Mga nadagdag:
- Kilalanin ang mga karaniwang diskarte sa distortion gaya ng dashed axis, 3D effect, ilusyon ng lugar, cherry picking, at denormalization.
- Kakayahang gumamit ng artificial intelligence hindi para 'gawin itong kahanga-hanga' ngunit bilang isang honesty checker at humiling ng nababasa at tapat na output mula sa graph
- Kakayahang suriin at itama ang isang tsart para sa axis, sukat, uri, lawak, normalisasyon, label, at pagiging naa-access
Ang isang graph ay hindi nagsisinungaling sa pinakamapanganib nito; Ito ay nanliligaw. Gumagamit ito ng teknikal na "tamang" data ngunit ipinapakita ito sa paraang nanlilinlang sa mata. Sa edad ng artificial intelligence, tumaas ang panganib na ito, dahil madalas na pinapaboran ng modelo ang "kahanga-hanga" kaysa sa "tapat" at mabilis na gumagawa ng mapanlinlang na graph kung hindi mo napapansin. Itinuturo sa iyo ng unit na ito na kilalanin ang mga karaniwang diskarte sa pagbaluktot, gamitin ang AI bilang tagasuri ng katapatan, at linisin ang sarili mong mga chart ng mga bitag na ito.
Ang pinakakaraniwang pamamaraan ng panlilinlang
Tingnan natin ang ilang mga konsepto na may mga konkretong halimbawa.
- Pinutol na axis: Ang y axis ay hindi nagsisimula sa 0, ngunit mula sa, sabihin nating, 90; Ang isang maliit na pagkakaiba ay tila napakalaki. Ang isang 2% na pagtaas ay mukhang 50%.
- Dual/inverse axis: Ipinapakita ang dalawang serye na "magkasamang gumagalaw" ayon sa gusto, na may dalawang magkaibang y-axes.
- 3D at volume: Ang three-dimensional na pie/bar ay nagpapalabas na mas malaki ang front slice kaysa ito; Ang halaga ay nalilito sa dami.
- Ilusyon sa lugar: Kinakatawan ang isang halaga na may diameter ng isang bilog at pagpaparami ng lugar (at samakatuwid ay perception).
- Inverted/moved axis: Inverting the Y-axis and make the increase na parang pagbaba (may mga kilalang halimbawa).
- Cherry-picking: Pagpili ng yugto ng panahon/segment na akma sa salaysay at itinatago ang iba.
- Non-normalization: Paghahambing ng absolute number nang hindi hinahati sa populasyon/base (lumalabas na "nangunguna" ang malaking lungsod sa lahat ng bagay).
- Maling kabuuan: Ang mga hiwa ng pie ay hindi nagdaragdag ng hanggang 100%, nagsasapawan ng mga kategorya.
teknikal
Paano ito maliligaw?
matapat na alternatibo
Pumihit na y-axis
Ginagawang mas malaki ang maliit na pagkakaiba
Simulan ang axis mula sa 0
3D na cake/bar
Binabaluktot ng pananaw ang halaga
Plain (2D) bar
Lugar/diameter
Pinapataas ang lugar sa 4×
Linear scale, malinaw na label
pagpili ng cherry
Itinatago ang outlier na panahon
Ipakita ang buong panahon
denormalisasyon
Pinapanatili ang malaking base sa harap
Rate / bawat tao
dalawahang aksis
Lumilikha ng isang pekeng relasyon
Isang axis o hiwalay na tsart
Babala: Ang "axis ay dapat magsimula sa 0" na panuntunan ay halos ganap para sa isang bar chart (ang haba ng bar ay kumakatawan sa halaga). Minsan ang makitid na hanay ay lehitimo sa isang line chart, ngunit pagkatapos ay gawin itong malinaw; Huwag kailanman gawin ito upang palakihin ang pagkakaiba.
Gawing tagasuri ng integridad ang artificial intelligence
Isa sa pinakamakapangyarihang gamit: ang pagkakaroon ng modelong pumupuna sa sarili mong chart. Magbigay ng mga screenshot o paglalarawan upang maiwasan ang mga mapanlinlang na item.
Ang iyong tungkulin: data visualization ethics auditor. Suriin ang chart na ito para sa mapanlinlang (nakalakip na larawan / paglalarawan: [ ... ]). Tingnan ang mga ito isa-isa at markahan kung nakita mo:1) Nagsisimula ba ang y-axis sa 0? Mayroon bang anumang clipping?2) Pinipilipit ba ng 3D/volume effect ang value?3) Ang halaga ba ay pinalaki ng lugar/diameter?4) Dapat bang pumili ng isang yugto ng panahon/segment (cherry picking)?5) Dapat ba itong maging isang absolute number o normalized?6) Ang dual axis ba ay lumilikha ng isang huwad na relasyon?7) Ito ba ay nababasa para sa bawat kongkretong problema? Gusto ko itong maging HONEST, hindi lang 'maganda'.
Upang i-audit ang isang assertion nang hiwalay sa chart:
Ang mga sumusunod na graphic na claim: "[claim]". TOTOONG sinusuportahan ba ng data ang claim na ito? Suriin para sa axis, sukat, napiling hanay, at normalisasyon. Anong data ang maaaring naitago na nagpapahina sa claim? Graph/data: [ ... ].
Hakbang-hakbang: pagpasa ng tsart sa pamamagitan ng katapatan
- Suriin ang axis. Ang y ba ay mula sa 0 sa bar chart? May cutting ba?
- Suriin ang sukat. Linear o logarithmic? Tinukoy ba ang log?
