Mundo

Quando mais dados Covid-19 não equivalem a mais compreensão
Usuários de mídia social compartilham tabelas e gráficos - geralmente com os mesmos dados subjacentes - para defender abordagens opostas à pandemia.
Por Daniel Ackerman - 04/03/2021


Reprodução

Desde o início da pandemia Covid-19, tabelas e gráficos têm ajudado a comunicar informações sobre taxas de infecção, mortes e vacinações. Em alguns casos, essas visualizações podem encorajar comportamentos que reduzem a transmissão do vírus, como usar uma máscara. Na verdade, a pandemia foi saudada como o momento decisivo para a visualização de dados.

Mas novas descobertas sugerem um quadro mais complexo. Um estudo do MIT mostra como os céticos do coronavírus organizaram visualizações de dados online para argumentar contra a ortodoxia da saúde pública sobre os benefícios dos mandatos de máscara. Essas “contra-visualizações” costumam ser bastante sofisticadas, usando conjuntos de dados de fontes oficiais e métodos de visualização de última geração.

Os pesquisadores vasculharam centenas de milhares de postagens de mídia social e descobriram que os céticos do coronavírus costumam implantar contra-visualizações junto com a mesma retórica de "siga os dados" dos especialistas em saúde pública, mas os céticos defendem políticas radicalmente diferentes. Os pesquisadores concluíram que as visualizações de dados não são suficientes para transmitir a urgência da pandemia Covid-19, porque mesmo os gráficos mais claros podem ser interpretados por meio de uma variedade de sistemas de crenças.  

“Muitas pessoas pensam em métricas como as taxas de infecção como objetivos”, diz Crystal Lee. “Mas claramente não são, com base em quanto debate há sobre como pensar sobre a pandemia. É por isso que dizemos que as visualizações de dados se tornaram um campo de batalha. ”

A pesquisa será apresentada na Conferência ACM sobre Fatores Humanos em Sistemas Computacionais em maio. Lee é o autor principal do estudo e aluno de PhD em História, Antropologia, Ciência, Tecnologia e Sociedade (HASTS) do MIT e no Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT, bem como bolsista do Berkman Klein Center for Internet e sociedade. Os co-autores incluem Graham Jones, Margaret MacVicar Faculty Fellow em Antropologia; Arvind Satyanarayan, o NBX Career Development Assistant Professor no Departamento de Engenharia Elétrica e Ciência da Computação e CSAIL; Tanya Yang, uma graduando do MIT; e Gabrielle Inchoco, uma estudante de graduação do Wellesley College.

À medida que as visualizações de dados ganharam destaque no início da pandemia, Lee e seus colegas começaram a entender como estavam sendo implantadas em todo o universo da mídia social. “Uma hipótese inicial era que se tivéssemos mais visualizações de dados, a partir de dados coletados de forma sistemática, as pessoas estariam mais bem informadas”, diz Lee. Para testar essa hipótese, sua equipe combinou técnicas computacionais com métodos etnográficos inovadores.

Eles usaram sua abordagem computacional no Twitter, obtendo quase meio milhão de tweets que se referiam tanto a “Covid-19” quanto a “dados”. Com esses tweets, os pesquisadores geraram um gráfico de rede para descobrir “quem está retuitando quem e quem gosta de quem”, diz Lee. “Basicamente, criamos uma rede de comunidades que estão interagindo umas com as outras.” Os clusters incluíram grupos como a "comunidade da mídia americana" ou "antimaskers". Os pesquisadores descobriram que os grupos antimask estavam criando e compartilhando visualizações de dados tanto quanto, senão mais do que outros grupos.

E essas visualizações não eram desleixadas. “Eles são virtualmente indistinguíveis daqueles compartilhados pelas principais fontes”, diz Satyanarayan. “Eles costumam ser tão polidos quanto os gráficos que você esperaria encontrar em jornalismo de dados ou painéis de saúde pública.”

“É uma descoberta muito surpreendente”, disse Lee. “Isso mostra que caracterizar grupos antimask como analfabetos de dados ou não engajados com os dados é empiricamente falso.”

Lee diz que essa abordagem computacional deu a eles uma visão ampla das visualizações de dados do Covid-19. “O que é realmente empolgante sobre esse trabalho quantitativo é que estamos fazendo essa análise em grande escala. De jeito nenhum eu poderia ter lido meio milhão de tweets. ”

Mas a análise do Twitter teve uma lacuna. “Acho que perde muito da granularidade das conversas que as pessoas estão tendo”, diz Lee. “Você não pode necessariamente seguir um único fio de conversa à medida que ele se desenrola.” Para isso, os pesquisadores se voltaram para um método de pesquisa antropológico mais tradicional - com um toque da era da Internet.

