El principio #3 del Feminismo de Datos es elevar la emoción y el cuerpo. El feminismo de datos nos enseña a valorar múltiples formas de conocimiento, incluido el conocimiento que proviene de las personas reconocidas como cuerpos vivos y sensibles ante el mundo.

Principio: elevar la emoción y el cuerpo

El feminismo de datos nos enseña a valorar múltiples formas de conocimiento, incluido el conocimiento que proviene de las personas reconocidas como cuerpos vivos y sensibles ante el mundo.

En 2012, asesinaron a veinte niños y niñas y seis personas adultas en una escuela primaria en Sandy Hook, Connecticut. A raíz de esta tragedia inconcebible y de los actos adicionales de violencia con armas de fuego que siguieron, la firma de diseño Periscopic comenzó un nuevo proyecto: visualizar todas las muertes por armas de fuego que tuvieron lugar en los Estados Unidos en el transcurso de un año. Aunque hay trabajos previos sobre el tema en forma de gráficos de barras o gráficos de líneas, Periscopic, una empresa con el lema "Haz el bien con los datos", adoptó un enfoque diferente.

Cuando se ingresa a la página web del proyecto, primero ves una sola línea naranja que forma un arco desde el eje x en el lado izquierdo de la pantalla. Luego, el color cambia abruptamente a blanco. Un pequeño punto cae y se ve la frase: "Alexander Lipkins, asesinado a los 29" (figura 3.1a). La línea continúa formando un arco hacia arriba en la pantalla y luego hacia abajo, volviendo a descansar en el eje x, donde aparece una segunda frase: "Podría haber vivido hasta los 93". Luego, aparece una segunda línea: el arco de otra vida. La animación se acelera y los arcos se multiplican. Un contador en la parte superior derecha muestra cuántos años de vida les han sido "robados" a estas víctimas de la violencia armada. Después de varios minutos insoportables, la visualización completa su cuenta del año: 11 419 personas muertas, dando un total de 502 025 años robados (figura 3.1b).

La visualización utiliza datos demográficos y métodos estadísticos rigurosos para llegar a estos números, tal como se explica en el apartado metodológico del sitio. Pero ¿qué hace que la visualización de Periscopic sea tan diferente de un gráfico de barras más convencional de información similar, como "La era de los 'tiradores activos'" del Washington Post (figura 3.2)? Los proyectos comparten la propuesta de que las muertes por armas presentan una seria amenaza. Pero a diferencia del Washington Post, el trabajo de Periscopic se enmarca en torno a una emoción: la pérdida. La gente se está muriendo; el tiempo que les queda en la tierra les ha sido robado. Estas personas tienen nombres y edades. Tienen madres, padres, parejas, hijos e hijas que también sufren esa pérdida.

Este mensaje fue contundentemente recibido, al igual que el proyecto en general. Apareció en la revista Wired e incluso ganó el premio Information is Beautiful [La información es hermosa]. Pero también causó cierta inquietud en la comunidad dedicada a la visualización de datos. Alberto Cairo, el autor del libro de visualización El arte funcional, expresó su preocupación sobre el uso de la emoción y la persuasión en el proyecto: “¿Está claro para una audiencia general que lo que ven es el trabajo de profesionales que moldean activamente los datos para respaldar una causa, y no el producto de procesos automatizados?”.1 Para Cairo, la pregunta radical era qué tan distante y “neutral” debería ser una visualización. Se preguntó: ¿debería diseñarse una visualización para provocar emociones?

El nicho especializado en técnicas de la comunicación responde que "no" enfáticamente. En el libro reciente A Unified Theory of Information Design [NdT: Una teoría unificada del diseño de la información -libro no traducido al castellano-], sus autores, Nicole Amare y Alan Manning afirman: “El estilo simple que normalmente se recomienda para las imágenes técnicas se dirige hacia un campo emocional deliberadamente neutral, hacia una página en blanco en efecto, sobre la cual la audiencia tiene más libertad para elegir su propia respuesta a la información.”2 Aquí, la sencillez se equipara con la ausencia de diseño y, por lo tanto, con una mayor libertad por parte del público para interpretar los resultados por sí mismo. Recursos como los colores y los íconos solo funcionan para despertar emociones y nublar la mente racional.

Estas no son las primeras voces en postular esta idea. En el campo de la comunicación de datos, cualquier tipo de “adorno” ha sido considerado sospechoso durante mucho tiempo. ¿Por qué? Como dice el historiador de la ciencia Theodore Porter, “la cuantificación es una tecnología de la distancia”.3 Y la distancia, explica, está estrechamente relacionada con la objetividad porque pone un espacio literal entre las personas y el conocimiento que producen. Este deseo de separación es lo que subyace en la exhortación del estadístico del siglo XIX Karl Pearson, que comparte los comentarios de Cairo sobre la visualización de Periscopic, para que las personas dejen de lado sus “propios sentimientos y emociones” al realizar el trabajo estadístico.4 Cuanto más simple, más neutral. Cuanto más neutral, más objetivo. Y cuanto más objetivo, más verdadero, o al menos eso es lo que dice esta línea de razonamiento. En una clase magistral de visualización de datos en 2013, líderes del taller del periódico The Guardian presentaron los datos en una hoja de cálculo (¡sí, eso mismo!) como un ideal para la comunicación de datos cuantitativos, llamándolo: "Claridad sin persuasión".5

Pero la persuasión está en todas partes, incluso en hojas de cálculo y, como probablemente argumentaría la filósofa feminista Donna Haraway, especialmente en hojas de cálculo. En la década de 1980, Haraway fue una de las primeras en conectar la aparente neutralidad y objetividad de los datos y su presentación visual con las ideas sobre la distancia que acabamos de discutir. Ella describió la visualización de datos, en particular, como "el truco divino de ver todo desde la nada". La vista desde la nada, desde la distancia, desde arriba, como un dios, puede ser el rasgo más característico de la visualización de datos. También es el más éticamente complicado de navegar por las formas en que enmascara a las personas, los métodos, las preguntas y el desorden que se encuentra detrás de las líneas limpias y las formas geométricas. Haraway lo llama un truco porque hace que el público crea que puede ver todo, todo a la vez, desde un punto de vista imaginario e imposible. Pero también es un truco porque lo que parece ser todo, y lo que parece neutral, es siempre lo que ella llama una perspectiva parcial. Y en la mayoría de los casos de visualizaciones aparentemente "neutrales", se esconde la visión del grupo dominante. Piensa en la presunción de blanquitud por defecto que discutimos en la introducción o en el mapa de líneas rojas del capítulo 2. Este es un buen ejemplo del “truco divino” (NdT: el concepto de Haraway en inglés es god trick) en el trabajo de visualización.6

