WEBVTT

00:00:07.808 --> 00:00:10.839
یک برند خمیردندان ادعا میکند 
که محصول آنها جرمهای بیشتری را

00:00:10.839 --> 00:00:13.490
از هر محصولی که تا به حال
ساخته شده است از بین میبرد.

00:00:13.490 --> 00:00:16.411
یک سیاستمدار میگوید 
که بیشترین شغلها را ایجاد میکند.

00:00:16.411 --> 00:00:18.951
خیلی به شنیدن اینگونه بزرگنماییها

00:00:18.951 --> 00:00:20.850
در تبلیغات و سیاست عادت کردهایم

00:00:20.850 --> 00:00:23.131
و دیگر حنایشان پیش ما رنگی ندارد.

00:00:23.131 --> 00:00:26.111
اما وقتی که نموداری هم
کنار ادعا قرار دارد چطور؟

00:00:26.111 --> 00:00:28.471
هر چه باشد نمودار یک نظر صرف نیست.

00:00:28.471 --> 00:00:32.611
اعداد سفت سختی ارائه میکند
و کی میتواند با آن در بیافتد؟

00:00:32.611 --> 00:00:36.403
اما باز هم مشخص شده که راههای زیادی هست
که نمودارها هم گمراه کننده

00:00:36.403 --> 00:00:38.192
و دستکاری شده باشند.

00:00:38.192 --> 00:00:40.745
در ادامه چند نکته برای جستجو بیان میشود.

00:00:40.745 --> 00:00:45.760
در این تبلیغ مربوط به سال ۱۹۹۲،
شورلت با اتکا به این نمودار

00:00:45.760 --> 00:00:48.130
ادعا کرد که قابل اطمینانترین
وانتها را میسازد.

00:00:48.130 --> 00:00:51.963
نه تنها نشان میدهد ۹۸% از
وانتهای شورلت فروخته شده در سال گذشته

00:00:51.963 --> 00:00:53.592
هنوز در جاده هستند،

00:00:53.592 --> 00:00:57.338
به نظر میرسد دوبرابر بیش از 
وانتهای تویوتا قابل اعتماد هستند.

00:00:57.338 --> 00:01:00.634
این تنها تا وقتی است 
که نگاهی به اعداد سمت چپ میاندازید

00:01:00.634 --> 00:01:05.472
و میبینید که نمودار
تویوتا حدود ۹۶.۵% است.

00:01:05.472 --> 00:01:09.313
این مقیاس تنها بین ۹۵ تا ۱۰۰% قرار دارد.

00:01:09.313 --> 00:01:12.963
اگر بین ۰ و ۱۰۰% بود این شکلی میشد.

00:01:12.963 --> 00:01:16.243
این یکی از پرکاربردترین
راهها است که با تحریف مقیاس

00:01:16.243 --> 00:01:18.333
نمودار اطلاعات دروغین ارائه میدهد.

00:01:18.333 --> 00:01:20.804
بزرگنمایی یک قسمت کوچک محور عمودی

00:01:20.804 --> 00:01:25.703
اختلاف بسیار جزئی چیزهایی که با هم
مقایسه میکنیم را بسیار بزرگ نشان میدهد.

00:01:25.703 --> 00:01:27.974
و به خصوص در نمودارهای میلهای

00:01:27.974 --> 00:01:31.023
که اختلاف بین اندازه میلهها را
متناسب با مقادیر میدانیم

00:01:31.023 --> 00:01:33.233
بسیار گمراه کننده است.

00:01:33.233 --> 00:01:36.125
اما تحریف مقیاس 
در محور افقی هم انجام میشود،

00:01:36.125 --> 00:01:40.414
به خصوص وقتی در نمودارهای خطی 
تغییرات چیزی در طول زمان نشان داده میشود.

00:01:40.414 --> 00:01:44.747
در این نمودار نشاندهنده افزایش
بیکاری در آمریکا از ۲۰۰۸ تا ۲۰۰۹

00:01:44.747 --> 00:01:47.996
محور افقی به دو روش دستکاری شده است.

00:01:47.996 --> 00:01:50.395
اول از همه، مقیاس متغیر است،

00:01:50.395 --> 00:01:53.416
و ۱۵ ماه بعد از مارس ۲۰۰۹ فشرده شده

00:01:53.416 --> 00:01:56.755
تا کوتاهتر از شش ماه
پیش از آن به نظر بیاید.

00:01:56.755 --> 00:02:00.106
استفاده از نقاط داده دقیقتر
میتواند تصویری متفاوت

00:02:00.106 --> 00:02:03.705
از روند تغییر بیکاریها
در انتهای سال ۲۰۰۹ ایجاد کند.

