Ganancias:
- Reconocer técnicas de distorsión comunes, como eje discontinuo, efecto 3D, ilusión de área, selección de cerezas y desnormalización.
- Capacidad de utilizar la inteligencia artificial no para "hacerlo impresionante", sino como un verificador de honestidad y solicitar un resultado legible y honesto del gráfico.
- Capacidad para verificar y corregir un gráfico en cuanto a eje, escala, tipo, extensión, normalización, etiqueta y accesibilidad.
Un gráfico no se encuentra en su punto más peligroso; Confunde. Utiliza datos técnicamente "correctos", pero los presenta de una manera que engaña a la vista. En la era de la inteligencia artificial, este riesgo ha aumentado, ya que el modelo frecuentemente prefiere lo "impresionante" a lo "honesto" y rápidamente produce el gráfico engañoso si no te das cuenta. Esta unidad le enseñará a reconocer técnicas de distorsión comunes, a utilizar la IA como comprobador de honestidad y a limpiar sus propios gráficos de estas trampas.
Las técnicas de engaño más comunes.
Veamos algunos conceptos con ejemplos concretos.
- Eje truncado: el eje y no comienza desde 0, sino desde, digamos, 90; Una pequeña diferencia parece enorme. Un aumento del 2% parece un 50%.
- Eje dual/inverso: muestra dos series "moviéndose juntas" como se desea, con dos ejes y diferentes.
- 3D y volumen: el pastel/barra tridimensional hace que la porción frontal parezca más grande de lo que es; Se confunde valor con volumen.
- Ilusión de área: Representar un valor con el diámetro de un círculo y multiplicar el área (y por tanto la percepción).
- Eje invertido/movido: Invertir el eje Y y hacer que el aumento parezca una disminución (hay ejemplos notorios).
- Selección selectiva: seleccionar el período/segmento de tiempo que se ajuste a la narrativa y ocultar el resto.
- No normalización: comparar números absolutos sin dividir por población/base (la gran ciudad parece "líder" en todo).
- Total incorrecto: las porciones circulares no suman el 100 %, categorías superpuestas.
técnico
¿Cómo puede engañar?
alternativa honesta
Eje y discontinuo
Hace una pequeña diferencia más grande
Iniciar eje desde 0
pastel/barra 3D
La perspectiva distorsiona el valor
Barra simple (2D)
Área/diámetro
Aumenta el área a 4×
Escala lineal, etiqueta clara.
recolección de cerezas
Oculta el período atípico
Mostrar todo el período
desnormalización
Mantiene la base grande al frente.
Tarifa / por persona
doble eje
Crea una relación falsa
Eje único o gráfico separado
Precaución: La regla "el eje debe comenzar en 0" es casi absoluta para un gráfico de barras (la longitud de la barra representa el valor). A veces, un rango estrecho es legítimo en un gráfico de líneas, pero luego déjelo claro; Nunca lo hagas para exagerar la diferencia.
Hacer de la inteligencia artificial un verificador de integridad
Uno de los usos más poderosos: hacer que el modelo critique su propio gráfico. Proporcione capturas de pantalla o descripciones para evitar elementos engañosos.
Su función: auditor de ética de visualización de datos. Revise este cuadro para ver si es engañoso (imagen adjunta/descripción: [...]). Verifíquelos uno por uno y márquelos si encuentra: 1) ¿El eje y comienza en 0? ¿Hay algún recorte?2) ¿El efecto 3D/volumen distorsiona el valor?3) ¿El valor está exagerado por área/diámetro?4) ¿Se debe elegir un período/segmento de tiempo (selección de cerezas)?5) ¿Debería ser un número absoluto o normalizado?6) ¿El eje dual crea una relación espuria?7) ¿Es legible para una persona daltónica?Sugiera soluciones concretas para cada problema. Quiero que sea HONESTO, no sólo "agradable".
Para auditar una afirmación independientemente del gráfico:
Los siguientes reclamos gráficos: "[reclamo]". ¿Esta afirmación está HONESTAMENTE respaldada por los datos? Evalúe el eje, la escala, el rango seleccionado y la normalización. ¿Qué datos podrían haberse ocultado que debiliten la afirmación? Gráfico/datos: [ ... ].
Paso a paso: pasando un cuadro a través de la honestidad
- Verifique el eje. ¿Y es de 0 en el gráfico de barras? ¿Hay algún corte?
