خمسة أخطاء يرتبكها عند مشاركة تمثيل بيانات كوفيد 19 COVID 19 على منصة تويتر

الدوامة المحمومة لتبادل المعلومات المتعلقة بفيروس كورونا والتي حدثت هذا العام على وسائل التواصل الاجتماعي هي موضوع تحليل جديد بقيادة باحثين في كلية المعلومات والحوسبة في IUPUI.

نُشرت الدراسة في مجلة المعلوماتية المجانية ، وتركز الدراسة على مشاركة تصورات وتمثيل البيانات على تويتر - من قبل خبراء الصحة والمواطنين العاديين على حد سواء - أثناء النضال الأولي لفهم نطاق جائحة COVID-19 وآثاره على المجتمع. 

يستمر العديد من مستخدمي وسائل التواصل الاجتماعي في مواجهة مخططات ورسوم بيانية مماثلة كل يوم ، خاصة وأن موجة جديدة من حالات الإصابة بفيروس كورونا قد بدأت في الارتفاع في جميع أنحاء العالم.

وجد العمل أن أكثر من نصف التصورات التي تم تحليلها من المستخدمين العاديين احتوت على واحد من خمسة أخطاء شائعة قللت من وضوحها أو دقتها أو جدارة بالثقة.

يقول فرانشيسكو كافارو Francesco Cafaro -الأستاذ المساعد في كلية المعلومات والحوسبة- الذي قاد الدراسة: "لم يبدأ الخبراء بعد في استكشاف عالم التصورات العرضية على تويتر"، "دراسة الطرق الجديدة التي يتبادل بها الناس المعلومات عبر الإنترنت لفهم الوباء وتأثيره على حياتهم هي خطوة مهمة في التنقل في هذه المياه المجهولة".

تشير تمثيلات البيانات غير الرسمية إلى المخططات والرسوم البيانية التي تعتمد على الأدوات المتاحة للمستخدمين العاديين من أجل تصوير المعلومات بشكل مرئي بطريقة ذات مغزى شخصي. تختلف هذه التصورات عن التصور التقليدي للبيانات لأنها لم يتم إنشاؤها أو توزيعها من قبل الأشخاص المتخصصين للمعلومات الصحية ، مثل مراكز السيطرة على الأمراض والوقاية منها أو منظمة الصحة العالمية ، أو بواسطة وسائل الإعلام.

يقول كافارو: "الحقيقة هي أن الناس يعتمدون على هذه التصورات لاتخاذ قرارات مهمة بشأن حياتهم: سواء كان من الآمن إعادة أطفالهم إلى المدرسة أم لا ، وما إذا كان من الآمن أخذ إجازة أم لا ، وإلى أين يذهبون". "نظرًا لتأثيرها ، شعرنا أنه من المهم فهم المزيد عنها ، وتحديد المشكلات الشائعة التي يمكن أن تجعل الأشخاص الذين ينشئونها أو يشاهدونها يسيئون تفسير البيانات ، غالبًا عن غير قصد."

بالنسبة للدراسة ، قام باحثو جامعة انديانا IU بالتوجه إلى Twitter لتحديد 5409 تصورات وتمثيلات للبيانات تمت مشاركتها على الشبكة الاجتماعية بين 14 أبريل و 9 مايو 2020. ومن بين هؤلاء ، تم اختيار 540 بشكل عشوائي للتحليل - مع تحليل إحصائي كامل محجوز لـ 435 تصورًا بناءً على معايير إضافية . من بين هؤلاء ، تم إجراء 112 تمثيل للبيانات من قبل المواطنين العاديين.

بشكل عام ، قال كافارو إن الدراسة حددت خمسة عيوب مشتركة لتصورات البيانات التي تم تحليلها. بالإضافة إلى تحديد هذه المشكلات ، يقترح مؤلفو الدراسة خطوات للتغلب على تأثيرها السلبي أو تقليله:

١- عدم الثقة: أكثر من 25 في المائة من المنشورات التي تم تحليلها فشلت في تحديد مصدر بياناتها بوضوح ، مما أدى إلى عدم الثقة في الدقة. غالبًا ما تم حجب هذه المعلومات بسبب سوء التصميم - مثل خيارات الألوان السيئة أو التخطيط المزدحم أو الأخطاء المطبعية - وليس التشويش المتعمد. للتغلب على هذه المشكلات ، يقترح مؤلفو الدراسة وضع علامات واضحة على مصادر البيانات بالإضافة إلى وضع هذه المعلومات على الرسم نفسه بدلاً من النص المصاحب ، حيث غالبًا ما يتم فصل الصور عن منشوراتها الأصلية أثناء المشاركة الاجتماعية.

