Μονάδες
1. Εισαγωγή στην Τεχνητή Νοημοσύνη στην Παρουσίαση και την Οπτικοποίηση Δεδομένων: Ρόλοι, Όρια, Επικύρωση και Ηθική 2. Δομή παρουσίασης και αφηγηματική μυθοπλασία: Λαμβάνοντας το κοινό σε ένα ταξίδι 3. Παραγωγή κειμένου και περιεχομένου διαφάνειας: Τίτλος, άρθρο, Σημείωση ομιλητή 4. Σχεδιασμός διαφανειών και οπτική παραγωγή: διάταξη, χρώμα, εικονίδιο και οπτικά στοιχεία τεχνητής νοημοσύνης 5. Κατανόηση δεδομένων και επιλογή του σωστού τύπου γραφήματος 6. Δημιουργία γραφικών με τεχνητή νοημοσύνη: Από κώδικα σε οπτική, με επαλήθευση 7. Σχεδιασμός ταμπλό: Κάνοντας τους μεγάλους αριθμούς κατανοητούς σε μια οθόνη 8. Αφήγηση δεδομένων: Μετατρέποντας τους αριθμούς σε αφήγηση 9. Παραγωγή Infographic: Κατανοητές πληροφορίες σε ένα ενιαίο οπτικό 10. Αποφυγή Παραπλανητικής Οπτικοποίησης: Γραφική Ηθική και Ακεραιότητα 11. Ροή από άκρο σε άκρο: Από την ενημέρωση στην πρόβα, την επαλήθευση, την εμπιστευτικότητα και την παράδοση
Μονάδα 10 / 11

Αποφυγή Παραπλανητικής Οπτικοποίησης: Γραφική Ηθική και Ακεραιότητα

Κέρδη:

  • Αναγνωρίστε κοινές τεχνικές παραμόρφωσης, όπως διακεκομμένο άξονα, εφέ 3D, ψευδαίσθηση περιοχής, συλλογή κερασιού και αποκανονικοποίηση.
  • Δυνατότητα χρήσης τεχνητής νοημοσύνης όχι για να «το κάνει εντυπωσιακό», αλλά ως έλεγχος ειλικρίνειας και να ζητήσει ένα ευανάγνωστο και ειλικρινές αποτέλεσμα από το γράφημα
  • Δυνατότητα ελέγχου και διόρθωσης γραφήματος για άξονα, κλίμακα, τύπο, έκταση, κανονικοποίηση, ετικέτα και προσβασιμότητα

Ένα γράφημα δεν είναι το πιο επικίνδυνο. Παραπλανά. Χρησιμοποιεί τεχνικά «σωστά» δεδομένα αλλά τα παρουσιάζει με τρόπο που ξεγελάει το μάτι. Στην εποχή της τεχνητής νοημοσύνης, αυτός ο κίνδυνος έχει αυξηθεί, καθώς το μοντέλο συχνά ευνοεί το «εντυπωσιακό» έναντι του «τίμιου» και παράγει γρήγορα το παραπλανητικό γράφημα αν δεν το προσέξετε. Αυτή η ενότητα σάς διδάσκει να αναγνωρίζετε κοινές τεχνικές παραμόρφωσης, να χρησιμοποιείτε το AI ως έλεγχο ειλικρίνειας και να καθαρίζετε τα δικά σας γραφήματα από αυτές τις παγίδες.

Οι πιο κοινές τεχνικές εξαπάτησης

Ας δούμε μερικές έννοιες με συγκεκριμένα παραδείγματα.

