Transcrições
1. O que faremos:: Oi lá. Meu nome é Joshua Brinley On Neste custo, vamos dar uma olhada nas formas em que a desinformação é espalhada on-line, usando dados que não são realmente imprecisos. Eles estão realmente apresentando os valores do rial e os números, mas que torturar esses números e distorcê-los de uma forma que é falta informativo para deliberadamente espalhar desinformação. Então, o que vamos realmente cobrir neste custo é como os dados são usados para se espalhar. Desinformação estará olhando para algumas das técnicas e ferramentas comuns usadas para torturar dados
precisos para torturá-los e transformá-los em uma mensagem imprecisa também estará passando por alguns exemplos da vida real fora de gráficos que foram postados on-line com o intenção deliberada de enganar também sobre como você pode identificar esses tipos de gráficos em estar mais ciente
deles . Você também aprenderá a evitar a criação de gráficos falsamente representativos em sua própria
visualização de dados . Se você gosta de sinais de dados ou de seu analista de negócios ou usa dados para apresentar informações, você
sabia que mais de 2,6 quadrilhões de bytes de dados são produzidos todos os dias? Visualização de dados é o método que usamos para comunicar que os gráficos de dados em gráficos on-line estão em todo o lugar reflete em todos os gráficos que você viu recentemente on-line em sites de notícias na TV, Publicidade de mídia
social Eles são todos usando a visualização de dados como uma maneira conveniente de espalhar os dados reais. Bem, infelizmente, em muitos casos, a intenção desses gráficos é, na verdade, desinformar. Não é para criar uma conscientização em seu público de como os dados devem ser. Eles estão tentando desinformá-lo, deturpando esses dados usando
técnicas complicadas em design visual. Então vamos começar a explorar isso. Então, junte-se a mim na próxima lição em que começamos a explorar como os dados precisos podem ser apresentados com precisão, mas de uma forma que deturpe o que esses dados estão realmente tentando dizer, eu vou ver lá.
2. Como de de dados de de reporte a informação de desinfecção: quer e obrigado por continuar os custos nesta sessão. Vamos dar uma olhada como os dados podem ser deturpados enquanto ainda permanecem precisos . É fácil dizer uma mentira com números, mas impossível dizer a verdade sem eles. Então esta é uma expressão de tios despidos em diante. Penso que resume com exactidão a questão que temos com os números. Você pode, como alguém que cria a visualização de dados, ter ouvido alguém no negócio dizer algo ao longo das linhas fora. Não quero os números. Eu quero a verdade. Mas o que isso significa? Os números estão frios. Eles são estatísticos, aquele tendencioso. Então, como podem não ser verdadeiros? Bem, se você manipular a maneira como ele visualiza e apresenta esses números, eles podem ser inteiramente verdadeiros, então números um fato frio e
imparcial. Então, como eles podem enganar? Bem, na verdade
há muitas ferramentas e técnicas usadas para exibir números para que eles digam algo que não é verdade, mesmo que seja preciso fora. Felizmente, vivemos em um mundo onde os políticos tendenciaram novos molhos e as empresas estão intencionalmente apresentando números de uma forma que engana sem mentir completamente. Alguns dos lugares onde você encontra dados enganosos são lugares como as notícias, onde questões partidárias com uma inclinação tendenciosa se apresentam como neutras. Mesmo que os próprios números sejam apresentados de forma neutra, eles manipularam a forma como apresentaram esses números para se inclinar de uma forma ou de outra. A mídia social é outro lugar, e é possivelmente a maneira mais insidiosa em que os dados são usados on-line para deturpar. Muitas vezes, empresas ou partidos políticos compartilham gráficos on-line nas mídias sociais. Você pode estar rolando para o seu feed do Facebook, e você se deparar com um fato simples ou um pequeno gráfico e não pensa nada disso. Mas este gráfico foi colocado lá intencionalmente. Muitas vezes você não pode atribuir o gráfico a uma oferta, mas alguém o criou, apenas tentando espalhar informações erradas online. E, finalmente, muitas vezes, gráficos
enganosos fizeram acidentalmente opções de formatação e design ruins que
entraram em gráficos distorcem acidentalmente os dados. Então, ao longo dos custos estavam indo para dar uma olhada em algumas das técnicas usadas para deturpar esses dados, bem como olhar através de alguns exemplos da vida real. Então, junte-se a mim na próxima lição em que começamos a detalhar como essas técnicas são usadas para deturpar os dados, como categorizá-los, bem como analisar alguns exemplos da vida real fora de gráficos que foram publicados online com o intenção deliberada de induzir em erro. Obrigado. Eu vou ver isso.
