L’étude du MIT confirme que les gens hésitant à se faire vacciner sont « hautement informés, scientifiquement instruits » et « sophistiqués »

Il ne fait aucun doute que les taux de vaccination ont atteint un mur de scepticisme. Cela est conforme aux sondages d’opinion au début de cette année montrant environ 40 pourcent du public méfiant ou sceptique au sujet des vaccins. Une vague de sensibilisation a commencé à augmenter encore les taux de vaccination, en particulier à la lumière de la propagation de la variante Delta. Certains gouvernements ont essayé des loteries, dans lesquelles les personnes qui se font vacciner sont inscrites pour gagner une somme d’argent substantielle. Les partisans du vaccin ne veulent pas ou ne peuvent pas comprendre la pensée des sceptiques du vaccin — ou même admettent que les sceptiques ne peuvent pas penser du tout.

Leurs tentatives pour répondre au scepticisme ou le comprendre finissent par être empoisonnées par la condescendance, et finissent par le renforcer.
Institut de technologie du Massachusetts (MIT)

Essayer de faire honte aux récalcitrants a échoué de manière spectaculaire. Les insulter et les dégrader comme des « abrutis » ou des « ignorants » a entraîné un recul vicieux et un durcissement des positions sur la vaccination. Le projet de l’administration d’envoyer des personnes en porte à porte pour les vacciner ne fait qu’alimenter le scepticisme anti-vaccin. La confiance dans l’autorité est au plus bas, ce qui rend suspect un programme de vaccination parrainé par le gouvernement.

Le journaliste Michael Brendan Dougherty écrit : «  La plupart du scepticisme vis-à-vis des vaccins, si nous entendons par là la réticence, n’est pas basé sur une théorie du complot – il est basé sur des calculs risques-avantages. Vous pouvez penser que c’est un calcul innombrable. Mais lorsque vous examinez les modèles d’adoption aux États-Unis, deux facteurs ressortent, des facteurs dont l’effet est plus important que la partisanerie : l’âge et la densité. Plus vous êtes âgé et plus votre communauté est dense, plus vous avez de chances de vous faire vacciner. Plus vous êtes jeune et plus votre communauté est rurale, moins vous êtes susceptible de l’avoir eu. Cela reflète les faits réels sur le risque de décès par COVID. Les gens surestiment peut-être énormément leur risque lié au vaccin et sous-estiment leurs risques liés au COVID – mais ils ont la bonne pensée directionnelle. Ceux qui sont moins en danger font comme ça. »

La plupart des experts s’accordent à dire que certaines personnes qui devraient se faire vacciner ne le font pas. Mais la cause première n’est pas l’ignorance ou la croyance aux théories du complot. Au contraire, de nouvelles découvertes suggèrent une image bien plus complexe. En effet, une étude réalisée par l’Institut de technologie du Massachusetts (MIT),— intitulée « Viral Visualizations: How Coronavirus Skeptics Use Orthodox Data Practices to Promote Unorthodox Science Online » (Visualisations virales : comment les sceptiques du coronavirus utilisent les pratiques de données orthodoxes pour promouvoir la science non orthodoxe en ligne) —, a montré qu’une partie importante du scepticisme en matière de santé publique était très informée, scientifiquement instruite et sophistiquée dans l’utilisation des données. Les sceptiques ont utilisé les mêmes ensembles de données que ceux ayant des opinions orthodoxes sur la santé publique. Extrait d’un compte rendu de l’étude :

« La combinaison de connaissances informatiques et anthropologiques a conduit les chercheurs à une compréhension plus nuancée de la littératie des données. Lee dit que leur étude révèle que, par rapport à l’orthodoxie de la santé publique, «les antimasques voient la pandémie différemment, en utilisant des données assez similaires. Je pense toujours que l’analyse des données est importante. Mais ce n’est certainement pas le baume que je pensais être en termes de convaincre les gens qui croient que l’establishment scientifique n’est pas digne de confiance.» Lee dit que leurs découvertes indiquent «une plus grande fracture dans notre façon de penser la science et l’expertise aux États-Unis». Ce même fossé traverse des problèmes tels que le changement climatique et la vaccination, où des dynamiques similaires se jouent souvent dans les discussions sur les réseaux sociaux. »

Pendant six mois de pandémie, de mars à septembre 2020, des chercheurs du MIT Visualization Group ont tenté de découvrir comment les sceptiques de COVID-19 parlaient de science et de données. Ils ont identifié les utilisateurs de Twitter qui s’étaient regroupés en communautés autour de sujets liés à la COVID et ont collecté les graphiques, tableaux et cartes que chaque communauté avait tendance à partager. (Le groupe a mis en place une présentation visuelle de leurs résultats, où vous pouvez voir quelles images chaque groupe a favorisées.) En même temps, ils ont trouvé des groupes anti-masques sur Facebook et « profondément cachés », en regardant les fils de commentaires et en observant des flux Facebook Live où les gens se sont appris les uns les autres à utiliser les données de santé publique pour tirer leurs propres conclusions, indépendamment de l’interprétation du gouvernement.

