Comment la visualisation des données est utilisée pour vous tromper (7 astuces trompeuses)

1. Points abordés: Salut là. Mon nom est Joshua Brinley On Dans ce coût, nous allons jeter un oeil sur la façon dont la désinformation est diffusée en ligne, en utilisant des données qui ne sont pas vraiment inexactes. Ils présentent en fait les valeurs du rial et les chiffres, mais cela torturant ces chiffres et les tordant d'une manière qui n'est pas informative pour répandre délibérément la désinformation. Donc, ce que nous allons réellement couvrir dans ce coût, c'est comment les données sont utilisées pour se propager. La désinformation examinera quelques-unes des techniques et des outils courants utilisés pour torturer des données exactes pour les tordre et les transformer en un message inexact sera également passer par quelques exemples réels de graphiques qui ont été affichés en ligne avec le intention délibérée d'induire en erreur aussi sur la façon dont vous pouvez repérer ces types de graphiques en étant plus conscients d' eux. Vous apprendrez également à éviter de créer de tels graphiques mal représentatifs dans votre propre visualisation de données . Si vous aimez les panneaux de données ou votre analyste commercial ou si vous utilisez des données pour présenter des informations, saviez-vous que plus de 2,6 quadrillions d'octets de données sont produits chaque jour ? visualisation des données est la méthode que nous utilisons pour communiquer que les graphiques de données sur les graphiques en ligne sont partout réfléchis sur tous les graphiques que vous avez vus récemment en ligne sur sites d' information à la télévision, Social Media Advertising en utilisant la visualisation des données comme un moyen pratique de répandre les données réelles. Eh bien, malheureusement, dans de nombreux cas, l'intention de ces graphiques est en fait de mal informer. Il ne s'agit pas de sensibiliser leur public à la façon dont les données devraient être. Ils essaient en fait de vous mal informer en déformant ces données en utilisant des techniques délicates en design visuel. Donc on va commencer à les explorer. Alors rejoignez-moi à la prochaine leçon où nous commençons à explorer comment des données précises peuvent être présentées avec précision, mais d'une manière qui déforme ce que ces données tentent réellement de dire, je verrai là. 2. Comment les données se diffusent de la désinformation: et je vous remercie d'avoir maintenu les coûts de cette session. Nous allons jeter un oeil sur la façon dont les données pourraient être mal présentées tout en restant exactes . Il est facile de mentir avec des chiffres, mais impossible de dire la vérité sans eux. C' est donc une expression d'oncles déshabillés sur. Je pense qu'il résume vraiment exactement le problème que nous avons avec les chiffres. Vous pouvez, en tant que personne qui crée la visualisation des données, avoir entendu quelqu'un dans les affaires dire quelque chose dans le sens contraire. Je ne veux pas des chiffres. Je veux la vérité. Mais qu'est-ce que cela veut dire ? Les chiffres sont froids. Ils sont statistiques, celui-là biaisé. Alors, comment ne peuvent-ils pas être véridiques ? Eh bien, si vous manipulez la façon dont il visualise et présente ces chiffres, ils peuvent être entièrement véridiques, donc les chiffres sont un fait froid et impartial. Alors, comment peuvent-ils induire en erreur ? Eh bien, il y a en fait beaucoup d'outils et de techniques utilisés pour afficher les nombres afin qu'ils disent quelque chose qui n'est pas véridique, même si c'est exact. Heureusement, nous vivons dans un monde où les politiciens ont biaisé de nouvelles sauces et les compagnies présentent intentionnellement des chiffres d'une manière qui induit en erreur sans mentir. Certains des endroits où vous rencontrez des données trompeuses sont des endroits tels que les nouvelles, où des questions partisanes avec une inclinaison biaisée sont présentées comme neutres. Même si les chiffres eux-mêmes sont présentés de façon neutre, ils ont manipulé la façon dont ils ont présenté ces chiffres pour se pencher d'une façon ou d'une autre. Les médias sociaux sont un autre endroit, et c'est probablement la manière la plus insidieuse dont les données sont utilisées en ligne pour déformer. Souvent, les entreprises ou les partis politiques partagent des graphiques en ligne sur les réseaux sociaux. Vous pouvez faire défiler votre flux Facebook, et vous rencontrez un simple fait ou un petit graphique et ne pensez rien à cela. Mais ce graphique a été placé là intentionnellement. Souvent, vous ne pouvez pas attribuer le graphique à une offre, mais quelqu'un l'a créé, essayant de répandre la désinformation en ligne. Enfin, souvent,des souvent, graphiques trompeurs ont fait des choix de mise en forme et de conception accidentellement médiocres qui sont entrés dans les graphiques dénaturent accidentellement les données. Donc, tout au long des coûts, on allait jeter un coup d'oeil à certaines