भ्रामक भिजुअलाइजेशनबाट बच्न: ग्राफिक नैतिकता र अखण्डता

लाभ:

• ड्यास गरिएको अक्ष, थ्रीडी प्रभाव, क्षेत्रको भ्रम, चेरी पिकिङ, र डिनोर्मलाइजेशन जस्ता सामान्य विरूपण प्रविधिहरू पहिचान गर्नुहोस्।
• कृत्रिम बुद्धिमत्ता प्रयोग गर्ने क्षमता 'यसलाई प्रभावशाली बनाउन' होइन तर इमानदारी परीक्षकको रूपमा र ग्राफबाट पढ्न योग्य र इमानदार आउटपुट अनुरोध गर्न।
• अक्ष, स्केल, प्रकार, सीमा, सामान्यीकरण, लेबल, र पहुँचको लागि चार्ट जाँच गर्न र सच्याउने क्षमता

ग्राफ यसको सबैभन्दा खतरनाक मा झूट छैन; यसले भ्रमित गर्छ। यसले प्राविधिक रूपमा "सही" डाटा प्रयोग गर्दछ तर यसलाई आँखालाई धोका दिने तरिकामा प्रस्तुत गर्दछ। कृत्रिम बुद्धिमत्ताको युगमा, यो जोखिम बढेको छ, किनकि मोडेलले प्रायः "इमानदार" भन्दा "प्रभावशाली" लाई समर्थन गर्दछ र यदि तपाईंले याद गर्नुभएन भने द्रुत रूपमा भ्रामक ग्राफ उत्पादन गर्दछ। यो एकाइले तपाईंलाई सामान्य विकृति प्रविधिहरू पहिचान गर्न, AI लाई इमानदारी जाँचकर्ताको रूपमा प्रयोग गर्न र यी पासोहरूको आफ्नै चार्टहरू सफा गर्न सिकाउँछ।

सबैभन्दा सामान्य धोखा प्रविधि

ठोस उदाहरणका साथ केही अवधारणाहरू हेरौं।

• काटिएको अक्ष: y अक्ष ० बाट सुरु हुँदैन, तर भन्नुहोस्, 90 बाट; सानो भिन्नता ठूलो देखिन्छ। 2% वृद्धि 50% जस्तो देखिन्छ।
• दोहोरो/उल्टो अक्ष: दुई फरक y-अक्षहरू सहित, इच्छा अनुसार दुई श्रृंखला "एकसाथ चलिरहेको" देखाउँदै।
• थ्रीडी र भोल्युम: त्रि-आयामी पाई/बारले अगाडिको टुक्रालाई यो भन्दा ठूलो बनाउँछ; मान भोल्युम संग भ्रमित छ।
• क्षेत्र भ्रम: एक वृत्त को व्यास संग एक मान को प्रतिनिधित्व र क्षेत्र को गुणन (र त्यसैले धारणा)।
• उल्टो / सारिएको अक्ष: Y-अक्षलाई उल्टाउने र वृद्धि घटेको जस्तो देखिन्छ (त्यहाँ कुख्यात उदाहरणहरू छन्)।
• चेरी-पिकिंग: समयावधि/खण्ड चयन गर्ने जुन कथासँग मिल्छ र बाँकी लुकाउने।
• गैर-सामान्यीकरण: जनसंख्या/आधारले भाग नगरी निरपेक्ष संख्याको तुलना गर्दै (ठूलो शहर सबै कुरामा "अग्रणी" देखिन्छ)।
• गलत कुल: पाई स्लाइसहरू 100% सम्म थपिएको छैन, ओभरल्यापिंग कोटीहरू।

प्राविधिक

यसले कसरी भ्रममा पार्न सक्छ?

इमानदार विकल्प

ड्यास गरिएको y-अक्ष

सानो फरक ठूलो बनाउँछ

० बाट अक्ष सुरु गर्नुहोस्

थ्रीडी केक/बार

परिप्रेक्ष्यले मूल्यलाई विकृत गर्दछ

सादा (2D) बार

क्षेत्र/व्यास

क्षेत्र 4× सम्म बढाउँछ

रैखिक स्केल, स्पष्ट लेबल

चेरी पिकिङ

बाहिरी अवधि लुकाउँछ

सम्पूर्ण अवधि देखाउनुहोस्

विकृतिकरण

अगाडि ठूलो आधार राख्छ

दर / प्रति व्यक्ति

दोहोरो अक्ष

नक्कली सम्बन्ध बनाउँछ

एकल अक्ष वा अलग चार्ट

सावधानी: "अक्ष ० मा सुरु हुनुपर्छ" नियम बार चार्टको लागि लगभग निरपेक्ष छ (पट्टीको लम्बाइले मान प्रतिनिधित्व गर्दछ)। कहिलेकाहीँ साँघुरो दायरा रेखा चार्टमा वैध हुन्छ, तर त्यसपछि यसलाई स्पष्ट गर्नुहोस्; फरकलाई बढाइचढाइ गर्न कहिल्यै नगर्नुहोस्।

