ದಾರಿತಪ್ಪಿಸುವ ದೃಶ್ಯೀಕರಣವನ್ನು ತಪ್ಪಿಸುವುದು: ಗ್ರಾಫಿಕ್ ಎಥಿಕ್ಸ್ ಮತ್ತು ಸಮಗ್ರತೆ

ಲಾಭಗಳು:

• ಡ್ಯಾಶ್ ಮಾಡಿದ ಆಕ್ಸಿಸ್, 3D ಪರಿಣಾಮ, ಪ್ರದೇಶದ ಭ್ರಮೆ, ಚೆರ್ರಿ ಪಿಕಿಂಗ್ ಮತ್ತು ಡಿನಾರ್ಮಲೈಸೇಶನ್‌ನಂತಹ ಸಾಮಾನ್ಯ ಅಸ್ಪಷ್ಟತೆಯ ತಂತ್ರಗಳನ್ನು ಗುರುತಿಸಿ.
• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು 'ಪ್ರಭಾವಶಾಲಿಯಾಗಿಸಲು' ಬಳಸದೆ ಪ್ರಾಮಾಣಿಕತೆ ಪರೀಕ್ಷಕರಾಗಿ ಮತ್ತು ಗ್ರಾಫ್‌ನಿಂದ ಓದಬಹುದಾದ ಮತ್ತು ಪ್ರಾಮಾಣಿಕ ಔಟ್‌ಪುಟ್‌ಗೆ ವಿನಂತಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಅಕ್ಷ, ಪ್ರಮಾಣ, ಪ್ರಕಾರ, ವ್ಯಾಪ್ತಿ, ಸಾಮಾನ್ಯೀಕರಣ, ಲೇಬಲ್ ಮತ್ತು ಪ್ರವೇಶಕ್ಕಾಗಿ ಚಾರ್ಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವ ಮತ್ತು ಸರಿಪಡಿಸುವ ಸಾಮರ್ಥ್ಯ

ಒಂದು ಗ್ರಾಫ್ ಅದರ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಅಲ್ಲ; ಇದು ದಾರಿತಪ್ಪಿಸುತ್ತದೆ. ಇದು ತಾಂತ್ರಿಕವಾಗಿ "ಸರಿಯಾದ" ಡೇಟಾವನ್ನು ಬಳಸುತ್ತದೆ ಆದರೆ ಕಣ್ಣಿಗೆ ಮೋಸ ಮಾಡುವ ರೀತಿಯಲ್ಲಿ ಅದನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಯುಗದಲ್ಲಿ, ಈ ಅಪಾಯವು ಹೆಚ್ಚಾಗಿದೆ, ಏಕೆಂದರೆ ಮಾದರಿಯು ಆಗಾಗ್ಗೆ "ಪ್ರಾಮಾಣಿಕ" ಗಿಂತ "ಪ್ರಭಾವಶಾಲಿ" ಗೆ ಒಲವು ತೋರುತ್ತದೆ ಮತ್ತು ನೀವು ಗಮನಿಸದಿದ್ದರೆ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಗ್ರಾಫ್ ಅನ್ನು ತ್ವರಿತವಾಗಿ ಉತ್ಪಾದಿಸುತ್ತದೆ. ಈ ಘಟಕವು ಸಾಮಾನ್ಯ ವಿರೂಪ ತಂತ್ರಗಳನ್ನು ಗುರುತಿಸಲು, AI ಅನ್ನು ಪ್ರಾಮಾಣಿಕತೆ ಪರೀಕ್ಷಕವಾಗಿ ಬಳಸಲು ಮತ್ತು ಈ ಬಲೆಗಳ ನಿಮ್ಮ ಸ್ವಂತ ಚಾರ್ಟ್‌ಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಲು ನಿಮಗೆ ಕಲಿಸುತ್ತದೆ.

ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ವಂಚನೆ ತಂತ್ರಗಳು

ಕಾಂಕ್ರೀಟ್ ಉದಾಹರಣೆಗಳೊಂದಿಗೆ ಕೆಲವು ಪರಿಕಲ್ಪನೆಗಳನ್ನು ನೋಡೋಣ.

• ಮೊಟಕುಗೊಳಿಸಿದ ಅಕ್ಷ: y ಅಕ್ಷವು 0 ರಿಂದ ಪ್ರಾರಂಭವಾಗುವುದಿಲ್ಲ, ಆದರೆ ಹೇಳುವುದಾದರೆ, 90 ರಿಂದ; ಸಣ್ಣ ವ್ಯತ್ಯಾಸವು ದೊಡ್ಡದಾಗಿ ತೋರುತ್ತದೆ. 2% ಹೆಚ್ಚಳವು 50% ನಂತೆ ಕಾಣುತ್ತದೆ.
• ಡ್ಯುಯಲ್/ಇನ್‌ವರ್ಸ್ ಅಕ್ಷ: ಎರಡು ವಿಭಿನ್ನ y-ಅಕ್ಷಗಳೊಂದಿಗೆ ಎರಡು ಸರಣಿಗಳು "ಒಟ್ಟಿಗೆ ಚಲಿಸುವುದು" ಬಯಸಿದಂತೆ ತೋರಿಸುವುದು.
• 3D ಮತ್ತು ವಾಲ್ಯೂಮ್: ಮೂರು ಆಯಾಮದ ಪೈ/ಬಾರ್ ಮುಂಭಾಗದ ಸ್ಲೈಸ್ ಇರುವುದಕ್ಕಿಂತ ದೊಡ್ಡದಾಗಿ ಕಾಣುವಂತೆ ಮಾಡುತ್ತದೆ; ಮೌಲ್ಯವು ಪರಿಮಾಣದೊಂದಿಗೆ ಗೊಂದಲಕ್ಕೊಳಗಾಗುತ್ತದೆ.
• ಪ್ರದೇಶದ ಭ್ರಮೆ: ವೃತ್ತದ ವ್ಯಾಸದೊಂದಿಗೆ ಮೌಲ್ಯವನ್ನು ಪ್ರತಿನಿಧಿಸುವುದು ಮತ್ತು ಪ್ರದೇಶವನ್ನು ಗುಣಿಸುವುದು (ಮತ್ತು ಆದ್ದರಿಂದ ಗ್ರಹಿಕೆ).
• ತಲೆಕೆಳಗಾದ/ಚಲಿತ ಅಕ್ಷ: Y-ಅಕ್ಷವನ್ನು ತಲೆಕೆಳಗು ಮಾಡುವುದು ಮತ್ತು ಹೆಚ್ಚಳವು ಕಡಿಮೆಯಾಗುವಂತೆ ತೋರುವುದು (ಕುಖ್ಯಾತ ಉದಾಹರಣೆಗಳಿವೆ).
• ಚೆರ್ರಿ-ಪಿಕ್ಕಿಂಗ್: ನಿರೂಪಣೆಗೆ ಸರಿಹೊಂದುವ ಸಮಯ/ವಿಭಾಗವನ್ನು ಆಯ್ಕೆಮಾಡುವುದು ಮತ್ತು ಉಳಿದವುಗಳನ್ನು ಮರೆಮಾಡುವುದು.
• ಸಾಮಾನ್ಯೀಕರಣವಲ್ಲ: ಜನಸಂಖ್ಯೆ/ಆಧಾರದಿಂದ ಭಾಗಿಸದೆ ಸಂಪೂರ್ಣ ಸಂಖ್ಯೆಯನ್ನು ಹೋಲಿಸುವುದು (ದೊಡ್ಡ ನಗರವು ಎಲ್ಲದರಲ್ಲೂ "ಮುಂಚೂಣಿಯಲ್ಲಿದೆ" ಎಂದು ತೋರುತ್ತದೆ).
• ತಪ್ಪಾದ ಒಟ್ಟು: ಪೈ ಸ್ಲೈಸ್‌ಗಳು 100% ವರೆಗೆ ಸೇರಿಸುವುದಿಲ್ಲ, ಅತಿಕ್ರಮಿಸುವ ವರ್ಗಗಳು.