3. Como gráficos 3D de a introdução de erro: Oi lá, e bem-vindo de volta ao custo. Nesta lição, vamos dar uma olhada em algumas das formas e técnicas comuns em que os dados são representados on-line com a intenção deliberada de enganar. Assim, as técnicas comuns podem cair em duas categorias. A forma dos elementos de dados, como as barras e as linhas, ou manipular o próprio gráfico. Então estas são as técnicas usadas para mentir enquanto ainda diz a verdade. Em primeiro lugar, você tem a perspectiva três d. Então, usando três perspectiva D, desculpe os valores do gráfico. Em segundo lugar, temos essa escala. Então, dimensionando duas formas D e como ele exagera as diferenças. Vamos explorar como três perspectiva D deturpa os dados. Então, é um gráfico comum de três d. Não quero que tire um momento e dê uma olhada nele. O que temos é a receita gerada por seis estrelas diferentes. Agora, à primeira vista, isso pode ser apenas um gráfico normal, mas eu criei este gráfico em uma tentativa deliberada de enganar todos os valores são precisos, mas eu criei em três d para que a margem de erro seja exagerada. Então o que quero dizer é vamos dar uma olhada na estrela para e eu quero que eu vou te fazer uma pergunta. Qual é o valor da queda da barraca? Então aqui está o gráfico. Tire um momento. Basta medir o valor de estrela para o problema com três gráficos D é margem tema de erro que eles introduzem. Você pode imaginar que há realmente muitas maneiras diferentes em que as pessoas poderiam
medir com precisão as coisas, pois você pode imaginar uma audiência de
diferentes, diferentes pessoas em todas elas estão olhando para as coisas são, e é não é razoável supor que muitos deles estão recebendo valores diferentes uns dos outros. O problema surge em Como exatamente você mede os três D cada gráfico? Vamos dar uma olhada Imagine. É uma barra de três D, como está representado aqui. Você mede do topo do avião virado para a frente assim? caso afirmativo, comece um valor de cerca de 4400. Bem, talvez não seja assim que você deve medir. Talvez você meça a partir do ponto mais alto absoluto. Então, o canto de trás Bem, se fizermos isso, então chegamos a um valor de cerca de 808.900 em algum lugar por lá? Bem, talvez estes dois ar imprecisos. Talvez você deva imaginar que há uma parede invisível sentada atrás do bar, e você segue essa parede até o canto do que medir ao longo da altura até o eixo. Bem, vamos dar uma olhada no que temos quando fazemos isso. Ei, nós estamos recebendo um exato 5000 para que você possa ver o problema começando a surgir. Há uma margem de erro entre 4400 e 5000, então há uma diferença de 600 em que diferentes pessoas diferentes membros do público, particularmente aqueles com experiência em que ler gráficos pode ler este gráfico de muitas maneiras
diferentes. Então, um gráfico como este é verdadeiro, mas é enganador para muitas pessoas. Só temos seis estrelas aqui, e só olhamos para uma. Você pode realmente imaginar o quão enganador este gráfico seria entre todas as seis estrelas . Cada pessoa que vê este gráfico no público chegará a conclusões diferentes sobre o que significam os valores de cada uma dessas estrelas. Então aqui temos o mesmo gráfico representado em duas dimensões. Perguntei de novo. Qual é o valor da estrela para STO? Far está realmente sentado logo acima da linha 5000. Podemos ver isso claramente. Então o valor é 5150. Podemos ver isso muito rapidamente a partir do gráfico. Já não estamos a supor que são, na verdade, 5000. Não tem como ser 4800 e é absolutamente impossível que sejam 4400. Você pode ver que não há espaço para erros nos dois D. Graf, Onde está na representação de três D desses dados? Toda a gente vai ter uma interpretação ligeiramente diferente. Portanto, ambos os enxertos representam com precisão os dados. Mas um deles o fez de uma maneira enganosa que pode contar uma história diferente. Agora, no meu exemplo, eu só mudo o gráfico alguns graus. O elemento três d do gráfico estava apenas em um ângulo ligeiro. Você confirma exagerar essa diferença fazendo dele ou ângulo extremo Freedy. E isso é o que muitas pessoas estão fazendo on-line vai dar uma olhada em lição exultante sobre um exemplo
particularmente flagrante de três D e quão deturpado ele pode ser. Mas espero que nesta lição, eu tenha demonstrado o quão mal representativos três gráficos D podem ser. Não há razão para usar um. Então, se você está criando gráficos on-line, não use três D. E se você se deparar com um copo on-line usando três D, dê um passo para trás e pergunte se o autor está tentando enganar se foi isso, apenas uma má escolha de design. Então, obrigado por se juntarem a mim, este EUA, e juntem-se a mim na próxima lição onde vamos dar uma olhada em duas escalas D sobre como ícones bidimensionais
mal representativos podem ser quando usados como gráficos.