  • Περικομμένος άξονας: Ο άξονας y δεν ξεκινά από το 0, αλλά, ας πούμε, από το 90. Μια μικρή διαφορά φαίνεται τεράστια. Μια αύξηση 2% μοιάζει με 50%.
  • Διπλός/αντίστροφος άξονας: Εμφάνιση δύο σειρών "που κινούνται μαζί" όπως επιθυμείτε, με δύο διαφορετικούς άξονες y.
  • 3D και όγκος: Η τρισδιάστατη πίτα/μπάρα κάνει την μπροστινή φέτα να φαίνεται μεγαλύτερη από ό,τι είναι. Η τιμή συγχέεται με τον όγκο.
  • Ψευδαίσθηση περιοχής: Αναπαράσταση τιμής με διάμετρο κύκλου και πολλαπλασιασμός του εμβαδού (και συνεπώς της αντίληψης).
  • Αντεστραμμένος/μετακινημένος άξονας: Αντιστροφή του άξονα Υ και κάνοντας την αύξηση να μοιάζει με μείωση (υπάρχουν περιβόητα παραδείγματα).
  • Cherry-picking: Επιλογή της χρονικής περιόδου/τμήματος που ταιριάζει στην αφήγηση και απόκρυψη των υπολοίπων.
  • Μη κανονικοποίηση: Σύγκριση απόλυτου αριθμού χωρίς διαίρεση με πληθυσμό/βάση (η μεγάλη πόλη εμφανίζεται «πρωταγωνίστρια» σε όλα).
  • Λανθασμένο σύνολο: Φέτες πίτας χωρίς άθροισμα 100%, επικαλυπτόμενες κατηγορίες.

τεχνική

Πώς μπορεί να παραπλανήσει;

ειλικρινής εναλλακτική

Διακεκομμένος άξονας y

Κάνει μια μικρή διαφορά μεγαλύτερη

Άξονας εκκίνησης από το 0

3D τούρτα/μπαρ

Η προοπτική αλλοιώνει την αξία

Απλή (2D) μπάρα

Εμβαδόν/διάμετρος

Αυξάνει την περιοχή σε 4×

Γραμμική κλίμακα, σαφής ετικέτα

μάζεμα κερασιού

Κρύβει την ακραία περίοδο

Εμφάνιση ολόκληρης της περιόδου

αποκανονικοποίηση

Διατηρεί τη μεγάλη βάση μπροστά

Τιμή / ανά άτομο

διπλού άξονα

Δημιουργεί μια ψεύτικη σχέση

Μεμονωμένος άξονας ή ξεχωριστό γράφημα

Προσοχή: Ο κανόνας "ο άξονας πρέπει να ξεκινά από το 0" είναι σχεδόν απόλυτος για ένα γράφημα ράβδων (το μήκος της ράβδου αντιπροσωπεύει την τιμή). Μερικές φορές το στενό εύρος είναι θεμιτό σε ένα γραμμικό γράφημα, αλλά στη συνέχεια να το ξεκαθαρίσετε. Μην το κάνετε ποτέ για να υπερβάλλετε τη διαφορά.

Κάνοντας την τεχνητή νοημοσύνη έναν έλεγχο ακεραιότητας

Μία από τις πιο ισχυρές χρήσεις: να κάνετε το μοντέλο να κριτικάρει το δικό σας γράφημα. Παρέχετε στιγμιότυπα οθόνης ή περιγραφές για να αποφύγετε παραπλανητικά στοιχεία.

Ο ρόλος σας: ελεγκτής ηθικής οπτικοποίησης δεδομένων. Ελέγξτε αυτό το γράφημα για παραπλανητικό (εικόνα επισυνάπτεται / περιγραφή: [ ... ]). Ελέγξτε τα ένα προς ένα και σημειώστε εάν βρείτε: 1) Μήπως ο άξονας y ξεκινά από το 0; Υπάρχει κάποιο απόκομμα; 2) Το εφέ 3D/όγκου παραμορφώνει την τιμή; 3) Η τιμή είναι υπερβολική κατά εμβαδόν/διάμετρο; 4) Πρέπει κάποιος να επιλέξει μια χρονική περίοδο/τμήμα (συλλογή κερασιού); 5) Πρέπει να είναι απόλυτος αριθμός ή κανονικοποιημένος;6) Ο διπλός άξονας δημιουργεί μια ψεύτικη σχέση για κάθε πρόβλημα; Θέλω να είναι ειλικρινές, όχι απλώς «ωραίο».

