1
00:00:07,808 --> 00:00:10,839
یک برند خمیردندان ادعا میکند 
که محصول آنها جرمهای بیشتری را

2
00:00:10,839 --> 00:00:13,490
از هر محصولی که تا به حال
ساخته شده است از بین میبرد.

3
00:00:13,490 --> 00:00:16,411
یک سیاستمدار میگوید 
که بیشترین شغلها را ایجاد میکند.

4
00:00:16,411 --> 00:00:18,951
خیلی به شنیدن اینگونه بزرگنماییها

5
00:00:18,951 --> 00:00:20,850
در تبلیغات و سیاست عادت کردهایم

6
00:00:20,850 --> 00:00:23,131
و دیگر حنایشان پیش ما رنگی ندارد.

7
00:00:23,131 --> 00:00:26,111
اما وقتی که نموداری هم
کنار ادعا قرار دارد چطور؟

8
00:00:26,111 --> 00:00:28,471
هر چه باشد نمودار یک نظر صرف نیست.

9
00:00:28,471 --> 00:00:32,611
اعداد سفت سختی ارائه میکند
و کی میتواند با آن در بیافتد؟

10
00:00:32,611 --> 00:00:36,403
اما باز هم مشخص شده که راههای زیادی هست
که نمودارها هم گمراه کننده

11
00:00:36,403 --> 00:00:38,192
و دستکاری شده باشند.

12
00:00:38,192 --> 00:00:40,745
در ادامه چند نکته برای جستجو بیان میشود.

13
00:00:40,745 --> 00:00:45,760
در این تبلیغ مربوط به سال ۱۹۹۲،
شورلت با اتکا به این نمودار

14
00:00:45,760 --> 00:00:48,130
ادعا کرد که قابل اطمینانترین
وانتها را میسازد.

15
00:00:48,130 --> 00:00:51,963
نه تنها نشان میدهد ۹۸% از
وانتهای شورلت فروخته شده در سال گذشته

16
00:00:51,963 --> 00:00:53,592
هنوز در جاده هستند،

17
00:00:53,592 --> 00:00:57,338
به نظر میرسد دوبرابر بیش از 
وانتهای تویوتا قابل اعتماد هستند.

18
00:00:57,338 --> 00:01:00,634
این تنها تا وقتی است 
که نگاهی به اعداد سمت چپ میاندازید

19
00:01:00,634 --> 00:01:05,472
و میبینید که نمودار
تویوتا حدود ۹۶.۵% است.

20
00:01:05,472 --> 00:01:09,313
این مقیاس تنها بین ۹۵ تا ۱۰۰% قرار دارد.

21
00:01:09,313 --> 00:01:12,963
اگر بین ۰ و ۱۰۰% بود این شکلی میشد.

22
00:01:12,963 --> 00:01:16,243
این یکی از پرکاربردترین
راهها است که با تحریف مقیاس

23
00:01:16,243 --> 00:01:18,333
نمودار اطلاعات دروغین ارائه میدهد.

24
00:01:18,333 --> 00:01:20,804
بزرگنمایی یک قسمت کوچک محور عمودی

25
00:01:20,804 --> 00:01:25,703
اختلاف بسیار جزئی چیزهایی که با هم
مقایسه میکنیم را بسیار بزرگ نشان میدهد.

26
00:01:25,703 --> 00:01:27,974
و به خصوص در نمودارهای میلهای

27
00:01:27,974 --> 00:01:31,023
که اختلاف بین اندازه میلهها را
متناسب با مقادیر میدانیم

28
00:01:31,023 --> 00:01:33,233
بسیار گمراه کننده است.

29
00:01:33,233 --> 00:01:36,125
اما تحریف مقیاس 
در محور افقی هم انجام میشود،

30
00:01:36,125 --> 00:01:40,414
به خصوص وقتی در نمودارهای خطی 
تغییرات چیزی در طول زمان نشان داده میشود.

31
00:01:40,414 --> 00:01:44,747
در این نمودار نشاندهنده افزایش
بیکاری در آمریکا از ۲۰۰۸ تا ۲۰۰۹

32
00:01:44,747 --> 00:01:47,996
محور افقی به دو روش دستکاری شده است.

33
00:01:47,996 --> 00:01:50,395
اول از همه، مقیاس متغیر است،

34
00:01:50,395 --> 00:01:53,416
و ۱۵ ماه بعد از مارس ۲۰۰۹ فشرده شده

35
00:01:53,416 --> 00:01:56,755
تا کوتاهتر از شش ماه
پیش از آن به نظر بیاید.

36
00:01:56,755 --> 00:02:00,106
استفاده از نقاط داده دقیقتر
میتواند تصویری متفاوت

37
00:02:00,106 --> 00:02:03,705
از روند تغییر بیکاریها
در انتهای سال ۲۰۰۹ ایجاد کند.