El “truco divino” y su presunción sobre la neutralidad y la verdad, integran las buenas prácticas actuales para la visualización de datos. Esto se debe en gran parte a la influencia de un hombre: el renombrado experto en gráficos estadísticos Edward Tufte. En la década de 1980, Tufte inventó una métrica para medir la cantidad de información superflua incluida en un gráfico. Lo llamó la simplicidad en la visualización de datos (en inglés data-ink ratio).7 En su opinión, quienes diseñan la visualización deben esforzarse para ser simples en el estilo (en inglés el concepto data-ink ratio hace referencia a visualizaciones con tinta de trazos muy sencillos para facilitar el gráfico). Cualquier esfuerzo dedicado a algo que no sean los datos en sí (como el color de fondo, la iconografía o los “adornos”), es cuestionable e invasivo en el gráfico. El minimalismo visual, según esta lógica, apela primero a la razón. Como le dice el oficial de policía Joe Friday a cada personaje femenino de la serie de televisión estadounidense Dragnet: "solo los hechos, señora". Los elementos decorativos, por otro lado, están asociados con sentimientos desordenados o, peor aún, representan intentos sigilosos (y, según Tufte, no científicos) de persuasión emocional. La visualización de datos incluso ha sido nombrada como “el arte sin empatía” por el diseñador Mushon Zer-Aviv debido a su rechazo enfático de la emoción.8

La lógica que establece esta falsa contradicción entre la emoción y la razón tiene género, por supuesto, porque la creencia de que las mujeres son más emocionales que los varones (y, por el contrario, que los varones son más sensatos que las mujeres) es uno de los estereotipos más persistentes en muchas culturas occidentales. De hecho, la psicología lo ha llamado un estereotipo articulador (master stereotype) y se pregunta cómo perdura aún cuando ciertas emociones, incluso las extremas, como la ira y el orgullo, se asocian simultáneamente a los varones.9 Un enfoque nodal de la academia feminista ha sido desafiar los falsos binarios como este entre la razón y la emoción y señalar cómo también establecen jerarquías. (Discutiremos esto más en el capítulo 4.) Por ahora, lo importante que debemos tener en cuenta es cómo funcionan los falsos binarios para beneficiar a una sola de las perspectivas parciales de Haraway: la del grupo que ya está en la cima, es decir, los varones blancos de élite.

¿Cómo podemos dejar de lado esta lógica binaria? Dos preguntas adicionales ayudan a desafiar esta forma reduccionista de pensar y las jerarquías opresivas que sustenta. En primer lugar, ¿el minimalismo visual es realmente más neutral? Y segundo, ¿cómo podría ayudarnos la activación de la emoción a aprender, recordar y comunicarnos con los datos (aprovechar, en lugar de resistir, la emoción en la visualización de datos)? Explorar estas preguntas nos ayuda a acercarnos al tercer principio del feminismo de datos: abrazar la emoción y el cuerpo.

La visualización como retórica

La visualización de la información tiene orígenes diversos. Su historia a menudo se rastrea desde el conjunto de varones europeos que mapearon sus conquistas coloniales a fines del siglo XV y principios del XVI, desde el desarrollo de nuevas tipologías visuales como la línea de tiempo y el gráfico de barras en los siglos XVII y XVIII, hasta la adopción de “esos formularios” (NdT: el origen de la estadística estatal y los censos de población) por parte naciones poderosas a medida que acumulaban cantidades crecientes de datos sobre las poblaciones que buscaban controlar. Pero las académicas feministas cuestionan cada vez más esta simple narrativa de progreso, así como su elenco de personajes, que es predominantemente de varones blancos. Whitney Battle-Baptiste y Britt Rusert publicaron recientemente una nueva edición del trabajo de visualización de W. E. B. Du Bois, el renombrado sociólogo Negro y activista de los derechos civiles, quien creó sus "retratos de datos" de la vida afroamericana para la Exposición de París de 1900. Laura Bliss, en una publicación en un blog que se volvió viral, llamó la atención sobre los “mapas narrativos” de Shanawdithit, integrante de la tribu Beothuk (Newfoundland), que creó alrededor de 1829 a partir de la visita de un equipo antropológico. Y Lauren, una de las autoras de este libro, creó un sitio web que reanima los cuadros históricos de Elizabeth Palmer Peabody, la editora y educadora del siglo XIX, que utilizó la visualización en su enseñanza (figura 3.3).10

Las primeras personas que diseñaban estas visualizaciones entendían cómo sus imágenes podían funcionar retóricamente. Pero en la historia más reciente, muchos teóricos y profesionales de la visualización de datos provienen de disciplinas técnicas alineadas con la ingeniería y la informática y no han recibido capacitaciones en las teorías de comunicación occidentales más fundamentales. En su antiguo tratado griego, Aristóteles define la retórica como “la facultad de conocer en cada caso aquello que puede persuadir”.11 Pero la retórica no se encuentra únicamente en los discursos políticos pronunciados por varones vestidos con túnicas y coronas en la cabeza.12 Cualquier objeto comunicante que refleje elecciones sobre la selección y representación de la realidad es un objeto retórico. Si es retórico o no (siempre lo es) no tiene nada que ver con si es cierto (puede serlo o no).