La communauté diversifiée et en constante évolution de sceptiques qu’ils ont suivies à travers un demi-million de tweets et 41 000 visualisations devrait donner à toute personne convaincue “que les anti-masques et les négationnistes COVID sont tout simplement incultes et ont besoin d’une bonne dose de maîtrise des données”, une pause sérieuse. Dans ces groupes, il y avait beaucoup d’éducation en cours. Mais quel genre ? « Il est certainement tentant de caractériser les sceptiques du COVID comme simplement “anti-science” », écrit le groupe MIT, nous rappelant que c’est ce que des gens comme Anthony Fauci ont choisi de faire, au cours de la pandémie. « Mais cela rendrait impossible de comprendre de manière significative ce qu’ils veulent dire quand ils disent “science”. »

Les chercheurs ont passé au peigne fin des centaines de milliers de publications sur les réseaux sociaux et ont découvert que les sceptiques du coronavirus déploient souvent des contre-visualisations aux côtés de la même rhétorique de « suivre les données » que les experts en santé publique, mais les sceptiques plaident pour des politiques radicalement différentes. Les chercheurs concluent que les visualisations de données ne sont pas suffisantes pour transmettre l’urgence de la pandémie de Covid-19, car même les graphiques les plus clairs peuvent être interprétés à travers une variété de systèmes de croyances. « Beaucoup de gens pensent que des mesures telles que les taux d’infection sont objectives », explique Crystal Lee. « Mais ils ne le sont clairement pas, compte tenu de l’ampleur du débat sur la façon de penser à la pandémie. C’est pourquoi nous disons que les visualisations de données sont devenues un champ de bataille. »

Crystal Lee est l’auteure principale de l’étude et un doctorante du programme “Histoire, anthropologie, science, technologie et société” (HASTS) du MIT et du Laboratoire d’informatique et d’intelligence artificielle (CSAIL) du MIT, ainsi qu’un membre du Berkman Klein Center for Internet and Society de l’Université Harvard. Les co-auteurs incluent Graham Jones, membre de la faculté Margaret MacVicar en anthropologie; Arvind Satyanarayan, professeur adjoint en développement de carrière NBX au Département de génie électrique et d’informatique et CSAIL; Tanya Yang, étudiante de premier cycle au MIT ; et Gabrielle Inchoco, étudiante de premier cycle au Wellesley College.

Alors que les visualisations de données prenaient de l’importance au début de la pandémie, Lee et ses collègues ont entrepris de comprendre comment elles étaient déployées dans l’univers des médias sociaux. « Une hypothèse initiale était que si nous avions plus de visualisations de données, à partir de données collectées de manière systématique, les gens seraient alors mieux informés », explique Lee. Pour tester cette hypothèse, son équipe a mélangé des techniques informatiques avec des méthodes ethnographiques innovantes.

Ils ont utilisé leur approche informatique sur Twitter, grattant près d’un demi-million de tweets faisant référence à la fois à « Covid-19 » et aux « données ». Avec ces tweets, les chercheurs ont généré un graphe de réseau pour savoir « qui retweete qui et qui aime qui », explique Lee. « Nous avons essentiellement créé un réseau de communautés qui interagissent les unes avec les autres. » Les clusters comprenaient des groupes comme la « communauté médiatique américaine » ou les « antimaskers » (anti-masques). Les chercheurs ont découvert que les groupes antimasques créaient et partageaient des visualisations de données autant, sinon plus, que les autres groupes.

Et ces visualisations n’étaient pas bâclées. « Ils sont pratiquement impossibles à distinguer de ceux partagés par les sources traditionnelles », explique Satyanarayan. « Ils sont souvent aussi raffinés que les graphiques que vous vous attendez à rencontrer dans le journalisme de données ou les tableaux de bord de santé publique. » Crystal Lee ajoute : « C’est une découverte très frappante. Cela montre que caractériser les groupes antimasques comme illettrés ou ne s’engageant pas avec les données est empiriquement faux. »

Lee dit que cette approche informatique leur a donné une vue large des visualisations de données de Covid-19. « Ce qui est vraiment excitant dans ce travail quantitatif, c’est que nous effectuons cette analyse à une échelle énorme. Je n’aurais jamais pu lire un demi-million de tweets. » Mais l’analyse de Twitter avait une lacune. « Je pense que cela manque beaucoup de la granularité des conversations que les gens ont », dit Lee. « Vous ne pouvez pas nécessairement suivre un seul fil de conversation au fur et à mesure qu’il se déroule. » Pour cela, les chercheurs se sont tournés vers une méthode de recherche anthropologique plus traditionnelle – avec une touche de l’ère d’Internet.

