Dla naszego mózgu 40 tys. Ofiar smogu to jedynie kolejna abstrakcyjna liczba. Zapomnimy ją zaraz po przeczytaniu artykułu prasowego po porannej kawie. Żyjemy w epoce wielkich zbiorów danych, ale bezduszne wykresy i surowe statystyki paradoksalnie znieczuliły nas na globalne kryzysy. Jak połączyć naukową rygorystyczność z ludzkim doświadczeniem, by na nowo zrozumieć świat? Odpowiedzią staje się data humanism i sztuka, która przywraca statystykom ludzką twarz.

Kłamstwo obiektywnych danych

Napięcie pomiędzy obiektywnymi dowodami a subiektywnym doświadczeniem nie jest nowym problemem. Jego korzenie sięgają medycyny i nauk o zdrowiu publicznym (Laws et al., 2004 ). Przez dekady toczyła się tam debata nad wyższością wielkoskalowych badań klinicznych nad jednostkową relacją pacjenta. Paradygmat medycyny opartej na dowodach (Evidence-Based Medicine) z założenia opiera się na wielkich zbiorach danych. Dąży on do wyłonienia uniwersalnych modeli, ignorując unikalne cechy konkretnego człowieka. Podejście to jest skuteczne, ale ma swoje ograniczenia, ponieważ abstrahuje od osobistego doświadczenia (Laws et al., 2004 ).

Dziś ten sam konflikt przeniósł się do nauk o klimacie, socjologii i analityki danych miejskich, i nadal pozostaje w medycynie. Badacze zajmujący się globalnymi migracjami czy wpływem smogu na zdrowie stają przed poważnym dylematem. Agregacja danych jest niezbędna do rzetelnych badań. Jednocześnie prowadzi ona do utraty bezcennych ludzkich historii i społecznego kontekstu.

Dobrym przykładem tego zjawiska jest badanie nad tłumaczeniami w szpitalach (Laws et al., 2004). Opracowano w nim skomplikowaną i rygorystyczną metodę ilościowej oceny tłumaczeń medycznych w przychodniach pediatrycznych, analizując nagrania wizyt z udziałem zarówno profesjonalistów, jak i tłumaczy doraźnych. W systemie opartym na czystej statystyce najwyższy wynik za jakość przekładu medycznego uzyskało 11-letnie dziecko, które tłumaczyło słowa lekarza swojej matce. Dopiero włączenie obserwacji jakościowych ujawnia ukryty problem zjawiska tzw. „zamiany ról” (role exchange), polegające na podejmowaniu przez tłumacza konwersacji wykraczających poza sam przekład. Lekarz całkowicie ignorował matkę i zwracał się tylko do dziecka, a wiele z interpretowanych wypowiedzi zawierało pomyłki o krytycznym znaczeniu klinicznym. Prowadziło to do błędów klinicznych, których system ilościowy nie mógł wychwycić (Laws et al., 2004), ponieważ nie został zaprojektowany do wyłapywania tak złożonych, wadliwych procesów interakcyjnych pomiędzy uczestnikami rozmowy. Ten przykład pokazuje dobitnie, że opierając się wyłącznie na liczbach, agregując zachowania jednostek po to, by uzyskać pożądaną moc statystyczną, zyskujemy statystyczną formalność, ale możemy fundamentalnie stracić zrozumienie systemu który badamy.

Współczesne złożone problemy globalne, takie jak zmiana klimatu, to niezwykle złożone i wielowymiarowe wyzwania. Nie da się ich opisać wyłącznie za pomocą zmiennych matematycznych bez utraty ich istoty. Wiedza statystyczna daje nam makroskopowy obraz świata. Jednak to dopiero narracja i wiedza oparta na doświadczeniu pozwalają pojąć, jak te zjawiska wpływają na codzienne życie. Wykresy słupkowe nie potrafią przekazać emocjonalnych skutków ekstremalnych zjawisk pogodowych (D’Ignazio & Klein, 2020).

Znieczulenie w obliczu surowych analiz

Zjawisko to ma też swoje konsekwencje społeczne. Tradycyjne wykresy bywają niezrozumiałe, a w dobie polaryzacji wręcz pogłębiają polityczne podziały (UW-Madison, 2024). Próba przekonania klimatycznych sceptyków za pomocą kolejnego wykresu temperatur zazwyczaj kończy się fiaskiem. Odbiorcy uruchamiają mechanizmy obronne i okopują się na swoich pozycjach ideologicznych. Czyste statystyki po prostu przestały na nas działać – staliśmy się na nie „ślepi”.