00:02:03.705 --> 00:02:06.675
و اگر بپرسید چرا در ابتدا
در حال زیاد شدن بودند،

00:02:06.675 --> 00:02:10.615
محور زمان درست بعد از 
بزرگترین فروپاشی اقتصادی ایالات متحده

00:02:10.615 --> 00:02:12.626
بعد از افسردگی بزرگ شروع میشود.

00:02:12.626 --> 00:02:15.219
به این روشها روش آلبالو چینی میگویند.

00:02:15.219 --> 00:02:18.869
بازه زمانی را میتوان طوری بادقت 
انتخاب کرد که تاثیر یک اتفاق بزرگ

00:02:18.869 --> 00:02:21.068
درست بعد از وقوع آن ناچیز جلوه داده شود.

00:02:21.068 --> 00:02:24.762
و انتخاب نقاط داده خاص میتواند
تغییرات مهم میانی را پنهان کند.

00:02:24.762 --> 00:02:27.356
حتی وقتی که خود نمودار
هیچ مشکلی نداشته باشد،

00:02:27.356 --> 00:02:30.937
جا انداختن اطلاعات مربوط 
میتواند باعث دریافت اشتباه شود.

00:02:30.937 --> 00:02:33.997
این نمودار درباره بینندگان سالانه فوتبال

00:02:33.997 --> 00:02:37.626
نشان میدهد که شدت
محبوبیت در حال انفجار است.

00:02:37.626 --> 00:02:40.208
اما افزایش جمعیت در آن لحاظ نشده است.

00:02:40.218 --> 00:02:42.457
رتبه بندی درواقع ثابت مانده است

00:02:42.457 --> 00:02:45.109
زیرا همانطور که تعداد
بینندگان فوتبال زیاد شده است،

00:02:45.109 --> 00:02:47.959
اما سهم آنها از همه بینندگان
تغییری نکرده است.

00:02:47.959 --> 00:02:50.438
در پایان، نمودار نمیتواند
چیز زیادی به شما بگوید

00:02:50.438 --> 00:02:53.318
اگر از معنای کامل چیزی 
که ارائه میشود بیاطلاع باشید.

00:02:53.318 --> 00:02:56.457
هردوی این نمودارها از
اطلاعات یکسانی درباره دمای اقیانوس

00:02:56.457 --> 00:02:59.719
از مراکز اطلاعات
محیط زیستی ملی استفاده کردهاند.

00:02:59.719 --> 00:03:02.490
پس چرا تصورات متضادی ایجاد میکنند؟

00:03:02.490 --> 00:03:05.279
نمودار اول دمای میانگین سالانه اقیانوس را

00:03:05.279 --> 00:03:07.987
بین سالهای ۱۸۸۰ تا ۲۰۱۶ نشان میدهد،

00:03:07.987 --> 00:03:10.149
و تغییرات ناچیز به نظر میرسند.

00:03:10.149 --> 00:03:12.878
اما در واقع، افزایش 
حتی نیم درجه سانتی گراد

00:03:12.878 --> 00:03:15.799
میتواند به فجایع عظیم
زیست محیطی دامن بزند.

00:03:15.799 --> 00:03:17.639
به همین دلیل است که نمودار دوم،

00:03:17.639 --> 00:03:19.858
که تغییرات دمای میانگین
هر سال را نشان میدهد،

00:03:19.858 --> 00:03:22.390
معنی خیلی بیشتری دارد.

00:03:22.390 --> 00:03:27.379
اگر از نمودارها درست استفاده شود، میتواند
به درک مستقیم مطالب پیچیده کمک کنند.

00:03:27.379 --> 00:03:31.540
اما همانطورکه نرمافزارهای بصری استفاده از
نمودار را در همه زمینهها آسان کرده است،

00:03:31.540 --> 00:03:35.900
استفاده بی دقت و بی صداقت
از آنها را هم راحت کرده است.

00:03:35.900 --> 00:03:39.560
پس دفعه بعد که نموداری
دیدید غرق در خطوط و منحنیها نشوید.

00:03:39.560 --> 00:03:40.882
به نامگذاریها،

00:03:40.882 --> 00:03:42.130
اعداد،

00:03:42.130 --> 00:03:43.048
مقیاسها،

00:03:43.048 --> 00:03:44.360
و محتوای آن دقت کنید،

00:03:44.360 --> 00:03:47.020
و ببینید تصویر چه داستانی را بیان میکند.