ತಾಂತ್ರಿಕ

ಅದು ಹೇಗೆ ದಾರಿ ತಪ್ಪಿಸಬಹುದು?

ಪ್ರಾಮಾಣಿಕ ಪರ್ಯಾಯ

ಡ್ಯಾಶ್ ಮಾಡಿದ ವೈ-ಅಕ್ಷ

ಸಣ್ಣ ವ್ಯತ್ಯಾಸವನ್ನು ದೊಡ್ಡದಾಗಿ ಮಾಡುತ್ತದೆ

0 ರಿಂದ ಅಕ್ಷವನ್ನು ಪ್ರಾರಂಭಿಸಿ

3D ಕೇಕ್/ಬಾರ್

ದೃಷ್ಟಿಕೋನವು ಮೌಲ್ಯವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ

ಸರಳ (2D) ಬಾರ್

ಪ್ರದೇಶ/ವ್ಯಾಸ

ಪ್ರದೇಶವನ್ನು 4× ಗೆ ಹೆಚ್ಚಿಸುತ್ತದೆ

ಲೀನಿಯರ್ ಸ್ಕೇಲ್, ಸ್ಪಷ್ಟ ಲೇಬಲ್

ಚೆರ್ರಿ ಆರಿಸುವುದು

ಹೊರಗಿನ ಅವಧಿಯನ್ನು ಮರೆಮಾಡುತ್ತದೆ

ಸಂಪೂರ್ಣ ಅವಧಿಯನ್ನು ತೋರಿಸಿ

ಅಸಾಧಾರಣೀಕರಣ

ಮುಂದೆ ದೊಡ್ಡ ಬೇಸ್ ಇಡುತ್ತದೆ

ದರ / ಪ್ರತಿ ವ್ಯಕ್ತಿಗೆ

ಉಭಯ ಅಕ್ಷ

ನಕಲಿ ಸಂಬಂಧವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ

ಏಕ ಅಕ್ಷ ಅಥವಾ ಪ್ರತ್ಯೇಕ ಚಾರ್ಟ್

ಎಚ್ಚರಿಕೆ: ಬಾರ್ ಚಾರ್ಟ್‌ಗೆ "ಅಕ್ಷವು 0 ರಿಂದ ಪ್ರಾರಂಭವಾಗಬೇಕು" ನಿಯಮವು ಬಹುತೇಕ ಸಂಪೂರ್ಣವಾಗಿರುತ್ತದೆ (ಬಾರ್‌ನ ಉದ್ದವು ಮೌಲ್ಯವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ). ಕೆಲವೊಮ್ಮೆ ಕಿರಿದಾದ ಶ್ರೇಣಿಯು ಲೈನ್ ಚಾರ್ಟ್‌ನಲ್ಲಿ ನ್ಯಾಯಸಮ್ಮತವಾಗಿರುತ್ತದೆ, ಆದರೆ ನಂತರ ಅದನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ; ವ್ಯತ್ಯಾಸವನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸಲು ಎಂದಿಗೂ ಮಾಡಬೇಡಿ.

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಸಮಗ್ರತೆಯ ಪರೀಕ್ಷಕವನ್ನಾಗಿ ಮಾಡುವುದು

ಅತ್ಯಂತ ಶಕ್ತಿಯುತವಾದ ಬಳಕೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ: ಮಾದರಿಯು ನಿಮ್ಮ ಸ್ವಂತ ಚಾರ್ಟ್ ಅನ್ನು ಟೀಕಿಸುತ್ತದೆ. ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಐಟಂಗಳನ್ನು ತಪ್ಪಿಸಲು ಸ್ಕ್ರೀನ್‌ಶಾಟ್‌ಗಳು ಅಥವಾ ವಿವರಣೆಗಳನ್ನು ಒದಗಿಸಿ.

