คุยกันด้วยข้อมูล ขับเคลื่อนสังคมด้วยข้อมูล

191 views
7 mins
April 17, 2024

          “ปัญหามลภาวะในไทยมีความรุนแรงเพิ่มขึ้นทุกปี”

          “มีผู้หญิงจำนวนมากถูกฆ่าเพราะความเกลียดชังเพศหญิง”

          “ความเหลื่อมล้ำทำให้มีจำนวนอาชญากรรมเพิ่มมากขึ้น”

          ประเด็นเหล่านี้เป็นเพียงส่วนหนึ่งของวิวาทะอีกมากมายที่ถูกแสดงความคิดเห็น แลกเปลี่ยน และถกเถียงกันในโลกออนไลน์อยู่เสมอทุกวันนี้ ไม่ว่าจะเป็นฝ่ายที่เห็นด้วยหรือฝ่ายที่เห็นต่าง ก็มักจะใช้คำว่า “คุยกันด้วยเหตุผล” เมื่อเกิดการถกเถียงขึ้น โดยการใช้เหตุผลนี้ควรหมายถึงการใช้เหตุผลเพื่อสนับสนุนแนวคิดที่ตนเองเชื่อหรือใช้เหตุผลเพื่อหักล้างสิ่งที่อีกฝ่ายพูดมา ไม่ใช่การใช้คำพูดดูถูกเหยียดหยามที่อาจจะฟังดูรุนแรงสะใจแต่ไม่ได้ทำให้ผู้ที่ได้อ่านได้มุมมองหรือความเข้าใจอะไรในประเด็นที่กำลังถกเถียงกันอยู่

คุยกันด้วยข้อมูล ขับเคลื่อนสังคมด้วยข้อมูล

วิลเลียม เอ็ดเวิร์ด เดมิง (William Edwards Deming) ผู้ได้ชื่อว่าเป็นบิดาของศาสตร์การบริหารงานคุณภาพและการบริหารจัดการธุรกิจอุตสาหกรรมเคยกล่าวไว้ว่า

“In God we trust. All others must bring data.”

          แม้ว่าแรกเริ่มเดิมทีคำกล่าวนี้ถูกใช้ในบริบทของการบริหารธุรกิจแต่ดูเหมือนว่าคำกล่าวนี้สามารถนำมาใช้กับเรื่องอื่นๆ ได้ด้วย จากเดิมที่ผู้ฟังจะเชื่อผู้พูดที่ดูน่าเชื่อถือ เป็นผู้ฟังจะเชื่อก็ต่อเมื่อสิ่งที่ผู้พูดพูดมานั้นมีเหตุมีผล ในปัจจุบันผู้ฟังจะเชื่อก็ต่อเมื่อสิ่งที่พูดมานั้นมีข้อมูลมาสนับสนุน การเปลี่ยนผ่านของยุคสมัยทำให้การอาบน้ำร้อนมาก่อนไม่ได้เป็นเครื่องยืนยันความถูกต้องของผู้พูดอีกต่อไป เผลอๆ จะโดนคนรุ่นใหม่สวนกลับว่าสมัยนี้มีเครื่องทำน้ำอุ่นให้ใช้กันแล้วเสียอีก เมื่อวัฒนธรรมการคุยกันด้วยข้อมูลกำลังกลายเป็นค่านิยมใหม่ของสังคม การเตรียมความพร้อมให้เด็กๆ ของเราที่กำลังจะเติบโตขึ้นมาในวัฒนธรรมนี้จึงเป็นเรื่องสำคัญ