Nie jest to jedynie nasza intuicja – to pewnego rodzaju “zobojętnienie” zostało to dobrze udokumentowane zarówno w psychologii, jak i w medioznawstwie. Psycholog Paul Slovic ukuł pojęcie psychic numbing, opisując mechanizm, w którym zdolność do empatii maleje wraz ze wzrostem liczby ofiar. W serii eksperymentów wykazał, że największa reakcja emocjonalna pojawia się przy przejściu od zera do jednej osoby – każda kolejna ofiara „kosztuje” nas emocjonalnie coraz mniej (Slovic, 2007). Najbardziej niepokojący wynik pochodzi z badania, w którym uczestnicy po zapoznaniu się z historią jednej konkretnej dziewczynki przekazywali na jej rzecz znacznie więcej pieniędzy niż ci, którym przedstawiono tę samą historię uzupełnioną o statystyki milionów innych potrzebujących (Small, Loewenstein & Slovic, 2007). Liczby nie wzmacniają empatii – mogą ją aktywnie osłabiać.

Właśnie tu tkwi sedno napięcia między evidence a experience: statystyka może być prawdziwa i jednocześnie niezdolna do uruchomienia czegokolwiek w odbiorcy.Liczba 40 tysięcy przedwczesnych zgonów rocznie z powodu smogu w Polsce – jeden z najwyższych wskaźników w całej Unii Europejskiej (WEB1) – jest faktem. I faktem jest, że większość z nas przeczyta ją i przewróci stronę.

Nigdy więcej nieludzkich wykresów!

W odpowiedzi na chłodne i technokratyczne podejście do informacji, badaczka i projektantka Giorgia Lupi ogłosiła w 2017 roku manifest „Data Humanism” (Lupi, 2017). Koncepcja ta wzywa do odrzucenia bezkrytycznej fascynacji wskaźnikami. Zamiast tego postuluje podejście skoncentrowane na człowieku. Lupi argumentuje, że dane to w rzeczywistości tylko migawki z prawdziwego życia. Liczby są zawsze „zastępnikami” (placeholders) dla ludzkich zachowań, skomplikowanych biografii i unikalnych perspektyw (Lupi, 2017). Ślepe umieszczanie ich na osiach wykresu autorka porównuje do recenzowania filmu poprzez analizę chemiczną taśmy filmowej. Skupiając się na parametrach technicznych, całkowicie tracimy fabułę i dramaturgię. Z naszych personalnych doświadczeń możemy powiedzieć, że nie istnieją modele opisujące rzeczywistość w zupełności i częsty brak zrozumienia badanego systemu prowadzi do niepoprawnych założeń, a wraz z nimi do błędów merytorycznych, tak jak w badaniu Laws.

Z perspektywy krytycznej teorii danych, pogląd o całkowitym obiektywizmie wizualizacji jest szkodliwym mitem (D’Ignazio & Klein, 2020). Badaczki wprost wskazują, że obiektywna wizualizacja danych po prostu nie istnieje. Tradycyjne podejście analityczne często promuje iluzję tzw. „widoku znikąd” (view from nowhere) – przekonanie, że dane są neutralne, bezcielesne i pozbawione kontekstu społecznego, co w rzeczywistości maskuje ukryte relacje władzy i faworyzuje uprzywilejowane grupy. Każdy graf jest formą retoryki. Wybór tego, co mierzymy, jak to nazywamy i w jakich kolorach to pokazujemy, zawsze stanowi decyzję projektową, a często także polityczną (D’Ignazio & Klein, 2020). D’Ignazio i Klein odrzucają podział między rozumem a emocjami, argumentując, że wykluczenie afektu z wykresów to celowe odrzucenie ludzkiego, ucieleśnionego doświadczenia. Jako wzór podają projekt studia Periscopic, który wizualizował ofiary przemocy z użyciem broni palnej w USA; zamiast pokazywać jedynie suchą liczbę 11 419 zabitych, twórcy przeliczyli te zgony na 502 025 „skradzionych lat” życia. Przeformułowanie to pozwoliło na zbudowanie wizualizacji wokół emocji głębokiej straty, dowodząc, że włączenie empatii nie ujmuje danym naukowości, lecz nadaje im potężny moralny ciężar.

[Interaktywna wizualizacja]

Tradycyjne panele analityczne dążą do maksymalnego uproszczenia świata. Służy to szybkiej optymalizacji. Jednak w przypadku ludzkich dramatów takie podejście tworzy niebezpieczne zjawisko „cruel pies”. W takich wykresach ofiary śmiertelne wojny czy skale przesiedleń zostają spłaszczone do kolorowych wycinków koła. Taka wizualizacja całkowicie odrywa widza od wagi problemu.

