[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:07.81,0:00:10.84,Default,,0000,0000,0000,,ある歯磨き粉メーカーの製品は\Nどんな製品よりも
Dialogue: 0,0:00:10.84,0:00:12.91,Default,,0000,0000,0000,,歯垢除去できると宣伝しています
Dialogue: 0,0:00:12.91,0:00:16.41,Default,,0000,0000,0000,,ある政治家は\N自分の政策が最も雇用を生み出すと言います
Dialogue: 0,0:00:16.41,0:00:18.95,Default,,0000,0000,0000,,このような広告や政治家の誇張を聞くことに
Dialogue: 0,0:00:18.95,0:00:20.85,Default,,0000,0000,0000,,私たちは慣れすぎていて
Dialogue: 0,0:00:20.85,0:00:23.13,Default,,0000,0000,0000,,目をしばたくこともありません
Dialogue: 0,0:00:23.13,0:00:26.11,Default,,0000,0000,0000,,しかしグラフがあったらどうでしょうか
Dialogue: 0,0:00:26.11,0:00:28.47,Default,,0000,0000,0000,,グラフは個人的見解ではなく
Dialogue: 0,0:00:28.47,0:00:32.61,Default,,0000,0000,0000,,冷厳と数字を表現しており\N議論の余地はないはずです
Dialogue: 0,0:00:32.61,0:00:36.40,Default,,0000,0000,0000,,しかし実のところ\N様々な方法でグラフを用いて
Dialogue: 0,0:00:36.40,0:00:38.19,Default,,0000,0000,0000,,誤解を生じさせたり\N公然と情報操作したりできるのです
Dialogue: 0,0:00:38.19,0:00:40.74,Default,,0000,0000,0000,,例えばこのようなことを\N注意しないといけません
Dialogue: 0,0:00:40.74,0:00:45.76,Default,,0000,0000,0000,,1992年の広告でシボレーは\N自社トラックがアメリカで最も信頼おけると
Dialogue: 0,0:00:45.76,0:00:47.51,Default,,0000,0000,0000,,こちらのグラフを使って宣伝しました
Dialogue: 0,0:00:47.51,0:00:51.96,Default,,0000,0000,0000,,それは過去10年で販売された\Nシボレーのトラックの
Dialogue: 0,0:00:51.96,0:00:53.59,Default,,0000,0000,0000,,98％がまだ現役で走っているだけでなく
Dialogue: 0,0:00:53.59,0:00:57.34,Default,,0000,0000,0000,,トヨタのトラックの２倍も\N信頼できるかに見えるのです
Dialogue: 0,0:00:57.34,0:01:00.63,Default,,0000,0000,0000,,しかしそれは左側の数字を注意深く見て
Dialogue: 0,0:01:00.63,0:01:05.47,Default,,0000,0000,0000,,トヨタの数字が96.5%であるのを\N見つけるまでです
Dialogue: 0,0:01:05.47,0:01:09.31,Default,,0000,0000,0000,,目盛は95から100%しかないのです
Dialogue: 0,0:01:09.31,0:01:12.96,Default,,0000,0000,0000,,0から100まであったらこのように見えます
Dialogue: 0,0:01:12.96,0:01:16.24,Default,,0000,0000,0000,,目盛を操作することで\Nグラフのデータを歪めて見せる
Dialogue: 0,0:01:16.24,0:01:18.33,Default,,0000,0000,0000,,よく見られる方法のひとつです
Dialogue: 0,0:01:18.33,0:01:20.80,Default,,0000,0000,0000,,Y軸のわずかな部分にクローズアップして
Dialogue: 0,0:01:20.80,0:01:25.70,Default,,0000,0000,0000,,比較対象間の僅かな差を\N誇張するのです
Dialogue: 0,0:01:25.70,0:01:27.97,Default,,0000,0000,0000,,特に棒グラフが惑わされやすいのは
Dialogue: 0,0:01:27.97,0:01:31.02,Default,,0000,0000,0000,,グラフの高さの差が
Dialogue: 0,0:01:31.02,0:01:33.23,Default,,0000,0000,0000,,値と比例していると思い込むからです
Dialogue: 0,0:01:33.23,0:01:36.12,Default,,0000,0000,0000,,X軸の目盛を操作することもできます
Dialogue: 0,0:01:36.12,0:01:40.41,Default,,0000,0000,0000,,線グラフで時間軸における何かの変化を\N示す際によくあります
Dialogue: 0,0:01:40.41,0:01:44.75,Default,,0000,0000,0000,,2008年から2010年の米国失業者数が\N増加しているのを示していますが
Dialogue: 0,0:01:44.75,0:01:47.100,Default,,0000,0000,0000,,X軸は２つの観点で操作されています
Dialogue: 0,0:01:47.100,0:01:50.40,Default,,0000,0000,0000,,まず第一に目盛が等間隔ではなくて
Dialogue: 0,0:01:50.40,0:01:53.42,Default,,0000,0000,0000,,2009年3月以降の\N15か月の期間が縮められており
Dialogue: 0,0:01:53.42,0:01:56.76,Default,,0000,0000,0000,,その前の６か月より短く見えるのです
Dialogue: 0,0:01:56.76,0:02:00.11,Default,,0000,0000,0000,,一貫性のあるデータポイントを\Nより多く使うことで
Dialogue: 0,0:02:00.11,0:02:03.70,Default,,0000,0000,0000,,失業が2009年の終わり頃から\N緩やかになるという状況が見えます
