1
00:00:07,808 --> 00:00:10,839
一个牙膏品牌声称他们的产品
可以比以往任何的产品

2
00:00:10,839 --> 00:00:12,910
除掉更多的牙菌斑。

3
00:00:12,910 --> 00:00:16,411
一位政客告诉人们
他们的计划会制造最多的就业机会。

4
00:00:16,411 --> 00:00:18,951
我们已经太习惯在广告和政治宣传中

5
00:00:18,951 --> 00:00:20,850
听到这些夸大其词了，

6
00:00:20,850 --> 00:00:23,131
以至于有时我们根本不把这些东西放在眼里。

7
00:00:23,131 --> 00:00:26,111
但是假如这些说法同时伴随着一个图表呢？

8
00:00:26,111 --> 00:00:28,471
毕竟，图表并不是主观意见，

9
00:00:28,471 --> 00:00:32,611
它呈现的只是冰冷确切的数字，
谁又能来质疑这些冷冰冰的数字呢？

10
00:00:32,611 --> 00:00:36,403
然而，事实是，图表可以通过很多方法误导人们

11
00:00:36,403 --> 00:00:38,192
并完全地操纵人们的想法。

12
00:00:38,192 --> 00:00:40,745
下面便是一些图表误导人们的方式。

13
00:00:40,745 --> 00:00:45,760
在这则1992年的广告中，
雪弗兰利用这张图表声称

14
00:00:45,760 --> 00:00:47,510
他们制造了全美最耐用的卡车。

15
00:00:47,510 --> 00:00:51,963
这张图表不仅显示雪弗兰过去的十年间卖出的卡车


16
00:00:51,963 --> 00:00:53,592
有98%目前仍在使用中，

17
00:00:53,592 --> 00:00:57,338
图表还暗示他们的卡车比丰田要耐用一倍。

18
00:00:57,338 --> 00:01:00,634
事实看上去就是如此，
直到你仔细观察纵坐标上对应的数值，

19
00:01:00,634 --> 00:01:05,472
你才会发现丰田（十年间卖出的）卡车的使用率为96.5%左右。

20
00:01:05,472 --> 00:01:09,313
该图表的问题在于
纵坐标的范围仅仅是95到100.

21
00:01:09,313 --> 00:01:12,963
如果范围是从0到100，
图表会是这个样子。

22
00:01:12,963 --> 00:01:16,243
这便是图表误传数据的最普遍方法之一，

23
00:01:16,243 --> 00:01:18,333
也就是扭曲某一坐标的尺度。

24
00:01:18,333 --> 00:01:20,804
将y轴的某一小部分放大

25
00:01:20,804 --> 00:01:25,703
可使两个被比较的事物之间
难以察觉的差距被夸张放大。

26
00:01:25,703 --> 00:01:27,974
这个方法对于柱状图来说尤其起效。

27
00:01:27,974 --> 00:01:30,583
因为我们总是假设柱状图的长度与数值

28
00:01:30,583 --> 00:01:32,803
是成比例对应的。

29
00:01:33,233 --> 00:01:36,125
另一方面，x轴的间距也是可以被扭曲的，

30
00:01:36,125 --> 00:01:40,414
这种扭曲通常发生在
呈现某事物随着时间改变的线形图上。

31
00:01:40,414 --> 00:01:44,747
这张图标呈现的是美国2008年
到2010年的失业情况，

32
00:01:44,747 --> 00:01:47,996
其使用了两种方法操纵x轴。

33
00:01:47,996 --> 00:01:50,395
首先，x轴的间距是不一致的。

34
00:01:50,395 --> 00:01:53,416
2009年3月之后的15个月的跨度被压缩

35
00:01:53,416 --> 00:01:56,755
使其看起来比之前的6个月还短。

36
00:01:56,755 --> 00:02:00,106
如果使用一致的数据点，
我们将会看到一张截然不同的图表，

37
00:02:00,106 --> 00:02:03,705
其中的失业情况在2009年年底之后逐渐减弱。

38
00:02:03,705 --> 00:02:06,675
如果你对图表前一部分的
失业情况为何会加重感到不解，

39
00:02:06,675 --> 00:02:10,615
其原因是该图表中时间线的起点正是金融海啸之后

40
00:02:10,615 --> 00:02:12,626
美国开始财政崩溃之后的时刻。

41
00:02:12,626 --> 00:02:15,219
这种技巧被称为“计划性选择”。

42
00:02:15,219 --> 00:02:18,869
也就是通过别有用心地选择一个时间段


43
00:02:18,869 --> 00:02:20,648
来排除该时间段之外发生的某一事件的影响。

44
00:02:20,648 --> 00:02:24,762
而选择某些特定的数据点
可以掩盖该时间段内的重要变化。

45
00:02:24,762 --> 00:02:27,356
即使图表本身没有任何错误，

46
00:02:27,356 --> 00:02:30,937
省略某些相关的数据点
也会让人留下错误的印象。

47
00:02:30,937 --> 00:02:33,997
统计每年观看超级碗观众人数的表格

48
00:02:33,997 --> 00:02:37,626
让人们以为超级碗的人气火爆。

49
00:02:37,626 --> 00:02:40,198
但事实上它统计的并不是观众人数的成长。

50
00:02:40,198 --> 00:02:41,967
事实上，超级碗的收视率是保持稳定的，

51
00:02:41,967 --> 00:02:45,109
因为虽然球迷的数量在增加，

52
00:02:45,109 --> 00:02:47,959
但是每名观众的收视占有率却并没有增加。

53
00:02:47,959 --> 00:02:49,888
最后，在不知道图表呈现的重点的情况下，

54
00:02:49,888 --> 00:02:53,318
人们很难从其中获得有用的信息。

55
00:02:53,318 --> 00:02:56,457
以下的两幅图利用了国家环境信息中心提供的

56
00:02:56,457 --> 00:02:59,719
同一组海洋温度的数据。

57
00:02:59,719 --> 00:03:02,490
然而为什么它们却看起来完全相反呢？

58
00:03:02,490 --> 00:03:05,279
第一幅图描绘了1880年到2016年的

59
00:03:05,279 --> 00:03:07,987
年平均海洋温度。

60
00:03:07,987 --> 00:03:10,149
虽然温度的变化看起来并不明显，

61
00:03:10,149 --> 00:03:12,878
但是，即使是半摄氏度的温度上升

62
00:03:12,878 --> 00:03:15,799
也可能导致严重的生态问题。

63
00:03:15,799 --> 00:03:17,219
这也就是为什么

64
00:03:17,219 --> 00:03:19,858
呈现了年平均温度波动的第二张图表

65
00:03:19,858 --> 00:03:22,390
重要性远大于第一张。

66
00:03:22,390 --> 00:03:27,379
如果使用得当，图表可以帮助我们
更直观地了解复杂的数据。

67
00:03:27,379 --> 00:03:31,180
但是可视化软件一方面大大
增加了图表在各种媒体上的应用，

68
00:03:31,180 --> 00:03:35,900
另一方面粗心大意和刻意误导也变得更加频繁。

69
00:03:35,900 --> 00:03:39,560
因此，下一次在遇到图表时，
不要被直线和曲线的走向误导。

70
00:03:39,560 --> 00:03:40,882
仔细看一看单位、

71
00:03:40,882 --> 00:03:42,130
数值、

72
00:03:42,130 --> 00:03:43,048
间距

73
00:03:43,048 --> 00:03:44,360
以及该图表的背景，

74
00:03:44,360 --> 00:03:46,780
问问自己这张图标到底要传递什么信息。