Zyski:
- Rozpoznaje popularne techniki zniekształcania, takie jak oś przerywana, efekt 3D, iluzja obszaru, wybieranie wiśni i denormalizacja.
- Możliwość wykorzystania sztucznej inteligencji nie do „robienia wrażenia”, ale do sprawdzania uczciwości i żądania czytelnych i uczciwych wyników z wykresu
- Możliwość sprawdzania i poprawiania wykresu pod kątem osi, skali, typu, zakresu, normalizacji, etykiety i dostępności
Wykres nie jest najbardziej niebezpieczny; To wprowadza w błąd. Wykorzystuje technicznie „poprawne” dane, ale przedstawia je w sposób mylący oko. W dobie sztucznej inteligencji ryzyko to wzrosło, ponieważ model często faworyzuje to, co „imponujące” nad „uczciwym”, i szybko generuje mylący wykres, jeśli tego nie zauważysz. Ta jednostka nauczy Cię rozpoznawać popularne techniki zniekształcania, wykorzystywać sztuczną inteligencję jako narzędzie do sprawdzania uczciwości i czyścić własne wykresy z tych pułapek.
Najpopularniejsze techniki oszustwa
Zobaczmy kilka koncepcji z konkretnymi przykładami.
- Obcięta oś: Oś Y nie zaczyna się od 0, ale od, powiedzmy, 90; Mała różnica wydaje się ogromna. Wzrost o 2% wygląda jak 50%.
- Oś podwójna/odwrotna: pokazywanie dwóch serii „poruszających się razem” zgodnie z potrzebami, z dwiema różnymi osiami Y.
- 3D i objętość: Trójwymiarowy placek/pasek sprawia, że przedni plasterek wydaje się większy niż w rzeczywistości; Wartość jest mylona z objętością.
- Iluzja obszaru: Reprezentowanie wartości przez średnicę koła i mnożenie obszaru (a tym samym percepcji).
- Odwrócona/przesunięta oś: Odwrócenie osi Y i sprawienie, że wzrost będzie wyglądał jak spadek (istnieją znane przykłady).
- Wybieranie wiśni: wybieranie okresu/segmentu czasu, który pasuje do narracji i ukrywanie reszty.
- Brak normalizacji: porównywanie liczb bezwzględnych bez dzielenia przez populację/podstawę (duże miasto wydaje się „wiodące” we wszystkim).
- Nieprawidłowa suma: wycinki ciasta nie sumują się do 100%, kategorie nakładające się.
techniczny
Jak może wprowadzać w błąd?
uczciwa alternatywa
Przerywana oś Y
Mała różnica staje się większa
Rozpocznij oś od 0
Tort/baton 3D
Perspektywa zniekształca wartość
Zwykły pasek (2D).
Powierzchnia/średnica
Zwiększa obszar do 4×
Skala liniowa, przejrzysta etykieta
zbieranie wiśni
Ukrywa okres odstający
Pokaż cały okres
denormalizacja
Utrzymuje dużą podstawę z przodu
Stawka / za osobę
podwójna oś
Tworzy fałszywy związek
Pojedyncza oś lub oddzielny wykres
Uwaga: zasada „oś musi zaczynać się od 0” jest niemal absolutna dla wykresu słupkowego (długość słupka reprezentuje wartość). Czasami wąski zakres jest uzasadniony na wykresie liniowym, ale wtedy wyjaśnij to; Nigdy nie rób tego, aby wyolbrzymić różnicę.
Uczynienie sztucznej inteligencji narzędziem sprawdzającym integralność
Jedno z najpotężniejszych zastosowań: posiadanie przez model krytyki własnego wykresu. Dołącz zrzuty ekranu lub opisy, aby uniknąć wprowadzających w błąd elementów.
Twoja rola: audytor etyki wizualizacji danych. Sprawdź, czy ten wykres nie wprowadza w błąd (załączony obraz / opis: [ ... ]). Sprawdź je jeden po drugim i zaznacz, jeśli znajdziesz: 1) Czy oś Y zaczyna się od 0? Czy jest jakieś obcięcie?2) Czy efekt 3D/objętości zniekształca wartość?3) Czy wartość jest przesadzona ze względu na obszar/średnicę?4) Czy należy wybrać okres/segment czasu (wybieranie wiśni)?5) Czy powinna to być liczba bezwzględna, czy znormalizowana?6) Czy dwie osie tworzą fałszywą relację?7) Czy jest ona czytelna dla osoby niewidomej na kolory? Zaproponuj konkretne rozwiązania każdego problemu. Chcę, żeby było UCZCIWIE, a nie tylko „miło”.
Aby sprawdzić stwierdzenie niezależnie od wykresu:
Poniższe stwierdzenia graficzne: „[twierdzenie]”. Czy to twierdzenie jest UCZCIWIE poparte danymi? Oceń oś, skalę, wybrany zakres i normalizację. Jakie dane mogły zostać ukryte, co osłabia twierdzenie? Wykres/dane: [ ... ].
Krok po kroku: przejście schematu przez uczciwość
- Sprawdź oś. Czy y wynosi od 0 na wykresie słupkowym? Czy jest jakieś cięcie?
- Sprawdź skalę. Liniowy czy logarytmiczny? Czy dziennik jest określony?