٢- الاستدلال النسبي: عرضت 11 بالمائة من المنشورات قضايا تتعلق بالتفكير النسبي ، والذي يشير إلى قدرة المستخدمين على مقارنة المتغيرات بناءً على النسب أو الكسور. يعد فهم معدلات الإصابة عبر المواقع الجغرافية المختلفة تحديًا في التفكير التناسبي ، على سبيل المثال ، نظرًا لأن أعدادًا مماثلة من العدوى يمكن أن تشير إلى مستويات مختلفة من الشدة في الأماكن ذات الكثافة السكانية المنخفضة مقابل العالية. للتغلب على هذا التحدي ، يقترح مؤلفو الدراسة استخدام تسميات مثل عدد الإصابات لكل 1000 شخص لمقارنة المناطق مع مجموعات سكانية متباينة ، حيث يسهل فهم هذا المقياس مقارنة بالأرقام أو النسب المئوية المطلقة.

٣-الاستدلال الزمني: حدد الباحثون 7 في المائة من المنشورات التي تحتوي على مشكلات تتعلق بالتفكير الزمني ، مما يشير إلى قدرة المستخدمين على فهم التغيير بمرور الوقت. وشملت هذه التصورات التي قارنت عدد الوفيات الناجمة عن الأنفلونزا في عام كامل مع عدد الوفيات الناجمة عن COVID-19 في غضون بضعة أشهر ، أو التصورات التي فشلت في حساب التأخير بين تاريخ الإصابة والوفيات. تضمنت التوصيات لمعالجة هذه المشكلات كسر المقاييس التي تعتمد على مقاييس زمنية مختلفة في مخططات منفصلة ، بدلاً من نقل البيانات في مخطط واحد.

٤-التحيز المعرفي: احتوت نسبة صغيرة من المشاركات (0.5 بالمائة) على نص يبدو أنه يشجع المستخدمين على إساءة تفسير البيانات استنادًا إلى "تحيزات المنشئ المتعلقة بالعرق والبلد والهجرة". يذكر الباحثون أنه يجب تقديم المعلومات مع وصف واضح وموضوعي منفصل بعناية عن أي تعليق سياسي مصاحب.

٥- سوء فهم الفيروس: استند 2٪ من التصورات إلى سوء فهم حول فيروس كورونا الجديد ، مثل استخدام البيانات المتعلقة بالسارس أو الأنفلونزا.

ووجدت الدراسة أيضًا أن أنواعًا معينة من تصورات البيانات كان أداءها أقوى على وسائل التواصل الاجتماعي. تم مشاركة تصورات البيانات التي أظهرت التغيير بمرور الوقت ، مثل الرسوم البيانية الخطية أو الشريطية ، الأكثر شيوعًا. ووجدوا أيضًا أن المستخدمين يتفاعلون بشكل متكرر مع المخططات التي تنقل أعداد الوفيات بدلاً من أعداد الإصابات أو التأثير على الاقتصاد ، مما يشير إلى أن الناس كانوا مهتمين أكثر بفتك الفيروس من آثاره السلبية الأخرى على الصحة أو المجتمع.

يقول كافارو: "إن التحدي المتمثل في نقل المعلومات بدقة بصريًا لا يقتصر على مشاركة المعلومات على تويتر ، لكننا نشعر أن هذا التواصل يجب أن يؤخذ يعين الاعتبار بعناية خاصة بالنظر إلى تأثير وسائل التواصل الاجتماعي على صنع القرار لدى الناس". "نعتقد أن النتائج التي توصلنا إليها يمكن أن تساعد الوكالات الحكومية ووسائل الإعلام الإخبارية والأشخاص العاديين على فهم أفضل لأنواع المعلومات التي يهتم بها الأشخاص أكثر من غيرها ، بالإضافة إلى التحديات التي قد يواجهها الأشخاص أثناء تفسير المعلومات المرئية المتعلقة بالوباء."

المؤلفون البارزون الإضافيون في الدراسة هم ميلكا تراجكوفا Milka Trajkova وعائشة الحكمي A'aeshah Alhakamy وسانيكا فيداك Sanika Vedak وراشمي مالابا Rashmi Mallappa  وسريكانث آر كانكارا  Sreekanth R. Kankara ، مساعدي الأبحاث في كلية المعلوماتية والحوسبة في IUPUI في وقت الدراسة. الدكتور الحكمي محاضرة في جامعة تبوك في المملكة العربية السعودية.

المصدر: https://www.sciencedaily.com/releases/2020/11/201110102546.htm