La cuestión de la retórica es importante porque “una dimensión retórica está presente en cada diseño”, dice la investigadora de visualización Jessica Hullman.13 Esto incluye visualizaciones que no tienen la intención deliberada de persuadir a las personas de un determinado mensaje. Incluye especial y definitivamente aquellas llamadas visualizaciones neutras que no parecen tener mano editorial. De hecho, ¡esas podrían ser incluso las visualizaciones más perniciosamente persuasivas de todas!

Las decisiones editoriales se vuelven más evidentes cuando se comparan con caminos alternativos. Por ejemplo, en su libro The Curious Journalist's Guide to Data [NdT: La guía de datos de periodistas curiosos/as/es -libro no traducido al castellano-], el periodista Jonathan Stray analiza una historia de datos del New York Times sobre el informe laboral de septiembre de 2012.14 The New York Times creó dos gráficos del informe: uno enmarcado desde la perspectiva del partido demócrata (en el poder en ese momento; figura 3.4a) y uno enmarcado desde la perspectiva del partido republicano (figura 3.4b).

Cualquiera de estos gráficos, considerados aisladamente, parece ser neutral y fáctico. Los datos se presentan con métodos estándar (gráfico de líneas y gráfico de áreas respectivamente) y posicionamientos convencionales (tiempo en el eje x, tasas expresadas como porcentajes en el eje y, título colocado sobre el gráfico). Hay una alta simplicidad en la visualización de los datos en ambos casos y muy pocos “adornos”. Pero los gráficos tienen diferencias editoriales significativas. El gráfico demócrata enfatiza que el desempleo está disminuyendo: en su título, la adición de la flecha azul gruesa que apunta hacia abajo y la anotación "La caída del viernes fue mayor de lo esperado". Mientras que el gráfico republicano destaca el hecho de que el desempleo ha sido constantemente alto durante los últimos tres años, mediante el uso de la línea de referencia del "8 % de desempleo", la opción de usar un gráfico de área en lugar de una línea y, por supuesto, el título del gráfico.15 Ninguno de los gráficos es neutral, pero ambos gráficos son fácticos. Como dice Jonathan Stray: "Las limitaciones de la verdad dejan un espacio muy amplio para la interpretación".16 Cuando visualizamos los datos, el único hecho demostrable es que es imposible evitar la interpretación (a menos vuelvas a publicar el informe completo lo que no sería una visualización).

Aquellos campos muy cercanos a la visualización, como la cartografía, han juzgado durante mucho tiempo su trabajo como ideológico. Pero las discusiones sobre retórica, elecciones editoriales y poder han sido mucho menos frecuentes en el campo de la visualización de datos. En 2011, Hullman y Nicholas Diakopoulos escribieron un influyente artículo en el que reafirmaron la importancia de la retórica para la comunidad de visualización de datos.17 Su principal argumento era que la visualización de datos implica elecciones editoriales: algunas cosas se resaltan necesariamente, mientras que otras se oscurecen necesariamente. Cuando los diseñadores toman estas decisiones, llevan consigo efectos de encuadre, es decir, tienen un impacto en la forma en que las personas interpretan los gráficos y lo que se les quita.

Por ejemplo, es una práctica habitual citar la fuente de los datos. Esto funciona a un nivel práctico, para poder descargar los datos por cuenta propia. Pero esta elección también funciona como lo que Hullman y Diakopoulos llaman retórica de procedencia diseñada para señalar la transparencia y confiabilidad de la fuente de presentación para los usuarios finales. Establecer confianza entre quienes diseñan y su audiencia a su vez aumenta la probabilidad de creer lo que se ve.

Otros aspectos de la visualización de datos también funcionan para desviar la atención de la audiencia de las decisiones editoriales y reforzar la neutralidad y la "veracidad" percibidas de un gráfico. Después de realizar un análisis sociológico, Helen Kennedy et al determinaron que cuatro convenciones de visualización de datos refuerzan las percepciones de las personas sobre su base fáctica: (1) puntos de vista bidimensionales, (2) diseños limpios, (3) formas y líneas geométricas y (4) la inclusión de fuentes de datos en la parte inferior.18 Estas convenciones contribuyen a la percepción de la visualización de datos como objetiva, científica y neutral. Ambos gráficos de desempleo del New York Times emplean estas convenciones: el espacio de la imagen es bidimensional y abstracto; el diseño es "limpio", es decir, mínimo y sin “adornos” más allá de los necesarios para comunicar los datos; las líneas que representan las tasas de empleo varían suave y fielmente sobre un fondo cuadriculado geométricamente; y la fuente de los datos se indica en la parte inferior. Tanto el gráfico demócrata como el republicano habrían sido totalmente plausibles como una visualización del New York Times, y muy pocas personas habríamos pensado en cuestionar el encuadre de los datos en el gráfico.

Entonces, si las visualizaciones simples y "sin emociones" no son neutrales, pero en realidad son extremadamente persuasivas, ¿qué significa esto para el concepto de neutralidad en general? Las personas que se dedican a la ciencia y al periodismo son solo algunas de las que se ponen nerviosas y a la defensiva cuando surgen preguntas sobre la neutralidad y la objetividad. Las personas que se dedican a la auditoría y la contaduría también se ponen nerviosas. Suelen suponer que la única alternativa a la objetividad es una retirada al relativismo total y un mundo en el que reinan los hechos alternativos donde todo el mundo recibe una medalla de oro por tener una opinión. Pero existen opciones intermedias.

En lugar de valorizar el ideal de neutralidad y tratar de eliminar todos los rastros humanos de un producto de datos debido a su sesgo, las filósofas feministas han propuesto un objetivo de conocimiento más completo. La idea de Donna Haraway del “truco divino” proviene de un argumento más amplio sobre la importancia de desarrollar la objetividad feminista. Para ella, no se trata solo de la visualización de datos, sino de todas las formas de conocimiento que están situadas. Es decir que son producidas por personas específicas en circunstancias específicas: culturales, históricas y geográficas.19 La objetividad feminista es una herramienta que puede dar cuenta de la naturaleza situada de conocimiento y puede reunir múltiples (lo que ella llama, parciales) perspectivas. Sandra Harding, quien desarrolló sus ideas junto a Haraway, propone un concepto de fuerte objetividad. Esta forma de objetividad trabaja hacia una producción de conocimiento más inclusiva al centrar las perspectivas, o puntos de vista, de grupos que de otro modo estarían excluidos de los procesos de creación de conocimiento.20 Esto se conoce como teoría del punto de vista. Para complementar estas ideas, Linda Alcoff introdujo la idea de posicionalidad, un concepto que enfatiza cómo cada individuo llega a los procesos de creación de conocimiento desde múltiples posiciones, cada una determinada por la cultura y el contexto.21 Todas estas ideas ofrecen alternativas a la búsqueda de una objetividad universal, que es, por supuesto, una meta inalcanzable.