          หนึ่งในตัวอย่างการคุยเรื่องโครงสร้างทางสังคมที่ซับซ้อนด้วยข้อมูลที่น่าสนใจคือหนังสือเรื่อง The Spirit Level New Edition: Why Equality is Better for Everyone ซึ่งพูดถึงเรื่องความเหลื่อมล้ำของสังคม ความเหลื่อมล้ำเป็นตัวละครประจำเมื่อเกิดการพูดคุยปัญหาทางสังคม เพราะไม่ว่าจะเป็นประเด็นอะไรก็มีความเกี่ยวข้องกับความเหลื่อมล้ำไม่ทางใดก็ทางหนึ่ง คำถามคือในความเป็นจริงมันเป็นแบบที่เราคิดหรือเปล่า  หากว่ากันตามเหตุผลแล้วฟังดูถูกต้อง แต่สิ่งที่เกิดขึ้นจริงนั้นตรงกับหลักเหตุผลที่เราใช้หรือเปล่า เพื่อตอบคำถามนี้ หนังสือเล่มนี้พยายามอธิบายความเกี่ยวข้องระหว่างความเหลื่อมล้ำกับเรื่องต่างๆ ในสังคมผ่านข้อมูล เริ่มจากการวัดความเหลื่อมล้ำด้วยสัดส่วนของรายได้ระหว่างกลุ่มที่รวยที่สุด 20% ของประเทศกับกลุ่มที่จนที่สุด 20% ของประเทศโดยใช้ข้อมูลจากเว็บไซต์ของสหประชาชาติ และนำค่าที่ได้ไปเปรียบเทียบกับดัชนีทางสังคมอื่นๆ เช่น การใช้ยาผิดกฎหมาย อัตราการฆาตกรรม จำนวนนักโทษ สัดส่วนคนที่เป็นโรคอ้วน เป็นต้น

          สิ่งที่น่าสนใจในหนังสือเล่มนี้ คือ ข้อมูลแสดงให้เห็นว่าบางดัชนีที่เราคิดว่าต้องมีความเกี่ยวข้องกับความเหลื่อมล้ำกลับไม่มีความสัมพันธ์กัน ในขณะที่บางดัชนีที่เราไม่คาดคิดว่าจะเกี่ยวข้องกับความเหลื่อมล้ำดันมีความสัมพันธ์กับความเหลื่อมล้ำเฉยเลย แน่นอนว่าเราไม่สามารถสรุปทุกอย่างจากตัวเลขไม่กี่ตัวที่เอาข้อมูลมาจากไม่กี่ประเทศไม่ได้ ประเด็นนี้เป็นเรื่องใหญ่ที่เราจะต้องคุยกันในบทความถัดๆ ไป แต่หนังสือเล่มนี้ก็เป็นตัวอย่างของการยกระดับการพูดคุยเรื่องความเหลื่อมล้ำจากระดับของเหตุผลไปเป็นระดับของข้อมูลที่น่าสนใจเลยทีเดียว

          อีกหนึ่งตัวอย่างที่มีความน่าสนใจคืองานวิจัยเรื่อง เด็กจุฬาฯ รวยกว่าคนทั้งประเทศจริงไหม ของคุณเนติวิทย์ โชติภัทร์ไพศาล ที่พยายามเก็บรวบรวมข้อมูลฐานะของนิสิตจุฬาลงกรณ์มหาวิทยาลัย ถึงแม้ว่าประเด็นทางฐานะของนิสิตจุฬาฯ จะเป็นประเด็นที่ถูกพูดถึงกันอยู่ตลอดแต่การถกเถียงที่ผ่านมาก็อยู่บนฐานของความคิดเห็น ความรู้สึก หรือข้อมูลประเภทที่เห็นจากคนรอบตัวเป็นแบบนั้นแบบนี้ การที่คุณเนติวิทย์เลือกที่จะเก็บข้อมูลและนำเสนอออกมาเป็นการพาข้อถกเถียงนี้ไปสู่อีกระดับหนึ่ง จากการคุยด้วยความรู้สึกหรือประสบการณ์ส่วนตัวของผู้พูดแต่ละคนก็เปลี่ยนเป็นคุยกันบนข้อมูลแทน

          ไม่ได้มีเพียงโลกอินเทอร์เน็ตที่มีการถกเถียงผ่านข้อมูล ในระยะหลังการรณรงค์หรือการเรียกร้องในประเด็นบางอย่างทางสังคมก็มีการหยิบยกข้อมูลมาใช้เป็นเครื่องมือสำคัญด้วย ข้อมูลถูกใช้ในฐานะหลักฐานยืนยันว่าสิ่งที่กำลังเรียกร้องอยู่นั้นเกิดขึ้นจริงและมีความรุนแรงมากพอที่ที่จะจำเป็นต้องถูกแก้ไขจริงๆ จนเกิดเป็นคำว่า Data activism ขึ้นมา

