[論文レビュー] Visualization for Villainy

Andrew McNutt, Lilian Huang+1 more|arXiv (Cornell University)|Sep 13, 2021

Data Visualization and Analytics参考文献 49被引用数 4

ひとこと要約

本論文は、悪意ある可視化のためのデザインスペースを提示し、欺瞞的設計、環境破壊、データの不正使用を活用することで意図的に害をもたらす可視化技術を再定義する。既存の欺瞞的実践を統合し、感情的スpear phishing やプロパガンダ用のデータ物理化といった新たな悪意ある戦略を加え、可視化を道徳的分析ではなく、システム的害悪の道具として位置づける。

ABSTRACT

Visualization has long been seen as a dependable and trustworthy tool for carrying out analysis and communication tasks -- a view reinforced by the growing interest in applying it to socially positive ends. However, despite the benign light in which visualization is usually perceived, it carries the potential to do harm to people, places, concepts, and things. In this paper, we capitalize on this negative potential to serve an underrepresented (but technologically engaged) group: villains. To achieve these ends, we introduce a design space for this type of graphical violence, which allows us to unify prior work on deceptive visualization with novel data-driven dastardly deeds, such as emotional spear phishing and unsafe data physicalization. By charting this vile charting landscape, we open new doors to collaboration with terrifying domain experts, and hopefully, make the world just a bit worse.

研究の動機と目的

• 可視化を善の道具としてではなく、意図的に害をもたらす手段として再定義し、可視化が本質的に信頼できるとされる支配的ナラティブに反対すること。
• 可視化の意図的で悪意ある使用に関する学術的関心の不足に応えること、特に社会的善行におけるその急速な役割と対照的に。
• 可視化に基づく害を分類・体系化する構造的デザインスペースを構築し、『悪役』の実践者との深い研究と協働を可能にすること。
• 日常的な可視化実践が検討されないままに構造的害悪を助長する仕組みを浮き彫りにすることで、現状を揺るがすこと。
• 気候変動データの誤表示や自然景観へのデータ物理化といった新たな悪意ある応用を提案し、可視化がシステム的不平等をどのように拡大させるかを示すこと。

提案手法

• 『最初に害を及ぼすな』（Hippocratic Oath）にインspiredして、害のタイプ（物理的 vs. 非物理的）と影響度（直接的 vs. 間接的）に分ける2次元の悪意ある可視化のためのデザインスペースを開発する。
• 道徳的義務を『最初に害を及ぼそう』という逆転によって再定式化し、悪意ある可視化技法の分類を構造化する。
• スナイダー、コレル、トムリンソンらの既存の欺瞞的可視化に関する研究を統合し、可視化における意図的害を統一的フレームワークで拡張する。
• 感情的スpear phishingを視覚的キューで実行する、気候変動データの操作による不平等の悪化、自然景観へのデータ物理化（例：山や熱帯雨林にロゴを彫る）といった新たな悪意ある戦略を導入する。
• エネルギー集約型のデータウェアハウスや環境破壊を、資本主義的加速主義を反映する『自己署名的可視化』の形として提案する。
• 有害な例示データセット（例：フィッシャーのインディアン・データのような劣悪主義的データセットの保存）のキュレートと『暗黒的チャーティングパターン』の列挙を提唱し、悪意ある設計を体系化する。

実験結果

リサーチクエスチョン

• RQ1 可視化が倫理的または分析的目標ではなく、最大限の害をもたらすように意図的に設計される方法は何か？
• RQ2 どのような構造的および設計レベルのメカニズムが、表面的には悪意がなくても、可視化が構造的害悪を助長するのか？
• RQ3 データ物理化と環境破壊が、可視化に基づく悪意の形としてどのように活用可能か？
• RQ4 データ収集と可視化の慣習の一般化が、気候正義のような長期的・不可逆的害をもたらす仕組みは何か？
• RQ5 可視化研究者が、悪意ある目的での可視化ツールの誤用を助長するか、あるいは是正するのをどのように支援できるか？

主な発見

• このデザインスペースは、感情的スpear phishing や自然景観へのデータ物理化といった新たな悪意ある応用と、既存の欺瞞的可視化に関する研究を効果的に統合した。
• 本論文は、表面的には悪意がなくても、現在の多くの可視化実践が、無関心や設計の不備を通じて支配的権力構造を強化し、害を助長していると指摘している。
• 自然景観への視覚芸術やデータセンターのエネルギー消費のために森林破壊を引き起こすことは、資本主義的加速主義を反映する『自己署名的可視化』の一形態として位置づけられる。
• 著者らは、最も効果的な悪は、洗練された陰謀ではなく、現状を維持することにあると主張する。つまり、データを事実とみなすことを一般化し、倫理的含みを無視し、批判的自己検証を避けることである。
• 本論文は、可視化における『害を及ばさない』という道徳的義務を批判し、現実の害を理解し、それに対処するためには、この逆転が不可欠であると提唱する。
• 有害な例示データセットのキュレートと『暗黒的チャーティングパターン』の列挙を提唱することで、本論文は悪意ある可視化実践を理解し、将来的にそれらを緩和するフレームワークを提供している。