La creencia de que la objetividad universal debería ser nuestro objetivo es dañina porque siempre se pone en práctica solo parcialmente. Esta creencia errónea es lo que provocó que la renombrada cardióloga Nieca Goldberg titulara su libro Women are not small men [NdT: Las mujeres no son varones pequeños -libro sin traducción al castellano-] porque descubrió que la enfermedad cardíaca en las mujeres se desarrolla de una manera fundamentalmente diferente a la de los varones.22 La gran mayoría de los estudios científicos, no solo de enfermedades del corazón, sino de la mayoría de las patologías médicas, se llevan a cabo en varones, y se considera que las mujeres difieren de esta “norma” solo por su tamaño más pequeño.23 La clave para solucionar este problema es reconocer que toda la ciencia, y de hecho todo el trabajo en el mundo, es emprendido por individuos. Cada persona ocupa una perspectiva particular, como diría Haraway; un punto de vista particular, como diría Harding; o un conjunto particular de posicionalidades, como diría Alcott. Y estarían de acuerdo en que la investigación realizada solo por varones y sobre varones no puede universalizarse para hacer afirmaciones de conocimiento sobre todas las demás personas en el mundo.

Revelar la(s) posición(es) de tu sujeto es una estrategia feminista importante para ser transparente sobre los límites de tus afirmaciones de conocimiento, o las de cualquier otra persona. Así, por ejemplo, nosotras (las autoras) incluimos declaraciones sobre nuestras propias posturas en la introducción para revelar el género, la racialización, la clase, la capacidad, la educación y otras posiciones de sujeto que le dieron forma a la escritura de este libro. En lugar de ver estas posiciones como amenazas o influencias que podrían haber sesgado nuestro trabajo, las aceptamos como una oferta de perspectivas valiosas que podrían enmarcarlo. Este es un enfoque que nos gustaría que otras personas adoptaran también. Las posiciones de sujetos que se cruzan de cada persona son únicas y, cuando se aplican a la ciencia de datos, pueden generar preguntas de investigación creativas y completamente nuevas.

Visceralización24 de datos

Esta adopción de múltiples perspectivas y posiciones ayuda a reequilibrar la jerarquía de la razón sobre la emoción en la visualización de datos.25 ¿Cómo? Desde principios de la década del 2000, ha habido una explosión de investigación sobre el afecto (el término que la academia usa para referirse a las emociones y otros sentimientos subjetivos) desde campos tan diversos como la neurociencia, la geografía y la filosofía. (Hablamos más sobre el afecto en el capítulo 7). Este trabajo desafía el pensamiento que descarta la emoción como irracional e ilegítima, incluso cuando innegablemente influye en los procesos sociales, políticos y científicos del mundo. Evelyn Fox Keller, una física convertida en filósofa, empleó la famosa investigación de la genetista Barbara McClintock, ganadora del Premio Nobel, para mostrar cómo incluso los descubrimientos científicos más profundos se generan a partir de una combinación de experimentación e intuición, razón y emoción.26

Una vez que adoptamos la idea de aprovechar la emoción en la visualización de datos, podemos apreciar verdaderamente lo que diferencia al gráfico de "Muertes por armas en EE. UU." de Periscopic del gráfico del Washington Post o de cualquier número de otros gráficos de muertes por armas que han aparecido en periódicos y documentos políticos. El del Washington Post, por ejemplo, representa los recuentos de muertes como marcas azules en un gráfico de barras genérico. Si no leyéramos el pie de foto, no sabríamos si estamos contando las muertes por armas de fuego en los Estados Unidos o los montones de heno en Kansas o las exportaciones de Malasia o cualquier otra estadística. Por el contrario, la visualización de Periscopic conduce a la pérdida, el dolor y el duelo, principalmente a través de su énfasis retórico en contar los "años robados". Esto llama la atención de la audiencia sobre "lo que podría haber sido". El conteo se ve reforzado por el lenguaje visual para representar los “años robados” como líneas grises, algo apropiado para números rigurosamente determinados pero que no son hechos técnicamente porque provienen de un modelo estadístico. La visualización también usa animación y ritmo para ayudarnos a apreciar primero la escala de una vida y luego multiplica esa escala por 11 419. La magnitud de la pérdida, especialmente cuando se ve en conjunto y a lo largo del tiempo, constituye una declaración de una profunda verdad que se nos revela a través de nuestras propias emociones. Es importante señalar que la emoción y el minimalismo visual no son aquí incompatibles. La visualización de Periscopic nos muestra cómo se puede aprovechar la emoción junto con el minimalismo visual para obtener el máximo efecto.