des techniques utilisées pour déformer ces données ainsi qu'à examiner quelques exemples de la vie réelle. Alors rejoignez-moi à la prochaine leçon où nous commençons à décomposer la façon dont ces techniques sont utilisées pour déformer les données, comment les catégoriser et regarder quelques exemples de la vie réelle à partir de graphiques qui ont été affichés en ligne avec le intention délibérée d'induire en erreur. Merci. Je vais voir ça. 3. Comment les graphiques 3D introduisent l'erreur: bonjour là, et bienvenue au coût. Dans cette leçon, nous allons jeter un oeil à certaines des méthodes et techniques courantes dans lesquelles les données sont représentées en ligne avec l'intention délibérée d'induire en erreur. Ainsi, les techniques courantes peuvent tomber en deux catégories. Forme des éléments de données tels que les barres et les lignes, ou manipulation du graphique lui-même. Ce sont donc les techniques utilisées pour mentir tout en disant la vérité. Tout d'abord, vous avez la perspective des trois d. Donc, en utilisant trois points de vue D, excusez les valeurs du graphique. Deuxièmement, nous avons cette échelle. Donc, mettre à l'échelle deux formes D et comment il exagère les différences. Examinons comment trois points de vue D déforment les données. Donc c'est un graphique commun à trois d. Je ne veux pas que vous preniez un moment et que vous y jetiez un coup d'oeil. Ce que nous avons, c'est le revenu généré pour six étoiles différentes. Maintenant, à première vue, cela peut juste être un graphique normal, mais j'ai créé ce graphique dans une tentative délibérée d'induire en erreur toutes les valeurs sont exactes, mais je l'ai créé dans un afin que la marge d'erreur soit exagérée. Donc ce que je veux dire, c'est jeter un oeil à Star pour et je veux que je vais te poser une question. Quelle est la valeur de la chute de décrochage ? Alors voici le graphique. Prenez un moment. Il suffit de mesurer la valeur de l'étoile pour le problème avec trois graphiques D est la marge d'erreur thème qu'ils introduisent. Vous pouvez imaginer qu'il y a en fait beaucoup de façons différentes dans lesquelles les gens peuvent mesurer avec précision des choses, car vous pouvez imaginer un public de personnes différentes et différentes sur chacun d'eux regardent des choses sont, et c'est pas déraisonnable de supposer que beaucoup d'entre eux reçoivent des valeurs différentes les uns des autres. Le problème se pose dans Comment mesurez-vous exactement les trois D chaque graphique ? Jetons un coup d'oeil Imagine. C' est une barre de trois d, comme c'est représenté ici. Est-ce que vous le mesurez du haut de l'avion face à l'avant comme ça ? Si c'est le cas, commencez une valeur d'environ 4400. Peut-être que ce n'est pas comme ça que tu es censé le mesurer. Peut-être que vous le mesurez du plus haut point absolu. Donc le coin arrière Eh bien, si nous faisons ça, alors nous arrivons à une valeur d'environ 808 900 quelque part là-bas ? Eh bien, peut-être que ces deux air sont inexacts. Peut-être que vous êtes supposé imaginer qu'il y a un mur invisible assis derrière le bar, et que vous suivez ce mur jusqu'au coin que vous mesurez le long de la hauteur jusqu'à l'axe. Jetons un coup d'oeil à ce que nous obtenons quand nous faisons ça. Hey, on a un 5000 exact pour que vous puissiez voir le problème commence à se poser. Il y a une marge d'erreur entre 4400 et 5000 donc il y a une différence de 600 où différentes personnes différents membres du public, en particulier ceux qui ont l'expérience que la lecture de graphiques peut lire ce graphique de différentes façons. Donc un graphique comme celui-ci est véridique, mais il est trompeur pour beaucoup de gens. On n'a que six étoiles ici, et on n'en a regardé qu'une. Vous pouvez imaginer à quel point ce graphique serait trompeur entre les six étoiles . Chaque personne qui visionne ce graphique dans le public arrivera à des conclusions différentes sur ce que signifient les valeurs de chacune de ces étoiles. Donc, ici, nous avons le même graphique représenté en deux dimensions. Je l'ai encore demandé. Quelle est la valeur de l'étoile pour la STO ? Loin est en fait assis juste au-dessus de la ligne 5000. Nous pouvons le voir clairement. Donc, la valeur est 5150. Nous pouvons le voir très rapidement à partir du graphique. On ne suppose plus que c'est 5000. Il n'y a pas moyen que ce soit 4800 et c'est absolument impossible que ce soit 4400. Vous pouvez voir qu'il n'y a pas de place pour l'erreur dans les deux D. Graf, Où est dans la représentation en trois D de ces données ? Tout le monde va en avoir une interprétation légèrement différente. Donc, les deux greffes représentent avec précision les données. Mais l'un d'eux l'a fait d'une manière trompeuse qui peut raconter une autre histoire. Maintenant, dans mon exemple, je ne change le graphique que quelques degrés. L' élément de trois d du graphique n'était qu'à un faible angle. Vous confirmez exagérer cette différence en faisant de