数据可视化 | 摆脱傲慢与偏见，你的图表也可以充满种族平等意识
本文转载自公众号WAVE可视化灵感库
好享学是WAVE推出的数据可视化经验分享栏目，我们将定期与您分享各界优秀人士的制图经验，一同学习。
全球化的视角下，文化的冲突与融合是不可避免的议题，
但有关种族的问题有愈演愈烈的趋势。
尤其是在国际化的大舞台上，
任何一句不妥的言论都可能会挑起敏感的对立。
那么，我们如何将种族平等意识运用到可视化中，
让自己的演绎更加平等、客观？
本文将介绍7种种族平等意识运用到可视化的方法，
让你的图表更加具有包容性！
一起来看看吧~
01 平等的语言
标题、文本和标签是读者在遇到图表时首先观察的内容之一。具有平等意识的语言在生活中很常见，如城市规划者通常会使用以人为本的语言来标记他们的数据，例如用“残疾的人（people with disabilities）”，而不是“残疾人（disabled people）”。术语不应该严格地指人群的肤色，例如，“黑色人种（Black people）”而不是“黑人（Blacks）”。
上图显示了种族与贫困的关系。其原本的图例标签是“更多贫困”和“更多黑人”。
这种语言的不合理之处在于：贫困指的是一种经历，而不是静态的描述，“更多黑人”指的是肤色，而不是人。一种更具包容性的标记图例的方式可能是“更大比例的贫困人口”和“更多的黑人人口”。
02 对分类标签排列
在进行可视化时，应该更谨慎地考虑不同类别的排列情况，在呈现数据方面发挥更加积极的作用。
主要要注意以下两点：
选择将哪个组显示为表格中的第一行或图形中的第一个条形会影响读者如何看待组之间的关系或层次结构。比如总是以“白人”或“男性”开头，可以使这些群体显示为是最重要的默认群体，其他群体应该与之进行比较。
选择的排序方式也可能反映出我们将谁视为可视化的受众群体。比如若从“白人”或“男人”开始，就似乎将这两个群体视为最重要的群体。
📎所以我们在选择排序和呈现数据值时，应该考虑几个问题：
1 研究是否侧重于特定社区？如果是，则应首先显示该组。
2 有没有想讲的某个特定的论点或故事？如果是，结果的顺序或排列方式应反映这一论点。
3 是否存在可以指导组排序方式的定量关系？
4 是否可以按字母顺序或按总体大小、样本大小（加权或未加权）或结果的大小或效果进行排序？
03 考虑缺少哪些类别
确认哪些群体会被包含在图表中
许多图表只考虑到白人、黑人和拉丁裔人，而忽略了较小的种族或民族，这样就会过于片面。同样，按性别分类的图表往往忽略了跨性别者和变性人，只展示了男性和女性。
正确使用“其他”类别
在某些情况下，“其他”类别可能是必要的，以便为统计分析获得足够的样本量。
但我们是否能将这些类别都混为一谈？
我们是否应该开始考虑“其他”以外的标签，这些标签可能具有排他性的含义？
也许我们应该在表格、图表和文本中的每个组都使用适当的名称。
04 使用具有种族平等意识的颜色
图表的设计不应该使用强化性别或种族刻板印象的颜色，例如用粉红色和蓝色来代表女性和男性。但目前还没有设定一个具体的标准，如哪个颜色指的是哪个性别群体或种族群体，当然要尽量避免使用与肤色相关的颜色。
一个不当使用颜色的例子
麻省理工学院教务长办公室的“多样性仪表板”在2020 年 6 月使用三种不同的色调来代表九个种族和民族群体。五个不同的种族和族裔群体以红色表示，“两个或更多种族”类别以类似的浅粉红色表示，“国际”和“未知”组为两种灰色阴影，“白色”组为蓝色。
这个设计存在以下问题：
第一，图例左侧五个组的红色色带都代表非白人学生，它创建了一个视觉鸿沟，似乎将非白人学生与白人学生对立起来。