Για να ελέγξετε έναν ισχυρισμό ανεξάρτητα από το διάγραμμα:

Οι παρακάτω γραφικοί ισχυρισμοί: "[αξίωση]". Υποστηρίζεται ΕΙΛΙΚΡΙΝΑ αυτός ο ισχυρισμός από τα δεδομένα; Αξιολογήστε για άξονα, κλίμακα, επιλεγμένο εύρος και κανονικοποίηση. Ποια δεδομένα θα μπορούσαν να είχαν κρυφτεί που αποδυναμώνουν τον ισχυρισμό; Γράφημα/δεδομένα: [ ... ].

Βήμα προς βήμα: περνώντας ένα γράφημα μέσω της ειλικρίνειας

  1. Ελέγξτε τον άξονα. Είναι το y από το 0 στο ραβδόγραμμα; Υπάρχει κάποια κοπή;
  2. Ελέγξτε την κλίμακα. Γραμμική ή λογαριθμική; Έχει καθοριστεί το ημερολόγιο;
  3. Ελέγξτε τον τύπο. Υπάρχουν λανθασμένες αντιλήψεις για το 3D, τον όγκο ή την περιοχή;
  4. Ελέγξτε το πεδίο εφαρμογής. Ολόκληρη περίοδος/τμήμα ή επιλεγμένο;
  5. Ελέγξτε την κανονικοποίηση. Απαιτείται ανά άτομο/τιμή;
  6. Ελέγξτε την ετικέτα και την πηγή. Λέει μονάδα, περίοδος, πηγή;
  7. Ελέγξτε την προσβασιμότητα. Υπάρχει διάκριση για τους αχρωματοψίες;

τρεις μίνι θήκες

Περίπτωση 1 — Περικομμένος άξονας. Μια εταιρεία είχε φτιάξει ένα ραβδόγραμμα με τον άξονα y να ξεκινά από το 95 για να δείξει την υπεροχή της έναντι του ανταγωνιστή της. Η διαφορά μεταξύ 96 και 98 φαινόταν να είναι διπλή. Επιθεωρήθηκε πριν πάτε να πατήσετε, ο άξονας ορίστηκε στο 0. Η πραγματική διαφορά ήταν 2%. Το παραπλανητικό γραφικό παρουσίαζε κίνδυνο φήμης.

Περίπτωση 2 — Κανονικοποίηση. Ένας δήμος είπε, «Είμαστε η περιφέρεια που φυτεύει τα περισσότερα δέντρα». αλλά ήταν η μεγαλύτερη συνοικία. Όταν κοιτάμε τον αριθμό των δέντρων κατά κεφαλήν (κανονικοποιημένο), πέφτουν στην 6η θέση. Η τεχνητή νοημοσύνη απέδειξε αυτή τη διαφορά. η παρουσίαση έγινε ειλικρινής από τη μέτρηση «κατά κεφαλήν».

Περίπτωση 3 — Κερασιά συλλογή. Μία παρουσίαση επένδυσης έδειξε μόνο την άνοδο των τελευταίων 4 τριμήνων. Τα δύο προηγούμενα χρόνια διακύμανσης ήταν κρυμμένα. Προστέθηκε όλο το ιστορικό στον έλεγχο. Ο επενδυτής είπε "τουλάχιστον είναι ειλικρινής" και η εμπιστοσύνη αυξήθηκε. Αν είχε κρυφτεί, θα ήταν πολύ χειρότερο να το μάθουμε αργότερα.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμο:

Κάντε αυτό το γραφικό πιο εντυπωσιακό.

Η επιθυμία για «εντυπωσιακό» ωθεί το μοντέλο ακριβώς σε τεχνικές εξαπάτησης (αξονική κοπή, 3D, έμφαση φούσκωμα).

Δυνατό:

Ο ρόλος σας: ελεγκτής δεοντολογίας οπτικοποίησης δεδομένων. Κάντε αυτό το γράφημα ράβδων ΠΙΟ ΔΙΑΒΑΣΙΜΟ και ΠΙΟ ΤΙΜΟΛΟΓΙΟ: κάντε τον άξονα y να ξεκινά από το 0, αφαιρέστε το 3D/σκιά, ταξινομήστε τις ράβδους κατά τιμή, χρησιμοποιήστε ένα χρώμα επισήμανσης, προσθέστε μονάδα και πηγή. Μην κάνετε τίποτα για να μεγαλοποιήσετε τη διαφορά. Αφήστε την πραγματική διαφορά να φανεί. Γραφικό: [ ... ].