Humanizm danych proponuje strategię odwrotną. Projektanci celowo wprowadzają wysoką gęstość informacyjną i złożoność wizualną (Lupi, 2017). Zamiast standardowych rozwiązań z gotowych programów, tworzą unikalny wizualny język, który oddaje niuanse i niepewność tkwiącą w badaniach. Zmusza to odbiorcę do zatrzymania się. Projekt ten celowo wydłuża czas percepcji, wywołując u widza delikatny dyskomfort poznawczy. Brak możliwości natychmiastowego wyciągnięcia wniosków stymuluje głęboką refleksję nad ludzkim wymiarem prezentowanych liczb.

Włączenie emocji do wizualizacji nie jest zagrożeniem dla nauki. Wręcz przeciwnie, najnowsze badania wykazują, że estetyczne kodowanie informacji mocno zwiększa zaangażowanie odbiorców. Ułatwia to zrozumienie trudnych problemów bez utraty rzetelności (UW-Madison, 2024). Kiedy odbiorcy dzięki sztuce postrzegają dystans czasowy do katastrofy klimatycznej jako krótszy i bardziej osobisty, ich gotowość do działań proekologicznych znacząco wzrasta.

Sztuka Tłumaczenia Danych

Odpowiedzią na opisany wyżej impas są projekty, które świadomie przekraczają granicę między evidence a experience – nie rezygnując z danych, lecz osadzając je w ludzkim kontekście.

Jednym z najwcześniejszych i najlepiej udokumentowanych przykładów łączenia danych z doświadczeniem społecznym są wizualizacje przygotowane przez W.E.B. Du Boise’a na Wystawę Światową w Paryżu w 1900 roku. Jak opisuje rozdział Between Data and Truth, ekspozycja „American Negro” łączyła wykresy, fotografie i inne materiały, aby przedstawić „historię i obecną kondycję” czarnych obywateli USA „w możliwie systematycznej i zwartej formie”. Du Bois, wraz ze współpracownikami z Atlanta University, przygotował 63 plansze prezentujące dane dotyczące m.in. edukacji, własności ziemi, demografii i mobilności społecznej. Istotne jest jednak to, że wykresy nie funkcjonowały w próżni: były częścią szerszej ekspozycji, w której obok statystyki obecne były także fotografie i publikacje. Dzięki temu wizualizacja nie służyła wyłącznie porządkowaniu danych, ale stawała się narzędziem politycznego i społecznego argumentu – formą pokazywania rzeczywistości, która miała podważać dominujące rasistowskie wyobrażenia o czarnych Amerykanach (WEB2, WEB3)

Współczesnym przykładem podobnego myślenia jest działalność Forensic Architecture. Zespół ten prowadzi dochodzenia dotyczące przemocy państwowej, konfliktów i naruszeń praw człowieka, wykorzystując materiały wideo, modele przestrzenne, dane geolokalizacyjne i relacje świadków. Szczególnie ważna dla tego typu praktyki jest metoda situated testimony, opisywana przez samą organizację jako technika wywiadu wykorzystująca modele 3D miejsc traumatycznych wydarzeń do wspierania procesu przypominania i składania świadectwa przez osoby, które tych wydarzeń doświadczyły (WEB4). W takim ujęciu dane przestrzenne i rekonstrukcje nie zastępują ludzkiego głosu, lecz pomagają go wydobyć, uporządkować i uczynić bardziej słyszalnym w przestrzeni publicznej oraz prawnej. Jednym z przykładów jest projekt teatru w Mariupolu, który został 16 marca 2022 roku zbombardowany w ataku  rosyjskich lotniczych sił zbrojnych:

[Interaktywna Wizualizacja]

Podobny mechanizm pojawia się w twórczości Kim Abeles. Jej cykl Smog Collectors, rozwijany od 1987 roku, polega na pozostawianiu częściowo zasłoniętych obiektów na zewnątrz, tak aby osadzające się zanieczyszczenia stopniowo ujawniały obraz. Jak opisuje artystka, to właśnie cząstki smogu stają się medium wizualnym pracy, a intensywność osadu materializuje problem jakości powietrza w formie widzialnej i namacalnej (WEB5). W nowszej odsłonie tego podejścia, wystawie Community Smog, projekt był realizowany we współpracy z mieszkańcami północnego Kolorado. Materiały wystawowe podkreślają, że prace powstawały razem ze społecznością lokalną i miały służyć pokazaniu jakości powietrza poprzez wspólnie tworzone „Smog Collectors” (WEB6). W tym przypadku doświadczenie zanieczyszczenia nie jest więc jedynie tematem reprezentacji, ale staje się elementem współtworzonego procesu.

