Các thành viên Lực lượng đặc nhiệm Nhà Trắng coravavirus tham chiếu biểu đồ gây hiểu lầm trong một cuộc họp báo. Ảnh AP / Alex Brandon
Kể từ những ngày vẽ trên tường hang động, mọi người đã thể hiện thông tin thông qua các số liệu và hình ảnh. Ngày nay, các chuyên gia trực quan hóa dữ liệu biết rằng trình bày thông tin một cách trực quan giúp mọi người hiểu rõ hơn dữ liệu phức tạp. Vấn đề là trực quan hóa dữ liệu cũng có thể khiến bạn có ý tưởng sai - cho dù các hình ảnh được thực hiện một cách cẩu thả hoặc cố ý gây hiểu lầm.
Lấy ví dụ biểu đồ thanh được trình bày tại Báo chí ngày 6 tháng XNUMX bởi các thành viên của Lực lượng đặc nhiệm coronavirus Nhà Trắng. Nó có tiêu đề thử nghiệm COVID-19 tại Hoa Kỳ và minh họa gần 2 triệu xét nghiệm coronavirus đã hoàn thành cho đến thời điểm đó. Tổng thống Trump đã sử dụng biểu đồ để hỗ trợ cho khẳng định của ông rằng thử nghiệm là siêu tốcđi lên với tốc độ nhanh. Dựa trên đồ họa này, nhiều người xem có thể đã đưa ra kết luận tương tự - nhưng nó không chính xác.
Biểu đồ cho thấy tổng số thử nghiệm tích lũy được thực hiện trong nhiều tháng, không phải số lượng thử nghiệm mới mỗi ngày.
Khi bạn vẽ biểu đồ số lượng thử nghiệm mới theo ngày, bạn có thể thấy số lượng thử nghiệm COVID-19 được thực hiện trong khoảng thời gian từ tháng XNUMX đến tháng XNUMX đã tăng theo thời gian, nhưng không nhanh chóng. Trường hợp này là một trong nhiều khi thông tin quan trọng không được hiểu đúng hoặc được truyền đạt tốt.
Là một nhà nghiên cứu về truyền thông nguy hiểm và rủi ro, Tôi nghĩ rất nhiều về cách mọi người diễn giải các biểu đồ, đồ thị và bản đồ họ gặp hàng ngày
Cho dù họ cho thấy các trường hợp COVID-19, xu hướng nóng lên toàn cầu, vùng sóng thần có nguy cơ cao hoặc sử dụng tiện ích, việc có thể đánh giá và giải thích chính xác các số liệu cho phép bạn đưa ra quyết định sáng suốt. Thật không may, không phải tất cả các số liệu được tạo ra bằng nhau.
Nếu bạn có thể phát hiện ra những cạm bẫy của một nhân vật, bạn có thể tránh những cái xấu. Hãy xem xét ba câu hỏi chính sau đây khi bạn nhìn thấy biểu đồ, bản đồ hoặc dữ liệu trực quan khác để bạn có thể tự tin quyết định phải làm gì với mẩu thông tin mới đó.
Con số này đang cố nói với tôi là gì?
Bắt đầu bằng cách đọc tiêu đề, nhìn vào nhãn và kiểm tra chú thích. Nếu những điều này không có sẵn - hãy rất cảnh giác. Nhãn sẽ nằm trên trục ngang và trục dọc trên biểu đồ hoặc trong chú giải trên bản đồ. Mọi người thường bỏ qua chúng, nhưng thông tin này rất quan trọng để đưa mọi thứ bạn nhìn thấy trong hình ảnh vào bối cảnh.
Nhìn vào các đơn vị đo lường - chúng tính theo ngày hay năm, Celsius hoặc Fahrenheit, số đếm, tuổi, hoặc những gì? Chúng có cách đều nhau dọc theo trục không? Nhiều đồ thị trường hợp tích lũy COVID-19 gần đây sử dụng thang đo logarit, trong đó các khoảng dọc theo trục dọc không cách đều nhau. Điều này tạo ra sự nhầm lẫn cho mọi người không quen thuộc với định dạng này.
Chẳng hạn, một biểu đồ từ trên mạngThe Rachel Maddow Show Cảnh trên MSNBC, cho thấy các trường hợp coronavirus ở Hoa Kỳ trong khoảng thời gian từ 21 tháng 11 đến XNUMX tháng XNUMX. Các đơn vị trục x theo chiều ngang là thời gian (theo định dạng ngày tháng) và các đơn vị trục y theo chiều dọc có lẽ là số trường hợp tích lũy, mặc dù nó không chỉ định.
Vấn đề chính với biểu đồ này là khoảng thời gian giữa các ngày liên tiếp không đồng đều.
