos que nos hacen falta? Andy Kirk tiene una muy buena charla sobre el diseño de la nada, en la cual explica cómo los diseñadores toman decisiones a la hora de representar la incertidumbre, incluir valores ceros, nulos y en blanco. ¿Podemos empujar a qué más diseñadores tomen estos métodos en consideración? ¿Podemos pedir que nuestros conjuntos de datos señalen también aquello que dejaron fuera?

Mapa para no indicar, 1967 por el colectivo de artistas Art&Language. El mapa enseña solo a Iowa y Kentucky y luego procede a listar todo aquello que no está representado en él. Forma parte de la Tate Collection.

Más allá de escribir “datos no disponibles”, ¿Cómo profundizamos en la procedencia de los datos como un nuevo campo de la visualización, similar al trabajo de verificación de datos? ¿Podemos recolectar y representar los datos que no se han recopilado antes?  ¿Podemos encontrar a la población que fue excluida de la recolección de datos? ¿Podemos localizar las fallas en el instrumento de recolección de datos que todos asumían que funcionaba a la perfección? ¿Podemos examinar críticamente los métodos de un estudio en lugar de aceptar que el CSV, JSON ola API están como están y ya? Todas estas parecen tareas que van más allá del trabajo del visualizador de datos. Alguien más antes de ellos en el proceso de datos, el DataPipeline, debería hacer ese trabajo de investigación nada sexy de la antropología de datos. Pero si los visualizadores no asumen esta responsabilidad ¿Quién la asume?

Tip 2 Haz referencia a la ‘economía de los materiales’ detrás de los datos

Aparte de la procedencia de los datos, también necesitamos preguntar sobre la economía de los materiales detrás de este proceso de recolección de datos ¿Cuáles eran las condiciones que hicieron una visualización de datos posible? ¿Quién pagó por esta visualización? ¿Quién recolectó los datos? ¿Cuál es el trabajo detrás de escenas y bajo qué condiciones se produjo esta visualización?

Por ejemplo, en el Laboratorio Público de Tecnología y Ciencia Abierta tenemos esta técnica de mapeo en la que cuelgas una cámara a un barrilete o globo para obtener imágenes espaciales. Uno de los efectos secundarios de este método que algunas comunidades han adoptado es que la cámara también captura la imagen de las personas que participan en el mapeo. Estos son los cuerpos de los recolectores de datos, frecuentemente ausentes de las representaciones finales.

Foto tomada de un artículo de Eymund Diegal del Laboratorio Público sobre mapeo de aguas residuales en el Canal Gowanus. Noten a las personas en botes haciendo el mapeo y el cordón del globo que une la cámara y la imagen de regreso a quienes recolectan los datos.

Comúnmente, las visualizaciones de datos citan a las fuentes en una pequeña leyenda, pero se podría hacer más. ¿Qué tal si problematizamos visualmente la procedencia de los datos? ¿Los intereses detrás de la producción de un conjunto de datos particular? ¿Los tomadores de decisiones de estos datos? Un archivo CSV usualmente no tiene referencia a ninguno de estos elementos materiales más humanos que también son esenciales para que entendamos el dónde, por qué y cómo de los datos.

Tal vez una manera de resolver este problema sería tener metadatos mucho más robustos y de manera intencional priorizar el despliegue visual de esos metadatos. La meta de dicha visualización sería mostrar no sólo lo que los datos “dicen” sino cómo los datos se conectan con personas, sistemas y estructuras de poder y producción en el mundo más amplio.

Tip 3 Haz que la disidencia sea posible

A pesar de que hay suficientes visualizaciones de datos “interactivas”, lo que en realidad significa interactividad es la capacidad de seleccionar algunos filtros y mover algunas barras o sliders para ver cómo la imagen se adapta y cambia. Estos pueden ser métodos poderosos para moverse dentro de un mundo contenido y restringido de imágenes y hechos estables. Pero como sabemos por ejemplos como las guerras de edición en Wikipedia, o las controversias de GoogleMaps, el mundo no está encuadrado de una manera tan conveniente en la que los “hechos” no se disputan o son siempre lo que parecen ser.