第二，灰色更像是淡入背景，这减少了国际学生和种族或民族未知的学生。这样的设计将白人移动到前排并突出显示，就好像它是最重要的群体，也是所有其他群体应该比较的标准。
麻省理工于2020 年 7 月对“多样性仪表板”进行更新。新版使用了更多色调，在现在的蓝色色带之间创建更大的间隔，并部分修复了颜色问题。
05 使用具有种族平等意识的图标形状
在任何数据可视化使用图标时，都要谨慎和深思熟虑，不能主观臆断，歪曲事实。在展示人群时，我们应该考虑性别、种族和民族的混合；还应该考虑图标的受众群体。
我们需要意识到某些图标可能与内容不对应，例如关于儿童死亡率的图表中婴儿的图标。
一项研究
尤研究中心（Pew Research Center）2018年的一项研究发现，“在大多数被调查的工作中，男性在在线图像搜索结果中所占比例过高”，并且“在许多工作的此类搜索结果中，女性似乎低于男性”。并且直到今天，这种差距依然存在。
护士图标
上图图显示了“护士图标”字词的 Google 搜索结果，而下图显示了“老板图标”的结果。注意，上图几乎所有图像都与女性相关，而下图几乎都与男性相关。
不仅仅是这两种类型的图标，其它类型的图标这种偏见也都依然存在。
老板图标
06 表现出同理心
数据可视化与定量研究的一大挑战是帮助读者与内容之间建立联系，因此，运用同理心去深入了解读者的需求是改善数据可视化的关键。这种同理心通常表现在制作满足读者需求和专业知识的特定图表方面。
另一种考虑同理心的数据可视化的方法是，特定图表类型是否比其他图表类型更适合于人与人之间的联系。例如，条形图用单个矩形表示每个数据值，饼图使用较小的单个形状的集合来可视化每个数据点；前一种图表类型更抽象，将该数据点中反映的所有人折叠成一个形状，而后一种图表类型可能会增加与主题联系的机会。
07 学会质疑默认的可视化方法
当按照种族/民族分类的数据画在一张表格上时，它通常是通过组与组之间的比较来反映各自的状况。然而，Pieta Blakely认为，这样做反而”鼓励“读者将每个群体（组）与表现最好的群体（组）进行比较”，从而分散了注意力。因此，他建议将每一个种族/民族类别绘制在单图上作为一组，这可以更好地鼓励读者思考每个群体的特定需求。
一个
例子
在进行”COVID-19对不同种族和民族的影响”的可视化中，设计师最初的想法是在同一张图表中显示所有种族的折线图（上图）。但这种设计有弊端，如果将所有种族放在同一张图表上，只会将注意力集中在影响最严重的群体上，而不是集中在所有种族和民族的成员如何受到COVID-19大流行的影响上。另一个问题是，在一张图表上绘制所有种族，似乎受影响最小的群体是其他种族和民族应该追捧的群体和追求的目标。
后来为了进行更好的比较，图表将每个种族分别制成一张图表，且显示全州或全省的平均值。
这种方法有几个好处。首先，它提供了一个一致的标准，所有群体都可以据以衡量；其次，这意味着没有任何特定的种族群体被当作是必须与其他人进行比较的默认群体。
文 | 王周菡雪
编辑 | 王周菡雪
你还在眼馋那些“别人家”的图表吗？
你还在为如何制作精美图表苦恼头秃么？
现全新推出Wave，
不断更新的制图模板，随心更改样式，
让你轻松一键制图。
现在积极参与高下制图内测，
更有机会获得正式版会员，
享受轻松作图哦~
更多详情请扫码进群了解！
星标⭐我们不迷路！想要文章及时到，文末“在看”少不了！
点击搜索你感兴趣的内容吧
往期推荐
数据Seminar
这里是大数据、分析技术与学术研究的三叉路口
欢迎扫描👇二维码添加关注