Les données sur les personnes LGBTQ+ sont devenues plus abondantes à mesure que les recensements aux États-Unis et à l’échelle internationale ont ajouté des sondages et des questions visant à comprendre ces communautés.
Mais entre les pratiques de collecte et de publication inégales, la suppression des données et les préoccupations en matière de confidentialité ou d'éthique, il n’est pas toujours aisé de composer des articles sur les communautés LGBTQ+ basés sur des données. Il s'agit bien sûr de problèmes courants dans n'importe quel domaine, mais ils sont exacerbés par la taille réduite des populations et la méfiance générale envers ceux qui recherchent des informations basées sur l'identité dans le climat politique actuel.
En même temps, ces informations sont plus que jamais nécessaires. Des lois discriminatoires visant à effacer l’existence des personnes LGBTQ+ se répandent dans tout le pays, mais la plupart des reportages médiatiques se limitent à des échanges politiques avec des cadrages réducteurs de “guerre culturelle.” Les données peuvent être un outil puissant pour montrer l’ampleur des perturbations personnelles et civiques causées par ces lois, ou leurs conséquences sociales moins évidentes dans l’ensemble des États-Unis.
Nous sommes deux data-journalistes qui s'intéressent aux données sur les personnes LGBTQ+ depuis des années. Kae est journaliste de données et de graphisme chez Chalkbeat, une rédaction indépendante à but non lucratif qui couvre l'éducation publique. Jasmine est journaliste de données visuelles chez The 19th, une rédaction indépendante à but non lucratif qui couvre le genre, la politique et les politiques publiques. Nous avons trouvé des solutions pour travailler avec des données complexes et avons rédigé les conseils techniques que nous aurions aimé avoir à nos débuts.
Parfois, les données sont vraiment mauvaises, mais bien souvent, il suffit de les examiner attentivement.
Cet article concerne les solutions techniques et de couverture médiatique. Si vous êtes intéressé.e par les concepts et l'éthique, vous pouvez aller lire la première partie de nos travaux.
1. Élargissez votre ensemble de sources de données
La plupart de nos sources de données de référence, qu'elles soient gouvernementales ou issues de groupes de réflexion, ne collectent pas de données sur les populations LGBTQ+ (ou si elles le font, c'est une nouveauté). Élargissez votre recherche pour accéder à des données fiables : cherchez des enquêtes menées par et au sein des communautés ou des questionnaires de groupes de plaidoyer. Examinez attentivement la méthodologie pour garantir une explication adéquate des résultats.
Envisagez également de collecter des données auprès des municipalités et d’autres administrations de plus petite taille pour créer des “anecdotes de données” sur plusieurs villes ou États. Les données fédérales à grande échelle sont souvent moins bien loties que les collectes locales, qui sont plus réactives aux changements et aux communautés individuelles.
2. Soyez sceptique à l’égard des nouvelles collectes de données et des données au fil du temps
En 2022, le Williams Institute, l’une des meilleures sources universitaires de données sur la population trans aux États-Unis, a publié des estimations actualisées qui ont doublé le nombre de jeunes trans. Les principales publications ont fait la une des journaux sur cette “forte augmentation.”
Mais en réalité, précisent les chercheurs, il n'y a pas eu de hausse univoque. Les anciennes et les nouvelles estimations n'étaient pas comparables dans le temps ; les nouvelles estimations s'appuyaient sur des données qui n'existaient pas auparavant. Les estimations précédentes provenaient de modèles basés sur des sources différentes.
Nous constatons des problèmes méthodologiques similaires dans toutes les nouvelles collectes de données et travaux basés sur celles-ci :
- Les institutions adoptent les nouvelles méthodes et les nouveaux rapports à des moments différents, de sorte que les données entre États ou entre villes ne sont pas réellement comparables ;
- Elles utilisent des définitions de données différentes qui excluent ou incluent de manière incohérente des sous-groupes LGBTQ+ spécifiques ;
- Les personnes LGBTQ+ ne font pas nécessairement confiance à la sécurité ou à la confidentialité de la collecte, et peuvent donc être lentes à fournir ces informations.
Les données changent rapidement et de petits groupes peuvent connaître des changements précipités, comme l’augmentation de 217 %, de 12 à 38 individus, que Kae a constatée lorsqu’ils ont obtenu des données sur les inscriptions des élèves non binaires dans les écoles publiques.
3. Faites attention à la méthodologie, peut-être plus que vous ne le feriez normalement
La méthodologie n'est pas toujours mentionnée dans les communiqués de presse. Posez des questions à un attaché de presse sur la pondération et la marge d'erreur. La plupart d'entre eux vous mettront volontiers en contact avec un expert ou vous transmettront les réponses de l'équipe technique.
Les enquêtes doivent être pondérées pour s’appliquer à l’ensemble de la population. Mais les personnes LGBTQ+ ne sont pas comptabilisées dans l’American Community Survey, une source courante de pondération, de sorte que les données peuvent ne pas être représentatives d’un groupe plus large. Demandez aux personnes qui ont créé les données dans quelle mesure les informations sont généralisables et quels types de mises en garde vous devez inclure dans votre récit.