ನಿಮ್ಮ ಪಾತ್ರ: ಡೇಟಾ ದೃಶ್ಯೀಕರಣ ನೀತಿಶಾಸ್ತ್ರ ಆಡಿಟರ್. ತಪ್ಪುದಾರಿಗೆಳೆಯುವಿಕೆಗಾಗಿ ಈ ಚಾರ್ಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ (ಚಿತ್ರ ಲಗತ್ತಿಸಲಾಗಿದೆ / ವಿವರಣೆ: [ ... ]).ಇವುಗಳನ್ನು ಒಂದೊಂದಾಗಿ ಪರಿಶೀಲಿಸಿ ಮತ್ತು ನೀವು ಕಂಡುಕೊಂಡರೆ ಗುರುತಿಸಿ:1) y-ಅಕ್ಷವು 0 ರಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆಯೇ? ಯಾವುದೇ ಕ್ಲಿಪ್ಪಿಂಗ್ ಇದೆಯೇ?2) 3D/ವಾಲ್ಯೂಮ್ ಪರಿಣಾಮವು ಮೌಲ್ಯವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆಯೇ?3) ಮೌಲ್ಯವು ಪ್ರದೇಶ/ವ್ಯಾಸದಿಂದ ಉತ್ಪ್ರೇಕ್ಷಿತವಾಗಿದೆಯೇ?4) ಒಬ್ಬರು ಕಾಲಾವಧಿ/ವಿಭಾಗವನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕೇ (ಚೆರ್ರಿ ಪಿಕಿಂಗ್)?5) ಇದು ಸಂಪೂರ್ಣ ಸಂಖ್ಯೆಯಾಗಿರಬೇಕು ಅಥವಾ ಸಾಮಾನ್ಯಗೊಳಿಸಬೇಕೇ?6) ಡ್ಯುಯಲ್ ಅಕ್ಷವು ಕಾಂಕ್ರೀಟ್ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತದೆಯೇ? ಇದು ಕೇವಲ 'ಒಳ್ಳೆಯದು' ಅಲ್ಲ, ಪ್ರಾಮಾಣಿಕವಾಗಿರಬೇಕೆಂದು ನಾನು ಬಯಸುತ್ತೇನೆ.

ಚಾರ್ಟ್‌ನಿಂದ ಸ್ವತಂತ್ರವಾಗಿ ಸಮರ್ಥನೆಯನ್ನು ಆಡಿಟ್ ಮಾಡಲು:

ಕೆಳಗಿನ ಗ್ರಾಫಿಕ್ ಹಕ್ಕುಗಳು: "[ಹಕ್ಕು]". ಡೇಟಾದಿಂದ ಈ ಹಕ್ಕು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಬೆಂಬಲಿತವಾಗಿದೆಯೇ? ಅಕ್ಷ, ಪ್ರಮಾಣ, ಆಯ್ಕೆಮಾಡಿದ ಶ್ರೇಣಿ ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣಕ್ಕಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ಕ್ಲೈಮ್ ಅನ್ನು ದುರ್ಬಲಗೊಳಿಸುವ ಯಾವ ಡೇಟಾವನ್ನು ಮರೆಮಾಡಲಾಗಿದೆ? ಗ್ರಾಫ್/ಡೇಟಾ: [... ].