lui ou de l'angle extrême Freedy. Et c'est ce que beaucoup de gens font en ligne va jeter un oeil dans la leçon exaltée sur un exemple particulièrement flagrant de trois D et comment il peut être déformé. Mais j'espère que dans cette leçon, j'ai démontré à quel point trois graphiques D peuvent être mal représentatifs. y a pas de raison d'en utiliser un. Donc, si vous créez des graphiques en ligne, n'utilisez pas trois D. Et si vous tombez sur un verre en ligne en utilisant trois D, prenez du recul et vous demandez si l'auteur essaie d'induire en erreur si c'était, juste un mauvais choix de conception. Merci donc de vous joindre à moi, aux États-Unis, et rejoignez-moi à la prochaine leçon où nous jetons un coup d'oeil à deux mises à l'échelle D sur la façon dont icônes bidimensionnelles peuvent être mal représentatives lorsqu'elles sont utilisées comme graphiques. 4. Formes de mise à jour: Salut là. Et cette leçon, on va jeter un oeil. A à D. Mise à l'échelle de la maison de prêt. mise à l'échelle des images en deux dimensions exagère la différence entre elles. Ici, nous avons trois formes différentes. Un cercle, un triangle carré. Ce que j'ai fait, c'est que je les ai mis à l'échelle trois fois, donc chacun d'eux a une échelle de trois. La chose est de mettre à l'échelle sur une barre comme dans une barre. Chuy est facile à mesurer car il se met à l'échelle très facilement. Il ne va que dans le sens de la longueur dans une dimension, mais sur l'échelle de forme à la fois verticalement et horizontalement, ce qui signifie simplement mettre à l'échelle le volume, pas nécessairement seulement la hauteur. Donc quelque chose qui est trois fois plus grand devient neuf fois le volume. Cela commence à déformer les données. Alors jetez un oeil à cet exemple de la vie réelle. Il s'agit d'un type de graphique qui peut être attribué à un auteur. Rarement, il vient de voir Stas McDonald's. C' est le genre de graphique affiché en ligne dans les médias sociaux que la plupart des gens allaient simplement passer au-delà sans vraiment absorber ce qui se passe dessus. Mais cela induit en erreur. Il est fait pour essayer d'exagérer la taille de McDonald's pour le reste de ces chaînes de restauration rapide , donc ce que ce graphique montre est le revenu généré pour un certain nombre de chaînes de restauration rapide . On a Starbucks, Taco Bell, pizza, harpe et ainsi de suite. Donc, à mesure que vous augmentez en taille, ce qui se passe également ici, c'est leur augmentation en échelle. Jetez un oeil à Burger King, puis jetez un oeil à McDonald's. La différence est énorme. Sur le visage, il semble être environ 12, peut-être 15 fois plus grand car vous pouvez insérer le logo Burger King peut-être environ 15 fois dans le logo McDonald's. Mais si vous prenez, regardez attentivement les valeurs réelles. Burger King représente 11,3 milliards. Où est le représentant de McDonald's ? 41 milliards. Donc Burger King n'a même pas quatre fois la taille. Mais parce que cette forme a été mise à l'échelle en deux dimensions, cela implique que McDonald's est beaucoup plus grand qu'il ne l'est réellement. Ce qu'il fait est d'exagérer massivement la différence de sorte que vous pouvez voir McDonald's semble être environ 15 fois plus grand, alors qu'en réalité il est environ 3,5 fois plus grand. Ils ont aussi fait quelque chose d'autre un peu délicat ici. Ce qu'ils ont fait, c'est y mettre le PIB de l'Afghanistan, donc ce n'est qu'un seul pays. Ce graphique aurait pu choisir n'importe quel pays voulu, mais il est particulièrement un pictogramme intentionnellement plus grand que Burger King mais pas son plus grand McDonald's. Ce que cela implique subtilement, c'est le reste de ces chaînes sur des plus grandes que certains pays. Où est McDonald's qui représente la valeur d'un pays entier ? La réalité est qu'il y a beaucoup de pays beaucoup plus grands que McDonald's. Il y a aussi des pays plus petits que Burger King, mais ils n'ont délibérément choisi qu'un seul pays qui se trouve bien entre eux, et c'est aussi une forme visuelle qui a été mise à l'échelle. Donc McDonald's a été exagéré à un salaire beaucoup plus grand qu'il est réellement. Type de graphique comme celui-ci va en ligne, va sur Facebook Se partager autour est peut-être une pépite intéressante d'informations. Mais ce qui est en train de faire est induit et trompeur pour que les gens pensent que McDonald's est beaucoup plus grand que n'importe laquelle de ces autres chaînes comme c'est le lieu d'être. C' est l'intention d'un graphique comme celui-ci, et il est intentionnellement conçu de cette façon, essayant d'induire son public en erreur. C' est donc le problème avec la mise à l'échelle de deux formes D. Lorsque vous mettez à l'échelle en deux dimensions, vous mettez à l'échelle par volume, sorte que quelque chose qui est seulement trois fois plus grand ne devient rien fois la taille réelle lorsqu'il utilisé comme icônes sur un graphique comme dans une sorte de barres de hachage en fait, en