【運彩分析】研究發明數據可視化是一把“雙刃劍”57彩券 – 迷信索求

無非新的發明揭示了一個更龐大的環境。麻省理工學院(MIT)的一項研究顯示，新冠病毒嫌疑論者若何在網上行使數據可視化來否決公共衛生正統的口罩規則的利益。這類“反視覺化”平日相稱龐大，其使用的是民間泉源的數據集以及開始進的視覺化要領。

研究職員梳理了數十萬條交際媒體帖子，效果發明新冠病毒嫌疑論者常常會在使用跟公共衛生專家雷同的“遵守數據”的談吐的同時部署反視覺化，然而嫌疑論者主意的政策卻齊全不同。研究職員得出論斷，數據可視化并不敷以傳達COVID-19大流行病的緊急性，由于縱然是最清楚的圖表也能夠經由過程種種信奉體系進行詮釋。

“許多人認為沾染率等指標是主觀的，”Crystal Lee說道，“但它們顯然不是，基于對若何思索大流行病的爭辯有多大。這便是為何咱們說數據可視化已經經成為一個戰場。”

這項研究將在5月舉辦的ACM計算機體系中人的身分會議上頒發。Lee是這項研究的第一作者，也是MIT汗青、人類學、迷信、手藝以及社會(HASTS)項目以及MIT計算機迷信以及人工智能試驗室(CSAIL)的博士生，同時也是哈佛大學伯克曼-克萊因互聯網以及社會中央的研究員。配合作者ZE 包含人類學范疇的瑪格麗特-麥克維加學院研究員Graham Jones、電氣工程與計算機迷信系以及CSAIL的NBX職業生長助理傳授Arvind Satyanarayan、MIT本科生Tanya Yang以及韋爾斯利學院本科生Gabrielle Inchoco。

跟著數據可視化在這一流行病初期的突起，Lee以及她的共事們最先相識它們是若何在整個交際媒體范疇被部署的。“一個最后的假定是，若是咱們有更多的數據可視化并以體系的方式網絡的數據，那末人們會失去更好的信息，”Lee指出。為了測試這一假定，她的團隊將計算手藝與立異的人種學要領相結合。

他們在Twitter上使用他們的計算要領網絡了近50萬條提到“COVID-19”以及 “數據(data)”的推文。經由過程這些推文，研究職員天生了一個收集圖以找出“誰在轉發誰，誰喜歡誰”。Lee透露表現：“咱們根本上創立了一個互相交流的社區收集。”群組包含“美國媒體社區”或者“反口罩者”等群體。研究職員發明，反口罩者群體在創立以及分享數據可視化方面跟其余群體同樣多，甚至比他們更多。

然而這些可視化的器材并不紕漏。Satyanarayan指出：“它們跟支流泉源分享的數據幾近沒有區分。它們每每以及你指望在數據消息或者公共衛生儀表板中碰到的圖表同樣精巧。”

“這是一個特別很是惹人注目的發明。它注解，將反口罩群體定性為數據文盲或者不介入數據，這在履歷上是過錯的，”Lee說道。另外，他還透露表現，這類計算要領使他們對COVID-19數據的可視化有了普遍的相識。“這項定量事情真正使人感動的是，咱們在一個偉大的范圍上做這類闡發。我弗成能閱讀50萬條推文。”

但Twitter的闡發存在一個錯誤謬誤。“我認為它錯過了人們正在進行的對話的許多顆粒性。你紛歧定能尾隨一條對話線的睜開，”Lee說道。為此，研究職員轉向了一種更傳統的人類學研究要領–帶有互聯網期間的扭曲。

Lee的團隊跟蹤并闡發了反口罩Facebook群組中對于數據可視化的對話–他們將這類做法稱為“深度暗藏”。“懂得一種文明必愛玩客 艾美要你察看一樣平常的非正式運動–而不僅僅是大型的正式運動。深度暗藏是將這些傳統的人種學要領移植到數字期間的一種方式，”Lee說道。

深度暗藏的定性發明好像跟Twitter的定量發明一致。Facebook上的反潛者并沒有逃避數據。相反，他們接頭了若何網絡不同品種的數據和為何。Lee說道：“他們的論點真的很渺小。這每每是一個權衡規范的成績。譬如，反口罩小組可能會爭論說，沾染數字的可視化可能會發生誤導，部門緣故原由是，跟逝世亡人數等權衡規范相比，沾染率的不確定性規模很廣。作為歸應，小構成員每每會制造他們本人的反可視化，甚至在數據可視化手藝方面互相引導。”

Jones則指出，反口罩整體的迷信理念不是被動地聽著MIT如許之處的專家奉告其余人應當信賴甚么。他認為這類舉動標記著一種陳mlb運彩舊文明新潮的新遷移轉變。“反口罩者對數據素質的使用反映了美國根深蒂固的獨立重生以及反專家的代價觀，這類代價觀可以追溯到開國之初，但他們的在線運動將這些代價觀推向了公共生涯的新范疇。”

此外，他還增補稱：“若是沒有Lee富有遙見的向導力，謀劃一個超過SHASS以及CSAIL的跨學科互助，就弗成能對這些龐大的靜態發生意義。”

來自華盛頓大學的數據迷信家Jevin West透露表現，這項夾雜要領研究推動了他們對數據可視化在塑造”大眾對迷信以及政治的望法方面的懂得。West沒有介入這項研究。West說道：“數據可視化帶有主觀性以及迷信正確性的外套。但正如本文所顯示的，數據可視化可以有用地用于一個成績的對峙面。它夸大了成績的龐大性–‘僅僅傳授媒體素質’是不夠的。它必要對那些制造息爭釋數據圖表的人有更過細的社會政管理解。”

結算計算學以及人類學的見解，研究職員對數據素質有了更過細的懂得。Lee透露表現，他們的研究顯示，跟公共衛生的正統觀念相比，反口罩者以不同的方式望待大流行病，然而使用的數據卻相稱類似。Lee稱，他們的發明指出了“在美國，咱們對迷信以及業余學問的思索存在著赫綵評價更大的裂痕”。這類裂痕也貫串了天氣轉變以及疫苗接種等成績，在交際媒體的接頭中常常會浮現相似的靜態。

為了讓”相識這些效果，Lee以及她的互助者–CSAIL博士生Jonathan Zong率領了一個由7名MIT本科生研究職員構成的團隊。他們開發了一個互動式的敘說，如許讀者就可以本人索求可視化以及對話。

Lㄐㄩㄣˋee將該團隊的研究描寫為在這些更普遍的申辯中懂得數據以及可視化的作用的第一步。“數據可視化是不主觀的。它不是盡對的。究竟上，它是一個使人難以置信的社會以及政治積極。咱們必需注重人們在迷信機構以外若何詮釋它們，”Lee說道。