Desde el arte y el diseño especializado en datos, ya se saben estas cosas, o al menos se intuyen. Al igual que el equipo de Periscopic, otros están ampliando los límites de lo que podría ser la visualización de datos afectivos e incorporados. En 2010, Kelly Dobson fundó el grupo de investigación de “Visceralización” de Datos en el programa de posgrado Digital + Media de la Escuela de Diseño de Rhode Island (RISD, por su sigla en inglés). El objetivo de este grupo no era visualizar datos sino visceralizarlos. Las cosas visuales son para los ojos, pero las visceralizaciones son representaciones de datos que todo el cuerpo puede experimentar, tanto emocional como físicamente, datos que “vemos, oímos, sentimos, respiramos e incluso ingerimos”, escribe el teórico de los medios Luke Stark.27

Las razones para visceralizar los datos tienen que ver con algo más que la simple experimentación creativa. Primero, los humanos no son dos globos oculares unidos por tallos a una computadora cerebral. Somos seres con cuerpo, multisensoriales, con culturas, recuerdos y apetitos.28 En segundo lugar, las personas con discapacidades visuales también necesitan una forma de acceder a los datos codificados en gráficos y paneles. Según la Organización Mundial de la Salud, 253 millones de personas en todo el mundo viven con algún tipo de discapacidad visual, en el espectro que va desde la visión limitada hasta la ceguera total.29 Por razones de accesibilidad, Aimi Hamraie, directora del proyecto Mapping Access [Acceso al mapeo] de la Universidad de Vanderbilt, aboga por una forma de visceralización de datos, aunque no en esos términos exactos: "En lugar de confiar completamente en representaciones visuales de datos", explican, "las aplicaciones de accesibilidad digital podrían expandir el acceso al incorporar 'mapeo profundo' o recopilar y mostrar información en múltiples formatos sensoriales”.30

Por el momento, sin embargo, es más probable encontrar ejemplos de objetos y eventos que hacen uso de múltiples formatos sensoriales en el contexto de laboratorios de investigación, galerías y museos. Por ejemplo, en A Sort of Joy (Thousands of Exhausted Things) [Un tipo de alegría (Miles de cosas exhaustas)], la compañía de teatro Elevator Repair Service unió fuerzas con la empresa de visualización de datos Oficina de Investigación Creativa (Office of Creative Research) para guionar una actuación en vivo basada en metadatos sobre las obras de arte en poder del Museo de Arte Moderno de Nueva York (MoMA, por su sigla en inglés).31 Con 123.951 obras en su colección, los metadatos del MoMA consisten en los nombres de artistas, los títulos de las obras de arte, sus rótulos nomencladores y sus períodos de tiempo. Pero, para empezar, ¿cómo llega una obra de arte a la colección del museo? Los principales museos de arte y sus políticas de colección han sido durante mucho tiempo el foco de la crítica feminista porque la cuestión de las obras de quién se coleccionan se traduce en la cuestión de qué trabajo se cuenta en los anales de la historia.32 Como puedes suponer, esta historia ha consistido principalmente en un desfile de “maestros” europeos varones blancos, como nos recuerda el proyecto Guerrilla Girls representado en la figura 3.5.

En 1989, Guerrilla Girls, un colectivo anónimo de mujeres artistas, publicó una infografía: ¿Tienen que estar desnudas las mujeres para entrar en el Museo Metropolitano? El gráfico presenta un argumento basado en datos al comparar las estadísticas de género de artistas recopiladas por otro museo de Nueva York, el Museo Metropolitano de Arte (el MET) con las estadísticas de género de los sujetos y modelos de las obras de arte. Fue diseñado para ser exhibido en una valla publicitaria, pero fue rechazado por la compañía de letreros porque “no era lo suficientemente claro”. 33 Si nos preguntas, nos es muy claro: el Met recopila pinturas donde las mujeres son sujetos desnudos, pero exhibe muy pocas obras de arte creadas por mujeres artistas en sí.

Luego de que la compañía de letreros la frustrara, las Guerrilla Girls pagaron para que la infografía se imprimiera en carteles exhibidos en todo el sistema de autobuses de la ciudad de Nueva York, hasta que la Autoridad de Transporte Metropolitano (MTA) canceló el contrato, afirmando que la figura parecía tener más que un abanico en su mano. Definitivamente era más que un abanico, pero esta subestimación deliberada reveló la incomodidad de la MTA con esta imagen provocativa y activista.34

Un tipo de alegría despliega tácticas completamente diferentes para obtener fines similares. La actuación comienza con un grupo de varones blancos de pie en círculo en el centro de la sala. Miran hacia el público que los rodea. Los varones están vestidos como visitantes de museo estereotípicos: camisas con cuello, pantalones, etc. Cada uno usa auriculares y sostiene un iPad donde aparecen los nombres de los artistas de la colección. “John”, dicen los varones juntos. Vemos los iPads donde aparecen todos los nombres de los artistas de la colección del MoMA cuyo primer nombre es John: John Baldessari, John Cage, John Lennon, John Waters, etc. Tres artistas femeninas, que también usan audífonos y llevan iPads con nombres en la pantalla, caminan alrededor del círculo de varones. “Robert”, dicen los varones juntos, y los nombres se desplazan por los Roberts en orden alfabético. Las mujeres guardan silencio y siguen caminando. “David”, dicen los varones juntos. Pronto se hace evidente que los artistas se clasifican por nombre y luego se ordenan por qué nombre tiene la mayor cantidad de obras en la colección. Por lo tanto, los John, Robert y David vienen primero, porque tienen la mayor cantidad de obras en la colección. Pero las Mary tiene menos obras, y los Mohamed y las María apenas están en el registro. Varios minutos más tarde, después de que los varones dicen "Michael", "James", "George", "Hans", "Thomas", "Walter", "Edward", "Yan", "Joseph", "Martin", "Mark ”, “José”, “Louis”, “Frank”, “Otto”, “Max”, “Steven”, “Jack”, “Henry”, “Henri”, “Alfred”, “Alexander”, “Carl”, "Andre", "Harry", "Roger" y "Pierre", "Mary" finalmente aparece, dicho por las artistas femeninas, el primer sonido que han hecho.

Para los miembros de la audiencia, la experiencia es un poco confusa al principio. ¿Por qué los varones están en un círculo? ¿Por qué pronuncian al azar el nombre de alguien? ¿Y por qué esas mujeres caminan tan atentas? Pero “Mary” se convierte en una especie de momento sorpresa, que destaca la naturaleza altamente diferenciada por género de la colección, exactamente el mismo tipo de experiencia de conocimiento que la visualización de datos es tan buena para producir, según el investigador Martin Wattenberg.35 A partir de ese momento, la audiencia comienza a escuchar de manera diferente, esperando ansiosamente el próximo nombre femenino. “Mary” tarda más de tres minutos en pronunciarse, y el siguiente nombre femenino, “Joan”, aparece un minuto después. "Barbara" sigue inmediatamente después de eso, y luego los varones vuelven a leer: "Werner", "Tony", "Marcel", "Jonathan".