कृत्रिम बुद्धिमत्तालाई अखण्डता परीक्षक बनाउँदै

सबैभन्दा शक्तिशाली प्रयोगहरू मध्ये एक: मोडेलको आलोचना तपाईंको आफ्नै चार्ट। भ्रामक वस्तुहरूबाट बच्न स्क्रिनसट वा विवरणहरू प्रदान गर्नुहोस्।

तपाईंको भूमिका: डाटा भिजुअलाइजेशन नैतिकता लेखा परीक्षक। भ्रामक (छवि संलग्न / विवरण: [ ... ]) को लागि यो चार्ट जाँच गर्नुहोस्। एक एक गरेर यी जाँच गर्नुहोस् र यदि तपाईंले फेला पार्नुभयो भने चिन्ह लगाउनुहोस्: 1) के y-अक्ष 0 मा सुरु हुन्छ? के त्यहाँ कुनै क्लिपिङ छ? 2) 3D/भोल्युम प्रभावले मानलाई विकृत गर्छ? 3) के मान क्षेत्र/व्यास द्वारा बढाइचढाइ गरिएको छ? 4) एक समय अवधि/खण्ड (चेरी पिकिङ) छनोट गर्नुपर्छ? 5) यो एक निरपेक्ष संख्या वा सामान्यीकृत हुनुपर्छ? 6) के दोहोरो अक्ष एक नकली सम्बन्ध सिर्जना गर्दछ? 7) प्रत्येक व्यक्तिको लागि यो पढ्न योग्य रङ समस्या समाधान गर्न योग्य छ? म यो इमानदार हुन चाहन्छु, 'राम्रो' मात्र होइन।

चार्टबाट स्वतन्त्र रूपमा दाबी लेखा परीक्षा गर्न:

निम्न ग्राफिक दावीहरू: "[दावी]"। के यो दाबी इमानदारीपूर्वक डाटा द्वारा समर्थित छ? अक्ष, स्केल, चयन गरिएको दायरा, र सामान्यीकरणको लागि मूल्याङ्कन गर्नुहोस्। दावीलाई कमजोर बनाउने कुन डाटा लुकाउन सक्थ्यो? ग्राफ/डेटा: [...]।

चरणबद्ध रूपमा: ईमानदारी मार्फत चार्ट पास गर्दै

1. अक्ष जाँच गर्नुहोस्। बार चार्टमा ० बाट y छ? त्यहाँ कुनै काटन छ?
2. स्केल जाँच गर्नुहोस्। रैखिक वा लॉगरिदमिक? लग निर्दिष्ट गरिएको छ?
3. प्रकार जाँच गर्नुहोस्। के त्यहाँ 3D, भोल्युम, वा क्षेत्र को कुनै गलत धारणा छ?
4. दायरा जाँच गर्नुहोस्। सम्पूर्ण अवधि/खण्ड वा चयन गरिएको?
5. सामान्यीकरण जाँच गर्नुहोस्। के प्रति व्यक्ति/दर आवश्यक छ?
6. लेबल र स्रोत जाँच गर्नुहोस्। के यसले एकाइ, अवधि, स्रोत भन्छ?
7. पहुँच जाँच गर्नुहोस्। त्यहाँ रंगबिहीन व्यक्तिहरूको लागि भेदभाव छ?

तीन मिनी केसहरू

केस १ — काटिएको अक्ष। एक कम्पनीले आफ्नो प्रतिस्पर्धी भन्दा आफ्नो श्रेष्ठता देखाउनको लागि y-axis 95 मा सुरु भएको बार चार्ट बनाएको थियो; 96 र 98 बीचको भिन्नता दुई गुणा देखिन्थ्यो। प्रेस गर्न जानु अघि यो निरीक्षण गरिएको थियो, अक्ष 0 मा सेट गरिएको थियो। वास्तविक भिन्नता 2% थियो; भ्रामक ग्राफिकले प्रतिष्ठा जोखिम प्रस्तुत गर्‍यो।

केस २ - सामान्यीकरण। एउटा नगरपालिकाले भन्यो, “सबैभन्दा बढी रुख रोप्ने जिल्ला हामी हौं”; तर तिनीहरू सबैभन्दा ठूलो जिल्ला थिए। जब हामी प्रति व्यक्ति रूखहरूको संख्या (सामान्यीकृत) हेर्छौं, तिनीहरू 6 औं स्थानमा खस्छन्। कृत्रिम बुद्धिले यो भिन्नता देखाएको छ; प्रस्तुति "प्रति व्यक्ति" मेट्रिक द्वारा इमानदार बनाइएको थियो।

केस 3 - चेरी पिकिङ। एउटा लगानी प्रस्तुतिले पछिल्लो ४ त्रैमासिकको वृद्धि मात्र देखाएको छ; अघिल्लो दुई वर्षको उतार चढाव लुकाइएको थियो। अडिटमा सबै इतिहास थपियो। लगानीकर्ताले "कम्तीमा ऊ इमानदार छ" भन्यो र आत्मविश्वास बढ्यो; यदि यो लुकाइएको थियो भने, यो पछि पत्ता लगाउन धेरै खराब हुन्थ्यो।

