Kritiker der Corona Maßnahmen: Informierte Ablehnung laut MIT-Studie

Wer wenig oder nur schlechte Argumente hat, geht auf seine Kritiker meist persönlich los. Wer mit den verordneten Maßnahmen nicht einverstanden ist läuft Gefahr als Corona-Leugner, Covidiot, Verschwörungstheoretiker, Rechtsradikaler und ähnliches bezeichnet, zu werden. Dabei sind gerade die kritisch denkenden Menschen besonders gut informiert (wie leicht an den Kommentaren in diesem Blog zu erkennen) und teils auch bestens ausgebildet. Das zeigt auch eine Studie des MIT.

Von Peter F. Mayer

Seit dem Beginn der Covid-19-Pandemie haben Diagramme und Grafiken dazu beigetragen, Informationen über Infektionsraten, Todesfälle und Impfungen zu vermitteln. In einigen Fällen können solche Visualisierungen zu Verhaltensweisen ermutigen, die von der Politik erwünscht sind, wie das Tragen einer Maske. Sie können aber auch genau das Gegenteil beweisen, wie diese Grafiken:

Es wird also, da von Beginn an die „Zahlen“ und nicht Gesundheit im Mittelpunkt stehen, alle Arten von Grafiken genutzt um den eigenen Standpunkt zu stützen. In der Tat wurde die Pandemie als Durchbruch für die Datenvisualisierung gepriesen.

Eine Studie des MIT zeigt, wie Maßnahmen-Skeptiker online Datenvisualisierungen eingesetzt haben, um gegen die Orthodoxie des öffentlichen Gesundheitswesens über den Nutzen der Maskenpflicht zu argumentieren. Solche “Gegenvisualisierungen” sind laut Studie oft recht ausgeklügelt und verwenden Datensätze aus offiziellen Quellen und modernste Visualisierungsmethoden.

Die Forscher durchkämmten Hunderttausende von Beiträgen in sozialen Medien und fanden heraus, dass Maßnahmen-Skeptiker häufig Gegenvisualisierungen zusammen mit der gleichen “Follow-the-data”-Rhetorik wie die Experten des öffentlichen Gesundheitswesens einsetzen, obwohl die Politik und Kritiker für radikal andere Maßnahmen plädieren. Die Forscher kommen zu dem Schluss, dass Datenvisualisierungen nicht ausreichen, um die eine oder andere Position zu stützen, da selbst die klarsten Diagramme durch eine Vielzahl von Glaubenssystemen interpretiert werden können. Besonders leicht fällt die Einbettung in ein Glaubenssystem natürlich denen, die die Daten selbst produzieren.

„Viele Menschen halten Messgrößen wie die Infektionsraten für objektiv”, sagt Studienleiter Crystal Lee. “Aber das sind sie eindeutig nicht, wenn man bedenkt, wie sehr darüber debattiert wird, wie man über die Pandemie denken soll. Deshalb sagen wir, dass Datenvisualisierungen zu einem Schlachtfeld geworden sind”.

Als Datenvisualisierungen zu Beginn der Pandemie an Bedeutung gewannen, machten sich Lee und ihre Kollegen daran, zu verstehen, wie sie in den sozialen Medien eingesetzt wurden. “Eine erste Hypothese war, dass die Menschen besser informiert wären, wenn wir mehr Datenvisualisierungen hätten, die auf systematisch gesammelten Daten basieren”, sagt Lee. Um diese Hypothese zu testen, kombinierte ihr Team computergestützte Techniken mit innovativen ethnografischen Methoden.

Sie wendeten ihren rechnerischen Ansatz auf Twitter an, indem sie fast eine halbe Million Tweets auswerteten, in denen sowohl “Covid-19” als auch “Daten” erwähnt wurden. Anhand dieser Tweets erstellten die Forscher ein Netzwerkdiagramm, um herauszufinden, “wer wen retweetet und wer wen mag”, sagt Lee. “Wir haben im Grunde ein Netzwerk von Gemeinschaften erstellt, die miteinander interagieren. Zu den Clustern gehörten Gruppen wie die “amerikanische Mediengemeinschaft” oder “Antimaskierer”. Die Forscher fanden heraus, dass Antimasken-Gruppen Datenvisualisierungen in gleichem Maße wie andere Gruppen, wenn nicht sogar in größerem Umfang, erstellen und weitergeben.