Desde una perspectiva de análisis de datos, A Sort of Joy [Un tipo de alegría] consiste en operaciones simples: el contar y agrupar. Un gráfico de barras o un mapa de árbol de nombres fácilmente podría haber representado los mismos resultados. Pero presentar el conjunto de datos como una experiencia basada en el tiempo hace que la audiencia espere, escuche y experimente. También va en contra del mantra en la visualización de información expresado por el investigador Ben Shneiderman a mediados de la década de 1990: "Primero se hace una visión general, luego se aumenta y se pone un filtro, luego detalles a pedido".36 En esta performance de datos, no vemos la visión general primero. Escuchamos, vemos y experimentamos cada dato individual uno a la vez y solo lentamente construimos un sentido del todo. Las diferentes expresiones de género, movimientos corporales y tonos verbales de los artistas llaman nuestra atención colectiva sobre el tema del género en la colección del MoMA. Empezamos a anticipar cuándo surgirá el nombre de la próxima mujer. Sentimos el diferencial de género, en lugar de verlo.

Este sentimiento es el afecto. Comprende las emociones que surgen al experimentar la actuación, así como las reacciones fisiológicas a los sonidos y movimientos realizados por artistas, así como los deseos e impulsos que resultan, incluso si ese impulso es caminar hacia otra habitación porque la actuación es desconcertante o simplemente larga.

Las visceralizaciones de datos que aprovechan el afecto no se limitan a las principales instituciones artísticas. Catherine y la artista Andi Sutton dirigieron recorridos a pie por la costa de Boston basados ​​en el aumento del nivel del mar.37 El artista interactivo Mikhail Mansion hizo una silla inclinada que se balanceaba y se desplazaba animatrónicamente en función de los cambios en tiempo real en las corrientes de los ríos.38 Organizaciones sin fines de lucro en Tanzania organizaron un concurso de diseño de ropa basado en datos que incorporó estadísticas sobre la desigualdad de género y cerró el proyecto con un desfile de moda.39 La artista Teri Rueb organiza “encuentros sonoros” entre las capas geológicas de un paisaje y el cuerpo humano que se ve afectado por ellas.40 Simon Elvins dibujó un mapa de papel gigante de estaciones de radio piratas en Londres que realmente puedes escuchar.41 Un robot diseñado por Annina Rust decora pasteles reales con gráficos circulares sobre igualdad de género, y luego se pueden comer.42

Puede parecer que estos proyectos le estén hablando a otra parte del cerebro (o vientre), a diferencia de los histogramas estándar o mapas de red, pero se puede aprender algo de las oportunidades abiertas por la visceralización de datos. Abrazar deliberadamente emociones como el asombro, la confusión, el humor y la solidaridad permite una forma valiosa de maximalismo de datos, que permite puntos de entrada multisensoriales, una mayor accesibilidad y una variedad de tipos de aprendizaje.

Incertidumbre visceral

Las investigaciones científicas ahora están demostrando mediante experimentos lo que el diseño y el arte han sabido a través de la práctica: activar la emoción, hacer uso del cuerpo y crear formas de presentación novedosas ayudan a las personas a comprender y aprender más de los argumentos basados ​​en datos, así como a recordarlos más plenamente.43 Resulta que visceralizar los datos puede ayudar a diseñadores a resolver un problema particularmente pernicioso en la comunidad de visualización: cómo representar la incertidumbre en un medio que se ha convertido retóricamente en sinónimo de la verdad. Para este fin, especialistas en diseño han creado una gran variedad de gráficos y técnicas para cuantificar y representar la incertidumbre. Estos incluyen diagramas de caja, diagramas de violín (figura 3.6), diagramas gradientes e intervalos de confianza.44 Desafortunadamente, sin embargo, a las personas les cuesta reconocer la incertidumbre en las visualizaciones de datos, incluso cuando se les dice explícitamente que algo es incierto. ¡Esto sigue siendo cierto incluso para algunos investigadores que usan datos!45

Por ejemplo, consideremos el gráfico de votos totales que se muestra como parte de la cobertura en línea del New York Times de las elecciones presidenciales de 2016 (figura 3.7). Las líneas azul y roja representan la proyección del New York Times sobre los resultados en el transcurso de la noche de las elecciones y hasta el día siguiente. Las áreas de gradiente muestran el grado de incertidumbre que rodeaba esas conjeturas, con el área interior más oscura que muestra resultados de votos que aumentaron entre el 25 y el 75 % de las veces, y las áreas exteriores más claras que muestran resultados que aumentaron entre el 75 y el 95 % y 5 % a 25 % del tiempo, respectivamente. Si observas detenidamente el extremo izquierdo del gráfico, que representa la noche de las elecciones (todo lo anterior a la etiqueta del eje de las 12:00 a. m.), el resultado de que Trump gane y Clinton pierda, fácilmente cae dentro del rango de probabilidad del 5 al 25 %.

Aunque los análisis postelectorales declararon que los comicios de 2016 fueron el Gran Fracaso de los Datos y las Estadísticas (debido a que la mayoría de las simulaciones y otros modelos estadísticos sugirieron que Clinton ganaría), la mayoría de los pronósticos incluían la posibilidad de una victoria de Trump. El problema subyacente no era la falla de los datos, sino las dificultades para representar la incertidumbre en forma visual. Las personas simplemente no están lo suficientemente capacitadas para reconocer la incertidumbre en gráficos como este. En lugar de interpretar las bandas de gradiente como probabilidades (por ejemplo, Trump tenía un 20 % de posibilidades de ganar a las 6 p. m.), la gente puede interpretarlas como votos (por ejemplo, Trump tenía el 20 % de los votos a las 6 p. m.). O pueden ignorar las bandas de gradiente por completo y mirar solo las líneas. O ven a Clinton en la cima y suponen que está ganando. Esto se llama heurística en la literatura de psicología (usar atajos mentales para hacer juicios) y sucede todo el tiempo cuando se le pide a las personas que evalúen las probabilidades.46 Una gran parte del problema es que las convenciones de visualización refuerzan estos juicios erróneos. Los gráficos se ven tan certeros, ¡incluso cuando están haciendo todo lo posible para ilustrar visualmente la incertidumbre!

