اجتناب از تجسم گمراه کننده: اخلاق گرافیکی و صداقت

سود:

• تکنیک‌های رایج اعوجاج مانند محورهای چین‌دار، افکت سه‌بعدی، توهم ناحیه، چیدن گیلاس و غیرعادی‌سازی را بشناسید.
• امکان استفاده از هوش مصنوعی نه برای "مطلوب ساختن" بلکه به عنوان یک بررسی کننده صداقت و درخواست خروجی خوانا و صادقانه از نمودار
• امکان بررسی و تصحیح نمودار برای محور، مقیاس، نوع، وسعت، نرمال سازی، برچسب و دسترسی

یک نمودار در خطرناک ترین حالت خود دروغ نمی گوید. گمراه می کند. از داده های فنی "صحیح" استفاده می کند اما آن را به گونه ای ارائه می دهد که چشم را فریب می دهد. در عصر هوش مصنوعی، این خطر افزایش یافته است، زیرا این مدل غالباً "معمول" را به "صادق" ترجیح می دهد و اگر متوجه نشدید به سرعت نمودار گمراه کننده را ایجاد می کند. این واحد به شما می آموزد که تکنیک های رایج اعوجاج را بشناسید، از هوش مصنوعی به عنوان یک بررسی کننده صداقت استفاده کنید و نمودارهای خود را از این تله ها پاک کنید.

رایج ترین تکنیک های فریب

بیایید چند مفهوم را با مثال های عینی ببینیم.

• محور کوتاه: محور y از 0 شروع نمی شود، بلکه مثلاً از 90 شروع می شود. یک تفاوت کوچک بسیار زیاد به نظر می رسد. افزایش 2 درصدی به نظر 50 درصد است.
• دو محور/محور معکوس: نمایش دو سری «حرکت با هم» به دلخواه، با دو محور y متفاوت.
• 3 بعدی و حجم: پای/نوار سه بعدی باعث می شود که برش جلو بزرگتر از آنچه هست به نظر برسد. ارزش با حجم اشتباه گرفته می شود.
• توهم ناحیه: نشان دادن مقداری با قطر دایره و ضرب مساحت (و در نتیجه ادراک).
• محور معکوس/متحرک: معکوس کردن محور Y و کاهش به نظر رسیدن افزایش (نمونه‌های معروفی وجود دارد).
• چیدن گیلاس: انتخاب بازه زمانی/بخشی متناسب با روایت و پنهان کردن بقیه.
• غیر عادی سازی: مقایسه عدد مطلق بدون تقسیم بر جمعیت/پایه (شهر بزرگ در همه چیز "پیشرو" به نظر می رسد).
• مجموع نادرست: برش های پای تا 100٪ جمع نمی شوند، دسته ها همپوشانی دارند.

فنی

چگونه می تواند گمراه کند؟

جایگزین صادقانه

محور y چین دار

تفاوت کوچک را بزرگتر می کند

محور شروع از 0

کیک/بار سه بعدی

دیدگاه ارزش را مخدوش می کند

نوار ساده (2 بعدی).

مساحت/قطر

مساحت را به 4× افزایش می دهد

مقیاس خطی، برچسب روشن

چیدن گیلاس

دوره پرت را پنهان می کند

نمایش کل دوره

عادی سازی

پایه بزرگ را در جلو نگه می دارد

نرخ / برای هر نفر

دو محوره

یک رابطه ساختگی ایجاد می کند

نمودار تک محور یا مجزا

احتیاط: قانون "محور باید از 0 شروع شود" تقریبا برای نمودار میله ای مطلق است (طول میله نشان دهنده مقدار است). گاهی اوقات محدوده باریک در نمودار خطی مجاز است، اما سپس آن را روشن کنید. هرگز این کار را برای اغراق در تفاوت انجام ندهید.

تبدیل هوش مصنوعی به یک بررسی کننده یکپارچگی

یکی از قدرتمندترین کاربردها: داشتن مدل برای نقد نمودار خود. برای جلوگیری از موارد گمراه کننده، اسکرین شات یا توضیحات ارائه دهید.

نقش شما: حسابرس اخلاق تجسم داده‌ها. این نمودار را برای گمراه‌کننده بودن بررسی کنید (تصویر پیوست شده / توضیحات: [ ... ]). آیا بریده‌ای وجود دارد؟ 2) آیا جلوه 3 بعدی/حجمی مقدار را تحریف می‌کند؟ 3) آیا مقدار از نظر مساحت/قطر اغراق‌آمیز است؟ 4) آیا باید یک دوره زمانی/قطعه را انتخاب کرد؟ من می خواهم صادقانه باشد، نه فقط "خوب".

برای حسابرسی یک ادعا مستقل از نمودار:

ادعاهای گرافیکی زیر: "[ادعا]". آیا این ادعا صادقانه توسط داده ها پشتیبانی می شود؟ برای محور، مقیاس، محدوده انتخاب شده و نرمال‌سازی ارزیابی کنید. چه داده‌هایی می‌توانست پنهان شده باشد که این ادعا را تضعیف کند؟ نمودار/داده: [ ... ].