mettant à l'échelle une seule dimension par la hauteur, mais parce que vous utilisez des logos ou des images sont des totaux sélectionnés, vous êtes en fait à l'échelle en deux dimensions, donc cela a l'effet d'exagérer combien de choses plus grandes. Donc, si vous créez des graphiques en ligne ou partagez de l'herbe avec un public, essayez d'éviter d'utiliser des formes. Tenez-vous à la barre commune. Si vous tombez sur un graphique comme celui-ci, vous pouvez presque garantir que l'offre essaie d'exagérer la différence. Le pire à ce sujet est même après que vous sachiez que la différence a été exagérée. Si vous demandez ensuite à un membre de l'audience qui a vu un graphique comme celui-ci dans quelques jours, combien plus grand McDonald's waas ils vont encore exagérer même après que vous leur ayez dit. Le graphique lui-même a été exagéré, et McDonnell il est seulement 3,5 fois plus grand que Burger King. Ils le placeront encore beaucoup plus grand que Burger King parce que le graphique est terminé, son travail. C' est une fausse représentation de ces données, alors rejoignez-moi dans la leçon suivante où nous allons jeter un oeil sur certaines des façons dont le graphique lui-même peut être manipulé pour déformer les données qui tentent d'afficher. Merci. Je vais voir ça. 5. Axe Y tronqué: Salut là. Dans cette leçon, nous allons continuer avec nos graphiques mal représentatifs. Nous allons maintenant examiner la deuxième façon dont les greffes pourraient être manquées. Représentant. Ok, il y a quatre façons de manipuler le graphique pour qu'il déforme les données qui essaient de présenter. Tout d'abord, vous avez tronqué l'axe y, ce qui signifie démarrer l'accès à partir d'une valeur autre que zéro. Ensuite, vous avez une mise à l'échelle zéro, ce qui signifie que les barres ne représentent pas réellement une valeur. Ensuite, vous avez étendu l'accès. Ainsi, en écrasant ou même en étirant l'un ou l'autre des accès, vous pouvez exagérer ou diminuer les tendances. Enfin, si les données ne sont pas en ligne à votre histoire, omettez-les simplement. Jetons donc un coup d'oeil à l'axe y tronqué. C' est quand vous n'arrêtez pas l'accès à partir de zéro. C' est en fait l'une des techniques les plus courantes utilisées pour induire en erreur les données en ligne. Ce qu'il fait est d'exagérer les petites différences entre les valeurs pour paraître beaucoup plus grandes qu'elles ne sont en réalité. Jetons donc un coup d'oeil à l'axe Y tronqué. C' est là que vous ne commencez pas l'accès vertical à partir de zéro. C' est en fait l'une des techniques les plus courantes utilisées en ligne pour induire en erreur et déformer les données. Ce qu'il fait, c'est qu'il exagère les petites différences entre les valeurs afin qu'elles apparaissent ou qu'elles semblent être beaucoup plus grandes qu'elles ne le sont réellement. Jetons donc un coup d'oeil à un exemple d'axe Y tronqué sur la gauche. Vous avez un graphique qui montre le vote entre le congé et le maintien de l'emploi. Brexit, est-ce que la Grande-Bretagne devrait vous quitter et ensuite vous montrer le pourcentage d'électeurs qui ont voté congé sur le pourcentage d'électeurs qui ont voté pour Mame ? À première vue, il semble que le vote reste soit énorme par rapport au vote de congé. Mais ce que vous n'avez peut-être pas remarqué au départ, c'est que l'axe Y a été tronqué. L' axe Y commence à 36 sur ne va que jusqu'à 50 au lieu de commencer à zéro en allant jusqu'à 100. Ce que cela fait, c'est la moitié de l'effet d'exagérer combien plus grand les électeurs restent par rapport au vote de congé. Si vous jetez un oeil au graphique sur la droite, qui montre exactement les mêmes données sur cette période, l'accès a commencé à partir de zéro et va jusqu'à 100 comme un pourcentage devrait. Puis soudain, cette différence ne semble pas si extrême, en fait, que le vote reste n'est que légèrement au-dessus du vote de permission, ce qui est une représentation beaucoup plus précise de ces données. Donc, un graphique comme celui-ci pourrait être produit en appuyant de nouveaux sels ou tout simplement accidentellement et partagé en ligne sur ce qu'il fait est influencé les électeurs en répandant la désinformation. C' est déformer la vérité de la question, même si techniquement, il n'y a rien dans cela guéri dans le graphique. Mais c'est déformer la présentation de ces chiffres. Jetons donc un coup d'oeil à ce deuxième exemple. C' est le type de graphique produit par KFC et versé en ligne dans les médias sociaux. Ça ne fait pas partie d'un car ça ne sera jamais aux infos. Cela ne vaut pas vraiment la peine d'en parler, mais cela répand la désinformation. Si vous regardez le long du fond, il montre les calories des différents choix de repas, mais ils ne commencent pas à zéro. Ils commencent à partir de 600. Ce que cela fait, c'est qu'il exagère. La différence entre l'élément KFC sur les éléments au-dessus était en train de faire implique que KFC est plus sain, les genoux sur les