          บทความเรื่อง Data Activism: Empowering Change through Insight ให้ความหมายของคำว่า data activist หรือผู้ขับเคลื่อนสังคมด้วยข้อมูลว่าเป็นบุคคลหรือองค์กรที่มีเป้าหมายที่จะส่งเสริมคนในสังคม กระตุ้นให้เกิดความตระหนักรู้และเรียกร้องในประเด็นต่างๆ ด้วยข้อมูล อย่างกลุ่ม Data + Feminism Lab ที่ MIT ที่มีเป้าหมายเพื่อใช้ข้อมูลและการคำนวณเพื่อขับเคลื่อนเรื่องความเท่าเทียมทางเพศ โปรเจกต์ Data Against Feminicide ของกลุ่มนี้รวบรวมข้อมูลเกี่ยวกับการจงใจฆาตกรรมผู้หญิงจากสื่อต่าง ๆ อย่างเป็นระบบและนำมาเผยแพร่ผ่านรูปแบบของ workshop บทความและหนังสือ หรือเว็บไซต์อย่าง Data for Black Lives ซึ่งเกิดจากความร่วมมือกันของนักเรียกร้องกับนักสถิติที่พยายามจะชี้ให้เห็นถึงความร้ายแรงปัญหาการเหยียดสีผิวด้วยข้อมูล รวมไปถึงพูดเรื่องการเหยียดสีผิวในมิติใหม่ๆ เช่น เรื่องที่ AI ตรวจจับใบหน้าระบุว่าใบหน้าของคนดำมีแนวโน้มจะเป็นอาชญากร เป็นต้น

          โจนาธาน ซินนามอน (Jonathan Cinnamon) อาจารย์ประจำภาควิชาภูมิศาสตร์และสิ่งแวดล้อมศึกษา มหาวิทยาลัย Ryerson พูดถึงพลังของการเรียกร้องด้วยข้อมูลในประเทศแอฟริกาใต้ในงานวิจัยของเขาว่าสิ่งที่ data activist เหล่านั้นทำคือการพยายามสร้างระบบเพื่อรวบรวมข้อมูลจากประชาชนทั่วไปเกี่ยวกับระบบสาธารณูปโภค เช่น ระบบประปาและน้ำสะอาดซึ่งเป็นปัญหาที่รัฐไม่ค่อยให้ความสนใจ เขาอธิบายว่ามันคือวิธีที่ทำให้ผู้เรียกร้องรู้สึกว่ากำลังพูดภาษาเดียวกันกับภาษาที่ผู้มีอำนาจใช้ แน่นอนว่าข้อมูลพวกนี้ถูกปฏิเสธโดยหน่วยงานภาครัฐโดยอ้างถึงความไม่ถูกต้องตามหลักสถิติต่างๆ นานา

          การอ้างถึงความไม่ถูกต้องตามหลักสถิตินั้นก็อาจจะถูกต้องในบางส่วนเนื่องจากการเก็บข้อมูลอย่างแม่นยำตามหลักสถิติโดยภาคประชาชนนั้นเป็นไปได้ยากเพราะข้อมูลส่วนใหญ่นั้นถูกเก็บอยู่แล้วโดยรัฐ ซินนามอนเล่าถึงกรณีศึกษาที่ เคป ทาวน์ ที่ผู้เรียกร้องกดดันทางสังคมให้ทางการเปิดเผยเอกสารเพื่อให้พวกเขานำมาวิเคราะห์ว่าทางการได้ทำตามข้อตกลงที่ให้ไว้หรือเปล่า การเรียกร้องนี้จะไม่มีทางประสบความสำเร็จเลยถ้าเราไม่สามารถทำให้คนส่วนใหญ่เชื่อในพลังของข้อมูล

          คำถามคือ เราจะทำให้เด็กๆ เห็นและเชื่อในพลังของข้อมูลในฐานะเครื่องมือในการสร้างความเปลี่ยนแปลงทางสังคมได้อย่างไร

