Filmer och tv kan ge oss intrycket att teknik kan göra vad som helst, men vem visas med teknik på skärmen? En ny rapport, släpptes idag, undersökt skildringar av datavetenskap över media. Resultaten visar att även om användningen av teknik kan tyckas vara obegränsad, det finns fortfarande gränser för vem som kan visas på skärmen med hjälp av datavetenskap.
Studien, ledd av professor Stacy L. Smith och media, Mångfald, &Social Change Initiative vid USC Annenberg och finansierat av Googles team för datavetenskap i media, undersökt tv-innehåll och filmer. Resultatet är en genomgripande undersökning som undersöker hur många karaktärer som använder datavetenskap, de demografiska egenskaperna hos dessa karaktärer, och arten av dessa skildringar.
Studien belyser hur medieskildringar kan presentera en skev vision av datavetenskap. För företag, skolor, och föräldrar, rapporten visar hur media erbjuder publiken ett fönster till datavetenskap som en aktivitet eller ett yrke som kanske misslyckas med att attrahera en mångsidig grupp av deltagare.
Ett team som arbetar för att skapa en mer levande mediemiljö är Googles CS in Media-team. Med målet att inspirera en ny, inkluderande vision av datavetenskap, Googles CS in Media-team har fungerat som en resurs för underhållningsindustrin genom att ge innehållsskapare råd om datavetenskapsrelaterade berättelser i tio TV-serier och TV-filmer. Ett syfte med studien var att bedöma effekten av projektet. Analysen fann 5,9 procent av 1, 039 tecken avbildade i uppsättningen program som påverkats av Google var engagerade i datavetenskap, jämfört med mindre än 1 procent av 883 tecken i ett matchat urval av innehåll. För denna del av analysen, varje avsnitt av varje provserie bedömdes. Dessa resultat visar hur sällan datavetenskap visas på skärmen, och förstärka vikten av Googles pågående ansträngningar.
Dessutom, populärt medieinnehåll analyserades för att ge ytterligare sammanhang för Googles CS in Media-team. Endast 2,2 procent av totalt 2, 138 karaktärer använde datavetenskap över de 20 bästa filmerna 2015, 20 tv-serier populära bland 18-49-åringar från 2015-16, och 20 populära tv-serier bland 2 till 12-åringar från samma tidsram. Två avsnitt av varje tv-serie ingick i analysen.
"Berättande öppnar ett fönster till yrken eller aktiviteter som annars kanske inte skulle fånga vår fantasi, " sa professor Stacy L. Smith, chef för MDSC Initiative och studiens huvudförfattare. "Även om tekniken styr mycket av vårt dagliga liv, vi ser få berättelser som speglar detta i media. Med tanke på detta, Googles arbete med att lyfta fram datavetenskap i berättelser är viktigare än någonsin, särskilt de som visar upp kvinnor och individer från underrepresenterade ras/etniska grupper."
En idé som vägleder Googles arbete är att publik – särskilt flickor och individer från underrepresenterade grupper – kan inspireras att bedriva datavetenskap genom att se förebilder på skärmen. Dock, rapporten finner att även bland det lilla urvalet av tecken som använder datavetenskap, dessa individer tenderar fortfarande att vara vita och män i alla media som studerats. Nästan 25 procent, eller 15, av karaktärerna som ägnade sig åt datavetenskap i den Google-influerade serien var kvinnor, medan ingen av karaktärerna som använde datavetenskap i det matchade urvalet av innehåll var flickor eller kvinnor. Nästan 41 procent, eller 9, av vanliga huvudkaraktärer eller seriefigurer som ägnade sig åt datavetenskap i de Google-influerade programmen var kvinnor.
Att jämföra dessa resultat med populärt innehåll avslöjade att kvinnor klarar sig bättre som datavetenskapsanvändare i tv-program som är populära bland vuxna 18-49 än i toppfilmer, även om det återigen är få karaktärer som använder datavetenskap. Över en tredjedel av karaktärerna som använde CS i sändningstidserier var kvinnor, vilket är 8 flickor/kvinnor totalt. Detta jämförs med endast 15 procent av karaktärerna som är engagerade i datavetenskap i populära filmer, som representerar bara 3 honor. Fyrtio procent, eller 8, av huvudkaraktärer och/eller seriefigurer som använder datavetenskap var flickor och/eller kvinnor.
"Medan en högre andel av kvinnorna totalt sett använde datavetenskap i populärt innehåll, sa Smith, "Flickor och kvinnor är fortfarande i mindre antal som användare av datavetenskap, även när de enda gränserna för deras deltagande är fantasin hos innehållsskapare."
Författarna undersökte också faktorer relaterade till datorvetenskapliga stereotyper. Över de utvärderade berättelserna, karaktärer som använder datavetenskap tenderar att vara klädda i "hacker-typ" kläder, saknar romantiska eller familjerelationer, och nämner sällan hur CS kan användas för att hjälpa andra – exemplifierande stereotyper om datavetenskapsanvändare. En ljuspunkt i berättelsen som påverkades av Google var att kvinnliga karaktärer som använder CS var mer benägna att få beröm för sin intelligens än sitt utseende. Trots detta, forskarna drog slutsatsen att skildringar av datavetenskap fortfarande återspeglar en syn på fältet som är förankrat i trötta troper.
"Mediarepresentationer av datavetenskap kan vara ett sätt som tittarna lär sig om yrket och utvecklar ett intresse för vad teknik kan göra, " sade Smith. "När stereotyper genomsyrar miljön, teori och forskning tyder på att detta kan dämpa attraktionen till fältet, speciellt för kvinnor. Själva verktyget som kan bidra till utökad mångfald i CS-arbetsstyrkan kan motarbeta det."
"Inkluderande representation är avgörande för att inspirera studenter att bedriva CS, sa Daraiha Greene, Google CS in Medias Multicultural Strategy Lead. "Forskning och rigorös utvärdering är absolut nödvändiga för det arbete som vi gör när vi strävar efter att förändra berättelsen om datavetenskap som hänför sig till underrepresenterade grupper i mainstream media. Vi ser fram emot att skapa mer gynnsamma uppfattningar om CS över branscher och demografi genom att omvandla koncept, berättelser, och karaktärer för att ha en större effekt på landskapet av medieinnehåll."
Rapporten är den senaste i en serie undersökningar som publicerats av MDSC Initiative i år. Det är den första studien som genomförts av MDSC Initiative i samarbete med Google CS in Media-teamet för att bedöma skildringar av datavetenskap i film och TV och för att använda teoretiska och empiriska bevis kring stereotyper av CS när man utvärderar dessa skildringar.