4. Examinez le texte des questions et réfléchissez de manière critique aux regroupements utilisés par les chercheurs
Il n'existe pas de langage standardisé pour les questions démographiques sur l'identification LGBTQ+. Afin de comprendre à quels groupes il est fait référence, il est nécessaire de se référer au langage réel de l'enquête.
De nombreuses enquêtes confondent encore sexualité et genre, ce qui n'est pas forcément problématique lorsqu'on parle de la population LGBTQ+ dans son ensemble, mais cela fait perdre de la nuance aux expériences des personnes transgenres. Pour les échantillons de petite taille, il est possible qu'aucune personne transgenre n'ait été incluse.
De plus, les chercheurs peuvent utiliser des groupes ou des étiquettes pour catégoriser le comportement plutôt que l'identité. Parfois, cela peut être exact. Mais les catégorisations des chercheurs peuvent également faire des suppositions incorrectes sur l'auto-identification, les émotions ou les expériences des personnes. (Plus d'informations à ce sujet dans la première partie de cette série)
Le langage des questionnaires en sciences sociales est précis, ce qui peut parfois être aliénant pour le grand public. N'ayez pas peur d'utiliser votre meilleur jugement éditorial pour réétiqueter les termes avec un langage qui reflète les meilleures pratiques médiatiques publiées par des organisations comme la NLGJA : l'Association of LGBTQ Journalists, la Trans Journalists Association ou l'Associated Press, à condition de faire les recherches nécessaires pour comprendre les limites des données.
Pour son sondage de 2023, The 19th a rebaptisé la catégorie de genre “Non répertorié/non conforme au genre” en “non binaire” dans tous les articles et graphiques. Cette démarche suit les recommandations du guide de style de la Trans Journalists Association et utilise le langage courant des communautés LGBTQ+.
5. N'ignorez pas les autres facteurs démographiques, même si vos données le font
Comparer les groupes LGBTQ+ et non LGBTQ+ peut occulter des tendances sous-jacentes. Les personnes LGBTQ+ ont tendance à être plus jeunes et plus libérales, et ces facteurs peuvent être à l’origine de certains comportements, plus que leur identité LGBTQ+, comme Jasmine l’a appris en travaillant sur un article sur le manque de recherche sur les personnes religieuses homosexuelles.
De même, dans les écoles, certaines expériences des élèves LGBTQ+ peuvent être spécifiques à l’identité. Mais d’autres peuvent également être liées au patrimoine familial, aux ressources et aux investissements dont disposent les élèves LGBTQ+ dans les quartiers plus riches, aux tendances urbaines et rurales et à d’autres facteurs similaires qui devraient être pris en compte dans toute analyse démographique.
6. Enrichissez le contexte des données avec des experts externes
Bien sûr, pour toute étude de données, il est souvent nécessaire d'interroger des experts en données autant que les données elles-mêmes. Mais cela peut devenir encore plus important lorsque vous travaillez avec des ensembles de données plus récents, non standardisés et à plus petite échelle.
L'analyse approfondie des données par un expert peut faire ou défaire l'histoire, ou détecter une erreur flagrante dans la façon dont vous avez interprété les tendances.
C'est particulièrement important lorsque vous travaillez avec des données LGBTQ+, car il arrive souvent qu'une enquête soit la première du genre. Le fait de consulter des experts qui ont étudié les problèmes de manière qualitative peut permettre de valider davantage l'hypothèse de votre récit.
7. Racontez des histoires (et créez des visuels) sur les limites des données
Tous ces problèmes sont les mêmes que ceux rencontrés dans n'importe quel autre secteur avec des données de mauvaise qualité ou limitées (ce qui est le cas de la quasi-totalité d'entre elles). Il existe des moyens techniques créatifs pour orienter votre analyse de données afin d'examiner, voire de visualiser, les problèmes liés aux données de mauvaise qualité.
Envisagez d'adopter une approche méta qui met l'accent sur ce qui manque dans un ensemble de données, au lieu d'analyser ou de visualiser des données dont vous savez qu'elles présentent de nombreux problèmes. Il peut s'agir de petits points multiples au lieu de lignes sur le même axe, afin que le public ne fasse pas de comparaisons qui n'existent pas ; il peut s'agir d'une carte ou d'un graphique à barres qui montre toutes les agences qui n'ont pas communiqué de données ou toutes les personnes qui ont été exclues par les définitions des données.
Faire preuve de créativité et trouver des solutions dans d'autres domaines peut ouvrir la voie à de nouvelles enquêtes de data-journalisme importantes et dignes d'intérêt. Cela vaut la peine de prendre le temps de réfléchir à cette approche : les problèmes liés aux données correspondent à des problèmes pour les gens, et ces histoires méritent d'être racontées.
Photo de Jack Lucas Smith sur Unsplash.
Cet article a été initialement publié sur Source et republié sur IJNet avec autorisation.