ಹಂತ ಹಂತವಾಗಿ: ಪ್ರಾಮಾಣಿಕತೆಯ ಮೂಲಕ ಚಾರ್ಟ್ ಅನ್ನು ರವಾನಿಸುವುದು

1. ಅಕ್ಷವನ್ನು ಪರಿಶೀಲಿಸಿ. ಬಾರ್ ಚಾರ್ಟ್‌ನಲ್ಲಿ y 0 ರಿಂದ ಇದೆಯೇ? ಯಾವುದೇ ಕಟಿಂಗ್ ಇದೆಯೇ?
2. ಪ್ರಮಾಣವನ್ನು ಪರಿಶೀಲಿಸಿ. ರೇಖೀಯ ಅಥವಾ ಲಾಗರಿಥಮಿಕ್? ಲಾಗ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಲಾಗಿದೆಯೇ?
3. ಪ್ರಕಾರವನ್ನು ಪರಿಶೀಲಿಸಿ. 3D, ಪರಿಮಾಣ ಅಥವಾ ಪ್ರದೇಶದ ಯಾವುದೇ ತಪ್ಪು ಕಲ್ಪನೆಗಳಿವೆಯೇ?
4. ವ್ಯಾಪ್ತಿಯನ್ನು ಪರಿಶೀಲಿಸಿ. ಸಂಪೂರ್ಣ ಅವಧಿ/ವಿಭಾಗ ಅಥವಾ ಆಯ್ಕೆಮಾಡಲಾಗಿದೆಯೇ?
5. ಸಾಮಾನ್ಯೀಕರಣವನ್ನು ಪರಿಶೀಲಿಸಿ. ಪ್ರತಿ ವ್ಯಕ್ತಿಗೆ/ದರ ಅಗತ್ಯವಿದೆಯೇ?
6. ಲೇಬಲ್ ಮತ್ತು ಮೂಲವನ್ನು ಪರಿಶೀಲಿಸಿ. ಇದು ಘಟಕ, ಅವಧಿ, ಮೂಲವನ್ನು ಹೇಳುತ್ತದೆಯೇ?
7. ಪ್ರವೇಶಿಸುವಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸಿ. ವರ್ಣಾಂಧರಿಗೆ ವ್ಯತ್ಯಾಸವಿದೆಯೇ?

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಮೊಟಕುಗೊಳಿಸಿದ ಅಕ್ಷ. ಒಂದು ಕಂಪನಿಯು ತನ್ನ ಪ್ರತಿಸ್ಪರ್ಧಿಯ ಮೇಲೆ ತನ್ನ ಶ್ರೇಷ್ಠತೆಯನ್ನು ತೋರಿಸಲು 95 ರಿಂದ ಪ್ರಾರಂಭವಾಗುವ y-ಅಕ್ಷದೊಂದಿಗೆ ಬಾರ್ ಚಾರ್ಟ್ ಅನ್ನು ಮಾಡಿದೆ; 96 ಮತ್ತು 98 ರ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಎರಡು ಪಟ್ಟು ತೋರುತ್ತಿದೆ. ಪ್ರೆಸ್‌ಗೆ ಹೋಗುವ ಮೊದಲು ಅದನ್ನು ಪರೀಕ್ಷಿಸಲಾಯಿತು, ಅಕ್ಷವನ್ನು 0 ಗೆ ಹೊಂದಿಸಲಾಗಿದೆ. ನಿಜವಾದ ವ್ಯತ್ಯಾಸವು 2% ಆಗಿತ್ತು; ದಾರಿತಪ್ಪಿಸುವ ಗ್ರಾಫಿಕ್ ಖ್ಯಾತಿಯ ಅಪಾಯವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿದೆ.