Dialogue: 0,0:02:03.70,0:02:06.68,Default,,0000,0000,0000,,そしてどうして\Nまず最初に増加傾向にあったのかというと
Dialogue: 0,0:02:06.68,0:02:10.62,Default,,0000,0000,0000,,米国大恐慌後のもっとも大きな経済危機から
Dialogue: 0,0:02:10.62,0:02:12.63,Default,,0000,0000,0000,,この時間軸が始まっているからです
Dialogue: 0,0:02:12.63,0:02:15.22,Default,,0000,0000,0000,,これらのテクニックは\Nチェリー・ピッキングとして知られています
Dialogue: 0,0:02:15.22,0:02:18.87,Default,,0000,0000,0000,,主要イベントの影響が現れないように\N時間軸の範囲を
Dialogue: 0,0:02:18.87,0:02:20.65,Default,,0000,0000,0000,,注意深く選び出すのです
Dialogue: 0,0:02:20.65,0:02:24.76,Default,,0000,0000,0000,,また特定のデータポイントを選択することで\Nその間の重要な変化を隠すことができます
Dialogue: 0,0:02:24.76,0:02:27.36,Default,,0000,0000,0000,,グラフ自体に間違いはなくとも\N関係あるデータを取り除くことにより
Dialogue: 0,0:02:27.36,0:02:30.94,Default,,0000,0000,0000,,誤解を招くような印象をもたらします
Dialogue: 0,0:02:30.94,0:02:33.100,Default,,0000,0000,0000,,この図はスーパーボールを\N毎年見る視聴者の数で
Dialogue: 0,0:02:33.100,0:02:37.63,Default,,0000,0000,0000,,人気が沸騰しているかに見えます
Dialogue: 0,0:02:37.63,0:02:40.20,Default,,0000,0000,0000,,しかしこれは人口増加が考慮されていません
Dialogue: 0,0:02:40.20,0:02:41.97,Default,,0000,0000,0000,,視聴率は実際のところ\N一定にとどまっています
Dialogue: 0,0:02:41.97,0:02:45.11,Default,,0000,0000,0000,,フットボールのファンは増加している一方で
Dialogue: 0,0:02:45.11,0:02:47.96,Default,,0000,0000,0000,,視聴者層におけるシェアは\Nそうではないからです
Dialogue: 0,0:02:47.96,0:02:49.89,Default,,0000,0000,0000,,最後に グラフの示す内容を
Dialogue: 0,0:02:49.89,0:02:53.32,Default,,0000,0000,0000,,きちんと理解できていなければ\Nグラフが何かを物語ることはありません
Dialogue: 0,0:02:53.32,0:02:56.46,Default,,0000,0000,0000,,次のグラフは両方とも\N同一の海面温度データを利用しています
Dialogue: 0,0:02:56.46,0:02:59.72,Default,,0000,0000,0000,,国立環境情報センターのデータです
Dialogue: 0,0:02:59.72,0:03:02.49,Default,,0000,0000,0000,,どうして真逆の印象を与えるように\N見えるのでしょうか
Dialogue: 0,0:03:02.49,0:03:05.28,Default,,0000,0000,0000,,最初のグラフは1880年から2016年の
Dialogue: 0,0:03:05.28,0:03:07.99,Default,,0000,0000,0000,,年間平均海面温度を示しており
Dialogue: 0,0:03:07.99,0:03:10.15,Default,,0000,0000,0000,,変化がほとんどないかのように\N見せています
Dialogue: 0,0:03:10.15,0:03:12.88,Default,,0000,0000,0000,,しかしながら実は\Nたった0.5℃の違いですら
Dialogue: 0,0:03:12.88,0:03:15.80,Default,,0000,0000,0000,,大規模な生態系破壊を起こし得るのです
Dialogue: 0,0:03:15.80,0:03:17.22,Default,,0000,0000,0000,,ですので二番目のグラフでは
Dialogue: 0,0:03:17.22,0:03:19.86,Default,,0000,0000,0000,,毎年の年間平均温度変化を示しており
Dialogue: 0,0:03:19.86,0:03:22.39,Default,,0000,0000,0000,,はるかに重要な意味をもつのです
Dialogue: 0,0:03:22.39,0:03:27.38,Default,,0000,0000,0000,,正しく用いられればグラフは複雑なデータを\N直感的に理解するのに役立ちます
Dialogue: 0,0:03:27.38,0:03:31.18,Default,,0000,0000,0000,,しかし視覚ソフトにより あらゆるメディアで\Nグラフを多用できるようになる一方で
Dialogue: 0,0:03:31.18,0:03:35.90,Default,,0000,0000,0000,,不注意だったり 不誠実な利用に\N陥ることも出てきました
Dialogue: 0,0:03:35.90,0:03:39.56,Default,,0000,0000,0000,,次回グラフを見たら線や\N曲線に振り回されず
Dialogue: 0,0:03:39.56,0:03:40.88,Default,,0000,0000,0000,,軸ラベルを見て
Dialogue: 0,0:03:40.88,0:03:42.13,Default,,0000,0000,0000,,数値
Dialogue: 0,0:03:42.13,0:03:43.05,Default,,0000,0000,0000,,目盛
Dialogue: 0,0:03:43.05,0:03:44.36,Default,,0000,0000,0000,,その文脈
Dialogue: 0,0:03:44.36,0:03:46.78,Default,,0000,0000,0000,,そしてその全体像が語ろうとしている\N話について問い直してみましょう