0:00:07.808,0:00:10.839
یک برند خمیردندان ادعا میکند [br]که محصول آنها جرمهای بیشتری را

0:00:10.839,0:00:13.490
از هر محصولی که تا به حال[br]ساخته شده است از بین میبرد.

0:00:13.490,0:00:16.411
یک سیاستمدار میگوید [br]که بیشترین شغلها را ایجاد میکند.

0:00:16.411,0:00:18.951
خیلی به شنیدن اینگونه بزرگنماییها

0:00:18.951,0:00:20.850
در تبلیغات و سیاست عادت کردهایم

0:00:20.850,0:00:23.131
و دیگر حنایشان پیش ما رنگی ندارد.

0:00:23.131,0:00:26.111
اما وقتی که نموداری هم[br]کنار ادعا قرار دارد چطور؟

0:00:26.111,0:00:28.471
هر چه باشد نمودار یک نظر صرف نیست.

0:00:28.471,0:00:32.611
اعداد سفت سختی ارائه میکند[br]و کی میتواند با آن در بیافتد؟

0:00:32.611,0:00:36.403
اما باز هم مشخص شده که راههای زیادی هست[br]که نمودارها هم گمراه کننده

0:00:36.403,0:00:38.192
و دستکاری شده باشند.

0:00:38.192,0:00:40.745
در ادامه چند نکته برای جستجو بیان میشود.

0:00:40.745,0:00:45.760
در این تبلیغ مربوط به سال ۱۹۹۲،[br]شورلت با اتکا به این نمودار

0:00:45.760,0:00:48.130
ادعا کرد که قابل اطمینانترین[br]وانتها را میسازد.

0:00:48.130,0:00:51.963
نه تنها نشان میدهد ۹۸% از[br]وانتهای شورلت فروخته شده در سال گذشته

0:00:51.963,0:00:53.592
هنوز در جاده هستند،

0:00:53.592,0:00:57.338
به نظر میرسد دوبرابر بیش از [br]وانتهای تویوتا قابل اعتماد هستند.

0:00:57.338,0:01:00.634
این تنها تا وقتی است [br]که نگاهی به اعداد سمت چپ میاندازید

0:01:00.634,0:01:05.472
و میبینید که نمودار[br]تویوتا حدود ۹۶.۵% است.

0:01:05.472,0:01:09.313
این مقیاس تنها بین ۹۵ تا ۱۰۰% قرار دارد.

0:01:09.313,0:01:12.963
اگر بین ۰ و ۱۰۰% بود این شکلی میشد.

0:01:12.963,0:01:16.243
این یکی از پرکاربردترین[br]راهها است که با تحریف مقیاس

0:01:16.243,0:01:18.333
نمودار اطلاعات دروغین ارائه میدهد.

0:01:18.333,0:01:20.804
بزرگنمایی یک قسمت کوچک محور عمودی

0:01:20.804,0:01:25.703
اختلاف بسیار جزئی چیزهایی که با هم[br]مقایسه میکنیم را بسیار بزرگ نشان میدهد.

0:01:25.703,0:01:27.974
و به خصوص در نمودارهای میلهای

0:01:27.974,0:01:31.023
که اختلاف بین اندازه میلهها را[br]متناسب با مقادیر میدانیم

0:01:31.023,0:01:33.233
بسیار گمراه کننده است.

0:01:33.233,0:01:36.125
اما تحریف مقیاس [br]در محور افقی هم انجام میشود،

0:01:36.125,0:01:40.414
به خصوص وقتی در نمودارهای خطی [br]تغییرات چیزی در طول زمان نشان داده میشود.

0:01:40.414,0:01:44.747
در این نمودار نشاندهنده افزایش[br]بیکاری در آمریکا از ۲۰۰۸ تا ۲۰۰۹

0:01:44.747,0:01:47.996
محور افقی به دو روش دستکاری شده است.

0:01:47.996,0:01:50.395
اول از همه، مقیاس متغیر است،

0:01:50.395,0:01:53.416
و ۱۵ ماه بعد از مارس ۲۰۰۹ فشرده شده

0:01:53.416,0:01:56.755
تا کوتاهتر از شش ماه[br]پیش از آن به نظر بیاید.

0:01:56.755,0:02:00.106
استفاده از نقاط داده دقیقتر[br]میتواند تصویری متفاوت

0:02:00.106,0:02:03.705
از روند تغییر بیکاریها[br]در انتهای سال ۲۰۰۹ ایجاد کند.