Jessica Hullman, cuyo trabajo sobre retórica ya hemos mencionado, ofrece una solución a este problema. En lugar de crear diagramas fijos como en el ejemplo del New York Times que representa la incertidumbre en forma agregada o estática, Hullman aboga por representar experiencias de incertidumbre.47 En otras palabras, aprovechar la emoción y el afecto para que las personas experimenten la incertidumbre de manera perceptiva. O, para invocar un discurso común de las escuelas de diseño y formación retórica, "(de)muéstralo, no lo digas". En lugar de decirles a las personas que están mirando una incertidumbre al usar un cierto estilo (de) gráfico (que crea condiciones propicias para que intervengan esas heurísticas molestas) haz que sientan la incertidumbre.

Podemos ver un buen ejemplo de la incertidumbre en acción en la misma cobertura electoral en vivo de la página web del New York Times. En la parte superior de la página había un indicador (figura 3.8) que mostraba la predicción en tiempo real de quién ganaría la elección. Había un gradiente de categorías que iban de azul oscuro (“Muy probable” que Clinton ganara) a rojo oscuro ("Muy probable" que Trump ganara). Pero la aguja no se quedó quieta. Oscilaba entre los veinticinco y setenta y cinco percentiles, mostrando el rango de resultados que el New York Times estaba prediciendo en ese momento, basado en simulaciones que usaban los datos más recientes. Al comienzo del día, el rango de movimiento era bastante amplio, pero solo mostraba la aguja del lado de Hillary Clinton. A medida que avanzaba la noche, el rango se estrechó y el centro se acercó más y más al lado rojo del indicador. A las 9 p. m., la aguja se movió un poco, y solo del lado de Trump.

Parte de la audiencia lectora del New York Times fue agresiva al demostrar su inconformidad con el indicador, llamándolo "irresponsable" y "poco ético" y "lo más estresante que he visto en línea y he visto mucha mierda estresante".48 En respuesta a eso, Gregor Aisch, uno de los diseñadores del indicador, lo defendió, explicando que “pensaban (¡y aún lo hacen!) que este movimiento en realidad ayudó a demostrar la incertidumbre en torno a nuestro pronóstico, transmitiendo la precisión relativa de nuestras estimaciones”.49 Entonces, ¿fue este diseño "poco ético" o lo fue la comunicación sofisticada de la incertidumbre?

Partiendo del trabajo de Hullman, pensamos que la respuesta es la segunda opción. El indicador electoral oscilante en realidad exhibía las mejores prácticas actuales para comunicar la incertidumbre. Le dio a las personas la experiencia perceptual, intuitiva, visceral y emocional de la incertidumbre para reforzar su descripción cuantitativa. El hecho de que haya inquietado a tanta cantidad de lectores del New York Times probablemente tuvo menos que ver con la ética de la visualización y más con el resultado de la elección. Así que la emoción resulta ganadora en la tarea de representar la incertidumbre.

No dejes de hacer un “truco divino”

Entonces, ¿significa esto que todos los gráficos electorales deberían ser oscilantes? ¿O que las visceralizaciones de datos son categóricamente superiores a los gráficos visuales? ¿O que una visualización de datos enmarcada en torno a la emoción es siempre la "mejor" opción para la tarea de diseño en cuestión? ¿O que nunca se debería usar el “truco divino” para presentar una vista desde arriba desde el diseño?

La respuesta a estas preguntas puede sorprenderte: ¡definitivamente no! Si hay una sola regla en el diseño, es que el contexto es lo que prima. Una elección de diseño hecha en un contexto o para una audiencia no se traduce a otros contextos u otras audiencias. En pocas palabras: nunca es una buena idea decir "nunca" en el diseño. Profundizamos en la importancia del contexto cuando se trabaja con datos en el capítulo 6.

Tomemos el “truco divino” como ejemplo. Aunque el “truco divino” puede hacer daño, por ejemplo, en la forma de esos mapas objetivos de líneas rojas racistas del capítulo 2, también hay buenas razones para usar el “truco divino” como una forma de recuperación, contestación o empoderamiento. Como dice la renombrada diseñadora de visualización de datos Fernanda Viégas: “El tipo de visión general que brinda la visualización de datos es uno de los superpoderes que más atesoro”.50

Es este superpoder (la vista del narrador omnisciente, la ilusión de una visión desde afuera que no es de nadie y ve todo -the aerial view from nobody-) que podemos ver puesto en práctica en el mapa Coming Home to Indigenous Place Names in Canada [Volviendo a los topónimos de los pueblos originarios en Canadá] (figura 3.9a). Margaret Pearce, cartógrafa y miembro de la Citizen Potawatomi Nation, pasó quince meses recopilando nombres de lugares originarios de los pueblos de las Primeras Naciones, Métis e Inuit. El mapa representa la tierra que se conoce en un contexto angloccidental contemporáneo como Canadá, pero sin ninguno de los puntos de orientación colonial comunes, como los límites de las provincias o las ubicaciones de las principales ciudades como Ottawa, Montreal y Nueva Escocia. Por ejemplo, se puede ver en la figura 3.9b que lugares como Kinoomaagewaabikaang ("Rocas de enseñanza") y Odawa ("Comerciantes") y Kazabazua gajiibajiwan ("El río corre hacia abajo") llenan el área generalmente descrita como Toronto. Como así lo indica la descripción de la publicación: “Estos nombres son antiguos y recientes, tanto dentro y fuera de tiempo y expresan y aseguran la presencia de comunidades originarias en todo el paisaje canadiense en lenguas pertenecientes a los pueblos originarios".51