Una manera de resituar la visualización de datos es desestabilizarla al hacer posible el disenso.  ¿Como podemos idear formas en las que una audiencia pueda “responderle”a los datos?… ¿Para cuestionar los hechos que presenta? ¿Para presentar visiones y realidades alternativas? ¿Para combatir y socavar principios básicos de la existencia y recolección de esos datos?

¿Cómo hacer esto? A pesar de que la mayoría de personas que trabajan con datos son hombres blancos, podría ser tan simple como incluir a personas de diferentes contextos, con diferentes perspectivas, en la producción de la visualización.  Por ejemplo, el Insituto de Expediciones Geográficas de Detroit era un proyecto realizado en conjunto entre geógrafos académicos (liderados por hombres blancos privilegiados) y la juventud de diferentes sectores de la ciudad (liderados por Gwendolyn Warren, un activista negro de 19 años) a finales de 1960.

Tomado de  Notas de Campo III: Geografía de los niños de Detroit. por el Instrituto de Expediciones Geográficas, 1971. Warren y sus colegas usaban este mapa y los reportes generales para argumentar a favor de un programa de “planificación de negros”, que empoderaba a los ciudadanos de color para tomar decisiones sobre sus comunidades.

Para su tiempo, este mapa era avanzado tecnológicamente y un poco convencional (a nuestros ojos) en su uso de estrategias visuales. Lo que le da a este mapa disidencia es el titulo, formulado por la juventud negra haciendo el mapeo: “Donde los automovilistas atropellan a niños negros”; este no es un título neutral. El mapa pudo haberse llamado “Donde pasan los accidentes en el centro de Detroit” (y de esta manera, habría sido si la ciudad hubiera contratado a un consultor en cartografía para mapear esos mismos datos), pero desde el punto de vista de las familias negras cuyos hijos habían sido atropellados, era significativo que los niños eran negros, los automovilistas en su mayoría blancos y que los eventos se describían como “muertes” en vez de “accidentes”.

Uno puede construir disenso en el proceso de visualizar si incluye voces diversas en la creación, pero ¿Y en el producto final?

El proyecto ToxicSites.us crea un reporte sobre cada lugar contaminado en Estados Unidos e invita a que diferentes colaboradores añadan historias locales, imágenes y videos que documentan el sitio (y posiblemente contradigan los datos oficiales). El sitio también permite que campañas de activismo y programas ecológicos se organicen para limpiar estos lugares. Esta es una manera de “responder” a los datos, así como de pasar la conversación pública sobre lo que los datos dicen a la acción.

El sitio ToxicSites.us  presenta mapas, visualizaciones de datos e historias sobre los proyectos del programa Superfund, responsable por limpiar los lugares más contaminados de Estados Unidos. El proyecto busca responder a emergencias ambientales, fugas de petróleo y desastres naturales.   

Una visualización a menudo se produce con un enfoque desde arriba: un diseñador experto o un equipo con conocimientos especializados encuentra algunos datos, hace algo de su magia y presenta al mundo un artefacto con algunas maneras altamente recomendadas para verlo.

¿Podemos imaginar una forma alternativa de incluir más voces en la conversación? ¿Podríamos realizar la visualización de forma colectiva, inclusiva, con disidencia y contestación, a escala?

¿Qué más?

Estas son solo tres sugerencias de diseño que apuntan hacia la ética feminista y la conciencia sobre las políticas detrás de la visualización de datos. Me gustaría escuchar sobre otros aspectos de la visualización de datos que podamos repensar para hacerla más situada, más feminista, y sobretodo, más responsable. Haz tus comentarios o escríbeme en Twitter a @kanarinka para continuar la conversación.