choix. C' est cet hyper graphe qui sont partagés en ligne sans beaucoup de réflexion de la part du spectateur. Ils ne plongent pas en profondeur dans une étude sur ces choses, mais il plante l'idée dans le fond de leur esprit que KFC pourrait être une option légèrement plus saine . Donc, la prochaine fois qu'ils se retrouveront dans la cour alimentaire, ils pourraient se pencher vers KFC, pensant que prendre une option légèrement meilleure que les choix de restauration rapide. C' est ainsi que se répand ce type de désinformation. n'y a rien d'inexact dans un graphique comme celui-ci, mais il y a quelques choses différentes qui se passent. Tout d'abord, les cires tronquées exagérant la différence de sorte que KFC semble plus petit, donc plus sain. Deuxièmement, c'est omettre les données. Quels choix de repas ont-ils choisi dans ces restaurants ? Tu ne sais pas. Nous examinerons la possibilité d'admettre des données plus loin dans une nouvelle leçon. Mais c'est juste pour souligner que les graphiques peuvent effectivement utiliser plusieurs techniques pour essayer de manquer . Vom nous devrions prendre loin de ce graphique est que c'est ce type de graphique se répand en ligne et partagé sans beaucoup de réflexion. Mais il ne planifie l'idée dans les gens a eu à travers l'utilisation de la communication de données mal représentatives de sorte que les cires tronquées. Vous pouvez voir comment en commençant un graphique, pas à partir de zéro, vous exagérez réellement ces différences ? Certains cas que vous voulez exagérer à quel point quelque chose est plus grand. Mais dans les cas comme l'exemple KFC, vous pourriez essayer d'exagérer combien plus petit quelque chose est comparé à des surchoix. Cela montre et démontre également comment les données peuvent être utilisées pour déformer et diffuser désinformation en ligne. n'y a rien d'inexact dans ce graphique, et ça ne fera pas partie d'un grand site d'information. Il vient d'être posté en ligne sur Instagram sur Facebook. Les gens le voient. Ils ne pensent pas à ça. Mais il planifie l'idée en arrière de leur esprit, une idée qui a été organisée par une entreprise avec un motif pour essayer de vous faire acheter leurs produits. Le fait que ce soit des données semble avoir une sorte d'autorité, donc c'est en fait une tactique de marketing vraiment efficace. Données et graphiques détient une certaine autorité comme étant une représentation impartiale fait statistique Ziv où, où, comme vous pouvez le voir en les présentant de telle manière, ils racontent en fait une histoire tout à fait inexacte mais véridique. Alors rejoignez-moi à la leçon suivante où nous explorons comment supprimer l'échelle de l'herbe crée graphiques mal représentatifs. Merci. Je verrai là 6. Suppression de l'échelle: Salut là. Dans cette leçon, nous allons explorer comment supprimer l'échelle de vos graphiques permet à l'offre de raconter à peu près n'importe quelle histoire qu'elle veut. La suppression de l'échelle signifie donc que les barres d'un biographe n'ont en fait aucune représentation de ce que la valeur de cette barre est censée représenter. Cela donne essentiellement à l'auteur un contrôle complet sur ce qu'ils veulent dire. Il peut aussi être assez difficile à repérer. Jetons donc un coup d'oeil à un exemple de graphique à barres qui n'a aucune mise à l'échelle sur la gauche Nous avons le sondage de la paille de l' Iowa, . un sondage pris entre l'utilisation sur qui ils votent pour l'élection présidentielle. Ce que nous voyons est jeune, son téléphone loin, le gagnant avec 22,5%. Et puis il est beaucoup plus loin que Bernie Biden Warren. Et donc, euh, alors regardons ça de plus près. Jeune. La barre pour Young représente 22,5 %. Où est le bar ? Bernie représente 21 personnes, donc il n'y a qu'une différence de 1,5 %. Mais ces barres, la barre pour les jeunes, sont beaucoup plus longues que la barre pour Bernie, mais cette différence ne représente que 1,5 %. Maintenant, jetez un oeil à la barre qui représente Biden et comparez cela avec la barre qui représente Bernie. La différence entre ces deux barres est beaucoup moins élevée que celle entre Young et Bernie, mais la différence est de 9,5 %. Ce que cela signifie, c'est qu'il n'y a pas de mise à l'échelle sur ces barres. Cette image est présentée sous la forme d'un graphique à barres. On dirait que c'est un biographe parce que ce sont des barres présentées comme si elles représentaient des valeurs. Mais en fait, ils ne représentent pas de valeur à péage. n'y a pas de mise à l'échelle appliquée à eux. Cela permet à l'offre de présenter Bernie comme étant loin derrière les jeunes ou les jeunes, aussi loin que tout le monde. Si vous jetez un oeil au même graphique à droite, il s'agit des mêmes données mais représentées par une mise à l'échelle. Cette fois, la différence entre Bernie et Young est très minime. n'y a qu'une légère différence entre eux à l'époque. La différence entre Bernie et Biden est maintenant beaucoup plus grande que