4. Escalando formas de escala: Oi lá. E esta lição, vamos dar uma olhada. A a D. Escalando a casa emprestada. Dimensionar imagens em duas dimensões exagera a diferença entre elas. Então aqui temos três formas diferentes. Um círculo, um triângulo quadrado. O que eu fiz foi escalá-los três vezes, então cada um deles tem uma escala de três. A coisa está escalando em uma barra, como em um bar. Chuy é fácil de medir porque ele escala muito facilmente. Ele só vai longitudinalmente em uma dimensão, mas sobre a escala de forma tanto verticalmente como i horizontalmente, que significa apenas dimensionar o volume, não necessariamente apenas a altura. Então algo que é três vezes maior se torna nove vezes o volume. Isso começa a deturpar os dados. Então dê uma olhada nesse exemplo da vida real. Este é um tipo de gráfico que pode ser atribuído a um autor. Raramente, ele só viu Stas McDonald's. É o tipo de gráfico postado online nas redes sociais que a maioria das pessoas
passaria sem realmente absorver o que está acontecendo nele. Mas isso engana. É feito isso para tentar exagerar o quanto maior McDonald's é para o resto dessas cadeias de fast food, então o que este gráfico está mostrando é a receita gerada para um número de cadeias de fast food. Temos Starbucks, Taco Bell, pizza, harpa e assim por diante. Então, à medida que você aumenta de tamanho, o que também está acontecendo aqui é o aumento de escala deles. Dê uma olhada no Burger King e depois dê uma olhada no McDonald's. A diferença é enorme. Em face disso,
parece ser cerca de 12 possivelmente 15 vezes maior porque você pode encaixar o logotipo Burger King possivelmente cerca de 15 vezes no logotipo McDonald's. Mas se você tomar, olhar atentamente para os valores reais. Burger King representa 11,3 bilhões. Onde está o McDonald's? 41 bilhões. Então Burger King não tem nem quatro vezes o tamanho. Mas como essa forma foi dimensionada em duas dimensões, isso implica que McDonald's é muito maior do que realmente é. O que ele faz é exagerar massivamente a diferença para que você possa ver que McDonald's parece ser cerca de 15 vezes maior, enquanto na realidade é cerca de 3,5 vezes maior. Eles também fizeram outra coisa um pouco complicada aqui. O que eles fizeram foi colocar o PIB do Afeganistão lá dentro, então este é apenas um país. Este gráfico poderia ter escolhido qualquer país desejado, mas particularmente um pictografo intencionalmente maior que Burger King, mas não seu maior McDonald's. O que sutilmente sugere é que o resto destas cadeias em maiores do que alguns países. Onde McDonald's representa o valor de um país inteiro? A realidade é que há muitos países muito maiores que o McDonald's. Há também países menores que o Burger King, mas eles escolheram intencionalmente apenas um país que fica bem entre eles, e também é uma forma visual que foi escalada. Então McDonald's tem sido exagerado para um salário muito maior do que realmente é. Tipo de gráfico como este vai on-line, vai no Facebook Obter compartilhado em torno é talvez uma pepita interessante de informações. Mas o que está fazendo está implicando e enganando para que as pessoas pensem no McDonald's como muito
maior do que qualquer uma dessas outras cadeias, pois é o lugar para estar. Essa é a intenção de um gráfico como este, e é intencionalmente projetado dessa forma, tentando enganar seu público. Então esse é o problema com a escala de duas formas D. Quando você escala em duas dimensões, você escala por volume, então algo que é apenas três vezes maior torna-se nada vezes o tamanho real quando usado como ícones em um gráfico, como em um tipo de gráficos de barras de corte, na verdade, dimensionando apenas uma dimensão pela altura, mas como você está usando logotipos ou imagens são totais escolhidos, você está realmente dimensionando em duas dimensões, então isso tem o efeito de exagerar o quanto as coisas maiores para cima. Portanto, se você estiver criando gráficos online ou compartilhando grama com um público, tente evitar o uso de formas. Fique no bar comum. Se você se deparar com um gráfico como este, você pode quase garantir que a oferta está tentando exagerar a diferença. A pior parte disso é mesmo depois que você sabe que a diferença foi exagerada. Se você perguntar a um membro do público que viu um gráfico como este em alguns dias, quanto maior o McDonald's waas eles ainda vão exagerar mesmo depois que você contou a eles. O gráfico em si foi exagerado, e McDonnell é apenas 3,5 vezes maior que Burger King. Eles ainda vão colocá-lo muito maior do que Burger King porque o gráfico está feito, seu trabalho. Eles estão mal representados esses dados, então junte-se a mim na próxima lição onde vamos dar uma olhada em algumas das maneiras pelas quais o
gráfico em si pode ser manipulado para deturpar os dados que estão tentando exibir. Obrigado. Vou ver isso.