Und diese Visualisierungen haben hohe Qualität. Sie sind praktisch nicht von denen zu unterscheiden, die von Mainstream-Quellen verbreitet werden. Sie sind oft genauso ausgefeilt wie Diagramme, die man im Datenjournalismus oder auf Dashboards des öffentlichen Gesundheitswesens finden würde, so die Studienautoren.

Lee. fand das bemerkenswert: „Es zeigt, dass die Charakterisierung von Anti-Masken-Gruppen als datenunkundig oder sich nicht mit den Daten auseinandersetzend, empirisch falsch ist.”

Die Twitter-Analyse hatte jedoch einen Nachteil. “Meiner Meinung nach geht dabei viel von der Granularität der Unterhaltungen, die die Menschen führen, verloren”, sagt Lee. “Man kann nicht unbedingt einen einzelnen Gesprächsfaden verfolgen, während er sich entfaltet. Aus diesem Grund wandten die Forscher eine traditionellere anthropologische Forschungsmethode an – mit einem Twist des Internet-Zeitalters.“

Lees Team verfolgte und analysierte Gespräche über Datenvisualisierungen in Antimasken-Facebook-Gruppen – eine Praxis, die sie “deep lurking” nannten, eine Online-Version der ethnografischen Technik “deep hanging out”. Lee sagt: “Um eine Kultur zu verstehen, muss man das alltägliche, informelle Treiben beobachten – nicht nur die großen, formellen Ereignisse. Deep Lurking ist eine Möglichkeit, diese traditionellen ethnografischen Ansätze auf das digitale Zeitalter zu übertragen”.

Die qualitativen Ergebnisse des Deep Lurking scheinen mit den quantitativen Twitter-Ergebnissen übereinzustimmen. Die Antimaskierer auf Facebook haben sich nicht vor Daten gedrückt. Vielmehr diskutierten sie darüber, wie und warum verschiedene Arten von Daten erhoben wurden. “Ihre Argumente sind wirklich sehr nuanciert”, sagt Lee. “Es ist oft eine Frage der Metrik.” So könnten Antimasken-Gruppen beispielsweise argumentieren, dass die Visualisierung von Infektionszahlen irreführend sein könnte, unter anderem wegen der großen Unsicherheitsspanne bei Infektionsraten im Vergleich zu Messungen wie der Zahl der Todesfälle. Daraufhin erstellten die Mitglieder der Gruppe oft ihre eigenen Gegenvisualisierungen und unterrichteten sich sogar gegenseitig in Datenvisualisierungstechniken.

Was Lee allerdings übersieht, sind die Hundert Studien über die Nutzen Schaden von Masken, keinesfalls nur seit März 2020, sondern seit es Wissenschaft und Masken gibt. Hier in diesem Blog habe ich wiederholt über Studien und Meta-Studien berichtet, in denen sogar jeweils mehr als 100 Studien zusammengefasst waren. Die „Antimaskierer“, haben sogar gemessen, wie Masken wirken. Zum Beispiel die Veränderung des Gehalts an Kohlendioxid in der Atemluft, oder den Partialdruck des Sauerstoffes im Blut. Und bei beiden zeigten sich negative Konsequenzen. Und das ist exakte Naturwissenschaft, auf das das Establishment mit Unterdrückung und Kündigung der Wissenschaftler reagiert.

Die Kombination von computergestützten und anthropologischen Erkenntnissen führte die Forscher zu einem differenzierteren Verständnis von Datenkompetenz. Lee sagt, ihre Studie zeige, dass “Antimaskierer die Pandemie anders sehen als die Maskenbefürworter des öffentlichen Gesundheitswesens und dabei Daten verwenden, die recht ähnlich sind.”

Lee beschreibt die Forschung des Teams als einen ersten Schritt, um die Rolle von Daten und Visualisierungen in diesen breiteren Debatten zu verstehen. “Datenvisualisierung ist nicht objektiv. Sie ist nicht absolut. Sie ist in der Tat ein unglaublich soziales und politisches Unterfangen. Wir müssen darauf achten, wie die Menschen sie außerhalb des wissenschaftlichen Establishments interpretieren.”

Lee sagt, dass dieser rechnerische Ansatz ihnen einen breiten Überblick über Covid-19-Datenvisualisierungen verschaffte. “Das wirklich Spannende an dieser quantitativen Arbeit ist, dass wir diese Analyse in einem riesigen Maßstab durchführen. Es ist unmöglich, dass ich eine halbe Million Tweets hätte lesen können.