- Sprawdź typ. Czy są jakieś błędne wyobrażenia na temat 3D, objętości lub powierzchni?
- Sprawdź zakres. Cały okres/segment czy wybrany?
- Sprawdź normalizację. Czy wymagana jest cena za osobę/stawkę?
- Sprawdź etykietę i źródło. Czy jest podana jednostka, okres, źródło?
- Sprawdź dostępność. Czy istnieje rozróżnienie dla osób niewidomych na kolory?
trzy mini etui
Przypadek 1 — Oś obcięta. Pewna firma sporządziła wykres słupkowy z osią Y rozpoczynającą się od wartości 95, aby pokazać swoją wyższość nad konkurentem; Różnica między 96 a 98 wydawała się podwójna. Został on sprawdzony przed prasowaniem, oś ustawiona na 0. Rzeczywista różnica wyniosła 2%; Wprowadzająca w błąd grafika stwarzała ryzyko dla reputacji.
Przypadek 2 – Normalizacja. Jedna z gmin stwierdziła: „Jesteśmy okręgiem, w którym sadzi się najwięcej drzew”; ale byli największą dzielnicą. Gdy spojrzymy na liczbę drzew przypadającą na mieszkańca (znormalizowaną), spadają one na 6. miejsce. Sztuczna inteligencja wykazała tę różnicę; prezentacja została rzetelnie przedstawiona według wskaźnika „na mieszkańca”.
Przypadek 3 – Zbieranie wiśni. Jedna prezentacja inwestycyjna pokazała jedynie wzrosty z ostatnich 4 kwartałów; Poprzednie dwa lata wahań zostały ukryte. Dodano całą historię w audycie. Inwestor stwierdził, że „przynajmniej jest uczciwy” i pewność siebie wzrosła; Gdyby zostało to ukryte, znacznie gorzej byłoby dowiedzieć się później.
Słaba zachęta/silna zachęta
Słabe:
Spraw, aby ta grafika była bardziej imponująca.
Chęć „imponowania” popycha model właśnie do technik oszustwa (cięcie osi, 3D, inflacja nacisku).
Mocny:
Twoja rola: audytor etyki wizualizacji danych. Spraw, aby ten wykres słupkowy był BARDZIEJ CZYTELNY i BARDZIEJ UCZCIWY: rozpocznij oś Y od 0, usuń 3D/cień, posortuj słupki według wartości, użyj pojedynczego koloru podświetlenia, dodaj jednostkę i źródło. Nie rób niczego, co mogłoby wyolbrzymić różnicę; Pozwól, aby pojawiła się prawdziwa różnica. Grafika: [ ... ].
Drugie wymaga „czytelnego + uczciwego” zamiast „imponującego” i narzuca każdą zasadę uczciwości po kolei.
Typowe błędy
- Oś przerywana na pasku: najczęstszy sposób wyolbrzymiania różnicy.
- Efekt 3D/objętości: Perspektywa zniekształca wartość; nigdy go nie używaj.
- Wartość z powierzchnią/średnicą: Pomnożenie percepcji poprzez powiększenie koła.
- Zbieranie wiśni: wybór odpowiedniego okresu i ukrycie reszty.
- Denormalizacja: Nieuczciwe porównanie z liczbą bezwzględną.
- „Zrób wrażenie” oznacza: Zachęcające zniekształcenie modelu.
- Nieokreślanie skali logarytmicznej: użycie osi logarytmicznej bez wyjaśnienia.
Podsumowując
Zwodnicza grafika oszukuje bez kłamstwa: obcięta oś, efekt 3D, iluzja obszaru, wybieranie wiśni, denormalizacja i podwójna oś to najczęstsze pułapki. W taktach rozpocznij oś od 0, nie używaj 3D, pokaż cały okres, w razie potrzeby znormalizuj, wpisz jednostkę i źródło. Używaj sztucznej inteligencji do sprawdzania integralności, a nie do „robienia wrażenia”; Poproś o czytelne i uczciwe wyjście z modelu. Uczciwość wykresu to Twoja reputacja.
Zadanie aplikacji
Wybierz wykres, który posiadasz (lub który znalazłeś). (1) Zastosuj siedmioelementową kontrolę uczciwości (oś, skala, typ, zakres, normalizacja, etykieta, dostępność). (2) Niech sztuczna inteligencja skrytykuje wykres w roli audytora. (3) Popraw co najmniej dwa wprowadzające w błąd elementy. (4) Przedstaw te same dane w wersji celowo wprowadzającej w błąd i uczciwej, a różnicę wpisz w jednym zdaniu.
lista kontrolna
- [ ] Na wykresach słupkowych oś Y zaczyna się od 0.
- [ ] Brak iluzji 3D/objętości/powierzchni.
- [ ] Wyświetlanie całego odpowiedniego okresu/segmentu (bez wybierania wiśni).
- [ ] W razie potrzeby znormalizowałem dane (w przeliczeniu na mieszkańca/stawkę).
- [ ] Jednostka, okres i źródło zapisane na wykresie.
- [ ] Istnieje rozróżnienie (kształt/etykieta) dla osób niewidomych na kolory.
- [ ] Chciałem, żeby model był „uczciwy i czytelny”, a nie „imponujący”.