Το δεύτερο απαιτεί «αναγνώσιμο + ειλικρινές» αντί για «εντυπωσιακό» και επιβάλλει κάθε κανόνα ειλικρίνειας έναν προς έναν.

Συνήθη λάθη

  • Διακεκομμένος άξονας στη μπάρα: Ο πιο συνηθισμένος τρόπος για να υπερβάλλετε τη διαφορά.
  • Εφέ 3D/όγκου: Η προοπτική παραμορφώνει την τιμή. μην το χρησιμοποιήσεις ποτέ.
  • Τιμή με εμβαδόν/διάμετρο: Πολλαπλασιασμός της αντίληψης μεγεθύνοντας τον κύκλο.
  • Επιλογή της κατάλληλης περιόδου και απόκρυψη των υπολοίπων.
  • Αποκανονικοποίηση: Άδικη σύγκριση με απόλυτο αριθμό.
  • «Κάνε το εντυπωσιακό» σημαίνει: Προσκαλώντας παραμόρφωση του μοντέλου.
  • Μη καθορισμός κλίμακας καταγραφής: Χρήση του λογαριθμικού άξονα χωρίς εξήγηση.

Συνοπτικά

Τα παραπλανητικά γραφικά εξαπατούν χωρίς να λένε ψέματα: ο περικομμένος άξονας, το τρισδιάστατο εφέ, η ψευδαίσθηση περιοχής, το μάζεμα κερασιού, η αποκανονικοποίηση και ο διπλός άξονας είναι οι πιο συνηθισμένες παγίδες. Στις γραμμές, ξεκινήστε τον άξονα στο 0, μην χρησιμοποιείτε 3D, εμφανίστε ολόκληρη την περίοδο, κανονικοποιήστε όπου χρειάζεται, γράψτε τη μονάδα και την πηγή. Χρησιμοποιήστε την τεχνητή νοημοσύνη ως έλεγχο ακεραιότητας, όχι για «να το κάνετε εντυπωσιακό». Ζητήστε ευανάγνωστα και ειλικρινή αποτελέσματα από το μοντέλο. Η ειλικρίνεια του διαγράμματος είναι η φήμη σας.

Εργασία εφαρμογής

Επιλέξτε ένα γράφημα που έχετε (ή βρείτε). (1) Εφαρμόστε τον έλεγχο ειλικρίνειας επτά στοιχείων (άξονας, κλίμακα, τύπος, εύρος, κανονικοποίηση, ετικέτα, προσβασιμότητα). (2) Ζητήστε από το AI να ασκήσει κριτική στο γράφημα ως ελεγκτής. (3) Διορθώστε τουλάχιστον δύο παραπλανητικά στοιχεία. (4) Δημιουργήστε τα ίδια δεδομένα με μια εσκεμμένα παραπλανητική και ειλικρινή εκδοχή και γράψτε τη διαφορά σε μια πρόταση.

λίστα ελέγχου

  • [ ] Στα γραφήματα ράβδων, ο άξονας y ξεκινά από το 0.
  • [ ] Χωρίς ψευδαίσθηση 3D/τόμου/περιοχής.
  • [ ] Εμφάνιση όλης της σχετικής περιόδου/τμήματος (χωρίς συλλογή κερασιού).
  • [ ] Εάν χρειαζόταν, κανονικοποίησα τα δεδομένα (κατά κεφαλήν/ποσοστό).
  • [ ] Μονάδα, περίοδος και πηγή γραμμένα στο γράφημα.
  • [ ] Υπάρχει διάκριση (σχήμα/ετικέτα) για αχρωματοψία.
  • [ ] Ήθελα το μοντέλο να είναι «ειλικρινές και ευανάγνωστο», όχι «εντυπωσιακό».