          งานวิจัยเรื่อง Scripts and Counterscripts in Community-Based Data Science: Participatory Digital Mapping and the Pursuit of a Third Space ศึกษาวิธีการสอนให้นักเรียนเห็นถึงพลังของข้อมูลโดยเฉพาะอย่างยิ่งในฐานะเครื่องมือที่ช่วยทำความเข้าใจปัญหาสังคม ผู้วิจัยบอกว่าคำอธิบายหลักที่มักถูกใช้เพื่อชี้ให้เห็นถึงพลังของการใช้ข้อมูลนั้นมีอยู่สามอย่างประกอบไปด้วย

          1. Discovery คือ การอธิบายว่าวิธีการวิเคราะห์ข้อมูลใหม่ๆ บนชุดข้อมูลที่ใหญ่ขึ้นจะทำให้ค้นพบสิ่งใหม่ ๆ ได้

          2. Actionability คือ การอธิบายว่าเราสามารถเอาข้อค้นพบที่ได้ไปพัฒนาประสิทธิภาพของกระบวนการหรือพัฒนาคุณภาพชีวิตได้ และ

          3. Truthiness คือ การอธิบายว่าแนวคิดที่ใช้ข้อมูลมาสนับสนุนมีค่ามากกว่าไอเดียที่มาจากวิธีอื่น โดยงานวิจัยนี้จะศึกษาวิธีการนำคำอธิบายทั้งสามนี้ไปใช้และดูปฏิกิริยาตอบกลับของนักเรียนผ่านกรณีศึกษาการจัดการเรียนรู้สองกิจกรรม

          กรณีศึกษาแรกคือ The Air Quality Project ซึ่งเป็นค่ายวิทยาศาสตร์ภาคฤดูร้อนของโรงเรียนมัธยมแห่งหนึ่งในสหรัฐอเมริกาที่มีเป้าหมายเพื่อกระตุ้นให้นักเรียนเห็นความสำคัญของวิทยาศาสตร์และการนำข้อมูลทางวิทยาศาสตร์มาใช้แก้ปัญหาในชีวิตประจำวันของนักเรียน ผู้เข้าร่วมจะได้วิเคราะห์ข้อมูลคุณภาพอากาศของระบบขนส่งระดับภูมิภาคที่เก็บมาจากเซนเซอร์ตรวจจับฝุ่น PM โดยผู้จัดกิจกรรมอธิบายว่า “ข้อมูลคือเครื่องมือสำหรับการเรียกร้องเพื่อความเปลี่ยนแปลง” ซึ่งผลที่ออกมาคือเมื่อเด็กๆ ค้นพบว่ามีพื้นที่ที่คุณภาพอากาศไม่ดี (Discovery) พวกเขาก็พยายามไปศึกษาถึงสาเหตุและความรุนแรงของปัญหา (Truthiness) ซึ่งนำไปสู่กระบวนการทำงานทาง Data science ตั้งแต่การออกแบบการศึกษา การสุ่มตัวอย่าง การวิเคราะห์ข้อมูล และการนำเสนอข้อค้นพบ ซึ่งทุกอย่างดูเป็นไปด้วยดี หลังจากจบกิจกรรมนักเรียนคนหนึ่งพูดในวงแลกเปลี่ยนว่า “เราไม่มีทางสร้างความเปลี่ยนแปลงอะไรได้เลยถ้าเราไม่รู้ว่ามันมีปัญหา ดังนั้นมันต้องเริ่มจากการเห็นปัญหาและชี้ชวนให้คนอื่นๆ เห็นปัญหาเช่นกัน เมื่อนั้นกระบวนการหาทางแก้ปัญหาจึงจะเกิดขึ้น” (Actionability)