- Suriin ang uri. Mayroon bang anumang mga maling kuru-kuro sa 3D, volume, o lugar?
- Suriin ang saklaw. Buong panahon/segment o napili?
- Suriin ang normalisasyon. Kinakailangan ba ang bawat tao/rate?
- Suriin ang label at pinagmulan. May nakasulat ba na unit, period, source?
- Suriin ang pagiging naa-access. Mayroon bang pagkakaiba para sa mga taong bulag sa kulay?
tatlong mini case
Case 1 — Pinutol na axis. Ang isang kumpanya ay gumawa ng bar chart na may y-axis na nagsisimula sa 95 upang ipakita ang kahusayan nito sa katunggali nito; Ang pagkakaiba sa pagitan ng 96 at 98 ay tila dalawang beses. Ito ay siniyasat bago pumunta sa pindutin, ang axis ay nakatakda sa 0. Ang aktwal na pagkakaiba ay 2%; Ang mapanlinlang na graphic ay nagpakita ng isang panganib sa reputasyon.
Kaso 2 — Normalisasyon. Sabi ng isang munisipalidad, "Kami ang distrito na nagtatanim ng pinakamaraming puno"; ngunit sila ang pinakamalaking distrito. Kung titingnan natin ang bilang ng mga puno per capita (na-normalize), nahuhulog sila sa ika-6 na lugar. Ipinakita ng artificial intelligence ang pagkakaibang ito; ang pagtatanghal ay ginawang tapat sa pamamagitan ng "per capita" metric.
Kaso 3 — Pagpili ng cherry. Ang isang pagtatanghal ng pamumuhunan ay nagpakita lamang ng pagtaas ng huling 4 na quarter; Nakatago ang nakaraang dalawang taon ng pagbabagu-bago. Idinagdag ang lahat ng kasaysayan sa pag-audit. Sinabi ng mamumuhunan na "kahit siya ay tapat" at tumaas ang kumpiyansa; Kung ito ay itinago, ito ay magiging lubhang mas masahol na malaman mamaya.
Mahinang prompt / Malakas na prompt
mahina:
Gawing mas kahanga-hanga ang graphic na ito.
Ang pagnanais para sa "kahanga-hanga" ay itinutulak ang modelo nang tumpak sa mga diskarte ng panlilinlang (axis cutting, 3D, diin ang inflation).
malakas:
Ang iyong tungkulin: data visualization ethics auditor. Gawing MAS MABASA at MAS MATAPAT ang bar chart na ito: gawin ang y-axis na magsimula sa 0, alisin ang 3D/shadow, pag-uri-uriin ang mga bar ayon sa halaga, gumamit ng isang kulay ng highlight, magdagdag ng unit at pinagmulan. Huwag gumawa ng anumang bagay upang palakihin ang pagkakaiba; Hayaang lumitaw ang tunay na pagkakaiba. Grapika: [ ... ].
Ang pangalawa ay humihiling ng "nababasa + tapat" sa halip na "kahanga-hanga" at ipinapataw ang bawat tuntunin ng katapatan nang paisa-isa.
Mga karaniwang pagkakamali
- Dashed axis sa bar: Ang pinakakaraniwang paraan upang palakihin ang pagkakaiba.
- 3D/volume effect: Binabaluktot ng pananaw ang halaga; huwag kailanman gamitin ito.
- Halaga na may lugar/diameter: Pagpaparami ng perception sa pamamagitan ng pagpapalaki ng bilog.
- Cherry picking: Pagpili ng naaangkop na panahon at itago ang iba.
- Denormalization: Hindi patas na paghahambing sa absolute number.
- "Gawin itong kahanga-hanga" ay nangangahulugang: Pag-iimbita ng pagbaluktot ng modelo.
- Hindi tumutukoy sa log scale: Gamit ang logarithmic axis nang hindi ipinapaliwanag ito.
Sa buod
Ang mga mapanlinlang na graphics ay nanlilinlang nang hindi nagsisinungaling: pinutol na axis, 3D effect, ilusyon sa lugar, pagpili ng cherry, denormalization, at double axis ang pinakakaraniwang mga bitag. Sa mga bar, simulan ang axis sa 0, huwag gumamit ng 3D, ipakita ang buong panahon, gawing normal kung kinakailangan, isulat ang yunit at pinagmulan. Gamitin ang AI bilang tagasuri ng integridad, hindi para "gawin itong kahanga-hanga"; Humingi ng nababasa at tapat na output mula sa modelo. Ang katapatan ng tsart ay ang iyong reputasyon.
Gawain ng aplikasyon
Pumili ng chart na mayroon ka (o nakita). (1) Ilapat ang seven-item honesty check (axis, scale, type, scope, normalization, label, accessibility). (2) Hayaang punahin ng AI ang graph sa papel ng auditor. (3) Ayusin ang hindi bababa sa dalawang mapanlinlang na bagay. (4) Gumawa ng parehong data na may sadyang mapanlinlang at matapat na bersyon at isulat ang pagkakaiba sa isang pangungusap.
checklist
- [ ] Sa mga bar chart, ang y-axis ay nagsisimula sa 0.
- [ ] Walang 3D/volume/area illusion.
- [ ] Ipinapakita ang lahat ng nauugnay na panahon/segment (walang cherry picking).
- [ ] Kung kinakailangan, na-normalize ko ang data (per capita/rate).
- [ ] Yunit, panahon at pinagmulan na nakasulat sa tsart.
- [ ] Mayroong pagkakaiba (hugis/label) para sa colorblind viewer.
- [ ] Nais kong maging "tapat at nababasa" ang modelo, hindi "kahanga-hanga".