la différence entre Bernie plus jeune, donc le graphique de gauche est volontairement produit et publié pour essayer de déformer la façon dont se déroule le vote politique. Où est-il qu'ils n'ont pas utilisé de mise à l'échelle d'un grand sur ces corps. Ils viennent de présenter ces données comme s'il s'agissait d'un graphique à barres. Mais il n'y a en fait aucune donnée ici, vous pouvez donc voir comment la suppression de la mise à l'échelle permet à l'auteur de produire n'importe quelle valeur. Ils sont en fait un. Ils auraient pu mettre Bernie n'importe où le long de cette échelle sur des œufs, complètement exagérés. À quel point il est jeune. Ils auraient pu dire tout ce qu'ils voulaient. Ils auraient pu le placer juste à côté de Young. Ils auraient pu le placer presque hors de la page avec la différence parce qu'ils n'ont pas de mise à l'échelle. C' est ainsi qu'ils utilisent réellement les données pour déformer la vérité en la présentant comme un graphique à barres, mais n'ayant pas réellement de mise à l'échelle. Ce n'est pas vraiment Biograph. C' est juste un choix stylistique de présenter des valeurs que je suis qui se mettent en valeur et prétendent être un graphique à barres. Mais il n'y a pas de représentation réelle des données ou de visualisation des données en cours. Donc là, en essayant intentionnellement de vous induire en erreur. Alors rejoignez-moi la leçon suivante où nous examinons comment l'étirement de l'accès peut manipuler les valeurs qu'ils essaient de représenter. 7. Les données d'ombrage: Salut là. Dans cette leçon, on va jeter un oeil. Une maison qui étire l'accès peut déformer les données, sorte que l'étirement de l'axe se fait lorsque les dimensions du graphique ont été ajustées pour étirer ou réduire l'axe. Ce qu'il fait, c'est qu'il supprime ou exagère une tendance. Il peut exagérer une tendance à la hausse ou à la baisse ou un trajet. Supprimez toute variation si elle est suffisamment étirée , par exemple un graphique linéaire qui a été suffisamment zoomé. C' est juste une ligne plate, alors jetons un coup d'oeil. C' est un exemple de l'endroit où l'axe a été étiré sur la gauche. Ce que nous avons, c'est la température mondiale annuelle moyenne présentée à Fahrenheit, et vous pouvez voir que c'est une ligne assez plate. Où est à droite ? Nous avons ces mêmes données représentées, et vous pouvez voir pour effacer les choses de cela. Premièrement, il y a beaucoup de variations dans cette ligne, et deuxièmement, il y a une tendance à la hausse. Donc, le graphique sur la gauche a été étiré. L' axe Y commence à une valeur négative et va jusqu'à 110. Ils ont essentiellement zoomé sur ces données pour les présenter. C' est une ligne presque plate, alors qu'à droite. Ils ont zoomé sur ces données et correctement représentatifs, de sorte que vous pouvez voir qu'il y a beaucoup de variation sur déclarer légère tendance à la hausse. Où est le graphique sur la gauche est produit pour vous informer qu'il n'y a pas d'augmentation température et qu'il n'y a pas de variation parce qu'il est essentiellement présenté comme une ligne plate . Ainsi, lorsque vous effectuez un zoom arrière sur n'importe quel type de graphique linéaire, vous pouvez présenter ce nombre pour être entièrement plat. Si vous vouliez acheter un zoom arrière suffisant, vous pourriez faire disparaître complètement une tendance dans un graphique linéaire. Jetons maintenant un coup d'oeil à la dernière façon dont vous pouvez changer un graphique. Faire une fausse représentation des données à ce sujet revient à omettre les points de données importants. Si les données ne sont pas d'accord, supprimez-les simplement. Le problème, c'est qu'il est vraiment difficile de repérer parce que vous ne savez pas ce que vous ne savez pas . Ce type d'omission est couramment utilisé dans les enquêtes ou les données sur une longue période ou lorsqu'il y a un facteur social dans les données. Jetons un coup d'oeil à quelques exemples, donc ce n'est pas pour commencer la discussion sur Trump ou ailleurs. Peu importe où vous êtes assis dans un parti politique, mais ce que cela fait est de vous montrer comment les données peuvent être utilisées pour déformer si vous omettre les données sur la droite. Nous avons la cote d'approbation du président Trump, donc nous avons une cote d'approbation de 88 cents et une cote de désapprobation pour les noms. Donc, de loin, il est largement approuvé. Mais si vous jetez un oeil aux données réelles utilisées pour produire ce graphique, vous pouvez voir que tout cela fait est choisi les votes qui l'approuvent et ignoré les votes qui n'approuvent pas. Vous pouvez voir sur le graphique à gauche. La désapprobation réelle est beaucoup plus grande que les cotes d'approbation. Mais si vous ne le montrez tout simplement pas, alors vous pouvez montrer que les données sont largement approuvées. Andi. Il y a très peu de désapprobation. Il s'agit donc d'un cas où les données sont simplement omises pour déformer, même s'il