          จากนั้นเด็กๆ ได้นำข้อมูลเหล่านี้ไปเสนอให้กับการสำนักงานขนส่งท้องถิ่นและสำนักงานท่าเรือ ผลคือข้อมูลและไอเดียพวกนี้ได้รับการตอบรับเป็นอย่างดีจากท่าเรือ ในขณะที่พนักงานที่ขนส่งท้องถิ่นปฏิเสธข้อค้นพบของพวกเขาด้วยเหตุผลที่ว่ามันไม่เป็นวิทยาศาสตร์เพียงพอ ถึงแม้เสียงตอบรับจากหน่วยงานระดับท้องถิ่นบางส่วนจะไม่เห็นด้วยกับข้อค้นพบเหล่านี้ แต่สุดท้ายนักเรียนกลุ่มนี้ก็ได้นำข้อเสนอไปนำเสนอในงานประชุมประจำปีของสมาคมธรณีฟิสิกส์แห่งอเมริกา (American Geophysical Union) และแลกเปลี่ยนข้อค้นพบดังกล่าวกับสำนักข่าวออนไลน์ระดับชาติ

คุยกันด้วยข้อมูล ขับเคลื่อนสังคมด้วยข้อมูล
Photo: © 2019 Taylor & Francis Group, LLC

          กรณีศึกษาที่สองนั้นให้ผลต่างออกไปจากกิจกรรมแรก กิจกรรมนี้ชื่อว่า The Park Planning Project ที่จะชวนเด็กๆ ชั้นมัธยมศึกษาปีที่ 5 มามีส่วนร่วมในการวางแผนฟื้นฟูเมืองที่กำลังอยู่ในขั้นวางแผน การฟื้นฟูที่ว่าครอบคลุมตั้งแต่การพัฒนาที่อยู่อาศัยที่รัฐเป็นเจ้าของ (Public housing) สวนสาธารณะในละแวกชุมชน โรงเรียน ไปจนถึง ศูนย์ชุมชน ในครั้งแรกผู้จัดกิจกรรมเลือกสื่อสารออกไปหาเด็กๆ ว่า “มุมมองและไอเดียของนักเรียนมีความสำคัญและจะถูกนำไปเป็นส่วนหนึ่งของการฟื้นฟูเมือง” (Actionability) ผลที่ได้คือมีเด็กนักเรียนหลายคนที่ไม่อินกับคำชี้ชวนนี้ด้วยหลากหลายเหตุผล เช่น ไม่เชื่อว่าไอเดียที่เสนอไปจะถูกเอาไปใช้จริง หรือตั้งคำถามว่าทำไมนักเรียนอย่างพวกเขาต้องมาช่วยแก้ปัญหาพวกนี้ด้วย

          กิจกรรมแรกที่ผู้สอนใช้คือการให้เด็กๆ ไปเดินสำรวจสวนสาธารณะและจดบันทึกว่ามีปัจจัยอะไรบ้างที่ทำให้พื้นที่นั้นดูดี ดูน่าเดินเล่น หรือดูไม่น่าเดิน โดยย้ำว่าข้อมูลที่เก็บอย่างเป็นระบบจะช่วยให้สื่อสารกับผู้อื่นได้ง่าย (Truthiness) ซึ่งเป็นสิ่งสำคัญในการสร้างการเปลี่ยนแปลง (Actionability) แต่ผลคือเด็กๆ ไม่เข้าใจว่าต้องจดอะไรกันแน่เพราะสำหรับพวกเขา สวนที่ไปไม่มีอะไรที่น่าสนใจเลย และบางคนก็บอกว่าสวนมันน่าเบื่อ ผู้สอนจึงลองปรับวิธีการตั้งคำถามให้เป็นระบบมากขึ้น ลองชวนให้เด็กนักเรียนขยายความว่า อะไรทำให้รู้สึกว่าสวนน่าเบื่อ  คิดว่ามีอะไรที่พวกเขาอยากเห็นในสวนแห่งนี้ รู้จักสวนแห่งนี้ว่ายังไงบ้าง และอธิบายว่าสิ่งเหล่านี้มีผลต่อบรรยากาศในสวนและชุมชนรอบๆ (Truthiness) สิ่งนี้ทำให้เด็ก ๆ เริ่มจดบันทึกเกี่ยวกับความรู้สึกและข้อสังเกตรอบตัวมากขึ้น

คุยกันด้วยข้อมูล ขับเคลื่อนสังคมด้วยข้อมูล
Photo: © 2019 Taylor & Francis Group, LLC