0:02:03.705,0:02:06.675
و اگر بپرسید چرا در ابتدا[br]در حال زیاد شدن بودند،

0:02:06.675,0:02:10.615
محور زمان درست بعد از [br]بزرگترین فروپاشی اقتصادی ایالات متحده

0:02:10.615,0:02:12.626
بعد از افسردگی بزرگ شروع میشود.

0:02:12.626,0:02:15.219
به این روشها روش آلبالو چینی میگویند.

0:02:15.219,0:02:18.869
بازه زمانی را میتوان طوری بادقت [br]انتخاب کرد که تاثیر یک اتفاق بزرگ

0:02:18.869,0:02:21.068
درست بعد از وقوع آن ناچیز جلوه داده شود.

0:02:21.068,0:02:24.762
و انتخاب نقاط داده خاص میتواند[br]تغییرات مهم میانی را پنهان کند.

0:02:24.762,0:02:27.356
حتی وقتی که خود نمودار[br]هیچ مشکلی نداشته باشد،

0:02:27.356,0:02:30.937
جا انداختن اطلاعات مربوط [br]میتواند باعث دریافت اشتباه شود.

0:02:30.937,0:02:33.997
این نمودار درباره بینندگان سالانه فوتبال

0:02:33.997,0:02:37.626
نشان میدهد که شدت[br]محبوبیت در حال انفجار است.

0:02:37.626,0:02:40.208
اما افزایش جمعیت در آن لحاظ نشده است.

0:02:40.218,0:02:42.457
رتبه بندی درواقع ثابت مانده است

0:02:42.457,0:02:45.109
زیرا همانطور که تعداد[br]بینندگان فوتبال زیاد شده است،

0:02:45.109,0:02:47.959
اما سهم آنها از همه بینندگان[br]تغییری نکرده است.

0:02:47.959,0:02:50.438
در پایان، نمودار نمیتواند[br]چیز زیادی به شما بگوید

0:02:50.438,0:02:53.318
اگر از معنای کامل چیزی [br]که ارائه میشود بیاطلاع باشید.

0:02:53.318,0:02:56.457
هردوی این نمودارها از[br]اطلاعات یکسانی درباره دمای اقیانوس

0:02:56.457,0:02:59.719
از مراکز اطلاعات[br]محیط زیستی ملی استفاده کردهاند.

0:02:59.719,0:03:02.490
پس چرا تصورات متضادی ایجاد میکنند؟

0:03:02.490,0:03:05.279
نمودار اول دمای میانگین سالانه اقیانوس را

0:03:05.279,0:03:07.987
بین سالهای ۱۸۸۰ تا ۲۰۱۶ نشان میدهد،

0:03:07.987,0:03:10.149
و تغییرات ناچیز به نظر میرسند.

0:03:10.149,0:03:12.878
اما در واقع، افزایش [br]حتی نیم درجه سانتی گراد

0:03:12.878,0:03:15.799
میتواند به فجایع عظیم[br]زیست محیطی دامن بزند.

0:03:15.799,0:03:17.639
به همین دلیل است که نمودار دوم،

0:03:17.639,0:03:19.858
که تغییرات دمای میانگین[br]هر سال را نشان میدهد،

0:03:19.858,0:03:22.390
معنی خیلی بیشتری دارد.

0:03:22.390,0:03:27.379
اگر از نمودارها درست استفاده شود، میتواند[br]به درک مستقیم مطالب پیچیده کمک کنند.

0:03:27.379,0:03:31.540
اما همانطورکه نرمافزارهای بصری استفاده از[br]نمودار را در همه زمینهها آسان کرده است،

0:03:31.540,0:03:35.900
استفاده بی دقت و بی صداقت[br]از آنها را هم راحت کرده است.

0:03:35.900,0:03:39.560
پس دفعه بعد که نموداری[br]دیدید غرق در خطوط و منحنیها نشوید.

0:03:39.560,0:03:40.882
به نامگذاریها،

0:03:40.882,0:03:42.130
اعداد،

0:03:42.130,0:03:43.048
مقیاسها،

0:03:43.048,0:03:44.360
و محتوای آن دقت کنید،

0:03:44.360,0:03:47.020
و ببینید تصویر چه داستانی را بیان میکند.