ಪ್ರಕರಣ 2 - ಸಾಮಾನ್ಯೀಕರಣ. ಒಂದು ಮುನ್ಸಿಪಾಲಿಟಿ ಹೇಳಿತು, "ನಾವು ಅತಿ ಹೆಚ್ಚು ಮರಗಳನ್ನು ನೆಡುವ ಜಿಲ್ಲೆ"; ಆದರೆ ಅವು ಅತಿ ದೊಡ್ಡ ಜಿಲ್ಲೆಯಾಗಿದ್ದವು. ತಲಾ ಮರಗಳ ಸಂಖ್ಯೆಯನ್ನು ನೋಡಿದಾಗ (ಸಾಮಾನ್ಯಗೊಳಿಸಲಾಗಿದೆ), ಅವು 6 ನೇ ಸ್ಥಾನಕ್ಕೆ ಬೀಳುತ್ತವೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಪ್ರದರ್ಶಿಸಿತು; ಪ್ರಸ್ತುತಿಯನ್ನು "ತಲಾವಾರು" ಮೆಟ್ರಿಕ್ ಮೂಲಕ ಪ್ರಾಮಾಣಿಕವಾಗಿ ಮಾಡಲಾಗಿದೆ.

ಪ್ರಕರಣ 3 - ಚೆರ್ರಿ ಪಿಕಿಂಗ್. ಒಂದು ಹೂಡಿಕೆ ಪ್ರಸ್ತುತಿಯು ಕಳೆದ 4 ತ್ರೈಮಾಸಿಕಗಳ ಏರಿಕೆಯನ್ನು ಮಾತ್ರ ತೋರಿಸಿದೆ; ಹಿಂದಿನ ಎರಡು ವರ್ಷಗಳ ಏರಿಳಿತವನ್ನು ಮರೆಮಾಡಲಾಗಿದೆ. ಆಡಿಟ್‌ನಲ್ಲಿ ಎಲ್ಲಾ ಇತಿಹಾಸವನ್ನು ಸೇರಿಸಲಾಗಿದೆ. ಹೂಡಿಕೆದಾರರು "ಕನಿಷ್ಠ ಅವರು ಪ್ರಾಮಾಣಿಕರು" ಎಂದು ಹೇಳಿದರು ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸ ಹೆಚ್ಚಾಯಿತು; ಅದನ್ನು ಮರೆಮಾಡಿದ್ದರೆ, ನಂತರ ಕಂಡುಹಿಡಿಯುವುದು ತುಂಬಾ ಕೆಟ್ಟದಾಗಿದೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ:

ಈ ಗ್ರಾಫಿಕ್ ಅನ್ನು ಹೆಚ್ಚು ಪ್ರಭಾವಶಾಲಿಯಾಗಿಸಿ.

"ಪ್ರಭಾವಶಾಲಿ" ಯ ಬಯಕೆಯು ಮಾದರಿಯನ್ನು ನಿಖರವಾಗಿ ವಂಚನೆಯ ತಂತ್ರಗಳಿಗೆ ತಳ್ಳುತ್ತದೆ (ಆಕ್ಸಿಸ್ ಕಟಿಂಗ್, 3D, ಒತ್ತು ಹಣದುಬ್ಬರ).

ಪ್ರಬಲ:

ನಿಮ್ಮ ಪಾತ್ರ: ಡೇಟಾ ದೃಶ್ಯೀಕರಣ ನೀತಿಶಾಸ್ತ್ರ ಆಡಿಟರ್. ಈ ಬಾರ್ ಚಾರ್ಟ್ ಅನ್ನು ಹೆಚ್ಚು ಓದಬಲ್ಲ ಮತ್ತು ಹೆಚ್ಚು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಮಾಡಿ: y-ಆಕ್ಸಿಸ್ ಅನ್ನು 0 ರಿಂದ ಪ್ರಾರಂಭಿಸಿ, 3D/ನೆರಳು ತೆಗೆದುಹಾಕಿ, ಬಾರ್‌ಗಳನ್ನು ಮೌಲ್ಯದ ಪ್ರಕಾರ ವಿಂಗಡಿಸಿ, ಏಕ ಹೈಲೈಟ್ ಬಣ್ಣವನ್ನು ಬಳಸಿ, ಘಟಕ ಮತ್ತು ಮೂಲವನ್ನು ಸೇರಿಸಿ. ವ್ಯತ್ಯಾಸವನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸಲು ಏನನ್ನೂ ಮಾಡಬೇಡಿ; ನಿಜವಾದ ವ್ಯತ್ಯಾಸ ಕಾಣಿಸಲಿ. ಗ್ರಾಫಿಕ್: [... ].