y a ces petites notes sur ce graphique qui dit qu'il est parmi les républicains. Donc, il n'y a pas nécessairement de mensonge qui se passe dans ce graphique. Mais même après qu'on l'ait dit, c' est toujours une fausse représentation. Ce sont des gens qui ne sont pas républicains et qui désapprouvent Trump, mais qui exagèrent encore sa cote d'approbation après avoir vu ce graphique, même s'il leur a été signalé que c'est inexact, c'est le danger de répandre ce genre de la désinformation. Donc, ce genre de mission de données n'est pas seulement dans les résultats de l'enquête. C' est en fait une technique assez courante lors de l'utilisation de résultats qui contiennent un facteur social ou, par exemple, sont sur une longue période de temps. Dans la prochaine leçon va examiner quelques exemples réels de cela, mais il est juste une note que l'omission de données peut se produire dans les graphiques où il y a un facteur social qui influence ces chiffres. Par exemple, il pourrait vous montrer le nombre de personnes qui meurent d'une certaine maladie sur une longue période payée . Mais pourquoi ? Je ne tiens pas compte de la taille de la population là-bas, tout simplement plus de gens. Donc plus de gens meurent de cette maladie, alors que le graphique lui-même ne fait que présenter le nombre de décès que ce commis représente parce qu'il y a une longue période de temps et qu'il y a un facteur social, Teoh, y compris que ces résultats, mais le graphique, il ne les représente pas, Donc c'est comme ça que vous faites une fausse représentation en omettant les données, rejoignant la leçon suivante où nous allons passer en revue quelques exemples réels sur le point, les différents types de façons dont ils déformer les données et combiner des méthodes pour en finir de raconter une histoire précise. Merci. Je vais voir ça. 8. : Salut là. Dans cette dernière leçon, nous allons jeter un coup d'oeil à quelques exemples réels de l'endroit où les données sont, délibérément ou accidentellement fausses représentations. Regardons donc quelques exemples réels et comprenons à quel point ils peuvent être dangereux. Voici donc un exemple de l'endroit où les données sont utilisées pour communiquer dans une publicité. Ce qu'il vous montre, c'est la vitesse de trois différents Internet Explorer sur la gauche. Nous avons Google Chrome, qui est plus lent, et il dit qu'il est plus lent là-bas. Et puis sur Mac, soft edge que nous avons est le plus rapide, puis Mozilla, 9% plus lent. Donc, ce que vous remarquez d'abord c'est qu'il utilise un compteur de vitesse, qui est une vitesse de voiture pour lui pour planifier l'idée que les choses sont très rapides. Max Soft Edge est le plus rapide car il maximise ce compteur de vitesse. Où sont-ils arbitrairement choisi un compteur de vitesse pour avoir la valeur maximale pour être par hasard la vitesse maximale de micro Soft edge. Mais c'est juste une façon subtile, dont cette vitesse de communication pour vous. Mais la façon dont ils utilisent les données est totalement inexacte. Ici, il n'y a tout simplement pas d'échelle. esprit doux est le plus rapide, donc c'est 100% ici. Google chrome est seulement 5% plus lent, mais en termes de compteur de vitesse, il est presque 1/3 plus lent. Et puis Mozilla Firefox est 9% plus lent, mais il est en fait seulement 1/3 la vitesse de Mike soft edge. Il y a donc des données pour communiquer ces vitesses. Mais il n'y a pas de mise à l'échelle en cours ici, donc ils déforment les données pour essayer de vous vendre ce produit. Voici donc un deuxième exemple, et celui-ci a deux choses différentes qui se passent. Ce qui vous montre, c'est le nombre de meurtres commis à l'aide d'armes à feu entre le début des années 90, des années 90, jusqu'au milieu des 2000 dizaines sur le point de l'État représente le nombre de meurtres. Donc, ce qu'il est en quelque sorte de vous montrer, c'est qu'ils ont planté une sorte d'indication sur ce graphique qui dit, en 2005, la Floride promulgue son stand Votre loi fondamentale, qui sans entrer dans une énorme quantité de détails, est fondamentalement permettre aux gens de recourir à la force meurtrière s'ils sont menacés ou s'ils sont tenus de le faire. Donc ce que ce graphique fait est, premièrement, il est entièrement à l'envers, donc le sol est complètement à l'envers. Cette échelle va de 873 à 0, donc le graphique lui-même premier coup d'œil semble comme si ce stand avait réduit la mort des armes à feu, mais en fait ce n'est pas le cas. Il est en fait augmenté dans les morts d'armes à feu sur ce graphique a été retourné à l'envers pour essayer de déformer cela. Mais deuxièmement, tout ce qu'il fait est de vous montrer le nombre de morts par arme à feu. Et, comme nous l'avons mentionné plus tôt, leçon permet de greffer les intempéries sur une longue période, comme celle-ci, leurs facteurs sociaux pour inclure, par exemple, pour inclure, par exemple, quelle mesure est-il facile d'accéder aux armes à feu ? Quelle est la force de la