گام به گام: عبور از نمودار از طریق صداقت

1. محور را بررسی کنید. آیا y از 0 در نمودار میله ای است؟ آیا برشی وجود دارد؟
2. مقیاس را بررسی کنید. خطی یا لگاریتمی؟ آیا لاگ مشخص شده است؟
3. نوع را بررسی کنید. آیا تصورات نادرستی از سه بعدی، حجم یا مساحت وجود دارد؟
4. دامنه را بررسی کنید. کل دوره/بخش یا انتخاب شده؟
5. عادی سازی را بررسی کنید. آیا برای هر نفر / نرخ مورد نیاز است؟
6. برچسب و منبع را بررسی کنید. واحد، دوره، منبع می گوید؟
7. دسترسی را بررسی کنید آیا برای افراد کور رنگی تمایزی وجود دارد؟

سه کیف کوچک

مورد 1 - محور کوتاه. یک شرکت برای نشان دادن برتری خود نسبت به رقیب خود نمودار میله ای با محور y از سال 95 ایجاد کرده بود. تفاوت سال 96 با 98 به نظر می رسید دو برابر باشد. قبل از فشار دادن بررسی شد، محور روی 0 تنظیم شد. تفاوت واقعی 2٪ بود. گرافیک گمراه کننده خطر شهرت را به همراه داشت.

مورد 2 - عادی سازی. یکی از شهرداری ها گفت: "ما منطقه ای هستیم که بیشترین درخت را می کاریم". اما آنها بزرگترین منطقه بودند. وقتی به تعداد سرانه درختان (نرمال شده) نگاه می کنیم، به رتبه ششم سقوط می کنند. هوش مصنوعی این تفاوت را نشان داد. ارائه با معیار "سرانه" صادقانه ساخته شد.

مورد 3 - چیدن گیلاس. یک ارائه سرمایه گذاری فقط افزایش 4 فصل گذشته را نشان داد. دو سال قبل از نوسانات پنهان بود. تمام سابقه در ممیزی اضافه شد. سرمایه گذار گفت "حداقل او صادق است" و اعتماد به نفس افزایش یافت. اگر پنهان بود، بعداً فهمیدن آن خیلی بدتر بود.

اعلان ضعیف / اعلان قوی

ضعیف:

این گرافیک را چشمگیرتر کنید.

میل به "چشمگیر" مدل را دقیقاً به سمت تکنیک های فریب سوق می دهد (برش محور، 3 بعدی، تورم تاکیدی).

قوی:

نقش شما: حسابرس اخلاق تجسم داده ها. این نمودار میله‌ای را خواناتر و صادق‌تر کنید: محور y را از 0 شروع کنید، 3 بعدی/سایه را حذف کنید، میله‌ها را بر اساس مقدار مرتب کنید، از رنگ تک برجسته استفاده کنید، واحد و منبع را اضافه کنید. کاری برای اغراق در تفاوت انجام ندهید. بگذارید تفاوت واقعی ظاهر شود. گرافیک: [ ... ].

دومی به جای «تاثیرگذار» «خواندنی + صادق» را می طلبد و هر قانون صداقت را یکی یکی تحمیل می کند.

اشتباهات رایج

• محور چین دار در میله: رایج ترین راه برای اغراق در تفاوت.
• جلوه سه بعدی/حجمی: پرسپکتیو ارزش را تحریف می کند. هرگز از آن استفاده نکنید
• مقدار با مساحت/قطر: ضرب ادراک با بزرگ کردن دایره.
• چیدن گیلاس: انتخاب دوره مناسب و پنهان کردن بقیه.
• غیرعادی سازی: مقایسه ناعادلانه با عدد مطلق.
• "مطلوب ساختن" به معنی: دعوت به تحریف مدل.
• عدم تعیین مقیاس log: استفاده از محور لگاریتمی بدون توضیح آن.

به طور خلاصه

گرافیک فریبنده بدون دروغ گول می زند: محور کوتاه، افکت سه بعدی، توهم ناحیه، چیدن گیلاس، عادی سازی و دو محور رایج ترین تله ها هستند. در نوارها، محور را از 0 شروع کنید، از سه بعدی استفاده نکنید، کل دوره را نشان دهید، در صورت لزوم نرمال کنید، واحد و منبع را بنویسید. از هوش مصنوعی به عنوان یک بررسی کننده یکپارچگی استفاده کنید، نه برای «تأثیرگذار کردن». خروجی خوانا و صادقانه را از مدل بخواهید. صداقت نمودار شهرت شماست.

وظیفه کاربردی

نموداری را که دارید (یا پیدا کرده اید) انتخاب کنید. (1) بررسی صداقت هفت موردی (محور، مقیاس، نوع، محدوده، عادی سازی، برچسب، دسترسی) را اعمال کنید. (2) از هوش مصنوعی بخواهید که نمودار را در نقش حسابرس نقد کند. (3) حداقل دو مورد گمراه کننده را رفع کنید. (4) همان داده ها را با نسخه ای عمدا گمراه کننده و صادقانه تولید کنید و تفاوت را در یک جمله بنویسید.

چک لیست

• [ ] در نمودارهای میله ای، محور y از 0 شروع می شود.
• [ ] بدون توهم 3 بعدی/حجم/منطقه.
• [ ] نمایش تمام دوره/بخش مربوطه (بدون چیدن گیلاس).
• [ ] در صورت لزوم، داده ها را عادی کردم (سرانه/نرخ).
• [ ] واحد، دوره و منبع نوشته شده در نمودار.
• [ ] برای بیننده کوررنگ تمایز (شکل/برچسب) وجود دارد.
• [ ] من می خواستم مدل "صادقانه و خواندنی" باشد، نه "تاثیرگذار".