5. Truncated Y Axis: Oi lá. Nesta lição, vamos continuar com nossos gráficos deturpados. Vamos agora olhar para a segunda maneira em que os enxertos podem ser perdidos. Representante. Há quatro maneiras pelas quais você pode manipular o gráfico para que ele deturpe os dados
que estão tentando apresentar. Há quatro maneiras pelas quais você pode manipular o gráfico para que ele deturpe os dados Em primeiro lugar, você tem truncado eixo y, que significa iniciar o acesso a partir de um valor diferente de zero. Em seguida, você tem escala zero, que significa que as barras não representam realmente um valor. Então você tem acesso estendido. Assim, ao esmagar ou até mesmo esticar o acesso, você pode exagerar ou diminuir as tendências. Finalmente, se os dados não estiverem online na sua história, simplesmente os omita. Então vamos dar uma olhada no eixo y truncado. Isso é quando você não pára o acesso do zero. Na verdade, é uma das técnicas mais comuns usadas para enganar com dados online. O que ele faz é exagerar pequenas diferenças entre os valores para parecer muito maior do que eles realmente são. Então vamos dar uma olhada no eixo Y truncado. Aqui é onde você não inicia o acesso vertical do zero. Na verdade, é uma das técnicas mais comuns usadas on-line para enganar e deturpar dados. O que ele faz é exagerar pequenas diferenças entre os valores para que eles apareçam ou eles parecem ser muito maiores do que eles realmente são. Então vamos dar uma olhada em um exemplo de um eixo Y truncado à esquerda. Você tem um gráfico que mostra a votação entre licença e permanecer trabalhando. Brexit, está perguntando, a Grã-Bretanha
deve deixá-lo e depois mostrar-lhe a porcentagem de eleitores que votaram em licença sobre a porcentagem de eleitores que votaram em Mame? À primeira vista, parece que a votação restante é enorme quando comparada com a votação por licença. Mas o que você pode não ter notado inicialmente é que o eixo Y foi truncado. O eixo Y começa em 36 em apenas vai até 50 em vez de começar em zero em ir até 100. O que isso faz é metade do efeito de exagerar quanto maior os eleitores permanecem quando comparados com o voto de licença. Se você dar uma olhada no gráfico à direita, que mostra exatamente os mesmos dados sobre este tempo, o acesso começou a partir de zero e vai até 100 como uma porcentagem deve. Então de repente Essa diferença não parece tão extrema, na verdade, que o voto restante é apenas um pouco acima do voto de licença, que é uma representação muito mais precisa desses dados. Então, um gráfico como este poderia ser produzido inclinando-se novos sais ou apenas acidentalmente e compartilhado on-line sobre o que ele faz é influenciar os eleitores espalhando desinformação. Está deturpando a verdade da questão, mesmo que tecnicamente, não
haja nada nisso curado sobre o gráfico. Mas está deturpando a apresentação desses números. Então vamos dar uma olhada neste segundo exemplo. Este é o tipo de gráfico produzido pela KFC e galpão on-line nas mídias sociais. Não faz parte de um “Para”, nunca vai aparecer no noticiário. Não vale a pena falar sobre isso, mas espalha desinformação. Se você olhar ao longo do fundo, está mostrando as calorias de diferentes opções de refeição, mas elas não começam do zero. Começam a partir de 600. O que isso faz é exagerar. A diferença entre o item KFC sobre os itens acima estava fazendo está implicando que KFC é mais saudável, os joelhos sobre escolhas. Este é este hiper gráfico que é compartilhado on-line sem muito pensamento do espectador. Eles não mergulham profundamente em um estudo sobre essas coisas, mas isso planta a idéia de que KFC poderia ser uma
opção um pouco mais saudável . Então, da próxima vez que eles se encontrarem na praça de alimentação, eles podem inclinar-se para o KFC, pensando que tomar uma opção um pouco melhor as escolhas de fast food. É assim que esse tipo de desinformação se espalha. Não há nada de impreciso em um gráfico como este, mas há algumas coisas diferentes acontecendo. Em primeiro lugar, as ceras truncadas exageram a diferença para que o KFC pareça menor, portanto mais saudável. Em segundo lugar
, está omitindo dados. E quanto às opções de refeição que escolheram nesses restaurantes? Você não sabe. Estaremos olhando para a admissão de dados mais adiante em uma nova lição. Mas é apenas para salientar que gráficos podem realmente usar várias técnicas para tentar perder . Vom devemos tirar deste gráfico é que é este tipo de gráfico fica espalhado online e compartilhado sem um monte de pensamento. Mas ele planeja a idéia em que as pessoas tiveram através do uso de comunicação de dados