L’équipe de Lee a suivi et analysé les conversations sur les visualisations de données dans les groupes Facebook anti-masques – une pratique qu’ils ont surnommée « deep lurking » (profondément caché), une version en ligne de la technique ethnographique appelée « deep hanging out » (répandre profondément). Lee dit que « comprendre une culture exige que vous observiez les événements informels quotidiens – pas seulement les grands événements formels. Le “deep lurking” est un moyen de transposer ces approches ethnographiques traditionnelles à l’ère numérique. »

Les résultats qualitatifs de la cachette profonde semblaient cohérents avec les résultats quantitatifs de Twitter. Les anti-masques sur Facebook n’évitaient pas les données. Ils ont plutôt discuté de la manière dont différents types de données ont été collectées et pourquoi. « Leurs arguments sont vraiment très nuancés », explique Lee. « C’est souvent une question de métriques. » Par exemple, les groupes anti-masques pourraient faire valoir que les visualisations du nombre d’infections pourraient être trompeuses, en partie à cause du large éventail d’incertitudes dans les taux d’infection, par rapport à des mesures telles que le nombre de décès. En réponse, les membres du groupe créaient souvent leurs propres contre-visualisations, s’instruisant même mutuellement sur les techniques de visualisation des données. « J’ai assisté à des diffusions en direct où les gens partagent un écran et consultent le portail de données de l’État de Géorgie », explique Lee. « Ensuite, ils expliqueront comment télécharger les données et les importer dans Excel. »

Graham Jones dit que « l’idée de la science des groupes anti-masques n’est pas d’écouter passivement alors que les experts d’un endroit comme le MIT disent à tout le monde ce qu’il faut croire ». Il ajoute que ce genre de comportement marque un nouveau tournant pour un ancien courant culturel. « L’utilisation par les anti-masques de la littératie des données reflète des valeurs américaines profondément ancrées d’autonomie et d’anti-expertise qui remontent à la fondation du pays, mais leurs activités en ligne poussent ces valeurs dans de nouvelles arènes de la vie publique. » Il ajoute que « donner un sens à ces dynamiques complexes aurait été impossible » sans le « leadership visionnaire de Lee dans la conception d’une collaboration interdisciplinaire qui s’étendait sur SHASS et CSAIL ».

La recherche sur les méthodes mixtes « fait progresser notre compréhension des visualisations de données pour façonner la perception publique de la science et de la politique », explique Jevin West, un scientifique des données à l’Université de Washington, qui n’a pas participé à la recherche. Les visualisations de données « portent un vernis d’objectivité et de précision scientifique. Mais comme le montre cet article, les visualisations de données peuvent être utilisées efficacement sur les côtés opposés d’un problème », dit-il. « Cela souligne la complexité du problème – qu’il ne suffit pas de “simplement enseigner l’éducation aux médias”. Cela nécessite une compréhension sociopolitique plus nuancée de ceux qui créent et interprètent les graphiques de données. »

La combinaison de connaissances informatiques et anthropologiques a conduit les chercheurs à une compréhension plus nuancée de la littératie des données. Lee dit que leur étude révèle que, par rapport à l’orthodoxie de la santé publique, « les anti-masques voient la pandémie différemment, en utilisant des données assez similaires. Je pense toujours que l’analyse des données est importante. Mais ce n’est certainement pas le baume que je pensais être pour convaincre les gens qui croient que l’establishment scientifique n’est pas digne de confiance. » Lee dit que leurs découvertes indiquent « une plus grande fracture dans la façon dont nous pensons à la science et à l’expertise aux États-Unis ».

Pour rendre ces résultats accessibles au public, Lee et son collaborateur, le doctorant du CSAIL Jonathan Zong, ont dirigé une équipe de sept chercheurs de premier cycle du MIT pour développer un récit interactif où les lecteurs peuvent explorer les visualisations et les conversations par eux-mêmes.

Lee décrit la recherche de l’équipe comme une première étape pour donner un sens au rôle des données et des visualisations dans ces débats plus larges. « La visualisation des données n’est pas objective. Ce n’est pas absolu. C’est en fait une entreprise incroyablement sociale et politique. Nous devons être attentifs à la façon dont les gens les interprètent en dehors de l’establishment scientifique. » Cette recherche a été financée, en partie, par la National Science Foundation et le Social Science Research Council.

Pour sa part, Michael Brendan Dougherty conclut ainsi : « Pour comprendre les sceptiques du vaccin, les partisans doivent comprendre que les sceptiques ne craignent généralement pas le COVID. Ils peuvent craindre que se faire vacciner ne soit, d’une certaine manière, consentir à l’idée que leurs libertés dépendent du respect de la santé publique. Affirmer que le vax est le chemin du retour à la normalité et que moins de restrictions de santé publique se retournent contre les sceptiques, d’après mon expérience. Ils voient le consentement à ce point de vue comme une promesse de se rendre volontairement en résidence surveillée une fois qu’une nouvelle variante fera à nouveau la une des journaux. Pour eux, la peur excessive du COVID est la principale cause des restrictions de santé publique, et leur refus de se faire vacciner est, en quelque sorte, une tentative de modéliser une vie non régie par cette peur. »


RÉFÉRENCES :
😁 Si vous appréciez cet article, n’hésitez pas à faire un don à votre guise. Merci.
Partager cet article sur les réseaux sociaux :
Traduire/Translate
Ce contenu est protégé ! Merci.