Trong biểu đồ được sửa đổi, với các ngày được đặt cách nhau theo thời gian và chẩn đoán coronavirus được vẽ dưới dạng biểu đồ đường, bạn có thể thấy rõ hơn những gì tăng trưởng theo cấp số nhân trong tỷ lệ nhiễm trùng thực sự trông như thế nào. Phải mất 30 ngày đầu tiên để thêm 33 trường hợp, nhưng chỉ bốn trường hợp cuối cùng để thêm 584 trường hợp.
Những gì có vẻ như là một sự khác biệt nhỏ có thể giúp mọi người hiểu được sự tăng trưởng theo cấp số nhân có thể tăng nhanh như thế nào và có thể thay đổi cách họ nhận thức tầm quan trọng của việc kiềm chế nó.
Làm thế nào là màu sắc, hình dạng, kích thước và quan điểm được sử dụng?
Màu sắc đóng một vai trò quan trọng trong cách mọi người giải thích thông tin. Lựa chọn màu sắc có thể khiến bạn chú ý các mẫu cụ thể hoặc hướng mắt về các khía cạnh nhất định của đồ họa.
Sở Công nghiệp Địa chất và Khoáng sản Oregon
Xem xét hai bản đồ mô tả tính nhạy cảm của lở đất, giống hệt nhau ngoại trừ các bảng màu đảo ngược. Mắt của bạn có thể bị hút vào những màu tối hơn, trực giác nhìn thấy những khu vực đó có nguy cơ cao hơn. Sau khi nhìn vào truyền thuyết, bạn nghĩ thứ tự màu nào đại diện tốt nhất cho thông tin? Bằng cách chú ý đến màu sắc được sử dụng như thế nào, bạn có thể hiểu rõ hơn về cách nó ảnh hưởng đến những gì nổi bật với bạn và những gì bạn cảm nhận.
Hình dạng, kích thước và hướng của các tính năng cũng có thể ảnh hưởng làm thế nào bạn giải thích một con số.
Biểu đồ hình tròn, như biểu đồ này cho thấy sự phân chia việc làm cho một khu vực, nổi tiếng là khó phân tích. Lưu ý mức độ khó để rút ra loại việc làm nào cao nhất hoặc thứ hạng của họ. Các nêm của biểu đồ hình tròn không được sắp xếp theo kích thước, có quá nhiều loại (11!), Phối cảnh 3D làm biến dạng kích thước nêm và một số nêm tách biệt với các kích thước khác khiến việc so sánh kích thước gần như không thể.
Biểu đồ thanh là một lựa chọn tốt hơn cho màn hình hiển thị thông tin và giúp hiển thị những ngành công nghiệp mà mọi người đang làm việc.
Dữ liệu đến từ đâu?
Nguồn dữ liệu quan trọng về chất lượng và độ tin cậy. Điều này đặc biệt đúng đối với dữ liệu đảng phái hoặc chính trị. Nếu dữ liệu được thu thập từ một nhóm không phải là một xấp xỉ tốt của toàn bộ dân số, thì nó có thể bị sai lệch.
Ví dụ, vào ngày 18 tháng XNUMX, người dẫn chương trình của Fox Business Network, Lou Dobbs đã thăm dò ý kiến khán giả của mình bằng câu hỏi. Làm thế nào bạn xếp hạng lãnh đạo của Tổng thống Trump trong cuộc chiến chống lại Virus Vũ Hán?
Hãy tưởng tượng nếu chỉ có đảng Cộng hòa được hỏi câu hỏi này và kết quả sẽ so sánh như thế nào nếu chỉ có đảng Dân chủ được hỏi. Trong trường hợp này, những người được hỏi là một phần của nhóm tự chọn, người đã chọn xem chương trình của Dobbs. Cuộc thăm dò chỉ có thể cho bạn biết về ý kiến của nhóm đó, chứ không phải người ở Mỹ nói chung.
Sau đó, hãy xem xét rằng Dobbs chỉ cung cấp các phản hồi tích cực trong các lựa chọn đa lựa chọn của anh ấy - một cách tuyệt vời, tuyệt vời hoặc rất tốt - và rõ ràng là dữ liệu này có sự sai lệch.
Phát hiện sai lệch và phương pháp thu thập dữ liệu không phù hợp cho phép bạn quyết định thông tin nào đáng tin cậy.
Nghĩ qua những gì bạn thấy
Trong đại dịch này, thông tin đang nổi lên từng giờ. Người tiêu dùng truyền thông tràn ngập các sự kiện, biểu đồ, đồ thị và bản đồ mỗi ngày. Nếu bạn có thể dành một chút thời gian để tự hỏi mình một vài câu hỏi về những gì bạn nhìn thấy trong những trực quan hóa dữ liệu này, bạn có thể bỏ đi với một kết luận hoàn toàn khác so với cái nhìn đầu tiên.
Giới thiệu về Tác giả
Carson MacPherson-Krutsky, ứng cử viên tiến sĩ khoa học địa chất, Đại học Bang Boise
Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.