Volviendo a los topónimos de los pueblos originarios en Canadá aprovecha la autoridad del punto de vista “divino” para desafiar la mirada del colonizador, para abogar por una “revisión” de la tierra bajo términos de compromiso que reconozcan la soberanía de los pueblos originario y respeten sus tierras. La extensión del territorio geográfico incluido y la gran cantidad de nombres afirma que la presencia de comunidades originarias es importante, originaria y continua. Esto es por diseño. Pearce creó intencionalmente el mapa con el mismo tamaño de papel, plegado, escala y proyección que el mapa publicado por Recursos Naturales de Canadá, la autoridad geográfica del país.52 Al replicar estas características de diseño, Volviendo propone una concepción alternativa de la identidad nacional, pero, al mismo tiempo, lo hace con autoridad.53

En realidad, hay otro giro además de su punto de vista intencionalmente autorizado: el mapa no revela todo.54 Como cartógrafa, Pearce procedió con las metodologías originarias de respeto, responsabilidad y reciprocidad.55 Lo que esto significaba en la práctica era asegurarse de cuidar cada nombre como propiedad cultural originaria (protegiendo los permisos para cada nombre y respetando cuando las comunidades no querían compartir las traducciones al inglés de ese nombre). Ella es tajante sobre el hecho de que los nombres no son datos: “Los nombres de lugares no son conjuntos de datos. Los topónimos son bienes culturales compartidos con el mapa que provienen de los pueblos”. Proteger esa propiedad cultural también significaba proteger la ubicación geográfica exacta de cada sitio para que no se compartiera con personas extranjeras. Aquí es donde la escala del “truco divino” tiene efectos protectores: debido a que es generalizada, a 1:5 000 000, sirve para comunicar la ubicación general sin precisar la ubicación exacta. En este caso, el “truco divino” comunica la autoridad de los pueblos originarios mientras preserva también su autonomía.

Aunque el mapa ha sido publicado y el proyecto aparentemente está terminado, el compromiso y el cuidado de Pearce por los nombres de los pueblos originarios continúa. Cada vez que se reproduce el mapa, como en la imagen detallada de la figura 3.9b, Pearce escribe a las comunidades a las que pertenecen los nombres, explica el contexto propuesto de los nombres y solicita permiso para reproducir los nombres en ese contexto. Puedes ver estos permisos tal como se otorgaron en el epígrafe de la figura. Pearce procede con sensibilidad a sus propias posiciones, así como a la profundidad del significado de cada lugar en particular, su nombre y la comunidad. Los nombres de lugares son "relaciones", dice ella. “Y no son mis relaciones, no es mi territorio... Coexisten como relaciones que se incorporan a la comunidad”. La cartografía, entonces, no se convierte en una representación directa de “lo que es” en un sentido absoluto. Más bien, Volviendo es un mapa de relaciones, conversaciones e inversiones compartidas a través de las diferencias en el paisaje.

Elevar la emoción y el cuerpo

El tercer principio del feminismo de datos, y el tema de este capítulo, es elevar la emoción y el cuerpo. Como hemos demostrado, estas son herramientas cruciales, aunque a menudo infravaloradas, en la caja de herramientas de comunicación de datos. Ayudan a evitar la supuesta objetividad, la vista desde ningún cuerpo: la vista desde un punto de vista imaginario e imposible que no existe ni puede existir.

¿Cómo se ha llegado a considerar racional y objetiva la imagen completa, la visión general o el “truco divino”? ¿Cómo llegó el campo de la visualización de datos a un conjunto de convenciones que priorizan la racionalidad, devalúan la emoción e ignoran por completo los órganos que no se ven al interior del cuerpo humano? ¿Quién se excluye cuando solo se incluye la visión?

Cualquier comunidad de conocimiento inevitablemente coloca ciertas cosas en el centro y descarta otras, de la misma manera que los cuerpos de los varones casi siempre se toman como la norma en los estudios científicos mientras que los cuerpos de las mujeres se ven como desviaciones, o que los cuerpos sin discapacidad casi siempre se toman como casos de diseño primario, mientras que los cuerpos con discapacidad requieren una modificación del diseño. Shaowen Bardzell, académica feminista de la interacción humano-computadora (HCI, por su sigla en inglés), afirma que desde las áreas de diseño se debe mirar primero a quienes están en los márgenes: las personas obligadas a estar en los márgenes en cualquier contexto de diseño en particular son quienes demuestran quiénes y qué está tratando de excluir el sistema.56 El trabajo posterior en HCI insiste que desde el diseño luego se trabaje para “desmarginar los 'márgenes' reconociendo las intersecciones que existen, con solidaridad para navegar hacia la equidad y la inclusión”.57

En el caso de la visualización de datos, lo que se excluye es la emoción y el afecto, el cuerpo y la expresión, el embellecer y el “adornar” los gráficos. Estos son los aspectos de la experiencia humana asociados con las mujeres y, por lo tanto, devaluados por la lógica de nuestro estereotipo maestro. Pero la visualización de la violencia armada de Periscopic muestra cómo el minimalismo visual puede coexistir con la emoción para lograr el máximo impacto. Obras como Un tipo de alegría demuestran que la comunicación de datos puede ser visceral, una experiencia para todo el cuerpo. Y Volviendo a los topónimos de los pueblos originarios en Canadá establece que el “truco divino” en sí mismo puede usarse para generar emoción y desafiar la injusticia simultáneamente.

En lugar de hacer reglas y proporciones universales (piensa en la simplicidad de la visualización de datos -data ink ratio-) que excluyan algunos aspectos de la experiencia humana a favor de otros, es mejor emplear nuestro tiempo trabajando hacia un ideal más holístico e inclusivo. Todos los campos del diseño, incluida la visualización y la comunicación de datos, son campos de posibilidad. La socióloga feminista Negra Patricia Hill Collins describe una situación de conocimiento ideal como aquella en la que "ni la ética ni las emociones están subordinadas a la razón".58 Reequilibrar la emoción y la razón abre la caja de herramientas de comunicación de datos y nos permite centrarnos en lo que realmente importa en un proceso de diseño: honrar el contexto, diseñar la atención y tomar medidas para desafiar los estereotipos y reimaginar el mundo.59