mal representativos para que enceras truncadas. Você pode ver como iniciando um gráfico, não de zero você realmente exagera essas diferenças? Alguns casos você quer exagerar o quanto algo maior é. Mas em casos como o exemplo do KFC, você pode estar tentando exagerar o quanto algo menor é comparado a opções acima. Isso também mostra e demonstra como os dados podem ser usados para deturpar e espalhar desinformação online. Não há nada de impreciso neste gráfico, e não vai fazer parte de um grande site de notícias. Acabou de ser postado online no Instagram no Facebook. As pessoas vêem. Eles não pensam em pensar sobre isso. Mas ele planeja a idéia na parte de trás de sua mente, uma idéia que foi curada por uma empresa com um motivo para tentar e levá-lo a comprar seus produtos. O fato de que seus dados parecem ter algum tipo de autoridade, então é realmente uma tática de marketing realmente eficaz. Dados e Gráficos mantém alguma autoridade como sendo imparcial representação Ziv fato estatístico onde, como você pode ver, apresentando-os de tal forma, eles estão realmente contando uma história totalmente imprecisa, mas verdadeira. Junte-se a mim na próxima lição onde exploraremos como remover a escala da grama cria gráficos
mal representativos. Obrigado. Vou ver lá.
6. Removendo a escala: Oi lá. Nesta lição, vamos explorar como remover a escala de seus gráficos permite que a oferta conte praticamente qualquer história que eles queiram. Então remover a escala significa que as barras em um Biograph na verdade não têm representação do que o valor dessa barra deve representar. Basicamente dá ao autor controle completo sobre o que é que eles querem dizer. Também pode ser muito difícil de detectar. Então vamos dar uma olhada em um exemplo de um gráfico de barras que não tem qualquer escala à esquerda Temos a pesquisa de palha de Iowa, . uma pesquisa feita entre o uso de quem eles estão votando para a eleição presidencial. O que vemos é jovem, seu telefone longe, o vencedor com 22,5%. E então ele está muito mais à frente do que Bernie Biden Warren. E então, um, então vamos dar uma olhada nisso mais de perto. Jovem. O bar para Young representa 22,5%. Para onde fica o bar? Bernie representa 21 pessoas, então só há uma diferença de 1,5%. Mas essas barras, a barra para jovens, é muito mais longa do que a barra para Bernie, mas essa diferença só representa 1,5%. Agora dê uma olhada no bar que representa Biden e compare isso com o bar que representa Bernie. A diferença entre estas duas barras é muito menor do que a diferença entre Young e Bernie, mas a diferença é de 9,5%. Então o que isso significa é que não há escala nessas barras. Esta imagem é apresentada como um gráfico de barras. Parece que é uma Biografia porque são barras apresentadas como se representassem valores. Mas, na verdade, eles não representam valor para pedágio. Não há escala aplicada a eles. Isso permite que a oferta apresente Bernie como estando muito atrás de jovens ou jovens, muito à frente de todos os outros. Se você der uma olhada no mesmo gráfico à direita, estes são os mesmos dados, mas representados com escala. Desta vez, a diferença entre Bernie e Young é muito mínima. Há apenas uma pequena diferença entre eles. A diferença entre Bernie e Biden é agora muito maior do que a diferença entre Bernie
mais jovem, então o gráfico da esquerda é intencionalmente produzido e publicado para tentar deturpar como o voto político está indo. Onde é que eles não usaram qualquer escala de um alto sobre estes corpos. Eles acabaram de apresentar esses dados como se fosse um gráfico de barras. Mas na verdade não há dados acontecendo aqui, então você pode ver como remover o dimensionamento permite que o autor produza qualquer valor. Eles realmente um. Eles poderiam ter colocado Bernie em qualquer lugar ao longo dessa escala em apenas ovos, completamente exagerados. Como ele está muito atrás de jovem. Podiam ter dito o que quisessem. Poderiam tê-lo colocado ao lado do Young. Eles poderiam tê-lo colocado quase fora da página com a diferença porque eles não têm qualquer escala. Então é assim que eles realmente usam dados para deturpar a verdade dele, apresentando-o como um gráfico de barras, mas não tendo realmente qualquer escala. Na verdade, não é Biograph. É apenas uma escolha estilística de apresentar valores que eu sou que se mostram e fingir ser um gráfico de barras. Mas não há representação de dados real ou visualização de dados acontecendo. Então lá, intencionalmente tentando enganá-lo. Junte-se a mim na próxima lição em que analisaremos como esticar o acesso pode manipular os valores que eles estão tentando representar.