- Comprueba la báscula. ¿Lineal o logarítmico? ¿Está especificado el registro?
- Comprueba el tipo. ¿Existen conceptos erróneos sobre 3D, volumen o área?
- Verifique el alcance. ¿Período/segmento completo o seleccionado?
- Verificar la normalización. ¿Se requiere por persona/tarifa?
- Consulta la etiqueta y la fuente. ¿Dice unidad, período, fuente?
- Comprobar accesibilidad. ¿Existe alguna distinción para las personas daltónicas?
tres mini casos
Caso 1: eje truncado. Una empresa había hecho un gráfico de barras con el eje y comenzando en 95 para mostrar su superioridad sobre su competidor; La diferencia entre 96 y 98 parecía ser doble. Se inspeccionó antes de imprimir, el eje estaba puesto en 0. La diferencia real fue del 2%; El gráfico engañoso presentaba un riesgo para la reputación.
Caso 2: Normalización. Un municipio dijo: "Somos el distrito que planta más árboles"; pero eran el distrito más grande. Cuando miramos el número de árboles per cápita (normalizado), caen al sexto lugar. La inteligencia artificial demostró esta diferencia; la presentación fue honesta mediante la métrica "per cápita".
Caso 3: recolección de cerezas. Una presentación de inversiones mostró sólo el aumento de los últimos 4 trimestres; Los dos años anteriores de fluctuaciones quedaron ocultos. Se agregó todo el historial en auditoría. El inversionista dijo "al menos es honesto" y la confianza aumentó; Si hubiera estado oculto, habría sido mucho peor descubrirlo más tarde.
Aviso débil / Aviso fuerte
Débil:
Haz que este gráfico sea más impresionante.
El afán de “impresionante” empuja al modelo precisamente a técnicas de engaño (corte de ejes, 3D, inflación de énfasis).
Fuerte:
Su función: auditor ético de visualización de datos. Haga que este gráfico de barras sea MÁS LEGIBLE y MÁS HONESTO: haga que el eje y comience en 0, elimine 3D/sombra, ordene las barras por valor, use un solo color de resaltado, agregue unidad y fuente. No hagas nada que exagere la diferencia; Deja que aparezca la verdadera diferencia. Gráfico: [ ... ].
El segundo exige “legible + honesto” en lugar de “impresionante” e impone cada regla de honestidad una por una.
Errores comunes
- Eje discontinuo en la barra: la forma más común de exagerar la diferencia.
- Efecto 3D/volumen: la perspectiva distorsiona el valor; nunca lo uses.
- Valor con área/diámetro: Multiplicar la percepción ampliando el círculo.
- Selección de cerezas: Seleccionar el período adecuado y ocultar el resto.
- Desnormalización: Comparación injusta con número absoluto.
- “Hazlo impresionante” significa: invitar a la distorsión del modelo.
- No especificar escala logarítmica: Usar el eje logarítmico sin explicarlo.
En resumen
Los gráficos engañosos engañan sin mentir: eje truncado, efecto 3D, ilusión de área, selección de cereza, desnormalización y doble eje son las trampas más comunes. En barras, comience el eje en 0, no use 3D, muestre todo el período, normalice donde sea necesario, escriba la unidad y la fuente. Utilice la IA para comprobar la integridad, no para “hacerla impresionante”; Solicite resultados legibles y honestos del modelo. La honestidad del gráfico es tu reputación.
Tarea de aplicación
Seleccione un gráfico que tenga (o haya encontrado). (1) Aplicar la verificación de honestidad de siete elementos (eje, escala, tipo, alcance, normalización, etiqueta, accesibilidad). (2) Haga que la IA critique el gráfico en el papel de auditor. (3) Corrija al menos dos elementos engañosos. (4) Produzca los mismos datos con una versión deliberadamente engañosa y honesta y escriba la diferencia en una oración.
lista de verificación
- [] En los gráficos de barras, el eje y comienza desde 0.
- [] Sin ilusión 3D/volumen/área.
- [] Mostrando todos los períodos/segmentos relevantes (sin selección selectiva).
- [ ] Si es necesario, normalicé los datos (per cápita/tasa).
- [ ] Unidad, período y fuente escrita en el cuadro.
- [] Hay distinción (forma/etiqueta) para el espectador daltónico.
- [ ] Quería que el modelo fuera "honesto y legible", no "impresionante".