Projekt Air of the Anthropocene opisany w piśmie Communications Earth & Environment łączy fotografię długoczasową z danymi z kalibrowanych, niskokosztowych czujników pyłu zawieszonego. Powstają w ten sposób „malowidła światłem” – obrazy tworzone przy użyciu długiej ekspozycji, w których stężenie zanieczyszczeń zostaje przełożone na formę wizualną. Autorzy podkreślają, że fotografie mają nie tylko przedstawiać zanieczyszczenie powietrza, ale także tworzyć przestrzeń dialogu wokół tego problemu: służą jako narzędzie komunikacji, budowania świadomości i wzmacniania sprawczości różnych interesariuszy. Artystyczno-naukowy charakter projektu sprawia więc, że dane przestają być wyłącznie komunikatem do przyjęcia – stają się bodźcem do refleksji, rozmowy i publicznego zaangażowania (Pope et al., 2024). 

a Children’s playground in Palampur (CSIR-IHBT), India, measured PM2.5 30–40 μg m-3. b Nursery playground in Delhi (IIT Delhi), India, measured PM2.5 500–600 μg m-3.

Chwila refleksji i załamania nad stanem świata

Czy nie wpadliśmy przypadkiem w pułapkę dwóch skrajnych obozów, w których naukowcy serwują nam suche, nieprzystępne liczby, a artyści, choć tworzą poruszające projekty, spotykają się z brakiem zaufania, bo są oceniani jako „tylko” humaniści? Dlaczego w systemie edukacji i na uczelniach tak rzadko rozmawia się o odpowiedzialnych praktykach badawczych, a podejścia takie jak humanizm danych są w zasadzie nieobecne w akademickim dyskursie?  Czy widzimy jak statystyki mogą służyć jako populistyczne narzędzie, dające złudne poczucie wysłuchania, w praktyce redukujące doświadczenie ludzkie do nieludzkich środków? I wreszcie czy patrząc na kolejny idealnie wycięty wykres kołowy lub słupkowy, potrafimy jeszcze zadać sobie pytanie o to, kto i w jakim celu zebrał te informacje, co tak naprawdę ukrywa się pod wierzchołkiem góry lodowej i czy, pracując z tymi danymi na co dzień, wciąż mamy refleksję nad tym, czym one w swojej istocie są?

Bibliografia

1. Laws, B., et al. (2004). Research and methodology in healthcare interpreting. LANS-TTS. (https://doi.org/10.52034/lanstts.v5i.157)
2. D’Ignazio, C., & Klein, L. F. (2020). Data Feminism. The MIT Press. (https://data-feminism.mitpress.mit.edu/)
3. UW-Madison. (2024). Art that integrates data visualizations can help bridge the U.S. political divide over climate change. (https://doi.org/10.1038/s43247-023-00856-9)
4. Lupi, G. (2017). Data Humanism: My manifesto for a new data world. (https://giorgialupi.com/data-humanism-my-manifesto-for-a-new-data-wold)
5. Slovic, P. (2007). “If I look at the mass I will never act”: Psychic numbing and genocide. Judgment and Decision Making, 2(2), 79–95. doi:10.1017/S1930297500000061
6. Small, D. A., Loewenstein, G., & Slovic, P. (2007). Sympathy and callousness: The impact of deliberative thought on donations to identifiable and statistical victims. Organizational Behavior and Human Decision Processes, 102(2), 143–153. https://doi.org/10.1016/j.obhdp.2006.01.005
7. WEB1 – Nauka w Polsce https://naukawpolsce.pl/aktualnosci/news%2C109543%2Craport-rocznie-40-tys-przedwczesnych-zgonow-w-polsce-z-powodu-smogu.html
8. WEB2 – Between data and truth: W.E.B. Du Bois’s „Data Portraits” https://dataxdesign.io/chapters/dubois
9. WEB3 – Library of Congress https://www.loc.gov/pictures/collection/anedub/dubois.html
10. WEB4 – Forensic Architecture, Situated Testimony https://forensic-architecture.org/methodology/situated-testimony 
11. WEB5 – Kim Ables, Smog Collectors https://kimabeles.com/smog-collectors/
12. WEB6 – Gregory Allicar Museum of Art, Kim Abeles: Community Smog https://artmuseum.colostate.edu/events/kim-abeles-community-smog/
13. Pope, F.D., Price, R., Woolley, K.E. et al. (2024). Light painting photography makes particulate matter air pollution visible. Commun Earth Environ 5, 294 https://doi.org/10.1038/s43247-024-01409-4