          กลายเป็นว่าหลังจากนั้นนักเรียนค่อนข้างตื่นตัวกับกิจกรรมต่อๆ ไปและเริ่มมีการใช้ข้อสังเกตส่วนตัว ประสบการณ์ส่วนตัว รวมถึงความรู้สึกของตัวเองประกอบการอธิบายทางเลือกของการออกแบบ จากตอนแรกที่ผู้สอนต้องการบอกว่าการวิเคราะห์ข้อมูลจะใช้เพื่อโน้มน้าวคนที่มีอำนาจตัดสินใจ กลายเป็นว่ากระบวนการวิเคราะห์ข้อมูลถูกใช้โดยนักเรียนเพื่อทำความเข้าใจตัวเองก่อนจะนำมาถ่ายทอดเป็นความต้องการของส่วนรวม

          ผู้วิจัยสรุปว่า แม้เราจะมีวิธีและแนวทางสำหรับใช้อธิบายความสำคัญของกิจกรรม Data science อยู่แล้ว เช่น การเชิญชวนให้เด็กๆ นำข้อค้นพบจากข้อมูลไปทำให้เกิดการเปลี่ยนแปลง แต่ผู้เข้าร่วมกิจกรรมจะรู้สึกอินกับวิธีการอธิบายนั้นหรือไม่ ก็ขึ้นอยู่กับหลายปัจจัย ดังนั้นการออกแบบกิจกรรมเพื่อสอนเรื่องข้อมูลสำหรับเด็กจึงควรเปิดโอกาสให้ผู้เข้าร่วมได้มีส่วนร่วมในการถกเถียงเกี่ยวกับคำอธิบายตั้งต้นของกิจกรรม และผู้จัดกิจกรรมต้องปรับคำอธิบายนั้นให้เป็นไปในทิศทางที่ผู้เข้าร่วมเห็นว่าสอดคล้องมากกว่า หากทำอย่างนี้ได้ การเรียนการสอนเรื่องข้อมูลจะมีความสอดคล้องและมีคุณค่าต่อผู้เรียนได้ในหลากหลายมิติ นำไปสู่การเรียนรู้ของตัวผู้เรียนที่จะพูดคุยกันด้วยข้อมูลมากขึ้น และการปลูกฝังกระบวนการใช้ข้อมูลนี้จะเป็นการติดอาวุธให้ผู้เรียนได้นำไปปรับใช้กับเรื่องอื่นๆ ได้ในอนาคต


ที่มา

บทความ “In God we Trust, all others bring data” จาก medium.com (Online)

บทความ “Taking data feminism to school: A synthesis and review of pre-collegiate data science education projects” จาก wiley.com (Online)

บทความ “Data Activism: Empowering Change through Insight” จาก datapopalliance.org (Online)

บทความ “How powerful is data activism?” จาก torontocmu.org (Online)

บทความ “Scripts and Counterscripts in Community-Based Data Science: Participatory Digital Mapping and the Pursuit of a Third Space” จาก  tandfonline.com (Online)

บทความ “เด็กจุฬาฯ รวยกว่าคนทั้งประเทศจริงไหม?” จาก the101.world (Online)

เว็บไซต์ Data + Feminism Lab (Online)

เว็บไซต์ Data for Black Lives (Online)

RELATED POST

แหล่งชุมนุมความคิดเรื่องพื้นที่สาธารณะเพื่อการเรียนรู้
และห้องสมุดกับการเปลี่ยนแปลงสังคม

                                                                                            

The KOMMON มีการใช้คุกกี้ เพื่อเก็บข้อมูลการใช้งานเว็บไซต์ไปวิเคราะห์และปรับปรุงการให้บริการที่ดียิ่งขึ้น คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

อนุญาตทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

  • คุกกี้สำหรับการวิเคราห์

    คุกกี้นี้เป็นการเก็บข้อมูลสาธารณะ สำหรับการวิเคราะห์ และเก็บสถิติการใช้งานเว็บภายในเว็บไซต์นี้เท่านั้น ไม่ได้เก็บข้อมูลส่วนตัวที่ไม่เป็นสาธารณะใดๆ ของผู้ใช้งาน

บันทึก