Die Twitter-Analyse hatte jedoch einen Nachteil. “Meiner Meinung nach geht dabei viel von der Granularität der Unterhaltungen, die die Menschen führen, verloren”, sagt Lee. “Man kann nicht unbedingt einen einzelnen Gesprächsfaden verfolgen, während er sich entfaltet. Aus diesem Grund wandten die Forscher eine traditionellere anthropologische Forschungsmethode an – mit einem Twist des Internet-Zeitalters.

Lees Team verfolgte und analysierte Gespräche über Datenvisualisierungen in Antimasken-Facebook-Gruppen – eine Praxis, die sie “deep lurking” nannten, eine Online-Version der ethnografischen Technik “deep hanging out”. Lee sagt: “Um eine Kultur zu verstehen, muss man das alltägliche, informelle Treiben beobachten – nicht nur die großen, formellen Ereignisse. Deep Lurking ist eine Möglichkeit, diese traditionellen ethnografischen Ansätze auf das digitale Zeitalter zu übertragen”.

Die qualitativen Ergebnisse des Deep Lurking scheinen mit den quantitativen Twitter-Ergebnissen übereinzustimmen. Die Antimaskierer auf Facebook haben sich nicht vor Daten gedrückt. Vielmehr diskutierten sie darüber, wie und warum verschiedene Arten von Daten erhoben wurden. “Ihre Argumente sind wirklich sehr nuanciert”, sagt Lee. “Es ist oft eine Frage der Metrik.” So könnten Antimasken-Gruppen beispielsweise argumentieren, dass die Visualisierung von Infektionszahlen irreführend sein könnte, unter anderem wegen der großen Unsicherheitsspanne bei Infektionsraten im Vergleich zu Messungen wie der Zahl der Todesfälle. Daraufhin erstellten die Mitglieder der Gruppe oft ihre eigenen Gegenvisualisierungen.

„Ich habe an Livestreams teilgenommen, bei denen sich die Teilnehmer das Datenportal des Bundesstaates Georgia angeschaut haben”, sagt Lee. “Dann sprechen sie darüber, wie man die Daten herunterlädt und sie in Excel importiert”.

Jones sagt, dass die Vorstellung der Antimaskengruppen von Wissenschaft nicht darin besteht, passiv zuzuhören, wenn Experten an einem Ort wie dem MIT allen anderen sagen, was sie glauben sollen. Er fügt hinzu, dass diese Art von Verhalten eine neue Wendung für eine alte kulturelle Strömung darstellt. “Die Nutzung der Datenkompetenz durch die Antimaskierer spiegelt tief verwurzelte amerikanische Werte der Selbstständigkeit und der Ablehnung von Experten wider, die auf die Gründung des Landes zurückgehen, aber ihre Online-Aktivitäten drängen diese Werte in neue Arenen des öffentlichen Lebens.“

Die Kombination von computergestützten und anthropologischen Erkenntnissen führte die Forscher zu einem differenzierteren Verständnis von Datenkompetenz. Lee sagt, ihre Studie zeige, dass “Antimaskierer die Pandemie anders sehen als die Orthodoxie des öffentlichen Gesundheitswesens und dabei Daten verwenden, die recht ähnlich sind. Ich denke immer noch, dass Datenanalyse wichtig ist. Aber sie ist sicherlich nicht das Wundermittel, das ich dachte, um Menschen zu überzeugen, die glauben, dass das wissenschaftliche Establishment nicht vertrauenswürdig ist”. Lee sagt, ihre Ergebnisse deuten auf “eine größere Kluft in der Art und Weise, wie wir in den USA über Wissenschaft und Fachwissen denken”.

Die Arbeit der MIT-Forscher zeigt sehr deutlich, dass sich die Kritiker der Maßnahmen massenhaft inhaltlich mit den Daten und Informationen auseinandersetzen um sich eine eigene Meinung bilden zu können. Es ist damit offensichtlich, dass sie besser informiert sind als die, die die Behauptungen von Politikern und Mainstream Medien ungeprüft hinnehmen.

Bild von Gordon Johnson auf Pixabay

---

Alle aktuellen News im TKP Telegram Channel

Unterstütze unabhängigen Journalismus mit einer Spende via PayPal

---

Deutsche Meta-Studie beweist massive Schädigung durch Masken

Messungen zeigen: Masken schaden Kindern enorm

Facharzt Bodo Kuklinski im Interview (2) über Impfung, Masken und die Politik

Studie: So schädigen Masken deine Gesundheit ohne zu nützen