ಎರಡನೆಯದು "ಪ್ರಭಾವಶಾಲಿ" ಬದಲಿಗೆ "ಓದಬಲ್ಲ + ಪ್ರಾಮಾಣಿಕ" ಎಂದು ಒತ್ತಾಯಿಸುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಪ್ರಾಮಾಣಿಕತೆಯ ನಿಯಮವನ್ನು ಒಂದೊಂದಾಗಿ ವಿಧಿಸುತ್ತದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಬಾರ್‌ನಲ್ಲಿ ಡ್ಯಾಶ್ ಮಾಡಿದ ಅಕ್ಷ: ವ್ಯತ್ಯಾಸವನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುವ ಸಾಮಾನ್ಯ ಮಾರ್ಗ.
• 3D/ವಾಲ್ಯೂಮ್ ಪರಿಣಾಮ: ದೃಷ್ಟಿಕೋನವು ಮೌಲ್ಯವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ; ಅದನ್ನು ಎಂದಿಗೂ ಬಳಸಬೇಡಿ.
• ಪ್ರದೇಶ/ವ್ಯಾಸದೊಂದಿಗೆ ಮೌಲ್ಯ: ವೃತ್ತವನ್ನು ದೊಡ್ಡದಾಗಿಸುವ ಮೂಲಕ ಗ್ರಹಿಕೆಯನ್ನು ಗುಣಿಸುವುದು.
• ಚೆರ್ರಿ ಪಿಕಿಂಗ್: ಸೂಕ್ತವಾದ ಅವಧಿಯನ್ನು ಆರಿಸುವುದು ಮತ್ತು ಉಳಿದವನ್ನು ಮರೆಮಾಡುವುದು.
• ಡಿನಾರ್ಮಲೈಸೇಶನ್: ಸಂಪೂರ್ಣ ಸಂಖ್ಯೆಯೊಂದಿಗೆ ಅನ್ಯಾಯದ ಹೋಲಿಕೆ.
• "ಇದನ್ನು ಪ್ರಭಾವಶಾಲಿಯಾಗಿಸಿ" ಎಂದರೆ: ಮಾದರಿಯ ವಿರೂಪವನ್ನು ಆಹ್ವಾನಿಸುವುದು.
• ಲಾಗ್ ಸ್ಕೇಲ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತಿಲ್ಲ: ಲಾಗರಿಥಮಿಕ್ ಅಕ್ಷವನ್ನು ವಿವರಿಸದೆ ಅದನ್ನು ಬಳಸುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

