WEBVTT

00:00:07.808 --> 00:00:10.839
ある歯磨き粉メーカーの製品は
どんな製品よりも

00:00:10.839 --> 00:00:12.910
歯垢除去できると宣伝しています

00:00:12.910 --> 00:00:16.411
ある政治家は
自分の政策が最も雇用を生み出すと言います

00:00:16.411 --> 00:00:18.951
このような広告や政治家の誇張を聞くことに

00:00:18.951 --> 00:00:20.850
私たちは慣れすぎていて

00:00:20.850 --> 00:00:23.131
目をしばたくこともありません

00:00:23.131 --> 00:00:26.111
しかしグラフがあったらどうでしょうか

00:00:26.111 --> 00:00:28.471
グラフは個人的見解ではなく

00:00:28.471 --> 00:00:32.611
冷厳と数字を表現しており
議論の余地はないはずです

00:00:32.611 --> 00:00:36.403
しかし実のところ
様々な方法でグラフを用いて

00:00:36.403 --> 00:00:38.192
誤解を生じさせたり
公然と情報操作したりできるのです

00:00:38.192 --> 00:00:40.745
例えばこのようなことを
注意しないといけません

00:00:40.745 --> 00:00:45.760
1992年の広告でシボレーは
自社トラックがアメリカで最も信頼おけると

00:00:45.760 --> 00:00:47.510
こちらのグラフを使って宣伝しました

00:00:47.510 --> 00:00:51.963
それは過去10年で販売された
シボレーのトラックの

00:00:51.963 --> 00:00:53.592
98％がまだ現役で走っているだけでなく

00:00:53.592 --> 00:00:57.338
トヨタのトラックの２倍も
信頼できるかに見えるのです

00:00:57.338 --> 00:01:00.634
しかしそれは左側の数字を注意深く見て

00:01:00.634 --> 00:01:05.472
トヨタの数字が96.5%であるのを
見つけるまでです

00:01:05.472 --> 00:01:09.313
目盛は95から100%しかないのです

00:01:09.313 --> 00:01:12.963
0から100まであったらこのように見えます

00:01:12.963 --> 00:01:16.243
目盛を操作することで
グラフのデータを歪めて見せる

00:01:16.243 --> 00:01:18.333
よく見られる方法のひとつです

00:01:18.333 --> 00:01:20.804
Y軸のわずかな部分にクローズアップして

00:01:20.804 --> 00:01:25.703
比較対象間の僅かな差を
誇張するのです

00:01:25.703 --> 00:01:27.974
特に棒グラフが惑わされやすいのは

00:01:27.974 --> 00:01:31.023
グラフの高さの差が

00:01:31.023 --> 00:01:33.233
値と比例していると思い込むからです

00:01:33.233 --> 00:01:36.125
X軸の目盛を操作することもできます

00:01:36.125 --> 00:01:40.414
線グラフで時間軸における何かの変化を
示す際によくあります

00:01:40.414 --> 00:01:44.747
2008年から2010年の米国失業者数が
増加しているのを示していますが

00:01:44.747 --> 00:01:47.996
X軸は２つの観点で操作されています

00:01:47.996 --> 00:01:50.395
まず第一に目盛が等間隔ではなくて

00:01:50.395 --> 00:01:53.416
2009年3月以降の
15か月の期間が縮められており

00:01:53.416 --> 00:01:56.755
その前の６か月より短く見えるのです

00:01:56.755 --> 00:02:00.106
一貫性のあるデータポイントを
より多く使うことで

00:02:00.106 --> 00:02:03.705
失業が2009年の終わり頃から
緩やかになるという状況が見えます

00:02:03.705 --> 00:02:06.675
そしてどうして
まず最初に増加傾向にあったのかというと

00:02:06.675 --> 00:02:10.615
米国大恐慌後のもっとも大きな経済危機から

00:02:10.615 --> 00:02:12.626
この時間軸が始まっているからです

00:02:12.626 --> 00:02:15.219
これらのテクニックは
チェリー・ピッキングとして知られています

00:02:15.219 --> 00:02:18.869
主要イベントの影響が現れないように
時間軸の範囲を

00:02:18.869 --> 00:02:20.648
注意深く選び出すのです

00:02:20.648 --> 00:02:24.762
また特定のデータポイントを選択することで
その間の重要な変化を隠すことができます

00:02:24.762 --> 00:02:27.356
グラフ自体に間違いはなくとも
関係あるデータを取り除くことにより

00:02:27.356 --> 00:02:30.937
誤解を招くような印象をもたらします

00:02:30.937 --> 00:02:33.997
この図はスーパーボールを
毎年見る視聴者の数で

00:02:33.997 --> 00:02:37.626
人気が沸騰しているかに見えます

00:02:37.626 --> 00:02:40.198
しかしこれは人口増加が考慮されていません

00:02:40.198 --> 00:02:41.967
視聴率は実際のところ
一定にとどまっています

00:02:41.967 --> 00:02:45.109
フットボールのファンは増加している一方で

00:02:45.109 --> 00:02:47.959
視聴者層におけるシェアは
そうではないからです

00:02:47.959 --> 00:02:49.888
最後に グラフの示す内容を

00:02:49.888 --> 00:02:53.318
きちんと理解できていなければ
グラフが何かを物語ることはありません

00:02:53.318 --> 00:02:56.457
次のグラフは両方とも
同一の海面温度データを利用しています

00:02:56.457 --> 00:02:59.719
国立環境情報センターのデータです

00:02:59.719 --> 00:03:02.490
どうして真逆の印象を与えるように
見えるのでしょうか

00:03:02.490 --> 00:03:05.279
最初のグラフは1880年から2016年の

00:03:05.279 --> 00:03:07.987
年間平均海面温度を示しており

00:03:07.987 --> 00:03:10.149
変化がほとんどないかのように
見せています

00:03:10.149 --> 00:03:12.878
しかしながら実は
たった0.5℃の違いですら

00:03:12.878 --> 00:03:15.799
大規模な生態系破壊を起こし得るのです

00:03:15.799 --> 00:03:17.219
ですので二番目のグラフでは

00:03:17.219 --> 00:03:19.858
毎年の年間平均温度変化を示しており

00:03:19.858 --> 00:03:22.390
はるかに重要な意味をもつのです

00:03:22.390 --> 00:03:27.379
正しく用いられればグラフは複雑なデータを
直感的に理解するのに役立ちます

00:03:27.379 --> 00:03:31.180
しかし視覚ソフトにより あらゆるメディアで
グラフを多用できるようになる一方で

00:03:31.180 --> 00:03:35.900
不注意だったり 不誠実な利用に
陥ることも出てきました

00:03:35.900 --> 00:03:39.560
次回グラフを見たら線や
曲線に振り回されず

00:03:39.560 --> 00:03:40.882
軸ラベルを見て

00:03:40.882 --> 00:03:42.130
数値

00:03:42.130 --> 00:03:43.048
目盛

00:03:43.048 --> 00:03:44.360
その文脈

00:03:44.360 --> 00:03:46.780
そしてその全体像が語ろうとしている
話について問い直してみましょう