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर:

यो ग्राफिक थप प्रभावशाली बनाउनुहोस्।

"प्रभावशाली" को चाहनाले मोडेललाई छलको प्रविधिहरूमा धकेल्छ (अक्ष काट्ने, 3D, जोर मुद्रास्फीति)।

बलियो:

तपाईंको भूमिका: डाटा भिजुअलाइजेशन नैतिक लेखा परीक्षक। यो बार चार्टलाई थप पढ्न योग्य र थप इमानदार बनाउनुहोस्: y-अक्षलाई ० मा सुरु गर्नुहोस्, 3D/छाया हटाउनुहोस्, मान अनुसार बारहरू क्रमबद्ध गर्नुहोस्, एकल हाइलाइट रङ प्रयोग गर्नुहोस्, एकाइ र स्रोत थप्नुहोस्। भिन्नता बढाइचढाइ गर्न केहि नगर्नुहोस्; वास्तविक भिन्नता प्रकट गरौं। ग्राफिक: [...]।

दोस्रोले "प्रभावशाली" को सट्टा "पढ्न योग्य + इमानदार" को माग गर्दछ र प्रत्येक ईमानदारी नियम एक एक गरी लागू गर्दछ।

सामान्य गल्तीहरू

• बारमा ड्यास गरिएको अक्ष: भिन्नता बढाइचढाइ गर्ने सबैभन्दा सामान्य तरिका।
• 3D/भोल्युम प्रभाव: परिप्रेक्ष्यले मान विकृत गर्दछ; यसलाई कहिल्यै प्रयोग नगर्नुहोस्।
• क्षेत्र/व्यास सहितको मान: वृत्तलाई ठूलो बनाएर धारणालाई गुणन गर्दै।
• चेरी पिकिङ: उपयुक्त अवधि चयन गर्दै र बाँकी लुकाउने।
• विकृतिकरण: निरपेक्ष संख्या संग अनुचित तुलना।
• "यसलाई प्रभावशाली बनाउनुहोस्" को अर्थ: मोडेलको विकृतिलाई निम्तो दिने।
• लग स्केल निर्दिष्ट गर्दैन: यसलाई व्याख्या नगरी लगरिदमिक अक्ष प्रयोग गर्दै।

संक्षेपमा

भ्रामक ग्राफिक्सले झूट नबोली धोका दिन्छ: काटिएको अक्ष, थ्रीडी प्रभाव, क्षेत्र भ्रम, चेरी पिकिङ, डिनोर्मलाइजेशन, र डबल एक्सिस सबैभन्दा सामान्य जालहरू हुन्। बारहरूमा, 0 मा अक्ष सुरु गर्नुहोस्, 3D प्रयोग नगर्नुहोस्, सम्पूर्ण अवधि देखाउनुहोस्, आवश्यक भएमा सामान्य गर्नुहोस्, एकाइ र स्रोत लेख्नुहोस्। AI लाई "प्रभावशाली बनाउन" को लागी नभई ईमानदारी परीक्षकको रूपमा प्रयोग गर्नुहोस्; मोडेलबाट सुपाठ्य र इमानदार आउटपुटको लागि सोध्नुहोस्। चार्टको इमानदारी तपाईको प्रतिष्ठा हो।

आवेदन कार्य

तपाईसँग भएको चार्ट छान्नुहोस् (वा फेला पर्यो)। (१) सात-वस्तुको इमानदारी जाँच (अक्ष, स्केल, प्रकार, दायरा, सामान्यीकरण, लेबल, पहुँच) लागू गर्नुहोस्। (२) लेखापरीक्षकको भूमिकामा AI लाई ग्राफको आलोचना गर्न लगाउनुहोस्। (3) कम्तिमा दुई भ्रामक वस्तुहरू ठीक गर्नुहोस्। (4) जानाजानी भ्रामक र इमानदार संस्करणको साथ समान डाटा उत्पादन गर्नुहोस् र एक वाक्यमा भिन्नता लेख्नुहोस्।

चेकलिस्ट

• [] बार चार्टहरूमा, y-अक्ष ० बाट सुरु हुन्छ।
• [] कुनै थ्रीडी/भोल्युम/क्षेत्र भ्रम छैन।
• [] सबै सान्दर्भिक अवधि/खण्ड देखाउँदै (कुनै चेरी पिकिङ छैन)।
• यदि आवश्यक भएमा, मैले डाटा (प्रति व्यक्ति/दर) सामान्य गरें।
• चार्टमा लेखिएको एकाइ, अवधि र स्रोत।
• [] कलर ब्लाइन्ड दर्शकका लागि भिन्नता (आकार/लेबल) छ।
• [ ] म मोडेल "इमानदार र पठनीय" होस् भन्ने चाहन्थें, "प्रभावशाली" होइन।