police de la mort par arme à feu ? Comment mieux les médicaments sont-ils arrivés pour que, lorsque les gens sont blessés avec des armes à feu, ils aient un meilleur rétablissement de ce genre de choses qui auront une incidence sur le nombre de morts par arme à feu ? Mais ce graphique engage tout ce qui vous montre juste la valeur absolue des décès par arme à feu et attribue ensuite l'ensemble du changement dans ce graphique à cette seule loi, qui n'est pas d'accord avec son point. Donc, il retourne le graphique à l'envers. Donc, c'est un type d'exemple où ce n'est pas nécessairement une donnée précise, mais il a une certaine manipulation sur le graphique. C' est à l'envers, et deuxièmement, il n'en raconte pas vraiment l'histoire complète parce qu'il y a beaucoup d'autres facteurs qui entrent dans ces chiffres, et ce graphique les omet simplement tous. Notre dernier exemple en est ainsi. Nous en avons un plus d'actualité. Donc, ce graphique vous montre le nombre de profondeurs secrètes par rapport à un certain nombre d'autres pandémies que nous avons connues dans le passé. C' est donc un exemple de graphique où l'auteur n'essaie pas d'induire en erreur. C' était juste quelques mauvais choix de conception. Les données sont exactes. Tout d'abord, c'est exact. Les données de Riel sur l'auteur de ce graphique les ont présentées de cette façon à travers des choix de conception stylistiques , ignorant qu'il est mal représentatif. Et ce graphique s'est répandu sur Internet par lots et lots Millions a peut-être vu ce graphique, et il a eu une influence sur la façon dont ils perçoivent la pandémie. Alors venons à briser certaines de ses inexactitudes. Tout d'abord, tout utilise des cercles Andi tridimensionnels, donc ils sont mis à l'échelle en plusieurs dimensions, donc il est vraiment difficile de dire la taille naturelle de certaines choses. Deuxièmement, il est sur un plan tridimensionnel, sorte que le plan s'étend vers l'arrière dans la troisième dimension, décalant complètement la taille de certaines choses. Par exemple, à l'arrière, nous avons la peste des moins de neuf ans. Où est ça ? Il semble être beaucoup plus petit que les épidémies de variole du Nouveau Monde, alors qu'en fait, il est plus grand en raison de ces trois dimensions. L' icône qui les représente est en fait plus petite. L' icône de la peste de l'antonyme est plus petite, mais elle représente en fait une grande valeur. La boîte New World Small. Cela est dû au fait que c'est en trois dimensions. Deuxièmement, il omet les données. Ça ne vous montre pas vraiment la population. Il ne vous montre pas vraiment de nouveaux médicaments ou un certain nombre de facteurs qui pourraient influencer façon dont un jeu se répand. Tout ce qu'il fait est de vous montrer le nombre de décès normalisés population mondiale des orteils. Mais il omet toujours une grande quantité de données. Donc ce graphique commet une sorte de tous les péchés que nous avons traversés ses trois dimensions. Il utilise des formes de mise à l'échelle. Il déforme les données en omettant certaines choses sur. Dans l'ensemble, il a été créé de manière inexacte, mais il l'a fait accidentellement. Personne n'était derrière ça, essayant d'induire en erreur. En fait, ils essayaient d'informer, mais ils ont fait quelques choix de conception accidentels qui ont conduit à ce graphique mal représentatif . L' offre a ensuite apporté quelques modifications, mais sa version révisée n'était pas aussi perceptible parce qu'elle n'était pas stylisée. Le fait que cela soit si stylisé a augmenté le montant qu'il a été partagé, mais il a partagé de la désinformation. Donc là, vous l'avez. Telles sont les façons dont les données peuvent être fausses pour tenter de désinformer et de diffuser des informations erronées en ligne. J' espère que vous avez pris quelques choses dans ce domaine, premièrement, premièrement, les dangers de la diffusion de la désinformation. J' espère que vous êtes beaucoup plus conscient de la façon dont la désinformation est diffusée à l'aide de données factuelles en ligne. Deuxièmement, j'espère que vous avez été équipé des bons outils pour identifier quand les graphiques ou éventuellement essayer de vous induire en erreur afin que vous puissiez éviter de créer des graphiques comme ça sous vide être induits en erreur. Nous avons des graphiques en ligne. Merci d'avoir pris part à ce coût. J' espère que vous avez appris quelques choses précieuses. Je vous encourage à partager et à revoir et à laisser une note pour ce coût si vous l'avez aimé afin que les étudiants le limitent. Je vais également laisser quelques liens vers vous afin que vous puissiez me suivre sur le partage de compétences ou sur les plateformes sociales où je partage des leçons d'apprentissage pépites sur tout simplement grand Andi. Mais des exemples de visualisation de données. Merci donc d'avoir pris part à cette cause. J' espère que vous apprendrez des choses intéressantes sur. Je te verrai dans ma prochaine. Merci.