7. Omitting de dados: Oi lá. Nesta lição, vamos dar uma olhada. Uma casa que estica o acesso pode deturpar os dados,
portanto, esticar o eixo é quando as dimensões do gráfico foram ajustadas para esticar ou encolher o eixo. O que ele faz é remover ou exagerar uma tendência. Pode exagerar uma tendência ascendente ou descendente ou um trajeto. Remova qualquer variação se esticada o suficiente, por exemplo, um gráfico de linhas que tenha sido ampliado o suficiente. É só uma linha plana, então vamos dar uma olhada. Esse é um exemplo de onde o eixo foi esticado à esquerda. O que temos é a temperatura média anual global apresentada em Fahrenheit, e você pode ver que é uma linha bem plana. Onde está à direita? Nós temos os mesmos dados representados, e você pode ver para limpar as coisas a partir disso. Em primeiro lugar, há muita variação nessa linha,
e em segundo lugar, há uma tendência ascendente. Então o gráfico à esquerda foi esticado. O eixo Y começa com um valor negativo e vai até 110. Essencialmente ampliaram esses dados para apresentá-los. É uma linha quase plana, enquanto à direita. Eles ampliaram isso para que os dados e adequadamente representativos, então você pode ver que há muita variação em declarar leve tendência ascendente. Onde está o gráfico à esquerda é produzido para informá-lo que não há aumento temperatura e não há variação porque ele é essencialmente agora apresentado como uma linha plana . Então, quando você diminui qualquer tipo de gráfico de linha, você pode apresentar esse número para ser totalmente plano. Se você quisesse comprar zoom para fora o suficiente, você poderia fazer uma tendência desaparecer completamente em um gráfico de linhas. Então agora vamos dar uma olhada na maneira final em que você pode mudar um gráfico. Para deturpar dados sobre isso é omitir pontos de dados importantes. Se os dados discordarem, basta removê-los. O problema com isso é que é muito difícil de detectar porque você não sabe o que você não sabe. Este tipo de omissão é comumente usado em pesquisas ou dados durante um longo período de tempo ou quando há um fator social nos dados. Vamos dar uma olhada em alguns exemplos, então isso não é para iniciar a discussão em Trump ou em qualquer outro lugar Não importa onde você se sente em um partido político, mas o que isso faz é mostrar como os dados podem ser usados para deturpar se você simplesmente omitir dados à direita. Temos o índice de aprovação do Presidente Trump, por isso temos um índice de aprovação de 88 centavos e uma classificação de reprovação dos nomes deles. Então, de longe, ele é amplamente aprovado. Mas se você der uma olhada nos dados reais usados para produzir este gráfico, você pode ver que tudo isso feito é escolhido os votos que o aprovam e ignorou os votos que não aprovam. Você pode ver no gráfico à esquerda. A desaprovação real é muito maior do que as classificações de aprovação. Mas se você simplesmente não mostrar isso, então você pode mostrar que os dados estão em grande parte aprovando. A Andi. Há muito pouca desaprovação. Então este é um caso em que os dados são apenas omitidos para deturpar, mesmo que haja essas pequenas notas neste gráfico que diz que está entre os republicanos. Portanto, não há mentiras necessariamente acontecendo neste gráfico. Mas mesmo depois de ter sido dito
isso, ainda está deturpado. São pessoas que não são republicanas e que desaprovam Trump,
mas que ainda exageram sua classificação de aprovação depois de ver esse gráfico, mesmo tendo sido apontado para eles que é impreciso, esse é o perigo de espalhar esse tipo de Desinformação. Então esse tipo de missão de dados não está apenas nos resultados da pesquisa. Na verdade, é uma técnica bastante comum ao usar resultados que contêm um fator social ou, por exemplo, são durante um longo período de tempo. Na próxima lição, veremos alguns exemplos reais disso,
mas é apenas uma nota de que a omissão de dados pode acontecer em gráficos onde há um