38
00:02:03,705 --> 00:02:06,675
و اگر بپرسید چرا در ابتدا
در حال زیاد شدن بودند،

39
00:02:06,675 --> 00:02:10,615
محور زمان درست بعد از 
بزرگترین فروپاشی اقتصادی ایالات متحده

40
00:02:10,615 --> 00:02:12,626
بعد از افسردگی بزرگ شروع میشود.

41
00:02:12,626 --> 00:02:15,219
به این روشها روش آلبالو چینی میگویند.

42
00:02:15,219 --> 00:02:18,869
بازه زمانی را میتوان طوری بادقت 
انتخاب کرد که تاثیر یک اتفاق بزرگ

43
00:02:18,869 --> 00:02:21,068
درست بعد از وقوع آن ناچیز جلوه داده شود.

44
00:02:21,068 --> 00:02:24,762
و انتخاب نقاط داده خاص میتواند
تغییرات مهم میانی را پنهان کند.

45
00:02:24,762 --> 00:02:27,356
حتی وقتی که خود نمودار
هیچ مشکلی نداشته باشد،

46
00:02:27,356 --> 00:02:30,937
جا انداختن اطلاعات مربوط 
میتواند باعث دریافت اشتباه شود.

47
00:02:30,937 --> 00:02:33,997
این نمودار درباره بینندگان سالانه فوتبال

48
00:02:33,997 --> 00:02:37,626
نشان میدهد که شدت
محبوبیت در حال انفجار است.

49
00:02:37,626 --> 00:02:40,208
اما افزایش جمعیت در آن لحاظ نشده است.

50
00:02:40,218 --> 00:02:42,457
رتبه بندی درواقع ثابت مانده است

51
00:02:42,457 --> 00:02:45,109
زیرا همانطور که تعداد
بینندگان فوتبال زیاد شده است،

52
00:02:45,109 --> 00:02:47,959
اما سهم آنها از همه بینندگان
تغییری نکرده است.

53
00:02:47,959 --> 00:02:50,438
در پایان، نمودار نمیتواند
چیز زیادی به شما بگوید

54
00:02:50,438 --> 00:02:53,318
اگر از معنای کامل چیزی 
که ارائه میشود بیاطلاع باشید.

55
00:02:53,318 --> 00:02:56,457
هردوی این نمودارها از
اطلاعات یکسانی درباره دمای اقیانوس

56
00:02:56,457 --> 00:02:59,719
از مراکز اطلاعات
محیط زیستی ملی استفاده کردهاند.

57
00:02:59,719 --> 00:03:02,490
پس چرا تصورات متضادی ایجاد میکنند؟

58
00:03:02,490 --> 00:03:05,279
نمودار اول دمای میانگین سالانه اقیانوس را

59
00:03:05,279 --> 00:03:07,987
بین سالهای ۱۸۸۰ تا ۲۰۱۶ نشان میدهد،

60
00:03:07,987 --> 00:03:10,149
و تغییرات ناچیز به نظر میرسند.

61
00:03:10,149 --> 00:03:12,878
اما در واقع، افزایش 
حتی نیم درجه سانتی گراد

62
00:03:12,878 --> 00:03:15,799
میتواند به فجایع عظیم
زیست محیطی دامن بزند.

63
00:03:15,799 --> 00:03:17,639
به همین دلیل است که نمودار دوم،

64
00:03:17,639 --> 00:03:19,858
که تغییرات دمای میانگین
هر سال را نشان میدهد،

65
00:03:19,858 --> 00:03:22,390
معنی خیلی بیشتری دارد.

66
00:03:22,390 --> 00:03:27,379
اگر از نمودارها درست استفاده شود، میتواند
به درک مستقیم مطالب پیچیده کمک کنند.

67
00:03:27,379 --> 00:03:31,540
اما همانطورکه نرمافزارهای بصری استفاده از
نمودار را در همه زمینهها آسان کرده است،

68
00:03:31,540 --> 00:03:35,900
استفاده بی دقت و بی صداقت
از آنها را هم راحت کرده است.

69
00:03:35,900 --> 00:03:39,560
پس دفعه بعد که نموداری
دیدید غرق در خطوط و منحنیها نشوید.

70
00:03:39,560 --> 00:03:40,882
به نامگذاریها،

71
00:03:40,882 --> 00:03:42,130
اعداد،

72
00:03:42,130 --> 00:03:43,048
مقیاسها،

73
00:03:43,048 --> 00:03:44,360
و محتوای آن دقت کنید،

74
00:03:44,360 --> 00:03:47,020
و ببینید تصویر چه داستانی را بیان میکند.