ಮೋಸಗೊಳಿಸುವ ಗ್ರಾಫಿಕ್ಸ್ ಸುಳ್ಳು ಹೇಳದೆ ಮೋಸಗೊಳಿಸುತ್ತದೆ: ಮೊಟಕುಗೊಳಿಸಿದ ಅಕ್ಷ, 3D ಪರಿಣಾಮ, ಪ್ರದೇಶ ಭ್ರಮೆ, ಚೆರ್ರಿ ಪಿಕಿಂಗ್, ಡಿನಾರ್ಮಲೈಸೇಶನ್ ಮತ್ತು ಡಬಲ್ ಆಕ್ಸಿಸ್ ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ಬಲೆಗಳಾಗಿವೆ. ಬಾರ್‌ಗಳಲ್ಲಿ, ಅಕ್ಷವನ್ನು 0 ನಲ್ಲಿ ಪ್ರಾರಂಭಿಸಿ, 3D ಅನ್ನು ಬಳಸಬೇಡಿ, ಸಂಪೂರ್ಣ ಅವಧಿಯನ್ನು ತೋರಿಸಿ, ಅಗತ್ಯವಿರುವಲ್ಲಿ ಸಾಮಾನ್ಯಗೊಳಿಸಿ, ಘಟಕ ಮತ್ತು ಮೂಲವನ್ನು ಬರೆಯಿರಿ. AI ಅನ್ನು ಸಮಗ್ರತೆ ಪರೀಕ್ಷಕವಾಗಿ ಬಳಸಿ, "ಇದನ್ನು ಪ್ರಭಾವಶಾಲಿಯಾಗಿಸಿ" ಅಲ್ಲ; ಮಾದರಿಯಿಂದ ಸ್ಪಷ್ಟವಾದ ಮತ್ತು ಪ್ರಾಮಾಣಿಕ ಔಟ್‌ಪುಟ್‌ಗಾಗಿ ಕೇಳಿ. ಚಾರ್ಟ್ನ ಪ್ರಾಮಾಣಿಕತೆ ನಿಮ್ಮ ಖ್ಯಾತಿಯಾಗಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವು ಹೊಂದಿರುವ ಚಾರ್ಟ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ (ಅಥವಾ ಕಂಡುಬಂದಿದೆ). (1) ಏಳು-ಐಟಂ ಪ್ರಾಮಾಣಿಕತೆಯ ಪರಿಶೀಲನೆಯನ್ನು ಅನ್ವಯಿಸಿ (ಅಕ್ಷ, ಪ್ರಮಾಣ, ಪ್ರಕಾರ, ವ್ಯಾಪ್ತಿ, ಸಾಮಾನ್ಯೀಕರಣ, ಲೇಬಲ್, ಪ್ರವೇಶಿಸುವಿಕೆ). (2) ಆಡಿಟರ್ ಪಾತ್ರದಲ್ಲಿ AI ಗ್ರಾಫ್ ಅನ್ನು ಟೀಕಿಸುವಂತೆ ಮಾಡಿ. (3) ಕನಿಷ್ಠ ಎರಡು ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಐಟಂಗಳನ್ನು ಸರಿಪಡಿಸಿ. (4) ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಮತ್ತು ಪ್ರಾಮಾಣಿಕ ಆವೃತ್ತಿಯೊಂದಿಗೆ ಅದೇ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸಿ ಮತ್ತು ಒಂದು ವಾಕ್ಯದಲ್ಲಿ ವ್ಯತ್ಯಾಸವನ್ನು ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• ಬಾರ್ ಚಾರ್ಟ್‌ಗಳಲ್ಲಿ, y-ಅಕ್ಷವು 0 ರಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ.
• [ ] 3D/ವಾಲ್ಯೂಮ್/ಏರಿಯಾ ಭ್ರಮೆ ಇಲ್ಲ.
• [ ] ಎಲ್ಲಾ ಸಂಬಂಧಿತ ಅವಧಿ/ವಿಭಾಗವನ್ನು ತೋರಿಸಲಾಗುತ್ತಿದೆ (ಚೆರ್ರಿ ಪಿಕಿಂಗ್ ಇಲ್ಲ).
• [ ] ಅಗತ್ಯವಿದ್ದರೆ, ನಾನು ಡೇಟಾವನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸಿದ್ದೇನೆ (ತಲಾವಾರು/ದರ).
• [ ] ಚಾರ್ಟ್‌ನಲ್ಲಿ ಬರೆಯಲಾದ ಘಟಕ, ಅವಧಿ ಮತ್ತು ಮೂಲ.
• [ ] ಬಣ್ಣ ಕುರುಡು ವೀಕ್ಷಕರಿಗೆ (ಆಕಾರ/ಲೇಬಲ್) ವ್ಯತ್ಯಾಸವಿದೆ.
• [ ] ನಾನು ಮಾದರಿಯು "ಪ್ರಾಮಾಣಿಕ ಮತ್ತು ಓದಬಲ್ಲ" ಎಂದು ಬಯಸಿದ್ದೆ, "ಪ್ರಭಾವಶಾಲಿ" ಅಲ್ಲ.