A equipe de Lee acompanhou e analisou conversas sobre visualizações de dados em grupos antimask no Facebook - uma prática que eles apelidaram de "deep lurking", uma versão online da técnica etnográfica chamada "deep pendurando". Lee diz que “compreender uma cultura requer que você observe os acontecimentos informais do dia-a-dia - não apenas os grandes eventos formais. A espreita profunda é uma forma de transpor essas abordagens etnográficas tradicionais para a era digital. ”

As descobertas qualitativas da ocultação profunda pareceram consistentes com as descobertas quantitativas do Twitter. Antimaskers no Facebook não estavam evitando dados. Em vez disso, eles discutiram como diferentes tipos de dados foram coletados e por quê. “Seus argumentos são realmente bastante matizados”, diz Lee. “Muitas vezes é uma questão de métricas.” Por exemplo, grupos antimask podem argumentar que as visualizações dos números de infecção podem ser enganosas, em parte devido à ampla gama de incertezas nas taxas de infecção, em comparação com medições como o número de mortes. Em resposta, os membros do grupo costumavam criar suas próprias contra-visualizações, até mesmo instruindo uns aos outros nas técnicas de visualização de dados.

“Estive em transmissões ao vivo em que as pessoas compartilham telas e olham o portal de dados do estado da Geórgia”, disse Lee. “Em seguida, eles falarão sobre como fazer o download dos dados e importá-los para o Excel.”

Jones diz que a "ideia de ciência dos grupos antimask não é ouvir passivamente enquanto os especialistas em um lugar como o MIT dizem a todos em que acreditar". Ele acrescenta que esse tipo de comportamento marca uma nova virada para uma velha corrente cultural. “O uso da alfabetização de dados pelo Antimaskers reflete os valores americanos arraigados de autossuficiência e anti-expertise que datam da fundação do país, mas suas atividades online empurram esses valores para novas arenas da vida pública.”

Ele acrescenta que "entender essas dinâmicas complexas teria sido impossível" sem a "liderança visionária de Lee em planejar uma colaboração interdisciplinar que abrangia SHASS e CSAIL".

A pesquisa de métodos mistos “avança nossa compreensão das visualizações de dados ao moldar a percepção pública da ciência e da política”, diz Jevin West, um cientista de dados da Universidade de Washington, que não esteve envolvido na pesquisa. As visualizações de dados “carregam um verniz de objetividade e precisão científica. Mas, como mostra este documento, as visualizações de dados podem ser usadas com eficácia em lados opostos de um problema ”, diz ele. “Isso ressalta a complexidade do problema - que não é suficiente 'apenas ensinar a alfabetização midiática'. Requer uma compreensão sociopolítica mais matizada de quem está criando e interpretando gráficos de dados. ”

A combinação de percepções computacionais e antropológicas levou os pesquisadores a uma compreensão mais sutil da alfabetização em dados. Lee diz que seu estudo revela que, em comparação com a ortodoxia da saúde pública, “os antimaskers vêem a pandemia de maneira diferente, usando dados bastante semelhantes. Ainda acho que a análise de dados é importante. Mas certamente não é o remédio que pensei que fosse em termos de convencer as pessoas que acreditam que o sistema científico não é confiável. ” Lee diz que suas descobertas apontam para “uma brecha maior em como pensamos sobre ciência e especialização nos Estados Unidos”. Essa mesma brecha perpassa questões como mudança climática e vacinação, onde dinâmicas semelhantes costumam ocorrer em discussões de mídia social.

Para tornar esses resultados acessíveis ao público, Lee e seu colaborador, o estudante de PhD do CSAIL Jonathan Zong, lideraram uma equipe de sete pesquisadores de graduação do MIT para desenvolver uma narrativa interativa onde os leitores podem explorar as visualizações e conversas por si próprios.

Lee descreve a pesquisa da equipe como um primeiro passo para entender o papel dos dados e visualizações nesses debates mais amplos. “A visualização de dados não é objetiva. Não é absoluto. Na verdade, é um empreendimento incrivelmente social e político. Temos que estar atentos a como as pessoas os interpretam fora do estabelecimento científico. ”

Esta pesquisa foi financiada, em parte, pela National Science Foundation e pelo Social Science Research Council.

 

.
.

Leia mais a seguir