fator social influenciando esses números. Por exemplo, pode mostrar-lhe o número de pessoas que morrem de uma determinada doença durante um longo período de tempo pago . Mas por quê? Meu fator não é o tamanho da população lá, simplesmente mais pessoas. Então, mais pessoas estão morrendo desta doença, enquanto o gráfico em si está apenas apresentando o número de mortes que este comunista representa porque há um longo período de tempo e há um fator social, Teoh, incluindo que esses resultados, mas o gráfico, ele não os representa, Então é assim que você deturpa omitindo dados, juntando-se à próxima lição onde vamos rever alguns exemplos reais sobre o ponto, os diferentes tipos de maneiras em que eles deturpar dados e combinar métodos para , em última análise, contar em uma história precisa. Obrigado. Eu vou ver isso.
8. Exemplos reais de gráficos enganosos: Oi lá. Nesta lição final, vamos dar uma olhada em alguns exemplos da vida real de onde os dados são, deliberada ou acidentalmente deturpados. Então vamos olhar para alguns exemplos reais e entender o quão perigosos eles podem realmente ser. Aqui está um exemplo de onde os dados são usados para se comunicar em um anúncio. O que está mostrando é a velocidade de três diferentes Internet Explorer à esquerda. Temos o Google Chrome, que é mais lento, e está dizendo que é mais lento lá. E, em seguida, no Mac, soft edge que temos é o mais rápido e, em seguida, Mozilla, 9% mais lento. Então o que você percebe primeiro é que ele está usando um velocímetro, que é uma velocidade de carro para ele planejar a idéia de que as coisas são muito rápidas. Max Soft Edge é o mais rápido porque está estourando o velocímetro. Onde eles escolheram arbitrariamente um velocímetro para ter o valor máximo para coincidentemente ser a velocidade máxima do microfone Soft Edge. Mas isso é apenas uma maneira sutil, que a velocidade de comunicação para você. Mas a maneira como eles estão usando dados é totalmente imprecisa. Aqui simplesmente não há escala. Mind soft é o mais rápido, então é 100% aqui. Google chrome é apenas 5% mais lento, mas em termos de velocímetro, é quase 1/3 mais lento. E então o Mozilla Firefox é 9% mais lento, mas na verdade é apenas 1/3 da velocidade do Mike soft edge. Então, há o uso de dados para comunicar essas velocidades. Mas na verdade não há escala acontecendo aqui, então eles estão deturpando os dados para você tentar vender este produto. Então aqui está um segundo exemplo, e este tem um par de coisas diferentes acontecendo. Então o que está mostrando é que o número de assassinatos cometidos usando armas de fogo entre o início dos anos
19, todo o caminho até meados de 2000 dezenas no ponto do estado representa o número de assassinatos. Então o que está mostrando a vocês é que eles plantaram um tipo de indicação neste gráfico que diz, em 2005, a Flórida promulga sua posição, que sem entrar em uma enorme quantidade de detalhes, é basicamente permitindo que as pessoas usem força letal se forem ameaçadas ou se forem obrigadas a fazê-lo. Então o que este gráfico está fazendo é, primeiro lugar, ele está totalmente de cabeça para baixo, então o chão está completamente de cabeça para baixo. Essa escala vai de 873 para 0, então o gráfico em si, à primeira vista, parece que a sua lei de base reduziu mortes por
armas, mas na verdade não. Na verdade, aumentou em mortes com armas neste gráfico foi virado de cabeça para baixo para tentar deturpar isso. Mas em segundo lugar, tudo o que faz é mostrar o número de mortes por armas. E, como mencionamos anteriormente, lição enxerta climas durante um longo período de tempo, como este, seus fatores sociais
para incluir, por exemplo, quão fácil é acessar armas? Quão forte é a polícia de mortes por armas? Qual é o melhor que a medicina veio para que, quando as pessoas são feridas com armas de fogo, elas tenham uma recuperação muito maior todas essas coisas que terão uma influência sobre o número de mortes por armas? Mas este gráfico compromete tudo o que apenas mostra o valor absoluto das mortes por armas e, em seguida, atribui toda a mudança nesse gráfico a esta única lei, que discorda do seu ponto de vista. Então ele vira o gráfico de cabeça para baixo. Então este é um tipo de exemplo onde este não é necessariamente um dado preciso, mas tem alguma manipulação no gráfico. Ele está de cabeça para baixo, e em segundo lugar, ele realmente não conta a história completa disso porque há muitos outros fatores que
