[论文解读] 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 4

一句话总结

本文提出了一套恶意可视化的设计空间，将可视化技术重新定义为通过欺骗性设计、环境破坏和数据滥用等手段故意造成伤害的工具。它将现有的欺骗性实践与新型恶意策略（如情感定向网络钓鱼和用于宣传的数据具象化）统一起来，主张将可视化视为系统性伤害的工具，而非伦理分析的手段。

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.

研究动机与目标

• 将可视化重新定义为并非善的工具，而是故意造成伤害的手段，以反驳可视化本质上可信的主导叙事。
• 解决学术界对可视化潜在恶意使用关注不足的问题，尤其是在其日益在社会公益中发挥作用的背景下。
• 构建一个结构化的设计空间，对基于可视化的伤害方法进行分类与系统化，以促进对‘反派’实践者的深入研究与合作。
• 通过揭示平凡的可视化实践在未被审视时如何加剧结构性伤害，挑战现有规范。
• 提出新的恶意应用，如气候数据的歪曲呈现和在自然景观上的数据具象化，以证明可视化如何放大系统性不平等。

提出的方法

• 开发一个二维的恶意可视化设计空间，按伤害类型（物理性 vs. 非物理性）和影响程度（直接 vs. 间接）进行划分，灵感源自希波克拉底誓言中的‘首要之务是不伤害’。
• 将伦理责任重新表述为‘首要之务是造成伤害’，通过这一反转来构建恶意可视化技术的分类体系。
• 整合并扩展既有的欺骗性可视化研究（如 Snider、Correll、Tomlinson 的工作），形成一个系统化的可视化恶意行为框架。
• 引入新型恶意策略，如通过视觉线索实施情感定向网络钓鱼、操纵气候数据以加剧不平等，以及在自然景观上进行数据具象化（例如在山脉或雨林中雕刻标志）。
• 提出将能源密集型数据仓库建设和环境退化视为一种‘签名式可视化’，反映资本主义加速主义的特征。
• 倡导整理有害示例数据集（如保存优生学相关数据集，例如 Fisher 的鸢尾花数据集）并列举‘黑暗图表模式’，以系统化恶意设计。

实验结果

研究问题

• RQ1 如何通过有意设计使可视化造成最大伤害，而非服务于伦理或分析目标？
• RQ2 哪些结构性和设计层面的机制使可视化即使在非明显恶意的情况下，仍会持续造成系统性伤害？
• RQ3 数据具象化和环境破坏在何种方式下可被用作可视化式邪恶的手段？
• RQ4 数据收集和可视化实践的常态化如何导致长期且不可逆的伤害，如气候不公？
• RQ5 可视化研究人员在促成或缓解可视化工具被恶意使用方面应扮演何种角色？

主要发现

• 该设计空间成功地将既有的欺骗性可视化研究与新型恶意应用（如情感定向网络钓鱼和自然景观上的数据具象化）统一起来。
• 本文指出，许多当前的可视化实践——尽管并非明显邪恶——仍通过不作为或不良设计选择，强化了主导权力结构并持续造成伤害。
• 环境破坏，如为视觉艺术而砍伐森林或数据中心的能源消耗，被定义为一种‘签名式可视化’，反映资本主义加速主义的特征。
• 作者认为，最有效的邪恶并非来自复杂阴谋，而是通过维持现状：将数据视为事实、忽视伦理影响并回避批判性反思。
• 本文批判了可视化中‘不伤害’的伦理准则，提出其反转是理解并应对可视化可能引发的真实世界伤害的必要步骤。
• 通过倡导整理有害示例数据集并列举‘黑暗图表模式’，本文提供了一个理解并可能缓解恶意可视化实践的框架。