entram nesses números, e este gráfico simplesmente omite todos eles. Assim como o nosso último exemplo. Temos um mais atual. Então este gráfico mostra o número de profundidades secretas em comparação com um número de outras pandemias que experimentamos no passado. Então este é um exemplo de um gráfico onde o autor não está tentando enganar. Foram apenas algumas más escolhas de design. Os dados são precisos. Em primeiro lugar, isso é preciso. Os dados de Riel sobre o autor deste gráfico apresentaram-nos desta forma através de escolhas de
design estilísticas , sem saber que está a ser mal representativo. E este gráfico se espalhou por toda a Internet em lotes e muitos milhões possivelmente viram este gráfico, e teve uma influência sobre como eles perceberam a pandemia. Então vamos quebrar algumas de suas imprecisões. Em primeiro lugar, tudo está usando círculos Andi tridimensionais, então eles estão dimensionando em várias dimensões, então é realmente difícil dizer o tamanho natural de certas coisas. Em segundo lugar, ele está em um plano tridimensional, então o plano se estende para trás na terceira dimensão, distorcendo
completamente o quão grande certas coisas são. Por exemplo, na parte de trás, temos a praga abaixo de nove. Onde é isso? Parece ser muito menor do que os surtos de varíola do Novo Mundo, enquanto na verdade, é maior por causa dessas três dimensões. O ícone que os representa é realmente menor. O ícone da praga antônimo é menor, mas na verdade representa um grande valor. A caixa do Novo Mundo Pequeno. Isto é devido ao fato de que está em três dimensões. Em segundo lugar
, omite dados. Não mostra a população. Ele realmente não mostra a você novos medicamentos ou qualquer um dos vários fatores que poderiam influenciar forma como uma peça se espalha. Tudo o que faz é mostrar o número de mortes normalizadas na população mundial. Mas ainda omite uma grande quantidade de dados. Então este gráfico comete tipo de cada pecado que passamos por sua tridimensional. Ele usa formas de escala. Ele deturpa os dados, omitindo certas coisas no. No geral, foi criado de forma imprecisa, mas foi feito acidentalmente. Ninguém estava por trás disso, tentando enganar. Na verdade, eles estavam tentando informar, mas eles fizeram algumas escolhas acidentais de design que levaram a este gráfico mal representativo . A oferta mais tarde fez algumas alterações,
mas sua versão revisada não foi tão impactante porque não foi estilizada. O fato de que isso é tão estilizado aumentou a quantidade que ele foi compartilhado, mas ele estava compartilhando desinformação. Então, aí está. Essas são as maneiras pelas quais os dados podem ser deturpados para tentar desinformar e espalhar informações erradas online. Então eu espero que você tenha tirado algumas coisas nisso, em primeiro lugar, os perigos de espalhar desinformação. Espero que você esteja muito mais ciente de como a desinformação é espalhada usando dados factuais on-line. Em segundo lugar, espero que você tenha sido equipado com as ferramentas corretas para identificar quando gráficos ou possivelmente tentando enganá-lo para que você possa evitar criar gráficos como esse sob vazio sendo enganado. Temos gráficos online. Obrigado por participar neste custo. Espero que tenha aprendido algumas coisas valiosas. Eu encorajo você a compartilhar e rever e deixar uma classificação para este custo se você gostou para
que os alunos confiná-lo. Eu também vou deixar alguns links para você para que você possa me seguir em compartilhamento de habilidades ou sobre
plataformas sociais onde eu compartilhar lições aprendendo nuggets em apenas grande Andi. Mas exemplos de visualização de dados. Então, obrigado por participar desta causa. Espero que aprenda coisas interessantes. Vejo-te no próximo. Obrigado.
Joshua Brindley, Data Leader
